CRPS learning
CRPS 学习：按时间与分位数自适应组合预测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：摘要核心是概率预测组合与预测评分优化，直接对应预测方法方向，应用对象为欧洲排放配额价格。
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
CRPS 学习：按时间与分位数自适应组合预测
- 研究问题
- 当不同概率预测在分布中心、尾部及不同时期各有表现差异时，如何设置自适应权重以改善整个预测分布的质量？
- 方法与思路
- 作者按分位数逐点组合预测并优化 CRPS，讨论基于 B 样条和 P 样条的批量与在线估计，以及 Bernstein 在线聚合。
- 材料陈述的贡献
- 摘要称完全自适应的 BOA 方法具有最优收敛性质，并通过模拟和欧洲排放配额价格的概率预测研究加以展示。
- 阅读关注点
- 应核对最优收敛的比较基准与条件、权重如何随时间和分位数变化，以及组合后的分位数是否满足分布一致性。
- 阅读边界
- 仅据所给出版社摘要；摘要未说明具体收敛速率、约束与预测提升幅度，不能将理论最优性推广到任意数据环境。
原文摘要
Combination and aggregation techniques can significantly improve forecast accuracy. This also holds for probabilistic forecasting methods where predictive distributions are combined. There are several time-varying and adaptive weighting schemes such as Bayesian model averaging (BMA). However, the quality of different forecasts may vary not only over time but also within the distribution. For example, some distribution forecasts may be more accurate in the center of the distributions, while others are better at predicting the tails. Therefore, we introduce a new weighting method that considers the differences in performance over time and within the distribution. We discuss pointwise combination algorithms based on aggregation across quantiles that optimize with respect to the continuous ranked probability score (CRPS). After analyzing the theoretical properties of pointwise CRPS learning, we discuss B- and P-Spline-based estimation techniques for batch and online learning, based on quantile regression and prediction with expert advice. We prove that the proposed fully adaptive Bernstein online aggregation (BOA) method for pointwise CRPS online learning has optimal convergence properties. They are confirmed in simulations and a probabilistic forecasting study for European emission allowance (EUA) prices.