Model Confidence Sets and forecast combination

یافته های طولانی در ادبیات پیش بینی شده این است که به طور متوسط ​​پیش بینی ها از طیف وسیعی از مدل ها اغلب پیش بینی های مبتنی بر یک مدل واحد را بهبود می بخشد، در حالی که میانگین وزن برابر به طور خاص به خوبی کار می کند. در این مقاله اثرات برش مجموعه ای از مدل ها قبل از میانگین. ما طرح های مختلف پیرایش را مقایسه می کنیم و یک رویکرد جدید مبتنی بر مجموعه های اعتماد به مدل ارائه می دهیم که اهمیت آماری عملکرد پیش بینی نشده خارج از آن را مورد توجه قرار می دهد. در یک برنامه تجربی برای پیش بینی شاخص های اقتصاد کلان ایالات متحده، با استفاده از روش برش پیشنهادی، نتایج قابل توجهی در پیش بینی دقیق خارج از نمونه مشاهده می شود.