Comparing Predictive Accuracy
预测准确性的比较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：摘要直接以两个竞争预测的准确性比较和相应检验为核心，未限定金融收益等特定对象，因此归入预测与即时预测方向。
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
预测准确性的比较
- 研究问题
- 如何检验两个竞争预测的准确性是否相同，并允许损失函数非二次或非对称，以及预测误差存在偏差和相关性？
- 方法与思路
- 作者提出并评估预测准确性相等的原假设检验，允许多种损失度量及非高斯、非零均值和相关误差，并给出渐近与精确有限样本检验。
- 材料陈述的贡献
- 摘要称，该框架可使用非二次、非对称的损失函数，并容纳序列相关及同期相关的预测误差；文中评价并示例展示渐近与精确检验。
- 阅读关注点
- 应核对损失差异的构造、相关误差下方差的处理、渐近检验的正则条件，以及精确有限样本检验成立的具体假设。
- 阅读边界
- 摘要未说明精确检验所需条件、预测期设置及检验表现；对误差分布与相关性的容许范围，仍须结合各项检验的具体条件判断。
原文摘要
We propose and evaluate explicit tests of the null hypothesis of no difference in the accuracy of two competing forecasts. In contrast to previously developed tests, a wide variety of accuracy measures can be used (in particular, the loss of function need not be quadratic and need not even be symmetric), and forecast errors can be non-Gaussian, nonzero mean, serially correlated, and contemporaneously correlated. Asymptotic and exact finite-sample tests are proposed, evaluated, and illustrated.