Bayesian Forecasting in Economics and Finance: A Modern Review
经济与金融中的贝叶斯预测：现代综述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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要核心是经济与金融的概率预测及预测分布构造，但未明确聚焦收益预测或其他金融细分，故仅选择预测与即时预测。
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
经济与金融中的贝叶斯预测：现代综述
- 研究问题
- 现代贝叶斯方法如何在经济与金融预测中整合模型、参数和潜在状态的不确定性，相关计算进展又如何支持实际实施？
- 方法与思路
- 作者以历史背景组织现代贝叶斯预测方法，介绍通过积分或平均形成预测分布的思路，并提供旨在帮助实现的计算细节。
- 材料陈述的贡献
- 摘要称该综述系统介绍经济与金融中的现代贝叶斯预测及其计算方法；贡献侧重方法梳理与实施指导，而未陈述新的预测优越性结果。
- 阅读关注点
- 应核对综述的文献范围、先验与模型不确定性的处理、计算算法和预测评价标准，以及不同方法在经济金融问题中的适用条件。
- 阅读边界
- 所据为 arXiv 预印本，不能确认同行评审或期刊接收；摘要未列出具体模型或比较证据，不能将广泛可计算性理解为普遍预测优势。
原文摘要
The Bayesian statistical paradigm provides a principled and coherent approach to probabilistic forecasting. Uncertainty about all unknowns that characterize any forecasting problem -- model, parameters, latent states -- is able to be quantified explicitly, and factored into the forecast distribution via the process of integration or averaging. Allied with the elegance of the method, Bayesian forecasting is now underpinned by the burgeoning field of Bayesian computation, which enables Bayesian forecasts to be produced for virtually any problem, no matter how large, or complex. The current state of play in Bayesian forecasting in economics and finance is the subject of this review. The aim is to provide the reader with an overview of modern approaches to the field, set in some historical context; and with sufficient computational detail given to assist the reader with implementation.