嚴同學
2025-07-11 09:27model specification error是什么意思？都有哪幾種？為什么ABC都屬于這種錯誤？
所屬：FRM Part II > Operational Risk and Resiliency 視頻位置 相關(guān)試題
來源： 視頻位置 相關(guān)試題
1個回答
Michael助教
2025-07-12 20:35
該回答已被題主采納
同學你好，model specification error表示的是模型在假設(shè)中的錯誤，這個題目中的B和C比較容易理解，都是假設(shè)（assuming）中的問題，然后A選項其實是遺漏重要變量偏差（也是違背回歸模型假設(shè)的常見情況）。
-
追問
那calibration error除了D選項說的還有什么？可以舉幾個例子嗎？
-
追答
同學你好，首先要說明校準誤差這個并不在考試大綱的學習要求中，因為這個部分涉及到一些機器學習的內(nèi)容，已經(jīng)放在了一級數(shù)量的考試大綱里面了。下面我簡要解釋一下。
首先，校準誤差的本質(zhì)?是模型預(yù)測的概率（如“80%可能性上漲”）與實際發(fā)生的頻率不一致。在D選項里面，模型校準依賴于訓練/驗證數(shù)據(jù)的分布。若數(shù)據(jù)時間段選擇不當（如忽略經(jīng)濟周期、政策變化、突發(fā)事件），會導(dǎo)致數(shù)據(jù)分布失真，也就是樣本無法代表模型應(yīng)用時的真實世界分布（如用牛市數(shù)據(jù)訓練，預(yù)測熊市），以及?概率估計失效?，模型基于歷史錯誤分布預(yù)測的概率，無法反映未來實際發(fā)生頻率。
其次，類似的案例還有很多，我舉一些例子
??(1) 模型結(jié)構(gòu)導(dǎo)致的系統(tǒng)性偏差?
?問題?：模型本身無法捕捉概率的真實分布規(guī)律。比如神經(jīng)網(wǎng)絡(luò)模型因過度簡化或過擬合，傾向于輸出接近0或1的極端概率（也就是非黑即白），導(dǎo)致過度自信。
???(2) 類別不平衡（Class Imbalance），這個也是出現(xiàn)最多的??
?問題?：訓練數(shù)據(jù)中少數(shù)類樣本過少，模型對少數(shù)類預(yù)測概率失真。
(3) 未校正的模型輸出?
?問題?：分類模型（如決策樹、SVM）的原始輸出并非真實概率，直接使用會導(dǎo)致誤差。
(4)數(shù)據(jù)污染?
?問題?：驗證/測試數(shù)據(jù)被泄露到訓練中，或與訓練數(shù)據(jù)重疊。最常見的就是使用“未來數(shù)據(jù)”，如在時間序列預(yù)測中，用“未來數(shù)據(jù)”驗證模型，導(dǎo)致模型在測試集過度自信。
0
0
0
0
