Model Confidence Set (MCS)
Model Confidence Set (MCS) je procedurou sekvenčního testování hypotéz, kterou zavedli Hansen, Lunde a Nason (2011). Identifikuje nejmenší kolekci prognostických nebo prediktivních modelů, které jsou na dané hladině spolehlivosti statisticky nerozlišitelné od nejlépe hodnoceného modelu. Místo výběru jediného vítěze vrací MCS množinu nadřazených modelů, což je obzvláště cenné při ekonometrických srovnáních prognóz, kde není znám skutečně nejlepší model.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497. DOI: 10.2139/ssrn.522382 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Model Confidence Set (MCS). ScholarGate. https://scholargate.app/cs/econometrics/model-confidence-set
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Dieboldův-Marianoův test rovnosti prediktivní přesnostiEkonometrie↔ compare
- Giacomini-Whiteův test podmíněné prediktivní schopnostiEkonometrie↔ compare
- Kroková regreseStatistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →