Interpretation of point forecasts with unknown directive
预测目标未知时如何解释点预测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：摘要通过预测及实现值的时间序列识别预测目标、检验预测最优性，并包含经济增长预测应用，对应预测与时间序列方向。
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…
预测目标未知时如何解释点预测
- 研究问题
- 当预测发布者未说明点预测所针对的分布泛函时，能否用预测与实际实现值识别其目标，并检验不同信息集下的预测最优性？
- 方法与思路
- 作者聚焦状态依赖的分位数与 expectile，利用点预测及实现值的时间序列构造 GMM 估计，并检验泛函关系与信息集的联合假设。
- 材料陈述的贡献
- 摘要称所提检验更灵活，模拟中校准与功效优于已有方法；经济增长及降水例子提示，预测可能对极端事件存在夸大倾向。
- 阅读关注点
- 核对未知预测目标的识别条件、状态依赖设定和信息集选择，并检查联合假设被拒绝时，能否区分泛函关系与信息条件的问题。
- 阅读边界
- 摘要未列出识别条件、模拟设计或实证检验细节；极端事件的夸大解释及相对检验优势，仅是作者对所考察场景的陈述。
原文摘要
Abstract Point forecasts can be interpreted as functionals (i.e., point summaries) of predictive distributions. We extend methodology for the identification of the functional based on time series of point forecasts and associated realizations. Focusing on state‐dependent quantiles and expectiles, we provide a generalized method of moments estimator for the functional, along with tests of optimality under general joint hypotheses of functional relationships and information bases. Our tests are more flexible, and in simulations better calibrated and more powerful than existing solutions. In empirical examples, economic growth forecasts and model output for precipitation are indicative of overstatement in anticipation of extreme events.