Censored density forecasts: Production and evaluation
删失密度预测的生成与评估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：摘要以美英央行预测误差及危机后的宏观预测风险评估为应用。
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
删失密度预测的生成与评估
- 研究问题
- 如何预测密度中覆盖指定概率的中间区域，同时保留外围观测的出现频率而忽略其幅度，以提高预测风险描述的稳定性？
- 方法与思路
- 作者用不动点算法拟合中间观测的偏斜厚尾密度，允许外围观测来自未知分布，并提出删失密度预测的校准检验。
- 材料陈述的贡献
- 摘要称，央行历史预测误差应用显示删失密度参数更稳定，危机与疫情后的风险预测比较中表现超过 MPC 官方预测。
- 阅读关注点
- 应核对中间区域和删失边界的确定、外围概率的处理、算法收敛条件，以及校准检验与官方预测比较的评价规则。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体预测对象、优势幅度和样本外设计；删失预测也不描述外围观测的幅度。
原文摘要
Summary This paper develops methods for the production and evaluation of censored density forecasts. The focus is on censored density forecasts that quantify forecast risks in a middle region of the density covering a specified probability and ignore the magnitude but not the frequency of outlying observations. We propose a fixed‐point algorithm that fits a potentially skewed and fat‐tailed density to the inner observations, acknowledging that the outlying observations may be drawn from a different but unknown distribution. We also introduce a new test for calibration of censored density forecasts. An application using historical forecast errors from the Federal Reserve Board and the Monetary Policy Committee (MPC) at the Bank of England suggests that the use of censored density functions to represent the pattern of forecast errors results in much greater parameter stability than do uncensored densities. We illustrate the utility of censored density forecasts when quantifying forecast risks after shocks such as the global financial crisis and the COVID‐19 pandemic and find that these outperform the official forecasts produced by the MPC.