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.
Kilderegister
Siteringer kopiert ordrett fra metodens kilderegister. Ingen påstandsnivåverifisering er underforstått fra dem.
Kuraterte påstander
Påstander lagret i bevishovedboken, hver med sin egen vurdering.
Denne visningen finner ikke opp en påstandsvurdering når hovedboken ikke har noen.
Relaterte metoder
Generert fra metodegrafen og vist som maskinforslåtte relasjoner – ingen bevispåstand er underforstått.