In this paper, we develop finite-sample inference procedures for stationary and nonstationary autoregressive (AR) models. The method is based on special properties of Markov processes and a split-sample technique. The results on Markovian processes (intercalary independence and truncation) only...

We consider the problem of determining the horizon beyond which forecasts from time series models of stationary processes add nothing to the forecast implicit in the conditional mean. We refer to this as the content horizon for forecasts, and define a forecast content function at horizons s = 1,...

L'utilisation des chaînes de Markov d'ordre supérieur à 1 est généralement difficile, particulièrement lorsque le nombre de données à disposition est petit. L'approche envisagée ici, proposée pour la première fois par Raftery, consiste à approximer ces chaînes à l'aide d'un modèle...