jqte-forecasting
Use when a 《数量经济技术经济研究》 (JQTE) manuscript makes a forecasting or prediction claim — macro forecasting, business-cycle / sentiment indices, mixed-frequency nowcasting, or model-based prediction. Enforces genuine out-of-sample evaluation (RMSE / MAE / directional accuracy / Diebold-Mariano), a proper benchmark, and a recursive / rolling design. The fastest desk-reject here is reporting in-sample fit only.
Profile →npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jqte-forecasting --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 预测评估（jqte-forecasting） ## 触发时机 - 文章声称"能预测"某宏观/行业指标或景气 - 只报了样本内拟合（R²、拟合图），没有样本外检验 - 没有对比基准模型，无法说明"预测得更好" ## 本刊铁律：样本外评估 + 基准对比 **只报样本内拟合是高频拒因。** 预测的价值在样本外，必须有真正的 out-of-sample 设计和一个像样的基准。 ## 必备四件套 1. **样本划分**：训练/验证/测试明确，或采用递归 (recursive) / 滚动 (rolling) 窗口，避免用全样本信息预测过去（信息泄漏）。 2. **基准模型**：至少与随机游走 (RW)、AR(p)、或一个简单基准比较——"比 naive 模型好"是底线。 3. **误差度量**：点预测报 RMSE / MAE / MAPE；方向性预测报方向准确率 (directional accuracy) / 混淆矩阵；必要时报区间预测覆盖率。 4. **统计显著性**：用 Diebold-Mariano（或 Clark-West，嵌套模型）检验预测差异是否显著，而非只看数字大小。 ## 设计要点 - 预测期 (horizon) h 明确，多步预测报各 h 的误差，不只报 h=1 - 实时数据 vs 修订后数据：宏观预测应说明用的是哪种（real-time vs revised） - 混频/nowcasting：信息集随时间更新的方式交代清楚 - 若做政策模拟/情景预测，区分"条件预测"与"无条件预测" ## 自检清单 - [ ] 有真正的样本外评估，不是样本内拟合 - [ ] 样本划分/滚动窗口无信息泄漏 - [ ] 至少一个基准模型（RW / AR）对比 - [ ] 报告 RMSE/MAE 或方向准确率，按 horizon 分列 - [ ] 用 Diebold-Mariano 等检验预测优势的显著性 - [ ] 数据修订/实时性问题有交代（宏观） ## 反模式 - 用全样本估计、再"预测"样本内的点，号称预测能力 - 只与自己的另一版模型比，不与 naive 基准比 - 报一个好看的 RMSE 却不做显著性检验 - 多步预测只报 h=1，回避长期表现 - 用修订后数据假装实时预测 ## 本刊预测类审稿期待表 《数量经济技术经济研究》对预测论文的判分核心是"测得好"——不是模型多花哨，而是样本外是否真的赢过像样基准、赢得是否显著。下表把期待落成可核对项。 | 审稿维度 | 达标线 | 高频拒因 | |----------|--------|----------| | 样本外设计 | 递归/滚动窗口，无信息泄漏 | 只报样本内 R²/拟合图 | | 基准对照 | 至少 RW 或 AR，必要时多基准 | 只跟自己另一版模型比 | | 误差度量 | 按 horizon
- 触发时机
- 本刊铁律：样本外评估 + 基准对比
- 必备四件套
- 设计要点
- 自检清单
- 反模式
- 本刊预测类审稿期待表
- 微型走查：宏观预测模型比较（示意稿件）
- 审稿人追问模式 + 本刊语境修法
- 校准锚点
- 输出格式
What does the jqte-forecasting skill do?
Use when a 《数量经济技术经济研究》 (JQTE) manuscript makes a forecasting or prediction claim — macro forecasting, business-cycle / sentiment indices, mixed-frequency nowcasting, or model-based prediction. Enforces genuine out-of-sample evaluation (RMSE / MAE / directional accuracy / Diebold-Mariano), a proper benchmark, and a recursive / rolling design. The fastest desk-reject here is reporting in-sample fit only.
How do I install it?
Run `npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jqte-forecasting --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From brycewang-stanford/Awesome-Journal-Skills, a repository with 909 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.