Sequentially valid inference for probabilistic inflation forecasts
概率通胀预测的序贯有效推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以多个经济体的概率通胀预测校准为核心任务，直接属于宏观预测评估，结构变化主要作为诊断场景出现。
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…
概率通胀预测的序贯有效推断
- 研究问题
- 如何连续评估概率通胀预测的校准情况，同时保持统计推断有效，并发现全样本静态检验可能遗漏的失准时点？
- 方法与思路
- 作者将基于 e-values 的序贯检验用于预测校准评估，并以美国、欧元区和瑞士的概率通胀预测展示其诊断作用。
- 材料陈述的贡献
- 摘要称该方法支持任意时点有效推断，并在重大结构变化期间发现静态全样本检验经常遗漏的反校准证据。
- 阅读关注点
- 应核对校准原假设、e-values 的构造与依赖条件、连续监测规则，以及实证中预测来源和结构变化的判定方式。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核验；摘要未说明预测样本、检验条件及误差控制细节，不能据此判断普遍优势。
原文摘要
Traditional statistical tests are poorly suited for the sequential evaluation of probabilistic forecast calibration. We address this limitation in macroeconomic forecasting by applying a new sequential testing method based on e-values. The e-value-based methodology enables anytime-valid inference. It allows practitioners to test against calibration continuously without invalidating statistical guarantees. To illustrate the framework's practical value, we apply it to probabilistic inflation forecasts for the United States, the Euro Area, and Switzerland. Our analysis shows that the sequential approach gives detailed insights into the timing and nature of forecast misspecification. We find these diagnostics are particularly insightful during major structural breaks. During these events, we find evidence against calibration that static, full-sample tests often miss. Therefore, this work shows that e-value-based tests are a practical method for the evaluation of forecast calibration in empirical macroeconomics.