Ranking probabilistic forecasting models with different loss functions
利用不同损失函数评价概率预测模型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：摘要明确研究概率预测模型的损失与覆盖率评价；交易应用未说明预测变量，不足以进一步认定为收益预测研究。
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
利用不同损失函数评价概率预测模型
- 研究问题
- 基于分位数损失和经验覆盖率的评价指标如何比较概率预测模型，其选择又如何关联特定交易策略的样本外表现？
- 方法与思路
- 作者构造基于 pinball loss 与经验覆盖率的统计评价指标，检验模型选择效果，并比较相应样本外每笔交易平均利润。
- 材料陈述的贡献
- 摘要称在所考察交易策略中，按交易时段所用分位数预测的覆盖率选择模型，对应的经济表现优于所比较指标。
- 阅读关注点
- 应核对预测对象、覆盖率指标定义、样本外划分和交易规则，以及模型选择是否与最终表现评价使用独立信息。
- 阅读边界
- 所据版本为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明资产、成本和具体结果，结论仅针对所考察策略。
原文摘要
In this study, we introduced various statistical performance metrics, based on the pinball loss and the empirical coverage, for the ranking of probabilistic forecasting models. We tested the ability of the proposed metrics to determine the top performing forecasting model and investigated the use of which metric corresponds to the highest average per-trade profit in the out-of-sample period. Our findings show that for the considered trading strategy, ranking the forecasting models according to the coverage of quantile forecasts used in the trading hours exhibits a superior economic performance.