需求统计与预测 DSF · v0.11
discipline/literature/index.md
📑 本页目录

文献库索引

规则：每条含编号、作者(年份)、主题、证据等级、用途（对应支柱/章节）。 状态：reviewed（已读并纳入框架）/ skimmed（浏览）/ to-read（待读）。 Round 1 快照日期：2026-08-10。引用时用编号，如 [L-A-01]。

文献扫描档案：scans/ 目录索引 · Round 1 扫描记录。

L-A · 测量与需求统计

编号 文献 主题 等级 状态
L-A-01 Tobin (1958) Tobit 截断回归 S reviewed
L-A-02 Cox (1972) 生存分析/风险函数 S reviewed
L-A-03 Train (2009) 离散选择模型 S reviewed
L-A-04 Kolassa (2016) 零售计数分布评估 M reviewed
L-A-05 Rodrigues et al. (2025, IJCAI) 扩散感知截断高斯过程需求模型 X→M skimmed
L-A-06 Zhang & Li (2025) Agentic Economic Modeling LLM 合成选择 + 小样本锚定的需求弹性估计 X→M skimmed

L-TS · 时间序列与计量

编号 文献 主题 等级 状态
L-TS-01 Box & Jenkins (1970) ARIMA 体系 S reviewed
L-TS-02 Hyndman & Athanasopoulos (FPP3) 预测原则与实践教材 S reviewed
L-TS-03 Makridakis & Hibon (2000) M3 竞赛 S reviewed
L-TS-04 Syntetos & Boylan (2005) 间歇需求估计偏差 S reviewed
L-TS-05 Croston (1972) 间歇需求 Croston 法 S reviewed
L-TS-06 Giannone, Reichlin & Small (2008) 宏观 nowcasting S reviewed
L-TS-07 Ghysels, Santa-Clara & Valkanov (2004) MIDAS 混频数据 S reviewed
L-TS-08 Bass (1969) 新产品扩散模型 S reviewed
L-TS-09 IMF (2026) 卫星/搜索/航班等非传统数据的 nowcasting M skimmed
L-TS-10 Syntetos, Babai, Boylan, Kolassa & Nikolopoulos (2016) 供应链预测：理论、实践、鸿沟与未来（实践缺口证据） S reviewed

L-ML · 机器学习与现代预测

编号 文献 主题 等级 状态
L-ML-01 Salinas et al. (2020) DeepAR 概率预测 S reviewed
L-ML-02 Oreshkin et al. (2020) N-BEATS M reviewed
L-ML-03 Lim & Zohren (2021) 深度学习时序综述 S reviewed
L-ML-04 Ansari et al. (2024) Chronos 时序语言化 M reviewed
L-ML-05 Das et al. (2024) TimesFM 解码器时序基础模型 M reviewed
L-ML-06 Woo et al. (2024) Moirai 统一时序预训练 M reviewed
L-ML-07 Garza & Mergenthaler-Canseco (2023) TimeGPT-1 零样本 X→M reviewed
L-ML-08 Rasul et al. (2023) Lag-Llama 概率基础模型 X→M skimmed
L-ML-09 Jin et al. (2024) Time-LLM 重编程 LLM 做时序 M skimmed
L-ML-10 Zhou et al. (2025) LLM 时序推理与 agent 综述 M skimmed
L-ML-11 TSAIA Benchmark (2025) LLM 多步时序推理评测 M skimmed
L-ML-12 Eureka (2025, NeurIPS) 企业 AI 云资源需求预测 M skimmed
L-ML-13 CAPLAI (2025, MASCOTS) GPU 数据中心生命周期供给优化 M skimmed

L-P · 概率预测与不确定性

编号 文献 主题 等级 状态
L-P-01 Gneiting & Katzfuss (2014) 概率预测综述 S reviewed
L-P-02 Gneiting & Raftery (2007) 严格 proper scoring rules S reviewed
L-P-03 Winkler (1972) 区间估计的决策理论（Winkler 分数） S reviewed
L-P-04 Vovk, Gammerman & Shafer (2005) Conformal prediction 奠基 S reviewed
L-P-05 Angelopoulos & Bates (2023) Conformal 简明导论 S reviewed
L-P-06 Gibbs & Candès (2021) 分布漂移下自适应 conformal S reviewed
L-P-07 Xu & Xie (2021) 动态时序 conformal 区间 M reviewed
L-P-08 Stankeviciute, Alaa & van der Schaar (2021) 时序 conformal 预测 M reviewed
L-P-09 NeurIPS 2025 (Sun & Yu) 变点下时序 conformal M skimmed

L-J · 判断预测与群体智慧

编号 文献 主题 等级 状态
L-J-01 Armstrong (2001) 预测原则手册（循证） S reviewed
L-J-02 Green & Armstrong (2007) 结构化类比 S reviewed
L-J-03 Rowe & Wright (1999) Delphi 技术 M reviewed
L-J-04 Tetlock & Gardner (2015) 超级预测者 S reviewed
L-J-05 Berg, Nelson & Rietz (2008) 预测市场长期准确度 M reviewed
L-J-06 Graefe et al. (2014) 选举预测组合（市场 vs 民意） S reviewed
L-J-07 Lawrence et al. (2006) 判断预测 25 年综述 S reviewed
L-J-08 Fildes et al. (2009) 判断性调整实证与策略 S reviewed
L-J-09 Schoemaker (1995) 场景规划 M reviewed
L-J-10 Goodwin & Wright (2010) 罕见事件预测的方法边界 M reviewed
L-J-11 Clinton & Huang (2025) Polymarket/Kalshi 准确性检验 M skimmed
L-J-12 arXiv 2605.11220 (2025) 传染病预测市场不如朴素基线 M skimmed

L-H · 层次与组合

编号 文献 主题 等级 状态
L-H-01 Bates & Granger (1969) 预测组合开山 S reviewed
L-H-02 Timmermann (2006) 组合综述 S reviewed
L-H-03 Wang, Hyndman, Li & Kang (2023) 组合 50 年综述 S reviewed
L-H-04 Hyndman et al. (2011) 最优层级调和 S reviewed
L-H-05 Wickramasuriya et al. (2019) MinT 调和 S reviewed
L-H-06 Hyndman et al. (2024) 调和综述（含 ML/Bayes 视角） S reviewed

L-E · 评估

编号 文献 主题 等级 状态
L-E-01 Hyndman & Koehler (2006) MASE 等尺度无关指标 S reviewed
L-E-02 Diebold & Mariano (1995) 预测比较检验 S reviewed
L-E-03 Makridakis, Spiliotis & Assimakopoulos (2018) M4 竞赛结果 S reviewed
L-E-04 Makridakis et al. (2022) M5 accuracy 结果 S reviewed
L-E-05 Makridakis et al. (2022) M5 uncertainty 结果 S reviewed
L-E-06 Petropoulos et al. (2022) 预测理论与实践大综述 S reviewed

L-AI · AI 时代

编号 文献 主题 等级 状态
L-AI-01 Halawi et al. (2024) GPT-4 预测器接近人类预测人群 M reviewed
L-AI-02 Schoenegger & Park (2023) LLM 现实预测锦标赛 M skimmed
L-AI-03 Schoenegger et al. (2024) LLM 辅助提升人类预测 24-28% M reviewed
L-AI-04 NBER/Census (2026) AI 扩散的微观结构（企业/职能/任务） M skimmed
L-AI-05 OECD (2024) AI 强度的部门分类学 M skimmed

待读（to-read）