Optimal Prediction Under Asymmetric Loss
非对称损失下的最优预测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：摘要明确讨论时变条件最优预测及其与非线性时间序列的联系，对应预测方向。
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…
非对称损失下的最优预测
- 研究问题
- 在非对称损失下，最优点预测应如何构造，为什么相对条件均值的偏离可能随时间变化，并取决于高阶条件矩和波动动态？
- 方法与思路
- 作者在一般损失结构下刻画最优预测器，对两种易处理情形给出解析计算，并讨论较复杂情形的数值求解。
- 材料陈述的贡献
- 摘要称，非对称损失下条件最优预测通常有时变偏离，高阶条件矩及 GARCH 等波动动态会影响点预测，线性条件均值也可对应非线性预测器。
- 阅读关注点
- 应核对损失函数和条件分布所需条件、最优预测器的存在唯一性、两种解析情形，以及偏离条件均值与损失最优性的关系。
- 阅读边界
- 仅据所给 Crossref 摘要；具体损失形式和数值效果未说明，损失最优预测的偏离不能直接视为估计缺陷，也不能推断版本变化。
原文摘要
Prediction problems involving asymmetric loss functions arise routinely in many fields, yet the theory of optimal prediction under asymmetric loss is not well developed. We study the optimal prediction problem under general loss structures and characterize the optimal predictor. We compute the optimal predictor analytically in two leading tractable cases and show how to compute it numerically in less tractable cases. A key theme is that the conditionally optimal forecast is biased under asymmetric loss and that the conditionally optimal amount of bias is time varying in general and depends on higher order conditional moments. Thus, for example, volatility dynamics (e.g., GARCH effects) are relevant for optimal point prediction under asymmetric loss. More generally, even for models with linear conditionalmean structure, the optimal point predictor is in general nonlinear under asymmetric loss, which provides a link with the broader nonlinear time series literature.