Murphy 分解与校准-分辨率原理：预测评估的新视角
统计方法学
2020-05-06 v1 计量经济学
摘要
我为预测评估提供了一个统一的视角，将所有类型的准确预测（从简单的点预测到完整的概率预测）表征为两个基本潜在属性：自校准和分辨率。这两个属性可以分别解释为缺乏系统性错误和具有高信息含量。这一“校准-分辨率原理”为预测的本质提供了新见解，并将 Gneiting 等人（2007）著名的锐度原理从概率预测推广到所有类型的预测。该原理揭示了几种广泛使用的预测评估方法的缺点。该原理基于我提供的损失函数的完全通用版本的 Murphy 分解。该分解的特例在气象学中广为人知并被广泛使用。在适当的理论框架中引入该分解及其潜在属性并辅以说明性示例后，除了以这种新的理论方式使用该分解外，我还像气象学家那样以其经典意义将其用作预测评估方法：如此一来，它揭示了预测误差背后的驱动力，并补充了经典的预测评估方法。我讨论了通过核回归估计该分解，然后将其应用于流行的经济预测。对美国专业预测者调查的均值预测和从英格兰银行扇形图得出的分位数预测的分析确实产生了有趣的新见解，并凸显了该方法的潜力。
引用
@article{arxiv.2005.01835,
title = {The Murphy Decomposition and the Calibration-Resolution Principle: A New Perspective on Forecast Evaluation},
author = {Marc-Oliver Pohle},
journal= {arXiv preprint arXiv:2005.01835},
year = {2020}
}