On efficient probability forecasting systems
论高效概率预测系统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：摘要研究通用概率预测理论，未提供宏观预测、时间序列或金融收益预测的明确依据。
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
论高效概率预测系统
- 研究问题
- 概率预测系统的渐近行为如何刻画，其预测序贯效率又如何影响它作为模型检验与模型选择工具的用途？
- 方法与思路
- 作者在预测序贯框架下研究效率，重点考察将未知参数替换为估计值、据此生成预测分布的代入式预测系统。
- 材料陈述的贡献
- 摘要称，论文给出预测序贯效率方面的新结果，并讨论概率预测系统用于模型验证和选择等统计问题的价值。
- 阅读关注点
- 应核对预测序贯效率的具体定义、参数估计与预测分布的联系，以及渐近结果用于模型检验和选择的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出效率定义、具体定理及适用条件，不能推断刊本变化。
原文摘要
We study the asymptotic behaviour of probability forecasting systems, and discuss their usefulness as inferential tools for statistical problems such as model verification and selection. Our theoretical setting is the prequential, or predictive sequential, framework proposed by Dawid (1984). We study especially the notion of prequential efficiency of a forecasting system and present some new results. We focus on plug-in, or estimative, forecasting systems, where the forecast distribution is generated by replacing the unknown parameter with an estimate.