In this paper we consider model ave

In this paper we consider model averaging for quantile regressions (QR) when all models under investigation are potentially misspecified and the number of parameters is diverging with the sample size. To allow for the dependence between the error terms and regressors in the QR models, we propose a jackknife model averaging (JMA) estimator which selects the weights by minimizing a leave-one-out cross-validation criterion function and demonstrate its asymptotic optimality in terms of minimizing the out-of-sample final prediction error. We conduct simulations to demonstrate the finite-sample performance of our estimator and compare it with other model selection and averaging methods. We apply our JMA method to forecast quantiles of excess stock returns and wages.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราพิจารณารูปแบบหาค่าเฉลี่ยการ quantile regressions (QR) เมื่อทุกรุ่นภายใต้การตรวจสอบอาจ misspecified และหมายเลขของพารามิเตอร์เป็นเถรกับขนาดตัวอย่าง เพื่อให้การพึ่งพาระหว่างเงื่อนไขข้อผิดพลาดและ regressors ในรุ่น QR เราเสนอแบบ jackknife ประมาณ (JMA) ซึ่งเลือกน้ำหนัก โดยลดเกณฑ์การตรวจสอบข้ามลาออกหนึ่งฟังก์ชัน การหาค่าเฉลี่ย และแสดงของ optimality asymptotic ในแง่ของการลดข้อผิดพลาดออกของอย่างสุดท้ายทาย เราทำการจำลองเพื่อแสดงให้เห็นถึงประสิทธิภาพจำกัดตัวอย่างของประมาณการของเรา และเปรียบเทียบกับรูปแบบการเลือกและการหาค่าเฉลี่ยต่าง ๆ เราใช้วิธีของ JMA เพื่อคาดการณ์ quantiles ของหุ้นส่วนที่เกินคืนและค่าจ้าง

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะพิจารณาค่าเฉลี่ยแบบจำลองสำหรับการวิเคราะห์ quantile (QR) เมื่อทุกรุ่นภายใต้การสอบสวนจะ misspecified ที่อาจเกิดขึ้นและจำนวนของพารามิเตอร์ที่จะแยกทางกับขนาดของกลุ่มตัวอย่าง เพื่อให้การพึ่งพาอาศัยกันระหว่างข้อกำหนดข้อผิดพลาดและ regressors ใน QR รุ่นเรานำเสนอรูปแบบการพับเฉลี่ย (JMA) ประมาณการที่เลือกน้ำหนักโดยการลดการปล่อยใครออกฟังก์ชั่นเกณฑ์การตรวจสอบข้ามและแสดงให้เห็น optimality asymptotic ในแง่ ของการลดออกจากข้อผิดพลาดในการทำนายตัวอย่างสุดท้าย เราดำเนินการจำลองแสดงให้เห็นถึงประสิทธิภาพการทำงานที่ จำกัด ตัวอย่างของประมาณการของเราและเปรียบเทียบกับการเลือกรูปแบบอื่น ๆ และวิธีการเฉลี่ย เราใช้วิธี JMA ของเราที่จะคาดการณ์ผลตอบแทน quantiles หุ้นส่วนเกินและค่าจ้าง

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราพิจารณาแบบจำลองสมการถดถอยเฉลี่ยสำหรับควอนไทล์ ( QR ) เมื่อทุกรุ่นภายใต้การสอบสวนไม่อาจ misspecified และจำนวนของพารามิเตอร์คือการแยกกับขนาดตัวอย่าง เพื่ออนุญาตให้มีการพึ่งพาระหว่างข้อผิดพลาดเงื่อนไขและ regressors ใน QR รุ่นเราขอเสนอมีดพับแบบเฉลี่ย ( JMA ) ประมาณการที่เลือกน้ำหนักที่ลดไปได้หนึ่งข้ามเกณฑ์การตรวจสอบและแสดงให้เห็นถึงการทำงานของแหล่งคุณภาพในแง่ของการออกจากตัวอย่างสุดท้ายทำนายผิดพลาดเราทำการจำลองเพื่อแสดงให้เห็นถึงประสิทธิภาพของประมาณการของเราและมีตัวอย่างเปรียบเทียบกับการเลือกรูปแบบอื่น ๆและโดยวิธี เราใช้วิธีของเรา quantiles JMA พยากรณ์ผลตอบแทนของหลักทรัพย์เกินและค่าจ้าง