On Efficient Point Prediction Systems
论有效的点预测系统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：摘要明确研究依赖观测序列的逐期一步预测与长期预测误差，对应预测和时间序列方法。
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
论有效的点预测系统
- 研究问题
- 研究联合分布属于参数族、观测可存在依赖时，逐期预测下一次观测的系统如何按长期累计平方预测误差定义效率。
- 方法与思路
- 作者建立点预测系统的效率概念，讨论有效系统的存在与渐近预测一致性，并分析贝叶斯预测均值及参数代入方法。
- 材料陈述的贡献
- 摘要称在较弱条件下有效系统存在，任意两个有效系统对未来的预测以某种强意义渐近相同，并给出概率预测应用。
- 阅读关注点
- 应核对效率的比较基准、所谓较弱条件和强意义的准确表述，以及贝叶斯与代入预测满足效率要求的具体限制。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认依赖结构、参数空间与渐近条件；理论预测结论不能直接转化为有限样本表现保证。
原文摘要
Summary Assume that a forecaster observes a sequence of random variables and issues predictions according to a point prediction systems, i.e. a rule which, at every time t, issues a point prediction for the next observation at time t+1. We introduce the concept of efficiency of a point prediction system, for the case that the joint distribution of the sequence of observations is known to belong to a parametric family, and performance is assessed by the long run sum of squared prediction errors. Independence is not a requirement. Under weak conditions, the class of efficient point prediction systems is non-empty, and any two efficient point prediction systems will, in a certain strong sense, make asymptotically identical predictions for the infinite future. We discuss the efficiency of point prediction systems based on Bayesian predictive means, and on plugging in parameter estimates. The results are applied to probability forecasting and stochastic regression.