Irrational Exuberance: Correcting Bias in Probability Estimates
非理性亢奋：校正概率估计中的偏差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：摘要以债券违约风险举例，但核心是通用概率估计校正，金融风险研究依据不足。
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…
非理性亢奋：校正概率估计中的偏差
- 研究问题
- 即使单个概率估计无偏，筛选最极端的估计是否仍会低估真实不确定性，如何校正这种选择导致的过度确信？
- 方法与思路
- 作者提出 ECAP 经验贝叶斯方法，使用 Tweedie 公式的变体，通过非参数估计概率估计值的得分函数进行更新。
- 材料陈述的贡献
- 摘要称，该方法不需对真实概率的先验作限制性假设，也适用于有偏估计；理论、模拟与两个数据应用显示改进。
- 阅读关注点
- 应核对概率估计的观测模型、得分函数估计与边界处理，以及选择偏差校正的理论条件和有偏估计下的适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，观测模型、误差条件及改进幅度未说明；债券违约仅为例子，不能推断刊本变化。
原文摘要
We consider the common setting where one observes probability estimates for a large number of events, such as default risks for numerous bonds. Unfortunately, even with unbiased estimates, selecting events corresponding to the most extreme probabilities can result in systematically underestimating the true level of uncertainty. We develop an empirical Bayes approach “excess certainty adjusted probabilities” (ECAP), using a variant of Tweedie’s formula, which updates probability estimates to correct for selection bias. ECAP is a flexible nonparametric method, which directly estimates the score function associated with the probability estimates, so it does not need to make any restrictive assumptions about the prior on the true probabilities. ECAP also works well in settings where the probability estimates are biased. We demonstrate through theoretical results, simulations, and an analysis of two real world datasets, that ECAP can provide significant improvements over the original probability estimates. Supplementary materials for this article are available online.