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.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.