预测是对未来不确定信息的描述，在经济和金融中有着十分重要的作用，好的预测结果是众多决策过程中的输入变量，能够帮助管理者，商人，投资者等制定和实现好的决策.因此，如何提高预测精度是一个值得长期关注的话题。其中，结构性变化在经济和金融中较为常见，是预测的一个难点和重点。针对结构性变化等难题，本文从样本选取，模型检验，区间计量模型，预测评估等几个方面提出了全新的预测方法理论研究，并将其应用到经济和金融中，验证了其方法的有效性。　　本研究主要内容包括：⑴在时变预测模型中，提出了一套全新的最优窗宽选取理论框架，基于最小化不同的目标函数（无条件均方预测误差，有条件均方预测误差，全局均方预测误差），给出三种理论上的最优窗宽，提高均方预测误差收敛速度至T-4/5.进一步，我们给出了可行的交叉验证方法选择窗宽，证实了在大样本下该窗宽渐近等于基于无条件均方预测误差的窗宽，并给出了最优窗宽中的最优核函数.在数值模拟和宏观经济预测中，我们证实了在交叉验证的窗宽下，预测效果表现最优。⑵由于不同的结构性变化导致不同的模型，区分结构性变化是突变式还是渐进式是十分重要的.第三章首次提出了一个全新的非参数检验来区分结构变化类型，基本思想是比较模型中时变参数估计值的左极限与右极限是否收敛于相同的极限点.我们给出了检验统计量及其渐近性质，并给出基于数据驱动的功效计算方法.模拟数据和实证研究都验证了该方法的有效性。⑶由于区间样本比点样本在同一时间内包含更多的信息，有可能提高参数估计的有效性，因此区间数据在计量经济学和统计学中受到越来越多的重视.现在研究核心集中在将各种传统的线性点模型扩展到区间时间序列.然而，很少文献关注区间的非线性研究.第四章分别针对突变式结构变化和渐进式结构变化，提出新的阈值自回归区间(TARI)模型和时变系数区间(TVI)模型.在TARI模型中，我们基于DK最小距离给出参数的一致估计量及其渐近分布.当样本T趋于无穷大，阈值参数估计量是一致的且服从复合泊松过程，而其他参数服从渐近正态分布.模拟和实证研究表明，相对于现有区间模型，特别是中点范围自激励阈值(CR-SETAR)模型，TARI模型预测效果更佳.在TVI模型中，为了避免模型参数误设，我们将非参数的方法引入区间模型，并给出了其参数的渐近理论.我们将区间看作随机集，节省了模型参数，并采用了扩展区间的定义，使得我们的模型能更广泛地应用到经济和金融中。⑷许多学者对中央银行等手机的宏观经济变量的专业预测值进行调查分析，发现预测值存在一定的有偏性，且没有充分利用现有的信息.目前，几乎很少人研究中国宏观经济的专家预测值.第五章基于中国国家外汇管理局提供的独特数据集，分析一些重要的宏观经济变量预测值，包括国内生产总值(GDP)增长，CPI，出口和进口值.我们首次提出一个完整的框架来监测在不同的损失函数下，预测值是否准确是否有效地利用了新的信息.我们发现，相比与初步预测值，更新更多信息能够提高预测准确性.此外，在二次损失函数以及LINEX损失函数下，预测值并没有有效地利用公开的可获得信息。这些无效性表明，我们可以考虑其他措施（如降低GDP增速预测值）来提高调查结果的准确性。