正在学习
6.8 模型选择方法的性质
6.8 模型选择程序的性质
6.9 模型选择方法的风险：蒙特卡洛模拟
6.10 结论
6.11 附录：信息准则的推导
II 预测方法
7 单变量线性预测模型
7.1 ARMA模型作为近似
7.2 ARMA模型的估计与滞后阶数选择
7.3 使用ARMA模型进行预测
7.4 确定性和季节性成分
7.5 指数平滑与不可观测成分
7.6 结论
8 单变量非线性预测模型
8.1 阈值自回归模型
8.2 平滑转换自回归模型
8.3 区制转换模型
8.4 非线性检验
8.5 使用非线性单变量模型进行预测
8.6 结论
9 向量自回归
9.1 向量自回归的设定
9.2 VAR的经典估计
9.3 贝叶斯VAR
9.4 DSGE模型
9.5 条件预测
9.6 实证例子
9.7 结论
10 在数据丰富环境中的预测
10.1 使用因子模型进行预测
10.2 因子的估计
10.3 共同因子个数的确定
10.4 因子模型中出现的实际问题
10.5 实证证据
10.6 使用面板数据进行预测
10.7 结论
11 非参数预测方法
11.1 预测模型的核估计
11.2 筛模型的估计
11.3 提升回归树
11.4 结论
12 二元预测
12.1 二元结果的点预测和概率预测
12.2 二元结果的密度预测
12.3 构建二元结果的点预测
练习题
以下哪一项不是模型选择过程的属性？
A. 一致性
B. 有效性
C. 过拟合
D. 简洁性
在蒙特卡罗模拟中，模型选择方法的风险关键方面有哪些？（选择所有适用的选项）
A. 估计误差
B. 模型设定错误
C. 数据抽样变异性
D. 计算复杂度
模型选择的结论强调，没有一种方法在所有情况下都是普遍最优的。
信息准则的推导基于最小化___的期望值。
解释自回归滑动平均（ARMA）模型在时间序列分析中作为近似模型的作用。
在ARMA模型中，通常使用哪个准则进行滞后阶数选择？
A. 决定系数（R平方）
B. 赤池信息准则（AIC）
C. 平均绝对误差（MAE）
D. 判定系数
使用ARMA模型进行预测的关键步骤有哪些？（选择所有适用的选项）
A. 模型识别
B. 参数估计
C. 诊断检验
D. 数据转换
ARMA模型中的确定性成分包括趋势和季节效应，这些成分与随机成分分开建模。
指数平滑法为过去的观测值分配指数___权重。
总结一元线性预测模型的结论。
门限自回归（TAR）模型的特点是：
A. 具有常数系数的单一区制
B. 具有不同系数值的多个区制
C. 没有自回归成分
D. 只有确定性成分
以下关于平滑过渡自回归（STAR）模型的陈述哪些是正确的？（选择所有适用的选项）
A. 它们允许不同状态之间逐渐过渡
B. 它们使用逻辑函数进行过渡
C. 它们是TAR模型的特殊情况
D. 它们假设状态变化是突发的
制度转换模型假定制度生成过程是可观测的。
检验非线性通常涉及检查残差的___是否随时间变化。
解释使用非线性单变量模型进行预测的挑战。
一元非线性预测模型的结论强调：
A. 线性模型总是更优
B. 非线性模型总是更好
C. 模型选择取决于数据特征
D. 非线性对预测无关紧要
以下哪些是指定向量自回归（VAR）模型时的关键考虑因素？（选择所有适用的选项）
A. 变量排序
B. 滞后长度选择
C. 确定性项
D. 模型估计方法
向量自回归（VAR）的经典估计假设误差项服从正态分布。
贝叶斯向量自回归模型通过___纳入先验信息。
描述DSGE模型在预测中的作用。
向量自回归模型（VAR）中的条件预测需要：
A. 固定变量的某些未来值
B. 仅使用过去的数据
C. 忽略确定性项
D. 假设误差服从正态分布
向量自回归（VAR）实证案例中常见的挑战有哪些？（选择所有适用项）
A. 模型设定错误
B. 过拟合
C. 数据非平稳性
D. 计算效率
向量自回归模型（VARs）的结论指出，它们始终是多元预测的最佳选择。
基于因子模型的预测依赖于从高维数据中提取___因子。
解释因子模型中因子的估计方法。
在因子模型中，通常使用什么标准来确定共同因子的数量？
A. R平方
B. 特征值比率
C. 赤池信息准则（AIC）
D. 贝叶斯信息准则（BIC）
因子模型中的实际问题有哪些？（选择所有适用项）
A. 因子的旋转不变性
B. 对异常值的敏感性
C. 估计方法的选择
D. 因子的可解释性
实证证据表明，因子模型在所有预测情境下都优于单变量模型。
面板数据预测结合了___和时序维度以提高准确性。
总结在数据丰富环境下的预测结论。
预测模型的核估计是一个例子：
A. 参数估计
B. 非参数估计
C. 贝叶斯估计
D. 经典估计
筛模型有哪些优点？（选择所有适用的选项）
A. 函数形式的灵活性
B. 计算简单性
C. 避免过拟合
D. 理论保证
提升回归树对过拟合具有免疫力。
非参数预测方法的结论强调了平衡___和计算可行性的重要性。
解释二元结果中点预测和概率预测的区别。
对于二元结果的密度预测需明确：
A. 每种结果的概率
B. 可能结果的完整分布
C. 仅最可能的结果
D. 结果的方差
构建二元结果点预测的方法有哪些？（选择所有适用的选项）
A. 最大似然估计
B. Logit/probit模型
C. 线性概率模型
D. 核回归
在评估模型选择程序的属性时，以下哪一项不是比较不同方法时的关键考量因素？
A. 估计量的一致性
B. 方法的计算复杂度
C. 模型预测确定性成分的能力
D. 过拟合风险
蒙特卡罗模拟用于评估模型选择方法的风险。在以下选项中，哪些是使用蒙特卡罗模拟的有效理由？
A. 估计统计量的抽样分布
B. 比较不同模型选择标准的性能
C. 确定自回归移动平均（ARMA）模型中的最优滞后阶数
D. 评估模型误设对预测准确性的影响
使用自回归滑动平均（ARMA）模型进行预测需要选择合适的滞后阶数，而这一选择过程可参考第6.8节中讨论的模型选择方法的特性。
在向量自回归（VAR）模型的经典估计中，估计量的选择通常取决于模型的___以及估计量所需的性质，如一致性和有效性。
解释模型选择程序的属性如何影响因子模型预测中因子的选择。
登录后解锁笔记、知识点解析、AI 问答
立即登录