我看了很多文章，在做预测的时候更加看重样本外预测。通常会用一个较大的样本，拆成IN SAMPLE和OUT OF SAMPLE，先用IN SAMPLE估计模型，然后进行预测。预测的方法通常是向前一步预测，也有两种计算方法，一种是向前一步滚动算法，另外一种是递归算法。

看似都很容易理解，但在操作过程中我一种有一个疑惑，在”模型估计——向前一步测——调整样本——模型估计——向前一步预测……“过程中我们是不是漏掉了模型的检验这一步呢？

通常在对最初的样本进行模型估计的时候，都会有大量的检验以保证该模型可以用来预测，随着样本的调整，模型估计可能也十分类似，只是系数估计稍微有一点变化而已，不检验可能关系不大，但是如果样本时间跨度很大，后来的样本与最初的样本可能有很大差别，再用同一个模型进行估计并不做检验是不是有问题？

请高人指点！