Comparing Predictive Accuracy
预测准确性的比较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：摘要明确研究两个预测的准确性比较及预测误差的相关性，直接对应预测方向，但未说明具体宏观或金融应用对象。
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
预测准确性的比较
- 研究问题
- 如何检验两个竞争性预测的准确性是否相同，同时容许更广的损失函数，以及非高斯、均值非零和存在相关性的预测误差？
- 方法与思路
- 作者针对两个预测在准确性度量下无差异的原假设构造检验，允许非二次、非对称损失，以及非高斯、均值非零和存在相关性的预测误差。
- 材料陈述的贡献
- 摘要提出渐近检验与精确有限样本检验，并称相较既有方法可采用更广的准确性度量、放宽预测误差限制，还进行了评估与示例展示。
- 阅读关注点
- 核对准确性差异的定义、损失函数选择、序列相关的处理与渐近条件，并区分精确有限样本检验所需的假设和评估设计。
- 阅读边界
- 摘要未说明各检验分别需要哪些条件，尤其精确有限样本检验的适用范围；不能认为所有误差相关结构和损失函数都同时获得精确推断。
原文摘要
We propose and evaluate explicit tests of the null hypothesis of no difference in the accuracy of two competing forecasts. In contrast to previously developed tests, a wide variety of accuracy measures can be used (in particular, the loss function need not be quadratic and need not even be symmetric), and forecast errors can be non-Gaussian, nonzero mean, serially correlated, and contemporaneously correlated. Asymptotic and exact finite-sample tests are proposed, evaluated, and illustrated.