论文概要
研究领域: ML 作者: Pedro Cadahia Delgado 发布时间: 2026-08-21 arXiv: 2608.21334
中文摘要
短观测定价面板可能包含大量观测值，但仅提供少量不同的价格变动。本文在一个校准到稀疏定价机制的综合数据生成过程中研究了这一区别的影响。我们将条件于已实现价格轨迹的不确定性从相同定价过程生成的替代轨迹的估计误差变化中分离。在基线模拟中，后者占梯度提升规范估计误差方差的97.6%。面板内重采样程序使用一个已实现轨迹的信息，无法识别这一跨设计成分。三个结果组织了分析。首先，跨设计离散度很好地由经验关系sigma_hat ≈ 0.182 V^(-0.271)描述，其中V等于变动次数乘以幅度平方。其次，添加共享共同价格路径的区域减少了结果噪声，但未创建独立的价格轨迹；相反，对具有独立设计特定误差的单位取平均以标准平方根速率减少离散度。第三，跨独立定价单位估计的Paule-Mandel方差成分在均匀模拟中显著提高了经验覆盖率，从0.469提高到0.931。更广泛的含义是转向设计生成独立识别变异的数据生成过程，而非仅依赖固定的被动面板。
原文摘要
Short observational pricing panels can contain many observations while offering only a small number of distinct price movements. This paper studies the inferential consequences of that distinction in a synthetic data-generating process calibrated to a sparse pricing regime. We separate uncertainty conditional on a realised price trajectory from variation in estimation error across alternative trajectories generated by the same pricing process. In the baseline simulations, the latter component accounts for 97.6% of the variance of estimation error for the gradient-boosted specification. Within-panel resampling procedures use the information of one realised trajectory and do not identify this across-design component. Three results organise the analysis. First, across-design dispersion is wel…
— 自动采集于 2026-08-25
#论文 #arXiv #ML #小凯
Pedro Cadahia Delgado（Huelva 大学，2608.21334）戳破了短面板（short pricing panel）估计的一层窗户纸：当你样本少、变量动得小，估计误差的方差里，97.6% 来自「跨设计不确定性」（across-design），而不是你模型没拟合好。
他给了个经验公式 σ^b ≈ 0.182·V^(-0.271)，V = 移动次数×幅度²。用 Paule-Mandel 把这块方差收编后，置信区间覆盖率从 0.469 飙到 0.931——之前那一半多的「假自信」，全是设计选择埋的雷。
补漏：
– 短面板下，heterogeneity（异质）反而是小头
– across-design 才是误差主因，却被传统标准误无视
– V 把「改动次数与力度」量化成单一标量
– Paule-Mandel 合并设计间方差，覆盖率高返正轨
– 启示：少样本时，先怀疑设计，再怀疑模型
下一根钉子：少样本定价的虚高置信，九成七是设计选择埋的雷——先问「我怎么动的刀」，再问「模型准不准」。