劉祝安 Chu-An Liu

研究模型平均法的預測運用 探討權重選擇及理論

本人的研究領域為計量經濟學，研究主軸為模型平均法（Model Averaging）的理論研究。傳統的模型選擇方法（Model Selection）是從候選模型中挑選出一個模型來進行統計推論與預測，而模型平均法則是整合所有觀察到的資訊，並透過加權平均的方式，將不同的子模型結合成一個模型來運用。因此，模型平均法不只考慮到候選模型的不確定性，更斟酌各個子模型的模型偏誤，進一步達到最適的偏差與方差之權衡。我將模型平均法運用在預測上，並探討如何選擇模型權重，以及模型權重的理論性質，以下簡述兩篇代表性期刊著作。

Zhang and Liu《Journal of Econometrics, forthcoming》將模型平均法運用在準概似模型，並同時考慮母體參數的不確定性與模型錯誤設定的可能性。在文章中，我們提出透過 k 折交叉驗證的方式去選擇模型權重，並利用平均後的模型來進行預測。我們推導出使用 k 折交叉驗證去選擇模型權重在預測上具有漸進最適性，因此在大樣本下，此方法得到的預測風險值是最小的。其次，當候選模型中包含正確設定的模型時，我們推導出在大樣本下，k 折交叉驗證會將所有權重放置在正確設定的模型上，此性質相當於模型選擇方法的一致性。

Chen and Liu《Journal of Econometrics, forthcoming》提出一個新的模型平均方法去建構一連串連續預測的最適預測組合。相較於傳統一次性的樣本外預測，此方法更具一般化。在文章中，我們把樣本內估計方法和樣本內外資料長度比例這兩個因素納入考量，並提出一個新方法去極小化一連串連續預測的大樣本預測均方誤差，且推導出在合適的假設下，此最適權重可以被一致估計。

得獎感言

很榮幸能獲得傑出研究獎，非常感謝評審委員肯定我的研究成果。

在美國攻讀博士時，我很幸運遇到指導教授Bruce Hansen，非常感謝他在學術研究這條道路上的帶領與鼓勵。我也感謝一起合作的共同作者們，因為有你們的合作討論，才有這些研究成果發表。我也要感謝中央研究院經濟所提供優秀的研究資源與環境，讓我能專注學術研究。

最後我要感謝家人、朋友、同事給予精神上的支持，以及父母多年來的養育與栽培。