Comparing Predictive Accuracy in the Presence of a Loss Function Shape Parameter
含损失函数形状参数的预测精度比较AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究样本外预测精度比较及其统计检验，对应预测方向；金融评价例子尚不足以确认具体的收益预测设定。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
含损失函数形状参数的预测精度比较
- 研究问题
- 当预测评价依赖损失函数中的形状参数，而研究者要同时考察一系列参数取值时，如何检验样本外预测精度差异？
- 方法与思路
- 作者构造允许损失函数含形状参数的样本外预测比较检验，覆盖风险厌恶参数、组合权重向量及一致评分规则的参数范围。
- 材料陈述的贡献
- 摘要称蒙特卡洛中检验的尺寸与功效表现良好，尤其在形状参数取值增多、所比较的既有方法失效时，并给出三个实证示例。
- 阅读关注点
- 阅读时核对检验针对单个参数还是整个参数范围、零假设的定义、参数集合扩展的条件，以及临界值和预测误差依赖处理。
- 阅读边界
- 摘要未说明三个实证示例的对象、参数域限制与检验实施细节；模拟中的良好尺寸和功效不能保证所有损失函数下同样成立。
原文摘要
We develop tests for out-of-sample forecast comparisons based on loss functions that contain shape parameters. Examples include comparisons using average utility across a range of values for the level of risk aversion, comparisons of forecast accuracy using characteristics of a portfolio return across a range of values for the portfolio weight vector, and comparisons using recently-proposed “Murphy diagrams” for classes of consistent scoring rules. An extensive Monte Carlo study verifies that our tests have good size and power properties in realistic sample sizes, particularly when compared with existing methods which break down when then number of values considered for the shape parameter grows. We present three empirical illustrations of the new test.