Scaling and measurement error sensitivity of scoring rules for distribution forecasts
分布预测评分规则对缩放和测量误差的敏感性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：摘要直接研究分布预测评分，并包含 GDP 增长模拟、金融波动率模拟及股票已实现方差预测，因此选择这两个方向。
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
分布预测评分规则对缩放和测量误差的敏感性
- 研究问题
- 数据重新缩放及测量误差如何影响分布预测的评分和排序，连续排序概率评分与对数评分的敏感性有何差异？
- 方法与思路
- 作者从理论分析评分规则的缩放稳健性及粗大测量误差影响，并结合增长和波动率模拟及股票已实现方差预测应用。
- 材料陈述的贡献
- 摘要称，常用分布预测评分规则对数据缩放稳健，且连续排序概率评分形成的预测排序比对数评分更不易受粗大误差影响。
- 阅读关注点
- 应核对缩放稳健性的精确定义、测量误差设定及排序比较条件，并检查理论结论如何对应数据修订和方差预测应用。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；稳健性定义和误差条件未说明，不能推断评分数值不变或任意误差下的排序均保持稳定。
原文摘要
Summary This paper examines the impact of data rescaling and measurement error on scoring rules for distribution forecast. First, I show that all commonly used scoring rules for distribution forecasts are robust to rescaling the data. Second, the forecast ranking based on the continuous ranked probability score is less sensitive to gross measurement error than the ranking based on the log score. The theoretical results are complemented by a simulation study aligned with frequently revised quarterly US gross domestic product (GDP) growth data, a simulation study aligned with financial market volatility, and an empirical application forecasting realized variances of S&P 100 constituents.