一种稳健的等预测准确性检验

本文研究了一种我们称之为“稳健”的Diebold–Mariano类型检验。我们检验的独特之处在于——即使在缺乏任何预测方法知识的情况下——它对预测中的估计噪声具有稳健性，即，它的规模不受模型拟合引起的估计效应的影响。我们通过基于滚动窗口均值的检验统计量获得这一特性，其长度是总评估样本的一小部分。这导致了非标准的Gumbel极限法则。我们检验的其他理想特性是，它对时变波动性易于稳健化，并且在替代假设下自然揭示出预测能力的时变差异。模拟展示了我们多重稳健实施相对于若干竞争者的优势。对多个变量、时间范围、年份和来自专业预测员调查方法的预测的实证应用说明了新方法的相关性，使我们能够识别出拥有更优模型的预测员。这类结论实际上是现有检验无法推断的，因为有关模型和预测背后的估计程序的信息通常是专有的，因此无法排除估计效应。