Optimal Reporting of Predictions
预测分布的最优报告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：摘要关注一般预测报告的激励与决策理论，未指定宏观预测或金融收益预测对象。
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
预测分布的最优报告
- 研究问题
- 当决策者根据实现值更新专家权重时，专家会如何策略性地报告预测分布，哪些效用函数始终支持诚实报告？
- 方法与思路
- 作者在结果取有限个值的框架中，考察专家对结果及其他报告的知识和信念，并比较不同后验权重效用下的策略。
- 材料陈述的贡献
- 摘要称，文章分析多种信息与效用设定下的最优报告策略，并刻画始终使诚实报告最优的唯一一类效用函数。
- 阅读关注点
- 核对权重更新规则、专家掌握的信息，以及诚实报告结论的精确量词、效用函数限制与最优策略的唯一性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体效用函数和信息条件未给出，结论限于有限结果空间，不能直接扩展到连续预测。
原文摘要
Consider a problem in which you and a group of other experts must report your individual predictive distributions for an observable random variable X to some decision maker. Suppose that the report of each expert is assigned a prior weight by the decision maker and that these weights are then updated based on the observed value of X. In this situation you will try to maximize your updated, or posterior, weight by appropriately choosing the distribution that you report, rather than necessarily simply reporting your honest predictive distribution. We study optimal reporting strategies under various conditions regarding your knowledge and beliefs about X and the reports of the other experts, and under various utility functions for your posterior weight. We present the only utility functions for which it is always optimal to report your honest predictive distribution. Attention is restricted to problems in which X can take only a finite number of values.