滯後特徵的預測能力

我必須建立一個分類模型來預測衰退。我選擇了一組特徵（一些是經濟的，一些是金融的）。我注意到，經常將它們的滯後版本添加到原始功能中是一種很好的做法。因此，基本上這些特徵在 1 個或多個樣本的“未來”中會滯後/向前移動。看來，未來特徵樣本的轉變具有一定的預測能力。以下圖為例

誰能給我一個計量經濟學的理由？

謝謝路易吉

用最簡單的術語來說，假設您只是使用收益率曲線作為衰退的唯一預測指標。假設（非常簡單地）曲線反轉往往預示著 12-18 個月的經濟衰退。因此，12-18 個月前的曲線是衡量今天經濟是否進入衰退的相關變數。

今天的曲線也可能在經濟開始萎縮的時候開始變陡。因此，甚至可能出現曲線的目前值本身不相關的情況。

這種效應在傳統計量經濟學中被經典地表示為“部分調整模型”或“自適應預期模型”。兩者基於不同的、幾乎完全相反的理論/哲學假設。前者假設（並嘗試區分）回歸變數對響應變數的長期和短期影響。後者假設您的回歸器已經嵌入了對您的響應未來的一些（未知）預期，因此當您的回歸器中的實際結果與（未知）不同時，您的響應行為也必須反映對這些預期的修正) 預期的。

因此，這兩個模型起初看起來非常不同。然而，這裡有一個很大的諷刺。您最終通過回歸得到相同的最終結建構模，即：

Y = aX + b.laggedX + e

希望這會有所幫助，DEM

引用自：https://quant.stackexchange.com/questions/60412