論文の概要: On LASSO Inference for High Dimensional Predictive Regression

• arxiv url: http://arxiv.org/abs/2409.10030v1
• Date: Mon, 16 Sep 2024 06:41:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-17 16:30:58.869602
• Title: On LASSO Inference for High Dimensional Predictive Regression
• Title（参考訳）: 高次元予測回帰に対するLASSO推論について
• Authors: Zhan Gao, Ji Hyung Lee, Ziwei Mei, Zhentao Shi,
• Abstract要約: 我々は、IVX分離LASSO(XDlasso)と呼ばれる新しい推定器を提案する。 XDlassoは同時に収縮バイアスを除去する。 我々は、利益-価格比に基づく米国株のリターン予測可能性と、失業率を用いた米国のインフレ予測可能性について検討する。
• 参考スコア（独自算出の注目度）: 4.658398919599387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LASSO introduces shrinkage bias into estimated coefficients, which can adversely affect the desirable asymptotic normality and invalidate the standard inferential procedure based on the $t$-statistic. The desparsified LASSO has emerged as a well-known remedy for this issue. In the context of high dimensional predictive regression, the desparsified LASSO faces an additional challenge: the Stambaugh bias arising from nonstationary regressors. To restore the standard inferential procedure, we propose a novel estimator called IVX-desparsified LASSO (XDlasso). XDlasso eliminates the shrinkage bias and the Stambaugh bias simultaneously and does not require prior knowledge about the identities of nonstationary and stationary regressors. We establish the asymptotic properties of XDlasso for hypothesis testing, and our theoretical findings are supported by Monte Carlo simulations. Applying our method to real-world applications from the FRED-MD database -- which includes a rich set of control variables -- we investigate two important empirical questions: (i) the predictability of the U.S. stock returns based on the earnings-price ratio, and (ii) the predictability of the U.S. inflation using the unemployment rate.
• Abstract（参考訳）: LASSOは推定係数に縮退バイアスを導入し、望まれる漸近的正規性に悪影響を及ぼし、$t$-statisticに基づいて標準推論手順を無効化する。 LASSOは、この問題に対するよく知られた治療法として登場した。 高次元の予測回帰の文脈では、分離されたLASSOは、非定常回帰器から生じるスタンボーバイアスという別の課題に直面している。 そこで本研究では,IVX分離LASSO (XDlasso) と呼ばれる新しい推定器を提案する。 XDlassoは収縮バイアスとスタンボーバイアスを同時に排除し、非定常および定常回帰器のアイデンティティに関する事前知識を必要としない。 仮説テストのためのXDlassoの漸近特性を確立し,モンテカルロシミュレーションによって理論的知見が裏付けられる。 制御変数の豊富なセットを含むFRED-MDデータベースから実世界のアプリケーションにメソッドを適用することで、2つの重要な経験的質問を調査します。 一 利益-物価比に基づく米国株のリターンの予測可能性及び (二)失業率による米国のインフレの予測可能性

関連論文リスト

• Distributionally Robust Instrumental Variables Estimation [10.765695227417865]
  本稿では,機器変数(IV)推定のための分散ロバストなフレームワークを提案する。 Wasserstein DRIVEは、特に実践者がモデル仮定やデータの分散シフトについて不確実な場合、実際に好まれることを示す。
  論文  参考訳（メタデータ） (2024-10-21T04:33:38Z)
• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Regression with Cost-based Rejection [30.43900105405108]
  本稿では, ある拒絶コストを前提として, モデルがいくつかの例で予測を下方修正できる新たな回帰問題について検討する。 我々はベイズ最適解を導出し、最適モデルが拒絶コストよりも分散が大きい例について予測を下さなければならないことを示す。
  論文  参考訳（メタデータ） (2023-11-08T09:33:21Z)
• 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)
• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)
• A Robustness Analysis of Blind Source Separation [91.3755431537592]
  ブラインドソース分離(BSS)は、変換$f$が可逆であるが未知であるという条件の下で、その混合である$X=f(S)$から観測されていない信号を復元することを目的としている。 このような違反を分析し、その影響を$X$から$S$のブラインドリカバリに与える影響を定量化するための一般的なフレームワークを提案する。 定義された構造的仮定からの偏差に対する一般的なBSS溶出は、明示的な連続性保証という形で、利益的に分析可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-17T16:30:51Z)
• On LASSO for High Dimensional Predictive Regression [0.0]
  本稿では,L_1$-penalized regression法であるLASSOを高次元線形回帰法で検討する。 LASSOの整合性は、回帰器の交叉積の偏差境界と誤差項の2つの重要な成分に基づいて決定される。 機械学習とマクロ経済分野の専門知識を用いて、LASSOは失業率の予測において高いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-12-14T06:14:58Z)
• Learning Probabilistic Ordinal Embeddings for Uncertainty-Aware Regression [91.3373131262391]
  不確かさが唯一の確実性である。 伝統的に、直接回帰定式化を考慮し、ある確率分布の族に出力空間を変更することによって不確実性をモデル化する。 現在のレグレッション技術における不確実性をモデル化する方法は、未解決の問題である。
  論文  参考訳（メタデータ） (2021-03-25T06:56:09Z)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)
• On Low-rank Trace Regression under General Sampling Distribution [9.699586426043885]
  クロスバリデード推定器は一般仮定でほぼ最適誤差境界を満たすことを示す。 また, クロスバリデーション推定器はパラメータ選択理論に着想を得た手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2019-04-18T02:56:00Z)

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。