正在学习

I 基础

I 基础篇

1 引言

1.1 本书概要

1.2 技术说明

2 损失函数

2.1 损失函数的构建与设定

2.2 具体的损失函数

2.3 多元损失函数

2.4 分布预测的评分规则

2.5 宏观经济学与金融学中预测应用实例

2.6 小结

3 参数化预测问题

3.1 最优点预测

3.2 经典方法

3.3 贝叶斯方法

3.4 贝叶斯方法与经典方法的关系

3.5 实证示例：含参数不确定性的资产配置

3.6 小结

4 预测模型的经典估计

4.1 基于损失的估计量

4.2 插入式估计量

4.3 参数估计与非参数估计方法的比较

4.4 小结

5 贝叶斯预测方法

5.1 贝叶斯风险

5.2 岭估计与缩减估计量

5.3 计算方法

5.4 贝叶斯预测方法的经济学应用

5.5 小结

6 模型选择

6.1 模型选择中的权衡

6.2 序贯假设检验

6.3 信息准则

6.4 交叉验证

6.5 Lasso模型选择

6.6 硬阈值与软阈值：装袋法

练习题

以下哪一项不是构建和指定损失函数的关键方面？

A. 定义决策空间

B. 指定参数空间

C. 确定预测范围

D. 选择最优预测方法

哪种损失函数常用于回归问题，其定义为 $L (y, \overset{y}{^}) = (y - \overset{y}{^})^{2}$ ？

A. 绝对误差损失

B. 二次损失

C. 0-1损失

D. 对数损失

以下哪些是多变量损失函数的特征？（选择所有适用的选项）

A. 它们同时处理多个因变量

B. 它们仅用于分类问题

C. 它们可以纳入变量之间的相关性

D. 它们针对单个输出变量定义

E. 它们用于评估多变量预测的性能

以下哪些是分布预测的评分规则？（选择所有适用的选项）

A. 对数得分

B. 二次得分

C. 零一得分

D. 球形得分

E. 绝对误差得分

宏观经济学和金融学中的预测主要用于短期预测。

预测在金融领域的应用通常涉及风险管理和投资组合优化。

在二次损失下，最优点预测是给定 $x$ 时 $y$ 的条件分布的___。

在经典预测方法中，参数是使用诸如普通最小二乘法等___方法进行估计的。

解释贝叶斯方法和经典方法在预测方面的关键区别。

在预测的背景下，贝叶斯方法和经典方法之间有何关联？

在具有参数不确定性的资产配置实证例子中，采用哪种方法来考虑参数估计中的不确定性？

A. 仅经典方法

B. 仅贝叶斯方法

C. 经典方法和贝叶斯方法两者

D. 两种方法均未考虑参数不确定性

哪种估计量是通过对参数的期望损失函数进行最小化而得到的？

A. 代入估计量

B. 最大似然估计量

C. 基于损失的估计量

D. 矩估计量

插入法估计量并不总是真实参数的一致估计量。

参数估计方法假定___具有特定的函数形式，而非参数方法则不作此假定。

定义贝叶斯风险并解释其在贝叶斯预测中的重要性。

以下哪些是岭估计和收缩估计的例子？（选择所有适用的选项）

A. Lasso估计量

B. 岭回归估计量

C. 普通最小二乘估计量

D. 弹性网络估计量

E. 最大似然估计量

登录后解锁笔记、知识点解析、AI 问答