کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7408341 1481440 2015 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Testing for multiple-period predictability between serially dependent time series
ترجمه فارسی عنوان
تست برای پیش بینی چند دوره ای بین سری زمانی وابسته به سریال
کلمات کلیدی
ترجمه چکیده
این مقاله نتایج یک مطالعه شبیه سازی را ارائه می دهد که اجراهای نمونه های محدود از طیف وسیعی از روش ها برای بررسی پیش بینی بودن دوره های چند گانه بین دو سری زمانی به طور سریال همبستگی سریال دارد. در بسیاری از شرایط تجربی مرتبط، اما نه همه، اکثر آمار آزمون در نظر گرفته شده به طور قابل توجهی بیش از حد بزرگ است. در مقابل، هر دو رویکرد تحلیلی که در این مقاله پیشنهاد شده است و بوت استرپ، دارای اندازه دقیق تجربی هستند. در تعداد کمی از موارد، بوت استرپ دارای قدرت برتر است. روشهای آزمون در نظر گرفته شده به یک تحلیل تجربی از قدرت پیش بینی یک مدل منحنی فیلیپس در طول دوره معرفت بزرگ اعمال می شود که نشان دهنده اهمیت عملی استفاده از آمار آزمون با اندازه های دقیق تجربی است.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
This paper reports the results of a simulation study that considers the finite-sample performances of a range of approaches for testing multiple-period predictability between two potentially serially correlated time series. In many empirically relevant situations, but not all, most of the test statistics considered are significantly oversized. In contrast, both an analytical approach proposed in this paper and a bootstrap are found to have accurate empirical sizes. In a small number of cases, the bootstrap is found to have a superior power. The test procedures considered are applied to an empirical analysis of the predictive power of a Phillips curve model during the 'great moderation' period, which illustrates the practical importance of using test statistics with accurate empirical sizes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Forecasting - Volume 31, Issue 3, July–September 2015, Pages 587-597
نویسندگان
,