Unterschied zwischen "In-Sample" - und "Pseudo-Out-of-Sample" -Prognosen

Gibt es einen expliziten Unterschied zwischen in-Probe Prognosen und Pseudo Out-of-Sample - Prognosen . Beides ist im Zusammenhang mit der Bewertung und dem Vergleich von Prognosemodellen gemeint.

$\{Y_t,X_{t-h}\}_{t=h+1}^T$$h \in \{1,2,\ldots\},$$\hat f(X_{t-h})$$Y_t$$X_{t-h}$$T$ dem heutigen entspricht.

$T$

$Y_{T+1}$$e_{T+1} \equiv Y_{T+1} - \hat f(X_{T+1-h}),$$Y_{T+2}$$\{e_{T+l}\}_{l=1}^L$ was wirklich nicht der Stichprobe entspricht und ein sehr realistisches Bild der Leistung des Modells liefert.

$T_0 < T$$T$$\{e_t\}_{t=T_0+1}^T$ werden dann verwendet, um eine Schätzung der Prognosefähigkeit des Modells außerhalb der Stichprobe zu erhalten.

Beachten Sie, dass die Pseudo-Out-of-Sample-Analyse nicht die einzige Möglichkeit ist, die Out-of-Sample-Leistung eines Modells abzuschätzen. Alternativen umfassen Kreuzvalidierungs- und Informationskriterien.

Eine sehr gute Diskussion all dieser Themen finden Sie in Kapitel 7 von

http://www.stanford.edu/~hastie/local.ftp/Springer/OLD/ESLII_print4.pdf