Bregman model averaging for forecast combination
用于预测组合的 Bregman 模型平均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：摘要直接提出跨均值、概率和密度目标的预测组合方法，最贴近预测方向，但未明确限定宏观或金融应用。
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
用于预测组合的 Bregman 模型平均
- 研究问题
- 能否用统一损失框架选择预测组合权重，使模型平均适用于均值、波动率、概率和密度等不同预测目标？
- 方法与思路
- 作者在局部趋零渐近框架下，以组合预测相对最优预测的期望 Bregman 散度构造渐近风险，并据此进行模型平均。
- 材料陈述的贡献
- 摘要称，该框架可统一发展多类预测目标的模型平均方法，模拟与实证案例展示了较强的数值预测表现。
- 阅读关注点
- 应核对各预测目标对应的散度、最优预测定义、组合权重约束，以及局部渐近风险如何转化为实际可估计准则。
- 阅读边界
- 摘要未说明权重求解细节、目标特定条件和比较结果，不能认定其普遍改善预测；仅依据所给出版社摘要版本。
原文摘要
We propose a unified model averaging (MA) approach for a broad class of forecasting targets. This approach is established by minimizing an asymptotic risk based on the expected Bregman divergence of a combined forecast, relative to the optimal forecast of the forecasting target, under local(-to-zero) asymptotics. It can be flexibly applied to develop effective MA methods across various forecasting contexts, including but not limited to univariate and multivariate mean forecasting, volatility forecasting, probabilistic forecasting, and density forecasting. As illustrative examples, we present a series of simulation experiments and empirical cases that demonstrate strong numerical performance of our approach in forecasting.