Measurability of functionals and of ideal point forecasts
泛函与理想点预测的可测性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：摘要属于通用概率预测与泛函可测性理论，未指定宏观预测或金融风险应用，不能仅凭例示风险度量归类。
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
泛函与理想点预测的可测性
- 研究问题
- 将均值、分位数或风险度量等泛函作用于条件分布后，所得理想点预测是否确为相对于给定信息集可测的随机变量？
- 方法与思路
- 作者澄清分布泛函的适当可测性概念，证明一大类实用泛函的可测性，并将相关论证扩展到概率预测及适当评分规则。
- 材料陈述的贡献
- 摘要称，结果为理想点预测的可测性提供理论依据，覆盖包括可诱导泛函在内的广泛类别，并建立评分规则的类似结论。
- 阅读关注点
- 应核对分布空间上的可测结构、泛函类别的具体限制、条件分布版本的处理，以及评分规则可测性结论所需条件。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列出完整泛函类别及证明，可测性本身不保证预测准确。
原文摘要
The ideal probabilistic forecast for a random variable $Y$ based on an information set $\mathcal{F}$ is the conditional distribution of $Y$ given $\mathcal{F}$. In the context of point forecasts aiming to specify a functional $T$ such as the mean, a quantile or a risk measure, the ideal point forecast is the respective functional applied to the conditional distribution. This paper provides a theoretical justification why this ideal forecast is actually a forecast, that is, an $\mathcal{F}$-measurable random variable. To that end, the appropriate notion of measurability of $T$ is clarified and this measurability is established for a large class of practically relevant functionals, including elicitable ones. More generally, the measurability of $T$ implies the measurability of any point forecast which arises by applying $T$ to a probabilistic forecast. Similar measurability results are established for proper scoring rules, the main tool to evaluate the predictive accuracy of probabilistic forecasts.