Evaluating density forecasts: forecast combinations, model mixtures, calibration and sharpness
密度预测评价：预测组合、模型混合、校准与尖锐度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：摘要直接讨论时间序列密度预测的评价、校准和效率检验，支持预测与时间序列两个方法方向。
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
密度预测评价：预测组合、模型混合、校准与尖锐度
- 研究问题
- 时间序列密度预测的既有校准评价是否足以区分预测质量，是否还需加入尖锐度评价，以及如何检验预测效率？
- 方法与思路
- 作者回顾密度预测评价，分析概率积分变换反例的现实性，构造更贴近时间序列的新例子，并引入效率检验。
- 材料陈述的贡献
- 摘要称原反例不足以支持实践中校准程序失效的论点，更现实的例子可由相关统计方法区分，并提出新的效率检验。
- 阅读关注点
- 应核对两个例子的时间序列信息结构、校准与尖锐度的定义、信息型评价方法，以及效率检验的原假设和条件。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，不能认定所有校准方法都充分有效；新检验的形式、适用范围和有限样本表现未说明。
原文摘要
This paper reviews current density forecast evaluation procedures, and considers a proposal that such procedures be augmented by an assessment of ‘sharpness’. This was motivated by an example in which some standard evaluation procedures using probability integral transforms cannot distinguish the ideal forecast from several competing forecasts. We show that this example has some unrealistic features from a time series forecasting perspective, and so provides insecure foundations for the argument that existing calibration procedures are inadequate in practice. Our alternative, more realistic example shows how relevant statistical methods, including information-based methods, provide the required discrimination between competing forecasts. We introduce a new test of density forecast efficiency. Copyright © 2010 John Wiley & Sons, Ltd.