Model Confidence Set (MCS)
Das Model Confidence Set (MCS) ist ein sequenzielles Hypothesentestverfahren, das von Hansen, Lunde und Nason (2011) eingeführt wurde und die kleinste Kollektion von Prognose- oder Vorhersagemodellen identifiziert, die auf einem gegebenen Konfidenzniveau statistisch nicht vom bestperformenden Modell zu unterscheiden sind. Anstatt einen einzelnen Gewinner auszuwählen, liefert MCS eine Menge überlegener Modelle, was es besonders wertvoll für ökonometrische Prognosevergleiche macht, bei denen das tatsächlich beste Modell unbekannt ist.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497. DOI: 10.2139/ssrn.522382 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Model Confidence Set (MCS). ScholarGate. https://scholargate.app/de/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.
- Diebold-Mariano-Test auf gleiche PrognosegenauigkeitÖkonometrie↔ compare
- Giacomini-White-Test auf bedingte prädiktive FähigkeitÖkonometrie↔ compare
- Schrittweise RegressionStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →