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一致，即通过对某一统计函数（如平均值、中位数或某一风险度量）进行正确的预测，使预期分数最小化。因此，严格的一致性为有意义的预测比较开辟了道路，但在回归和M估计中也很重要。通常，可引出函数的严格一致的评分函数并不是唯一的。为了指导评分函数的选择，本文引入了两个额外的质量标准。由于预测是在某种意义上排序的，因此顺序敏感性可以比较两个故意指定错误的预测。另一方面，等变评分函数与手头的函数具有相似的等变性质，如平移不变性或正齐性。在我们的研究中，我们考虑了常用泛函的得分函数，特别强调了向量值泛函，例如对（均值、方差）或（风险值、期望短缺）。