A Mixture-Model Approach to Combining Forecasts
预测组合的混合模型方法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：摘要的核心是多来源预测组合、时变组合权重及预测表现比较，直接对应预测方法，未交代具体金融应用。
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
预测组合的混合模型方法
- 研究问题
- 如何组合来自不同来源的预测，使组合权重能随时间变化，并减轻所有候选预测同时失准时出现的异常观测对组合结果的影响？
- 方法与思路
- 作者提出多过程混合模型，将 Granger–Ramanathan 预测组合扩展为时变权重，并降低所有候选预测失准时异常数据点的影响。
- 材料陈述的贡献
- 摘要称该方法同时允许组合权重时变并弱化特定异常观测的影响，且在所报告的实证比较中优于传统及部分较新的组合方法。
- 阅读关注点
- 阅读全文应核对混合过程与权重的定义、权重更新及异常值处理规则，以及比较方法、样本外评价设计和预测误差指标。
- 阅读边界
- 摘要未说明数据、比较方法名单、评价指标或优势幅度；“优于”仅是作者对该实证比较的陈述，不能据此推断普遍占优。
原文摘要
A multiprocess mixture-model approach to combining forecasts from alternative sources is proposed. This approach extends the Granger-Ramanathan method by allowing the weights used in producing the combination forecast to vary over time. In addition, the procedure discounts outlying data points that arise during time periods when all of the competing forecasts miss the mark. An empirical comparison with traditional and more recently proposed.combination methods demonstrates that the proposed methodology outperforms these.