术语表条目
布赖尔得分 Brier Score
衡量概率预测准确性的指标——预测概率与实际结果之间的均方差。数值越低越好，完美预测为0，最差为1。Closelook在Predictions中为每一次判断同时计算布赖尔得分与对数损失，使公开积分榜奖励校准精准而非盲目自信。
由英文原文自动翻译。 阅读英文原文 →
定义与背景
布赖尔得分用于评估概率预测：对于每个二元事件，你预测概率为p，事件结果揭晓后（0或1），误差为(p − 结果)2。将所有预测的误差取平均值，即得到介于0（完美校准）与1（完全错误）之间的布赖尔得分。与准确率不同，布赖尔得分同时惩罚过度自信和信心不足——把某事称为90%的大概率事件却猜错了，比60%的判断猜错代价更大。
布赖尔得分可分解为可靠性（你的70%预测是否真的有70%的概率正确？）与分辨力（你能否区分可能与不太可能的结果？）。结合对数损失——它对自信却错误的判断惩罚更为严厉——两者已成为从Metaculus到气象服务等预测竞赛领域的行业标准。表面上聪明但布赖尔得分高于0.25的预测，通常并不比抛硬币更准。
对投资者的意义
投资本质上是一种伪装的预测：每一笔交易都隐含着一次概率押注。大多数投资者从不为自己的预测打分，因为发表意见比接受校准检验更让人感到舒适。Closelook的Predictions子站正是为了扭转这种习惯而设立——每一次判断都附带明确的概率、时间范围和失效条件，公开积分榜则按布赖尔得分加对数损失排名。一个准确率一般但校准精准的预测者，往往能胜过一个声音很大但准确率参差不齐的预测者。
相关概念
布赖尔得分与阿尔法相关（风险调整后的超额收益是校准预测在金融领域的对应概念），也与Closelook形态库背后的方向性阿尔法框架相关。