Taking advantage of biased proxies for forecast evaluation
利用有偏代理变量评估预测表现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：摘要明确应用于 GDP 增长预测评估及金融市场波动率预测。
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…
利用有偏代理变量评估预测表现
- 研究问题
- 当预测目标不可直接观测且代理变量可能有偏时，如何评估预测准确性，并尽量恢复真实潜变量对应的预测排序？
- 方法与思路
- 作者放松代理无偏假设，通过优化代理变量组合提高恢复真实排序的概率，同时保留损失函数稳健性和等预测准确性检验。
- 材料陈述的贡献
- 摘要提出代理可靠性概念及组合程序，并以 GDP 增长、金融市场波动率和海表温度预测展示方法的用途。
- 阅读关注点
- 应核对代理可靠性的定义及可识别性、组合权重的估计，以及允许何种偏差时仍能保持损失稳健性与检验有效性。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断有偏代理需要满足的条件、排序改善幅度或样本外表现，也不能推断版本变化。
原文摘要
This paper rehabilitates biased proxies for the assessment of the predictive accuracy of competing forecasts. By relaxing the ubiquitous assumption of proxy unbiasedness adopted in the theoretical and empirical literature, we show how to optimally combine (possibly) biased proxies to maximize the probability of inferring the ranking that would be obtained using the true latent variable, a property that we dub proxy reliability. Our procedure still preserves the robustness of the loss function, in the sense of Patton (2011b), and allows testing for equal predictive accuracy, as in Diebold and Mariano (1995). We demonstrate the usefulness of the method with compelling empirical applications on GDP growth, financial market volatility forecasting, and sea surface temperature of the Niño 3.4 region.