Score-based calibration testing for multivariate forecast distributions
基于评分规则的多元预测分布校准检验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：摘要直接研究预测分布校准，并明确应用于宏观与金融时间序列。
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…
基于评分规则的多元预测分布校准检验
- 研究问题
- 多元分布预测的校准如何检验，才能处理概率积分变换方法在多维情形中遇到的问题，并有效评价预测分布质量？
- 方法与思路
- 作者建立多元校准检验的一般框架，并基于适当评分规则提出两类新检验，通过模拟及宏观、金融时间序列应用评价。
- 材料陈述的贡献
- 摘要称，新检验解决现有检验的若干问题，在模拟中具有良好的检验水平与功效表现，并可用于实际多元预测分布。
- 阅读关注点
- 阅读时应核对校准原假设的具体含义、评分规则对应的可检验信息，以及时间依赖下的检验有效性和模拟比较设定。
- 阅读边界
- 本条依据 arXiv 预印本摘要，同行评审与接收未核实；摘要未说明评分规则、检验条件和数值结果，不能认定其普遍优于现有方法。
原文摘要
Calibration tests based on the probability integral transform (PIT) are routinely used to assess the quality of univariate distributional forecasts. However, PIT-based calibration tests for multivariate distributional forecasts face various challenges. We propose two new types of tests based on proper scoring rules, which overcome these challenges. They arise from a general framework for calibration testing in the multivariate case, introduced in this work. The new tests have good size and power properties in simulations and solve various problems of existing tests. We apply the tests to forecast distributions for macroeconomic and financial time series data.