如果模型是正确的，那么最优预测由迭代预测给出（即当你预测每个中间最终产生）。在这种情况下，直接预测（当您使用作为的函数来估计模型时，其中“一个”超前预测现在是“物理”时间的超前预测）效率较低，但从好的方面来说，它对模型错误指定更为稳健。$y_{T+k}$$\hat y_{T+h}$$y_t$$y_{t-h}$$h$

Marcellino、Stock 和 Watson 更详细地研究了这一点（在 AR 环境中），摘要如下：

“迭代”多期超前时间序列预测是使用单期超前模型进行的，向前迭代所需的周期数，而“直接”预测是使用特定时间段的估计模型进行的，其中因变量是多期预测的提前期值。哪种方法更好是一个经验问题：理论上，如果正确指定，迭代预测更有效，但直接预测对模型错误指定更稳健。本文通过将模拟样本外方法应用于 1959 年至 2002 年的 171 个美国每月宏观经济时间序列，比较了线性单变量和双变量模型的经验迭代和直接预测。迭代预测通常优于直接预测，特别是如果模型可以选择长滞后规格。

他们的论文的免费版本可在此处获得：https ://www.princeton.edu/~mwatson/papers/hstep_3.pdf

Massimiliano Marcellino、James H. Stock、Mark W. Watson (2006)“预测宏观经济时间序列的直接和迭代多步 AR 方法的比较”，计量经济学杂志，(135):1-2, 499-526, https: //doi.org/10.1016/j.jeconom.2005.07.020。