返回
Quantile-adaptive probabilistic forecast combining
DOI:10.1016/j.ejor.2025.11.031.png)
摘要
En 中文
结合累积概率分布(CDFs)的预测可以聚合可用信息以提高准确性。线性意见池(linear opinion pool)是常用的方法,但它可能导致过度分散的分布预测。一种替代方法,可导致更低分散,是平均CDF的分位数,这可以被视为水平CDF平均,而线性意见池中的概率平均则被视为垂直平均。实证结果表明,水平和垂直平均对于CDF的不同部分各有优势。例如,一种方法可能对尾部分位数更优,而另一种方法对中央分位数更优。为解决此问题,我们开发了一种方法,在CDF上实现垂直和水平平均之间的过渡。该方法与角平均(angular averaging)相关,这是一种近期提出的沿一定角度的直线进行聚合的方法。我们的新方法沿具有平滑过渡斜率的直线进行平均。该方法在分位数自适应的意义上,其直线的斜率随分位数变化,或等价地,随概率变化。我们设定这些直线从少量固定点发出,这些点即为方法的参数。将直线视为射线,我们称该方法为径向平均(radial averaging)。我们的理论结果表明,该方法具有生成比水平平均更锐利、比垂直平均更不锐利的CDF预测的灵活性。我们的实证结果支持这一新方法。
期刊
IF:
6
论文数:
2.2W
被引数:
6.4W

