Proper Scoring Rules, Gradients, Divergences, and Entropies for Paths and Time Series
路径与时间序列的适当评分规则、梯度、散度和熵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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主要发展跨领域的路径预测评价理论，利率仅为例子，尚不足以将贡献明确归入某一宏观或金融细分。
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
路径与时间序列的适当评分规则、梯度、散度和熵
- 研究问题
- 当预测描述未来路径的形状或事件顺序，而非固定时点数值时，如何评价概率预测并据此形成有原则的决策？
- 方法与思路
- 作者将预测表示为路径按时间参数化取商后的等价类空间上的概率测度，结合适当评分规则构造相应数学对象。
- 材料陈述的贡献
- 摘要称，提出尊重路径空间非欧几何结构的梯度、熵与散度概念，为此类演化路径预测提供决策分析框架。
- 阅读关注点
- 应核对路径等价关系、评分规则的适当性条件，以及梯度和散度的定义如何对应实际预测评价与决策问题。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未说明完整数学条件、计算算法或具体预测比较结果。
原文摘要
Many forecasts consist not of point predictions but concern the evolution of quantities. For example, a central bank might predict the interest rates during the next quarter, an epidemiologist might predict trajectories of infection rates, a clinician might predict the behaviour of medical markers over the next day, etc. The situation is further complicated since these forecasts sometimes only concern the approximate "shape of the future evolution" or "order of events". Formally, such forecasts can be seen as probability measures on spaces of equivalence classes of paths modulo time-parametrization. We leverage the statistical framework of proper scoring rules with classical mathematical results to derive a principled approach to decision making with such forecasts. In particular, we introduce notions of gradients, entropy, and divergence that are tailor-made to respect the underlying non-Euclidean structure.