Likelihood-based scoring rules for comparing density forecasts in tails
比较尾部密度预测的似然评分规则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：摘要明确以金融风险管理中的左尾密度预测评价为应用场景。
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…
比较尾部密度预测的似然评分规则
- 研究问题
- 如何评价密度预测在左尾等特定区域内的准确性，并避免评分规则偏向在该区域配置更多概率质量的预测？
- 方法与思路
- 作者提出基于条件似然和删失似然的评分规则，并用加权预测密度与真实密度之间的 KL 散度解释这些规则。
- 材料陈述的贡献
- 摘要指出已有加权似然评分会偏向区域概率质量较大的预测，并称新规则可避免由此造成的预测准确性检验偏向。
- 阅读关注点
- 应核对条件化与删失分别保留哪些信息、评分规则的适用条件，以及尾部区域如何设定和准确性检验如何实施。
- 阅读边界
- 仅依据所给出版社摘要；评分规则公式、检验分布和实证结果未说明，不能据此判断任意尾部评价任务中的表现。
原文摘要
We propose new scoring rules based on conditional and censored likelihood for assessing the predictive accuracy of competing density forecasts over a specific region of interest, such as the left tail in financial risk management. These scoring rules can be interpreted in terms of Kullback-Leibler divergence between weighted versions of the density forecast and the true density. Existing scoring rules based on weighted likelihood favor density forecasts with more probability mass in the given region, rendering predictive accuracy tests biased toward such densities. Using our novel likelihood-based scoring rules avoids this problem.