Optimal prediction pools
最优预测组合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：摘要明确以标普 500 收益和六个预测模型展示最优预测组合。
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
最优预测组合
- 研究问题
- 在对数预测评分下，最优线性预测组合为何可能包含多个模型，且单个模型的组合权重为何依赖候选模型集合？
- 方法与思路
- 作者研究预测模型加权线性组合的性质，以对数预测评分评价组合，并用六个模型的标普 500 收益预测作示例。
- 材料陈述的贡献
- 摘要称最优组合通常给多个模型正权重；删除部分模型可能使其他模型权重归零，单独评分较差的模型也可能进入组合。
- 阅读关注点
- 应核对权重优化目标和约束、极限后验概率与组合权重的关系，以及候选模型删除如何改变组合中的边际价值。
- 阅读边界
- 仅依据所给出版社摘要；理论条件、样本与评分数值未说明，案例不能证明较差模型在任何组合中都有预测价值。
原文摘要
We consider the properties of weighted linear combinations of prediction models, or linear pools, evaluated using the log predictive scoring rule. Although exactly one model has limiting posterior probability, an optimal linear combination typically includes several models with positive weights. We derive several interesting results: for example, a model with positive weight in a pool may have zero weight if some other models are deleted from that pool. The results are illustrated using S&P 500 returns with six prediction models. In this example models that are clearly inferior by the usual scoring criteria have positive weights in optimal linear pools.