Model Confidence Set (MCS)

Model Confidence Set (MCS) er en sekventiel hypotesetestprocedure introduceret af Hansen, Lunde og Nason (2011), der identificerer den mindste samling af prognose- eller prædiktive modeller, som statistisk set er umulige at skelne fra den bedst ydende model på et givent konfidensniveau. I stedet for at vælge en enkelt vinder returnerer MCS et sæt af overlegne modeller, hvilket gør den særligt værdifuld i økonometriske prognosesammenligninger, hvor den sande bedste model er ukendt.