摘要翻译：
在本文中，我们提出了一个分析时间序列模型预测的一般框架，并展示了一大类流行的时间序列模型是如何满足这个框架的。我们假定了一组高层次的假设，并对前述时间序列模型的这些假设进行了形式上的验证。我们的框架与Beutner等人的框架不谋而合。(2019，ARXIV:1710.00643)为在该框架中所做的预测建立了条件置信区间的有效性。因此，本论文补充了Beutner等人的结果。(2019，ARXIV:1710.00643)通过提供其理论的实际相关应用。
---
英文标题：
《A General Framework for Prediction in Time Series Models》
---
作者：
Eric Beutner, Alexander Heinemann and Stephan Smeekes
---
最新提交年份：
2019
---
分类信息：

一级分类：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--

---
英文摘要：
  In this paper we propose a general framework to analyze prediction in time series models and show how a wide class of popular time series models satisfies this framework. We postulate a set of high-level assumptions, and formally verify these assumptions for the aforementioned time series models. Our framework coincides with that of Beutner et al. (2019, arXiv:1710.00643) who establish the validity of conditional confidence intervals for predictions made in this framework. The current paper therefore complements the results in Beutner et al. (2019, arXiv:1710.00643) by providing practically relevant applications of their theory.
---
PDF链接：
https://arxiv.org/pdf/1902.01622