Combining Probability Forecasts
概率预测的组合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：摘要直接研究概率预测组合与再校准，对应预测方向，但所述应用是天气而非宏观经济。
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
概率预测的组合
- 研究问题
- 多个已校准概率预测的线性加权平均为何仍可能失去校准性与锐度，如何通过非线性再校准改进预测组合？
- 方法与思路
- 作者在传统线性意见池之后复合 beta 变换，拟合经过非线性再校准的概率预测组合，并以模拟和降水概率预测案例说明。
- 材料陈述的贡献
- 摘要称，非平凡地组合不同已校准预测仍会失去校准性与锐度；论文提出 beta 变换线性意见池以处理组合的再校准问题。
- 阅读关注点
- 应核对校准性与锐度的定义、线性池结论的条件、组合权重和 beta 参数的估计目标，以及样本外预测评估方式。
- 阅读边界
- 仅据所给 Crossref 摘要，优化准则、参数约束与改进幅度未说明；天气案例不足以证明该组合在所有预测任务中更好。
原文摘要
Summary Linear pooling is by far the most popular method for combining probability forecasts. However, any non-trivial weighted average of two or more distinct, calibrated probability forecasts is necessarily uncalibrated and lacks sharpness. In view of this, linear pooling requires recalibration, even in the ideal case in which the individual forecasts are calibrated. Towards this end, we propose a beta-transformed linear opinion pool for the aggregation of probability forecasts from distinct, calibrated or uncalibrated sources. The method fits an optimal non-linearly recalibrated forecast combination, by compositing a beta transform and the traditional linear opinion pool. The technique is illustrated in a simulation example and in a case-study on statistical and National Weather Service probability of precipitation forecasts.