Testing for a Forecast Accuracy Breakdown under Long Memory
长记忆条件下预测准确性失稳的检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要同时研究预测损失、均值结构突变与长记忆动态，直接对应预测评估、结构变化及时间序列。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
长记忆条件下预测准确性失稳的检验
- 研究问题
- 在长记忆时间序列中，如何识别样本外预测损失均值的结构突变，并处理原序列长记忆传递到预测残差所带来的检验问题？
- 方法与思路
- 作者以双重上确界 Wald 检验检测损失均值突变，采用长记忆稳健的长期方差估计，并利用稳健 CUSUM 检验定位断点。
- 材料陈述的贡献
- 摘要称提供记忆传递的理论与模拟证据，并在固定预测方案下获得单调功效；电价应用显示欧洲预测失稳，而美国结果混合。
- 阅读关注点
- 应核对长记忆参数范围、长期方差估计、双重上确界的搜索维度，以及固定预测方案与其他方案下检验性质的差别。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未报告检验数值或具体条件，能源危机与失稳的关联不能直接视为因果识别。
原文摘要
We propose a test to detect a forecast accuracy breakdown in a long memory time series and provide theoretical and simulation evidence on the memory transfer from the time series to the forecast residuals. The proposed method uses a double sup-Wald test against the alternative of a structural break in the mean of an out-of-sample loss series. To address the problem of estimating the long-run variance under long memory, a robust estimator is applied. The corresponding breakpoint results from a long memory robust CUSUM test. The finite sample size and power properties of the test are derived in a Monte Carlo simulation. A monotonic power function is obtained for the fixed forecasting scheme. In our practical application, we find that the global energy crisis that began in 2021 led to a forecast break in European electricity prices, while the results for the U.S. are mixed.