预测包容检验是组合预测的一个重要研究领域。近十几年来,因组合预测可以最大程度使用样本信息而成为预测领域的研究热点。而如何选择参与组合的单项预测模型的研究并不多。当前组合预测单项模型的选择方法是基于预测精度基础上的。理论上讲,有m种预测模型,就要进行2m次选择,这一工作量将是巨大的,给模型选择带来极大不便。因此,很有必要对组合预测的模型选择方法进行研究,建立一套有效的选择方法,降低组合模型的建模复杂性,提高预测的效率。Turgut Kisinbay建立了一种符合t分布的近似枢轴统计量,将包容检验用于组合预测单模型选择,对组合预测模型选择作了开创性的工作。他建议剔除被包容模型,减少参与组合的预测模型数量。目前有关包容检验的方法都是建立在统计假设检验基础上的。首先,对两个预测模型的预测误差建立一种统计量,然后用蒙特卡洛方法分析这种统计量的极限分布,根据极限分布对统计量进行零假设检验。这一方法主要侧重于三个方面的应用:其一是对预测变量的包容检验,即检验一个预测变量对预测目标有没有预测价值,若没有预测价值我们就称这一变量被包容,将其在模型中剔除。第二是对等精度预测模型的预测性能进行评价,即检验两个模型预测性能是否等价,我们选择哪一个模型预测风险更小。第三,对组合预测方法进行评价,即检验一个组合预测模型是否比单项预测模型更加具有预测能力。从这三方面的应用中可以看出,以预测包容检验理论为基础对组合预测单项模型进行选择,理论上是完全可行的。本文主胰?艘韵鹿ぷ?首先,系统地总结了当前出现的几种预测包容检验方法,并指出所建立的统计量极限分布存在的不足。其次,将等精度检验和不等精度包容检验相结合。根据包容检验理论,如果性能较差的模型含有无用的边际信息（即被包容）,或者等精度预测模型是等价的（或是被包容的）,将其（被包容模型或几个等价模型）加入组合预测不但没有意义,而且还会增加建模的复杂性,降低预测性能。所以使用预测包容检验方法对组合预测的单项模型进行选择非常必要。第三,使用一种符合t分布的预测误差统计量,使包容检验更加标准化,更加容易操作。并在统计假设检验的基础上用这一统计量分析了日元兑美元日平均汇率的模型选择,用简单平均组合预测方法对组合预测单项模型选择的包容检验方法的有效性进行了实证分析,最后对组合预测包容检验方法的未来研究方向给与展望。