Λέσχη Φίλων Στατιστικής - GrStats forum
1ο Σεμινάριο Στατιστικής/Οικονομετρίας/Μηχανικής μάθησης του τμήματος Οικονομικών Επιστημών του Πανεπιστημίου Κρήτης 18/11/2020: Στέλιος Αρβανίτης Forumgrstats

Join the forum, it's quick and easy

Λέσχη Φίλων Στατιστικής - GrStats forum
1ο Σεμινάριο Στατιστικής/Οικονομετρίας/Μηχανικής μάθησης του τμήματος Οικονομικών Επιστημών του Πανεπιστημίου Κρήτης 18/11/2020: Στέλιος Αρβανίτης Forumgrstats
Λέσχη Φίλων Στατιστικής - GrStats forum
Would you like to react to this message? Create an account in a few clicks or log in to continue.
Για προβλήματα εγγραφής και άλλες πληροφορίες επικοινωνήστε με : grstats.forum@gmail.com ή grstats@stat-athens.aueb.gr

Go down
grstats
grstats
Posts : 966
Join date : 2009-10-21
http://stat-athens.aueb.gr/~grstats/

1ο Σεμινάριο Στατιστικής/Οικονομετρίας/Μηχανικής μάθησης του τμήματος Οικονομικών Επιστημών του Πανεπιστημίου Κρήτης 18/11/2020: Στέλιος Αρβανίτης Empty 1ο Σεμινάριο Στατιστικής/Οικονομετρίας/Μηχανικής μάθησης του τμήματος Οικονομικών Επιστημών του Πανεπιστημίου Κρήτης 18/11/2020: Στέλιος Αρβανίτης

Mon 16 Nov 2020 - 9:18
Η σειρά των χειμερινών σεμιναρίων του τμήματος Οικονομικών Επιστημών του Πανεπιστημίου Κρήτης ξεκινάει με το σεμινάριο της Τετάρτης 18/11. Ο πρώτος ομιλητής για φέτος είναι ο Στέλιος Αρβανίτης από το τμήμα Οικονομικής Επιστήμης της ΑΣΟΕΕ. Θα μπορείτε να παρακολουθήσετε το σεμινάριο σε αυτό το σύνδεσμο zoom.

https://zoom.us/j/96529398305?pwd=eGgrSS9GUWQvSGp2TzV3aGI0MFRBZz09

Το πρόγραμμα των σεμιναρίων έχει αναρτηθεί στην κεντρική ιστοσελίδα του τμήματος
http://economics.soc.uoc.gr/el  (αριστερά, στις δραστηριότητες).

Όλα τα σεμινάρια θα διεξάγονται κάθε Τετάρτη στις 15.00-16.15. Θα στέλνω ειδοποιήσεις για τα σεμινάρια στατιστικής/οικονομετρίας/μηχανικής μάθησης.


"Nonparametric Tests for Optimal Predictive Ability"
Stelios Arvanitis

Abstract

A nonparametric method for comparing multiple forecast models is developed and implemented. The hypothesis of Optimal Predictive Ability generalizes the Superior Predictive Ability hypothesis from a single given loss function to an entire class of loss functions. Distinction is drawn between General Loss functions, Convex Loss functions and Symmetric Convex Loss functions. The research hypothesis is formulated in terms of moment inequality conditions. The empirical moment conditions are reduced to an exact and finite system of linear inequalities based on piecewise-linear loss functions. The hypothesis can be tested in a statistically consistent way using a blockwise Empirical Likelihood Ratio test statistic. A computationally feasible test procedure computes the test statistic using Convex Optimization methods, and estimates conservative, data-dependent critical values using a majorizing chi-square limit distribution and a moment selection method. An empirical application to inflation forecasting reveals that a very large majority of thousands of forecast models are redundant, leaving predominantly Phillips Curve type models, when convexity and symmetry are assumed.

The webinar will take place on Wednesday 18/11 at 15.00 Greek time via zoom. Should you wish to join us please contact me by Wednesday morning the latest.
Back to top
Permissions in this forum:
You cannot reply to topics in this forum