分位数和期望值:一致的评分函数、Choquet表示和预测排名

@第{Ehm2015OfQA条,title={分位数和期望值:一致的评分函数、Choquet表示和预测排名},author={Werner Ehm和Tilmann Gneiting以及Alexander I.Jordan和Fabian Kr{\“u}ger},journal={皇家统计学会杂志:B辑(统计方法)},年份={2015年},体积={78},网址={https://api.semanticscholar.org/CorpusID:88520704}}
在点预测的实践中,预测者希望收到统计函数形式的指令。例如,可能会要求预测者报告其预测分布的平均值或分位数。在评估和比较竞争预测时,至关重要的是,用于这些目的的评分函数与手头的功能保持一致,即在遵循指令时将预期得分降至最低。我们证明任何

询问这篇论文
AI供电

评分函数的阶敏感性和等变性

竞争点预测的相对性能通常根据损失或评分函数来衡量。人们普遍认为,这些评分函数应严格符合

分位数评估、支持敏感性和分享业务回报

从预测竞争到有条件的价值-风险要求,多重分位数评估的使用在实践中越来越多。为了评估它们,我们刻画了一般的真类

比较可能错误的预测

摘要最近的工作强调了使用一致的损失函数评估统计函数(如条件平均值、分位数或分布)估计值的重要性

用实际得分对VaR和期望值进行后验

本文提出了一种在绝对意义上检验分位数或预期预测模型准确性的方法,如巴塞尔协议I中原始的价值-风险后验程序,并研究了正态和均匀I.I.d.样本经验分数的渐近和有限样本分布。

用实际得分对VaR和期望值进行后验

一些统计函数,如分位数和期望值,作为评分函数期望值的最小值,自然会出现,这一属性称为可诱导性(参见Gneiting

使用一致评分函数评估极端事件的得分预测

我们提出了一种比较感兴趣区域中点预测的方法,例如变量范围的尾部或中心。与选择事件相比,此方法无法对冲

预测比较评分函数的选择

本文研究了在模型指定错误、参数估计错误和非嵌套信息集情况下评分函数的选择,重点研究了价值-风险的齐次一致评分函数族以及价值-风险和预期短缺对。

用极值一致损失函数检验期望值和分位数的预测精度

我们开发了统计测试,用于比较在一致损失(评分)函数下预测随机变量的期望值和分位数的性能。测试统计数据由

具有未知指令的点预测的解释和测试

点预测可以被解释为给定指令下预测分布的泛函(即点摘要)。例如,如果指令包含二次损失函数,则

广义Huber损失点预测与预测评价

:在点预测和预测评估的背景下,研究了Huber损失、其不对称变量及其相关函数(此处称为Huber泛函)。Huber函数
...

制定和评估点预测

通常,点预测方法通过误差度量或评分函数进行比较和评估,其中绝对误差和平方误差是关键示例。个人

高阶可导性与Osband原理

如果有一个评分函数或损失函数,使得函数的正确预测是唯一的最小值,那么统计函数,如平均值或中位数,称为可引出函数

严格正确的评分规则、预测和评估

回顾和发展了一般概率空间上的适当评分规则理论,提出了直观吸引人的区间评分作为区间估计中的效用函数,用于解决宽度和覆盖问题。

预测信息集的作用及其在风险管理中的应用

预测是根据某些信息发布的。如果正确指定了预测机制,那么更多的可用信息将导致更好的预测。对于点

期望和分位数回归——大卫和歌利亚?

最近对现代回归建模的兴趣集中在通过描述响应分布的更一般属性来扩展可用(平均)回归模型。另一种方法

广义分位数作为风险度量

在统计和精算文献中,通过最小化适当的不对称损失函数,考虑了分位数的几种推广。所有这些都是广义的

弹性损失下预测合理性的估计与检验

在观察到一系列预测的情况下,一种常见的策略是以给定的损失函数为条件检查“合理性”。我们从不同的角度来研究这个假设

评分规则是否有效

评分规则是一种奖励函数,用于引出或评估以离散或连续概率分布表示的预测。如果一条规则鼓励预测者这样做,那么它是完全正确的

统计预测的启发和评估

在一个有限的世界中,当且仅当属性将分布的单纯形划分为幂图时,存在为专家提供严格激励的支付规则。

评估分位数评估

这项工作研究了专门用于分位数评估(包括多个分位数的评估)的线性评分规则家族的特性,这些评分规则家族可能与现实决策问题相关。
...