Rolling window selection for out-of-sample forecasting with time-varying parameters

شواهد قوی در مورد تغییرات ساختاری در سری زمانی اقتصاد کلان وجود دارد و عملکرد پیش بینی اغلب به انتخاب اندازه پنجره تخمینی حساس است. این مقاله یک روش برای انتخاب اندازه پنجره برای پیش بینی فراهم می کند. روش پیشنهادی ما این است که اندازه مطلوب را انتخاب کنیم که تابع کاهش تلفات پیش بینی کننده را به حداقل برساند و اعتبار آستانه شناختی رویکرد ما را ثابت می کند. آزمایشات مونت کارلو ما نشان می دهد که روش ما به خوبی تحت انواع مختلف تغییرات ساختاری انجام می شود. هنگامی که برای پیش بینی رشد واقعی تولیدات و تورم ایالات متحده مورد استفاده قرار می گیرد، روش پیشنهاد شده به بهبود روش های معمولی، بخصوص برای رشد تولید کمک می کند.