以下是您可以做的三件事:1. 基于回归的检验——Mincer Zarnowitz 回归这个想法很简单,回归预测的实际(实现)值: 现在我们共同检验假设: 截距为零意味着你的预测是无偏的。矛盾的是,如果截距是0.02,这意味着为了使两边相等,我们在预测中平均增加0.02,所以它一直在低估观察值。斜率应该是1,也就是说,你的预测完全 ...
1. 基于回归的检验——Mincer Zarnowitz 回归 这个想法很简单,回归预测的实际(实现)值: 现在我们共同检验假设: 截距为零意味着你的预测是无偏的。矛盾的是,如果截距是0.02,这意味着为了使两边相等,我们在预测中平均增加0.02,所以它一直在低估观察值。斜率应该是1,也就是说,你的预测完全 "解释 "了观察值。 2....
1. 基于回归的检验——Mincer Zarnowitz 回归 这个想法很简单,回归预测的实际(实现)值: 现在我们共同检验假设: 截距为零意味着你的预测是无偏的。矛盾的是,如果截距是0.02,这意味着为了使两边相等,我们在预测中平均增加0.02,所以它一直在低估观察值。斜率应该是1,也就是说,你的预测完全 "解释 "...
On testing the optimality of the forecasts, it is demonstrated how the quantile regressions set in the prediction–realization framework of Mincer and Zarnowitz (in J. Mincer (Ed.), Economic Forecasts and Expectations: Analysis of Forecasting Behavior and Performance (pp.14–20), 1969) can be ...
1. 基于回归的检验——Mincer Zarnowitz 回归 这个想法很简单,回归预测的实际(实现)值: 现在我们共同检验假设: 截距为零意味着你的预测是无偏的。矛盾的是,如果截距是0.02,这意味着为了使两边相等,我们在预测中平均增加0.02,所以它一直在低估观察值。斜率应该是1,也就是说,你的预测完全 "解释 "了观察值。
1. 基于回归的检验——Mincer Zarnowitz 回归 这个想法很简单,回归预测的实际(实现)值: 现在我们共同检验假设: 截距为零意味着你的预测是无偏的。矛盾的是,如果截距是0.02,这意味着为了使两边相等,我们在预测中平均增加0.02,所以它一直在低估观察值。斜率应该是1,也就是说,你的预测完全 "解释 "了观察值。
On testing the optimality of the forecasts, it is demonstrated how the quantile regressions set in the prediction–realization framework of Mincer and Zarnowitz (in J. Mincer (Ed.), Economic Forecasts and Expectations: Analysis of Forecasting Behavior and Performance (pp. 14–20), 1969) can be...
(2017). Mincer-Zarnowitz quantile and expectile regressions for forecast evaluations under aysmmetric loss functions. Journal of Forecasting, 36(6):651-679.Guler, K., P. T. Ng, and Z. Xiao (2017): "Mincer-Zarnowitz quantile and expec- tile regressions for forecast evaluations under aysm...
On testing the optimality of the forecasts, it is demonstrated how the quantile regressions set in the prediction–realization framework of Mincer and Zarnowitz (in J. Mincer (Ed.), Economic Forecasts and Expectations: Analysis of Forecasting Behavior and Performance (pp. 14–20), 1969) can ...
1. 基于回归的检验——Mincer Zarnowitz 回归 这个想法很简单,回归预测的实际(实现)值: 现在我们共同检验假设: 截距为零意味着你的预测是无偏的。矛盾的是,如果截距是0.02,这意味着为了使两边相等,我们在预测中平均增加0.02,所以它一直在低估观察值。斜率应该是1,也就是说,你的预测完全 "解释 "...