Prediction Intervals for Model Averaging
模型平均的预测区间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：摘要核心是预测不确定性，并明确提供时间序列股权溢价预测这一收益预测应用。
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
模型平均的预测区间
- 研究问题
- 当多个模型及其样本依赖权重共同形成预测时，如何构造覆盖样本外结果的预测区间，而不只给出点预测？
- 方法与思路
- 作者以共形推断构造模型平均预测区间，允许模型误设及多种模型重叠关系，并提出局部自适应和分割样本程序。
- 材料陈述的贡献
- 摘要称在交换性下获得精确有限样本覆盖，在平稳性相关条件下获得渐近覆盖，并以房产估值和股权溢价预测说明方法。
- 阅读关注点
- 应核对交换性与时间序列情形的完整条件、权重和校准样本的关系，并区分边际覆盖与局部自适应带来的性质。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实；摘要未说明完整依赖条件及区间宽度结果，不能将平稳性视为唯一充分条件。
原文摘要
A rich set of frequentist model averaging methods has been developed, but their applications have largely been limited to point prediction, as measuring prediction uncertainty in general settings remains an open problem. In this paper we propose prediction intervals for model averaging based on conformal inference. These intervals cover out-of-sample realizations of the outcome variable with a pre-specified probability, providing a way to assess predictive uncertainty beyond point prediction. The framework allows general model misspecification and applies to averaging across multiple models that can be nested, disjoint, overlapping, or any combination thereof, with weights that may depend on the estimation sample. We establish coverage guarantees under two sets of assumptions: exact finite-sample validity under exchangeability, relevant for cross-sectional data, and asymptotic validity under stationarity, relevant for time-series data. We first present a benchmark algorithm and then introduce a locally adaptive refinement and split-sample procedures that broaden applicability. The methods are illustrated with a cross-sectional application to real estate appraisal and a time-series application to equity premium forecasting.