論文の概要: Probabilistic Quantile Factor Analysis
- arxiv url: http://arxiv.org/abs/2212.10301v3
- Date: Thu, 15 Aug 2024 06:09:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-16 19:30:50.005087
- Title: Probabilistic Quantile Factor Analysis
- Title(参考訳): 確率的量子係数解析
- Authors: Dimitris Korobilis, Maximilian Schröder,
- Abstract要約: 我々は,エフェロー,エフェメジウム,およびエフェハイ経済政策の不確実性の指標を抽出し,因子分析の文献に貢献する。
経済活動の様々な指標において、高い不確実性と厳密な金融条件指数が優れた予測能力を有することを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper extends quantile factor analysis to a probabilistic variant that incorporates regularization and computationally efficient variational approximations. We establish through synthetic and real data experiments that the proposed estimator can, in many cases, achieve better accuracy than a recently proposed loss-based estimator. We contribute to the factor analysis literature by extracting new indexes of \emph{low}, \emph{medium}, and \emph{high} economic policy uncertainty, as well as \emph{loose}, \emph{median}, and \emph{tight} financial conditions. We show that the high uncertainty and tight financial conditions indexes have superior predictive ability for various measures of economic activity. In a high-dimensional exercise involving about 1000 daily financial series, we find that quantile factors also provide superior out-of-sample information compared to mean or median factors.
- Abstract(参考訳): 本稿では,正則化と計算効率の良い変分近似を組み込んだ確率的変分へと量子係数解析を拡張した。
我々は,提案した推定器が最近提案した損失ベース推定器よりも精度の高い推定器を実現することができるように,合成および実データ実験を通じて確立する。
本研究は, 経済政策の不確実性, および, 財務状況の指標として, 因子分析の文献を抽出し, 因子分析に寄与する。
経済活動の様々な指標において、高い不確実性と厳密な金融条件指数が優れた予測能力を有することを示す。
約1000の日次ファイナンシャルシリーズを含む高次元のエクササイズでは、平均または中央値の要素と比較して、量子的要因が優れたサンプル外情報を提供することがわかった。
関連論文リスト
- Stratified Prediction-Powered Inference for Hybrid Language Model Evaluation [62.2436697657307]
予測駆動推論(英: Prediction-powered Inference, PPI)は、人間ラベル付き限られたデータに基づいて統計的推定を改善する手法である。
我々はStratPPI(Stratified Prediction-Powered Inference)という手法を提案する。
単純なデータ階層化戦略を用いることで,基礎的なPPI推定精度を大幅に向上できることを示す。
論文 参考訳(メタデータ) (2024-06-06T17:37:39Z) - Uncertainty quantification in metric spaces [3.637162892228131]
本稿では、応答が分離可能な距離空間で値を取る回帰モデルのための新しい不確実性定量化フレームワークを提案する。
提案アルゴリズムは,大規模データセットを効率的に処理し,使用する予測ベースモデルに依存しない。
論文 参考訳(メタデータ) (2024-05-08T15:06:02Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳(メタデータ) (2023-09-28T13:04:11Z) - Invariant Probabilistic Prediction [45.90606906307022]
任意の分布シフトは、一般に不変かつ頑健な確率的予測を認めないことを示す。
Invariant probabilistic predictions called IPP, and study the consistency of the underlying parameters。
論文 参考訳(メタデータ) (2023-09-18T18:50:24Z) - Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。
この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
論文 参考訳(メタデータ) (2023-08-03T12:43:21Z) - A Learning-Based Optimal Uncertainty Quantification Method and Its
Application to Ballistic Impact Problems [1.713291434132985]
本稿では、入力(または事前)測度が部分的に不完全であるシステムに対する最適(最大および無限)不確実性境界について述べる。
本研究では,不確実性最適化問題に対する学習基盤の枠組みを実証する。
本手法は,工学的実践における性能証明と安全性のためのマップ構築に有効であることを示す。
論文 参考訳(メタデータ) (2022-12-28T14:30:53Z) - Quantile Risk Control: A Flexible Framework for Bounding the Probability
of High-Loss Predictions [11.842061466957686]
本稿では,予測器によって得られた損失分布の量子化の系を生成するフレキシブルな枠組みを提案する。
予測性能を定量化するための情報的手法としてQuantileを示し,そのフレームワークが様々なQuantileベースのメトリクスに適用可能であることを示す。
論文 参考訳(メタデータ) (2022-12-27T22:08:29Z) - Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。
本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
論文 参考訳(メタデータ) (2022-08-29T16:16:22Z) - Gaining Outlier Resistance with Progressive Quantiles: Fast Algorithms
and Theoretical Studies [1.6457778420360534]
任意の損失関数を強固化するために, 外部抵抗推定の枠組みを導入する。
通常のデータセットでは、データ再見積の回数を大幅に削減できるような、開始点の要件を緩和する新しい手法が提案されている。
得られた推定器は、必ずしも大域的でも大域的でもなくても、両方の低次元において最適性を楽しむことができる。
論文 参考訳(メタデータ) (2021-12-15T20:35:21Z) - The Aleatoric Uncertainty Estimation Using a Separate Formulation with
Virtual Residuals [51.71066839337174]
既存の手法では、ターゲット推定における誤差を定量化できるが、過小評価する傾向がある。
本稿では,信号とその不確かさを推定するための新たな分離可能な定式化を提案し,オーバーフィッティングの影響を回避した。
提案手法は信号および不確実性推定のための最先端技術より優れていることを示す。
論文 参考訳(メタデータ) (2020-11-03T12:11:27Z) - Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。
本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文 参考訳(メタデータ) (2020-05-22T22:30:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。