[论文解读] Bayesian Predictive Synthesis: Forecast Calibration and Combination

Matthew C. Johnson, Mike West|arXiv (Cornell University)|Jan 1, 2017

Forecasting Techniques and Applications参考文献 8被引用 7

一句话总结

本文提出贝叶斯预测合成（Bayesian Predictive Synthesis）作为一种理论基础坚实的框架，用于使用与结果相关的混合权重组合预测密度，超越了标准的贝叶斯模型平均方法。研究表明，此类组合规则在主观贝叶斯原则下具有合理性，提供了一种连贯且灵活的方法，具有明确的理论约束，并在外汇预测中得到实证验证。

ABSTRACT

The combination of forecast densities, whether they result from a set of models, a group of consulted experts, or other sources, is becoming increasingly important in the fields of economics, policy and finance, among others. Requiring methodology that goes beyond standard Bayesian model uncertainty and model mixing - with its well-known limitations based on a clearly proscribed theoretical basis - multiple 'density combination' methods have been proposed. While some proposals have demonstrated empirical success, most apparently lack a core philosophical and theoretical foundation. Interesting recent examples generalize the common 'linear opinion pool' with flexible mixing weights that depend on the forecast variable itself - i.e., outcome-dependent mixing. Taking a foundational subjective Bayesian perspective, we show that such a density combination scheme is in fact justified as one example of Bayesian agent opinion analysis, or 'predictive synthesis'. This logically coherent framework clearly delineates the underlying assumptions as well as the theoretical constraints and limitations of many combination 'rules', defining a broad class of Bayesian models for the general problem. A number of examples, including an application to a set of predictive densities in foreign exchange, provide illustrations.

研究动机与目标

• 解决现有预测密度组合方法中理论基础薄弱的问题，特别是那些使用与结果相关的混合权重的方法。
• 建立一个严格的贝叶斯框架，将灵活的组合规则作为代理意见分析的一部分加以证明。
• 阐明在统一的预测合成模型中，各种组合规则所固有的假设、约束和局限性。
• 提供一种可推广的贝叶斯方法，适用于经济学、政策和金融领域，以组合来自多个来源的预测。

提出的方法

• 将预测组合问题形式化为贝叶斯预测合成问题，将预测密度视为主观信念的表示。
• 引入随预测变量变化的与结果相关的混合权重，以灵活适应数据驱动的模式。
• 应用主观贝叶斯原则，推导出一个连贯的密度组合框架，确保逻辑一致性和连贯性。
• 使用预测密度估计来建模预测与结果的联合分布，从而实现校准和组合。
• 推导出在贝叶斯范式下，与结果相关的组合规则有效的理论条件。
• 采用分层建模结构来表示多个预测源及其相对可靠性。

实验结果

研究问题

• RQ1 能否在正式的贝叶斯框架内证明与结果相关的预测组合规则的合理性？
• RQ2 常见预测组合方法背后的理论假设和约束是什么？
• RQ3 贝叶斯预测合成如何优于标准的贝叶斯模型平均和线性意见池？
• RQ4 该框架在多大程度上确保了预测组合的一致性和校准性？
• RQ5 该方法在实际应用中（如外汇汇率预测）表现如何？

主要发现

• 预测组合中与结果相关的混合权重在形式上可被证明为贝叶斯代理意见分析的一个特例。
• 该框架提供了一种逻辑连贯且理论受约束的预测密度组合方法，克服了随意规则的缺陷。
• 该方法清晰界定了各种组合规则的假设和局限性，增强了可解释性。
• 对外汇预测的实证应用表明，该方法具有实际可行性，并且校准性能更优。
• 该框架支持一类广泛的贝叶斯模型用于预测组合，兼具灵活性与理论严谨性。