ON THE RECOVERABILITY OF FORECASTERS’ PREFERENCES
预测者偏好的可恢复性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：摘要以预测值、实现值和预测者损失函数之间的识别关系为研究对象，最直接对应预测方法方向。
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…
预测者偏好的可恢复性
- 研究问题
- 能否根据预测值、实际实现值及预测者的信息集识别其损失函数，条件分布的变化程度又如何限制偏好恢复？
- 方法与思路
- 作者分析不同连续损失函数产生相同预测的例外情形，研究条件分布变化对非参数识别的作用，并讨论不完全观测。
- 材料陈述的贡献
- 摘要称排除少量例外后，一般意义下的非参数偏好恢复在理论上可能；对二元预测且信息不完全可见的情形给出集合识别。
- 阅读关注点
- 应核对一般性与例外集合的数学定义、损失函数识别所采用的等价关系，以及条件分布变化如何支持识别。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断所需分布变化在实际预测数据中是否存在；理论可恢复性不直接保证可实施估计。
原文摘要
We study the problem of identifying a forecaster’s loss function from observations on forecasts, realizations, and the forecaster’s information set. Essentially different loss functions can lead to the same forecasts in all situations, though within the class of all continuous loss functions, this is strongly nongeneric. With the small set of exceptional cases ruled out, generic nonparametric preference recovery is theoretically possible, but identification depends critically on the amount of variation in the conditional distributions of the process being forecast. There exist processes with sufficient variability to guarantee identification, and much of this variation is also necessary for a process to have universal identifying power. We also briefly address the case in which the econometrician does not fully observe the conditional distributions used by the forecaster, and in this context we provide a practically useful set identification result for loss functions used in forecasting binary variables.