Forecasting Using Bayesian and Information-Theoretic Model Averaging
贝叶斯与信息论模型平均在预测中的应用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：摘要以英国通胀的预测表现为研究对象，并比较信息论与贝叶斯模型平均，直接支持归入宏观预测方向。
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…
贝叶斯与信息论模型平均在预测中的应用
- 研究问题
- 在变量众多的数据环境中，如何用模型平均改善英国通胀预测，信息论权重能否作为贝叶斯模型平均的有效替代？
- 方法与思路
- 作者用大型数据集预测英国通胀，对比基于信息论权重的频率学派模型平均与贝叶斯平均方案；具体权重形式摘要未说明。
- 材料陈述的贡献
- 摘要称，信息论加权在英国通胀预测中可成为贝叶斯平均的有力替代，但未提供预测误差指标、差异幅度或统计检验。
- 阅读关注点
- 核对候选模型集合、两类权重的构造、预测期限与样本划分，以及预测评价是否采用相同信息集并检验差异的稳定性。
- 阅读边界
- 仅凭摘要不能判断结论对预测期限、样本区间及候选模型集合是否稳健，也不能认定信息论平均普遍优于贝叶斯平均。
原文摘要
Model averaging often improves forecast accuracy over individual forecasts. It may also be seen as a means of forecasting in data-rich environments. Bayesian model averaging methods have been widely advocated, but a neglected frequentist approach is to use information-theoretic-based weights. We consider the use of information-theoretic model averaging in forecasting U.K. inflation, with a large dataset, and find that it can be a powerful alternative to Bayesian averaging schemes.