Proper Scoring Rules for Evaluating Density Forecasts with Asymmetric Loss Functions
非对称损失下评价密度预测的适当评分规则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：摘要研究密度预测评价，并明确应用于美国就业增长及油价、电价预测。
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…
非对称损失下评价密度预测的适当评分规则
- 研究问题
- 当决策者对预测误差具有非对称偏好，或特别关注分布尾部与中心区域时，如何构造适当评分规则并比较密度预测能力？
- 方法与思路
- 作者提出非对称连续概率评分 ACPS 及其加权版本，将偏好非对称性纳入 CRPS 类评价，并使用检验比较不同预测的能力。
- 材料陈述的贡献
- 摘要称，所提评分允许表达非对称偏好及关注特定分布区域，并通过人工实验、就业增长和能源价格预测应用展示其作用。
- 阅读关注点
- 应核对评分规则适当性的成立条件、非对称参数及权重的含义，以及预测比较检验如何处理序列依赖和不同评价偏好。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；评分公式、适当性条件和比较检验细节未说明，不能据此确定最佳预测模型，不推断刊本变化。
原文摘要
This article proposes a novel asymmetric continuous probabilistic score (ACPS) for evaluating and comparing density forecasts. It generalizes the proposed score and defines a weighted version, which emphasizes regions of interest, such as the tails or the center of a variable’s range. The (weighted) ACPS extends the symmetric (weighted) CRPS by allowing for asymmetries in the preferences underlying the scoring rule. A test is used to statistically compare the predictive ability of different forecasts. The ACPS is of general use in any situation where the decision-maker has asymmetric preferences in the evaluation of the forecasts. In an artificial experiment, the implications of varying the level of asymmetry in the ACPS are illustrated. Then, the proposed score and test are applied to assess and compare density forecasts of macroeconomic relevant datasets (U.S. employment growth) and of commodity prices (oil and electricity prices) with particular focus on the recent COVID-19 crisis period.