Forecasting With Judgment
融入判断信息的预测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：摘要提出整合样本外判断信息的预测方法，并明确给出 GDP 预测应用，所列领域中最直接对应宏观预测。
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…
关注这篇论文的作者
融入判断信息的预测
- 研究问题
- 在经典预测框架中，如何把样本之外的判断信息及对该判断的信心纳入估计，并评估这种调整对预测和决策风险的影响？
- 方法与思路
- 作者将默认决策及其置信概率纳入经典预测，从默认决策出发，仅在目标函数一阶导数显著异于零时继续改进目标函数。
- 材料陈述的贡献
- 摘要称该估计量包含经典估计量作为特例，与贝叶斯估计有明确类比，并通过风险分析、均值—方差投资组合和 GDP 预测应用展示其性质。
- 阅读关注点
- 应核对默认决策与置信概率如何设定、一阶导数显著性的检验规则、风险分析的条件，以及两项应用中判断信息的来源。
- 阅读边界
- 摘要未给出目标函数、置信概率的校准方式或应用结果；与贝叶斯估计存在类比，不足以断定两者等价或该方法普遍降低风险。
原文摘要
This article shows how to account for nonsample information in the classical forecasting framework. We explicitly incorporate two elements: a default decision and a probability reflecting the confidence associated with it. Starting from the default decision, the new estimator increases the objective function only as long as its first derivatives are statistically different from zero. It includes as a special case the classical estimator and has clear analogies with Bayesian estimators. The properties of the new estimator are studied with a detailed risk analysis. Finally, we illustrate its performance with applications to mean-variance portfolio selection and to GDP forecast.