Résultats supplémentaires sur la prévision et la sélection de modèles sous perte asymétrique

Nous faisons trois contributions liées. Premièrement, nous proposons une nouvelle technique pour résoudre des problèmes de prévision sous perte asymétrique en utilisant des approximations linéaires par morceaux de la fonction de perte, et nous établissons l'existence et l'unicité de l'optimiseur optimal. Deuxièmement, nous fournissons une application détaillée à la prévision optimale d'un processus conditionnellement hétéroscédastique sous perte asymétrique, les perspectives acquises étant largement applicables. Enfin, nous intégrons nos résultats dans un cadre général pour la sélection de modèles basée sur la prévision récursive sous la fonction de perte pertinente.