English(EN) Latent-Regime Bias Auditing for Volatility Forecasting

新框架跨市场制度审计波动率预测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:00

本文介绍了一种新颖的波动率预测审计框架，超越了RMSE和MAE等聚合准确性指标。所提出的方法识别潜在的市场制度，并在这些特定条件下评估预测的可靠性。该审计应用于加密货币和ETF数据，揭示了平均准确性高的模型仍然可能表现出显著的制度特定偏差和尾部低估，强调了对更细致的预测评估的需求。 AI

影响通过揭示条件性失败，增强了用于金融预测的AI模型的评估。

排序理由该条目是发表在arXiv上的学术论文，详细介绍了一种新的预测模型评估方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Arthur Chagas, Pedro Bento, Yan Aquino, Arthur Buzelin, Wagner Meira Jr., Cristiano Arbex Valle · 2026-08-04 04:00

Latent-Regime Bias Auditing for Volatility Forecasting

arXiv:2608.01599v1 Announce Type: new Abstract: Volatility forecasts are commonly evaluated with aggregate accuracy metrics such as RMSE and MAE, but these metrics can hide conditional failures that matter for risk management. This paper proposes a model-agnostic audit framework …