Bias-corrected score decomposition for generalized quantiles
广义分位数预测的偏差校正评分分解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：摘要明确以分位数类泛函及其预测评分为对象，对应分位数方向；未说明宏观预测或分布因果效应的应用。
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
广义分位数预测的偏差校正评分分解
- 研究问题
- 如何对分位数类泛函的点预测进行局部评分分解，并校正分解成分的偏差，以比较不同条件下的预测表现？
- 方法与思路
- 作者在分位数类点预测框架内推导局部评分分解成分的偏差校正，并通过模拟展示校正方法的表现。
- 材料陈述的贡献
- 摘要称将此前主要见于平方误差准则的相关偏差校正扩展至分位数类泛函，为更细致的条件预测评估提供工具。
- 阅读关注点
- 阅读时应核对广义分位数的定义、使用的评分函数和分解成分，以及校正所需条件与模拟中的样本量敏感性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出分解公式、偏差阶数或适用条件，不能据此判断具体预测任务的改善程度。
原文摘要
Decompositions of the score of a forecast represent useful tools for assessing its performance. We consider local score decompositions permitting detailed forecast assessments across a spectrum of conditions of interest. We derive corrections to the bias of the decomposition components in the framework of point forecasts of quantile-type functionals, and illustrate their performance by simulation. Related bias corrections have thus far only been known for squared error criteria.