分位风险管控：一种界定高损失预测概率的灵活框架

为确保预测算法的负责任使用，必须对其性能提供严格保证。以往工作主要聚焦于界定预测器的期望损失，但在许多风险敏感的应用中，误差的分布至关重要，仅此并不充分。本文提出一种灵活框架，用于生成预测器所承受损失分布分位数的一系列界。我们的方法利用观测损失值的顺序统计量，而非仅依赖样本均值。我们表明，分位数是量化预测性能的一种信息丰富的方式，且我们的框架适用于多种基于分位的度量，各自针对数据分布中的重要子集。我们分析了所提方法的理论性质，并在多个真实数据集上展示了其严格管控损失分位数的能力。