Аннотация:
В данной работе исследуется, как наличие структурных сдвигов в данных влияет на точность прогноза с помощью линейной регрессии. Учет большого числа наблюдений до структурного сдвига приводит к прогнозу с высоким смещением, учет только наблюдений после последнего структурного сдвига приводит к прогнозу с большой дисперсией. В контексте выбора оптимального соотношения между смещением и дисперсией, сравниваются следующие методы прогнозирования: метод наименьших квадратов, основанный на всей выборке и на наблюдениях только после структурного сдвига, метод, основанный на оптимальном выборе числа учитываемых наблюдений для повышения точности прогноза, предложенный в статье Pesaran and Timmermann (2006, Journal of Econometrics). В работе предлагается новый способ прогнозирования за счет учета всех наблюдений с некоторыми оптимально подобранными весами. Предлагаемый метод дает более точные асимптотические прогнозы, чем остальные. Также предлагаемый метод прост в использовании и напрямую обобщается на произвольное число структурных сдвигов в выборке. Статистические испытания сравнивают точность прогнозов различных методов.