Newest papers

Target alignment, dilution and forecast selection when cross-sectional forecasts share a common target

Masoud Soleimani · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2609.26303 · cited by 0 works (OpenAlex) · open-access PDF

German

Wir zeigen, dass jede standardisierte Prognose exakt in eine mit diesem gemeinsamen Ziel ausgerichtete Komponente und eine damit nicht korrelierte Komponente spaltet. Drei Folgen folgen: Prognose-Fehler-Korrelation spiegelt weitgehend Prognose-Korrelation wider und ist daher ein schlechter Maßstab für Vielfalt; eine gleichgewichtige Kombination schlägt nur dann eine Nicht-Informations-Prognose, wenn die durchschnittliche Ausrichtung im Verhältnis zur Dispersion der Kombination groß ist; und der Gewinn, wenn ein Prognose-Fehler-Korrelation hinzugefügt wird, trennt echte Verbesserung und bloße Verdünnung, die gleichgewichtige Zulassung fälschlicherweise belohnen kann.

Machine translation (Meta M2M100); the English original follows.

Abstract

Forecasters often score the same units per date against one standardized realized outcome. We show that every standardized forecast splits exactly into a component aligned with this common target and a component uncorrelated with it. Three consequences follow: forecast-error correlation largely mirrors forecast correlation and is therefore a poor measure of diversity; an equally weighted combination beats a no-information forecast only when average alignment is large relative to the combination's dispersion; and the gain from adding a forecaster separates into genuine improvement and mere dilution, which equal-weight admission can mistakenly reward. We develop a cautious selection rule, study it in simulations, and apply it to language-model forecasts of US equity rankings and mechanical signals ranking exchange-traded funds. Selection removes most dilution losses, but no combination beats the no-information forecast.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Selection (genetic algorithm), Uncorrelated, Econometrics, Statistics, Ranking (information retrieval), Measure (data warehouse)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange