Záznam důkazů metody

Model Confidence Set

The Model Confidence Set (MCS) is a sequential hypothesis-testing procedure introduced by Hansen, Lunde, and Nason (2011) that identifies the smallest collection of forecasting or predictive models statistically indistinguishable from the best-performing model at a given confidence level. Instead of selecting a single winner, MCS returns a set of superior models, making it especially valuable in econometric forecast comparisons where the true best model is unknown.

Sources recorded, not reviewed

Zdrojový záznam

Citace zkopírované doslovně ze zdrojového záznamu metody. Nejsou z nich vyvozovány žádné ověření na úrovni tvrzení.

Model Confidence Set (MCS)

Taxonomický záznam metody · hypothesis-test / econometrics

Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497. · DOI 10.2139/ssrn.522382

Otevřít celou metodu

Spravovaná tvrzení

Tvrzení uložená v registru důkazů, každé s vlastním hodnocením.

Zatím žádná spravovaná tvrzení

Tento pohled nevymýšlí hodnocení tvrzení, pokud registr žádné neobsahuje.

Související metody

Vygenerováno z grafu metod a zobrazeno jako strojově navržené vztahy – nejsou z nich vyvozována žádná tvrzení o důkazech.

Taxonomic bucketDiebold-Mariano Testmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketGiacomini-White Testmachine-suggested · Relational suggestion, not evidence.See alsoStepwise Regressionmachine-suggested · Relational suggestion, not evidence.