دانلود رایگان مقاله ارزیابی پیش بینی مونت کارلو با داده پایدار

عنوان فارسی
ارزیابی پیش بینی مونت کارلو با داده های پایدار
عنوان انگلیسی
Monte Carlo forecast evaluation with persistent data
صفحات مقاله فارسی
0
صفحات مقاله انگلیسی
10
سال انتشار
2017
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
کد محصول
E4005
رشته های مرتبط با این مقاله
اقتصاد
گرایش های مرتبط با این مقاله
اقتصاد مالی
مجله
مجله بین المللی پیش بینی - International Journal of Forecasting
دانشگاه
بخش بین المللی مالی، واشنگتن، امریکا
کلمات کلیدی
ارزیابی پیش بینی، انتخاب مدل، آزمون های آماری، مونت کارلو، آزمون نمونه محدود
۰.۰ (بدون امتیاز)
امتیاز دهید
چکیده

abstract


Persistent processes, including local-to-unity and random walks, are commonly considered as forecasting models of interest. However, the associated forecast errors follow nonstandard distributions that complicate forecast evaluation tests.We propose a finite sample simulation-based solution to this problem. The method requires a flexible parametric null model that can be simulated as long as a finite dimension nuisance parameter can be specified. The size control of our method is robust to non-standard limiting distributions, such as degenerate asymptotic distribution problems that arise from nested and unit root models. Our simulation studies demonstrate that many of the existing forecast evaluation methods, including various bootstraps, over-reject for highly persistent data. In contrast, our method is level correct and has good power. We extend our approach to the inversion of forecast evaluation statistics in order to construct exact confidence sets for the benchmark model. Confidence sets provide much more information than tests, particularly in the case of the persistence-adjusted relevance of predictive regressors (Rossi, 2005). © 2016 International Institute of Forecasters. Published by Elsevier B.V. All rights reserved.


بدون دیدگاه