频率学派分布预测中最优置信集的构建与可视化
统计方法学
2017-08-09 v1 统计计算
摘要
本文的重点在于量化频率学派概率预测中的抽样变异性。我们提出了一种构建置信集的方法,该方法尊重预测分布的函数性质,并使用动画图形来可视化参数不确定性对分布位置、离散度和形状的影响。这些置信集是通过对 Wald 检验进行反演导出的,并且是渐近一致最精确的,因而是最优的。基于人工生成的数据,我们使用涵盖长记忆、状态空间和混合设定的广泛线性与非线性时间序列模型来演示该程序。随后,通过一个同时生成金融收益及其随机波动率的分布预测的实证案例,说明了以所提出方式考虑抽样变异性在实际中的重要性。
引用
@article{arxiv.1708.02234,
title = {Construction and Visualization of Optimal Confidence Sets for Frequentist Distributional Forecasts},
author = {David Harris and Gael M. Martin and Indeewara Perera and D. S. Poskitt},
journal= {arXiv preprint arXiv:1708.02234},
year = {2017}
}
备注
This paper contains animated figures that can be viewed using Adobe Reader/Acrobat. The animations are not supported within a web browser or in non-Acrobat document viewers