다른 사람들의 예측 예측하기

이 논문은 학습이 지속적이고 정보적으로 분산된 기업들이 결정을 내리는 데 관련된 시계열에 대한 동일한 신념을 공유할 필요가 없는 투자에 대한 선형 평형 모델의 수립 및 분석을 탐구합니다. 재귀적 칼만 필터링 기법이 설명적이며 계층적 정보 구조에 적용될 수 있음을 보여주고, 비선형 미정 계수 기법은 예측 문제와 운동 법칙의 혼돈이 있는 대칭 정보 구조에 적용될 수 있음을 보여줍니다. 이러한 모델의 평형 시계열은 충격 및 측정 오류에 따라 흥미로운 움직임을 보일 수 있으며, 여기에는 지속성, 특정 교차 상관 속성 및 감쇠 진동이 포함됩니다. 즉, 예측 오류는 의사결정자 간에 일련으로 상관되어 있으며, 특정 중요한 의미에서 시간에 따라 일련으로 상관되어 있습니다. 보다 일반적으로, 이러한 모델은 관찰된 시계열에 제한을 두며 데이터에 적합할 수 있습니다.