論文の概要: High-dimensional censored MIDAS logistic regression for corporate survival forecasting

• arxiv url: http://arxiv.org/abs/2502.09740v1
• Date: Thu, 13 Feb 2025 19:51:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:45:29.125376
• Title: High-dimensional censored MIDAS logistic regression for corporate survival forecasting
• Title（参考訳）: 企業生存予測のための高次元検閲MIDASロジスティック回帰
• Authors: Wei Miao, Jad Beyhum, Jonas Striaukas, Ingrid Van Keilegom,
• Abstract要約: 本稿では,MIDAS(Mixed Data Sampling)のロジスティック回帰を新たに導入する。 提案手法は,多くの混合周波数予測器を用いて,逆確率重み付けと正確な推定を行う。 我々は、中国上場企業の財政難を予測するため、当社の方法論を広範囲に応用した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper addresses the challenge of forecasting corporate distress, a problem marked by three key statistical hurdles: (i) right censoring, (ii) high-dimensional predictors, and (iii) mixed-frequency data. To overcome these complexities, we introduce a novel high-dimensional censored MIDAS (Mixed Data Sampling) logistic regression. Our approach handles censoring through inverse probability weighting and achieves accurate estimation with numerous mixed-frequency predictors by employing a sparse-group penalty. We establish finite-sample bounds for the estimation error, accounting for censoring, the MIDAS approximation error, and heavy tails. The superior performance of the method is demonstrated through Monte Carlo simulations. Finally, we present an extensive application of our methodology to predict the financial distress of Chinese-listed firms. Our novel procedure is implemented in the R package 'Survivalml'.
• Abstract（参考訳）: 本論文は,3つの重要な統計的ハードルを特徴とする,企業の苦難予測の課題に対処する。 (i) 検閲権, (ii)高次元予測器、及び (iii)混合周波数データ。 これらの複雑さを克服するために、我々は新しい高次元のMIDAS(Mixed Data Smpling)ロジスティック回帰を導入する。 提案手法は、逆確率重み付けによる検閲を処理し、スパースグループペナルティを用いて、多数の混合周波数予測器による正確な推定を実現する。 我々は、推定誤差、検閲、MIDAS近似誤差、重みを考慮に入れた有限サンプル境界を確立する。 この手法の優れた性能はモンテカルロシミュレーションによって実証される。 最後に、中国上場企業の財政難を予測するための方法論の広範な適用について述べる。 我々の新しい手順はRパッケージ「Survivalml」に実装されている。

関連論文リスト

• Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
  CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。 統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
  論文  参考訳（メタデータ） (2024-08-25T04:07:18Z)
• Geometry-Aware Instrumental Variable Regression [56.16884466478886]
  本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。 本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
  論文  参考訳（メタデータ） (2024-05-19T17:49:33Z)
• SPUQ: Perturbation-Based Uncertainty Quantification for Large Language Models [9.817185255633758]
  大規模言語モデル(LLM)がますます普及し、顕著なテキスト生成機能を提供している。 プレッシャーの課題は、自信を持って間違った予測をする傾向にある。 本稿では,浮腫とてんかんの両不確実性に対処するために,新しいUQ法を提案する。 その結果,モデルキャリブレーションは大幅に改善し,予測誤差(ECE)は平均50%減少した。
  論文  参考訳（メタデータ） (2024-03-04T21:55:22Z)
• Robust Estimation of the Tail Index of a Single Parameter Pareto Distribution from Grouped Data [0.0]
  本稿では,新しいロバストな推定手法MTuMを提案する。 MTuMの推論正当性は、中心極限定理を用いて、包括的なシミュレーション研究を通じて検証することによって確立される。
  論文  参考訳（メタデータ） (2024-01-26T01:42:06Z)
• Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
  我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。 我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
  論文  参考訳（メタデータ） (2023-04-13T17:56:08Z)
• Tailoring Language Generation Models under Total Variation Distance [55.89964205594829]
  ニューラルネットワーク生成の標準パラダイムは、最適化方法として最大推定(MLE)を採用する。 言語生成に適用するための実践的境界を開発する。 本稿では,TVD推定のトレードオフのバランスをとるためのTaiLr の目標について紹介する。
  論文  参考訳（メタデータ） (2023-02-26T16:32:52Z)
• Robust High-dimensional Tuning Free Multiple Testing [0.49416305961918056]
  本稿では,一サンプル問題と二サンプル問題の両方における位置パラメータを推定するために,Hodges-Lehmann (HL) 推定器を再検討する。 新たに開発された非漸近的バハドゥール表現に基づいて,Berry-Esseen不等式とCram'er型のHL推定器の適度偏差を開発する。 得られたチューニングフリーおよびモーメントフリーの手法が、所定のレベルで偽発見率を制御することを説得的に示している。
  論文  参考訳（メタデータ） (2022-11-22T02:35:28Z)
• RoCourseNet: Distributionally Robust Training of a Prediction Aware Recourse Model [29.057300578765663]
  RoCourseNetは、将来のデータシフトに対して堅牢な予測とリコースを共同で最適化するトレーニングフレームワークである。 RoCourseNetは、ロバストな妥当性を96%以上達成し、ロバストな説明を生成する上で、最先端のベースラインを少なくとも10%上回っていることを示す。
  論文  参考訳（メタデータ） (2022-06-01T18:18:18Z)
• Improving Regression Uncertainty Estimation Under Statistical Change [7.734726150561088]
  ベイジアン・バリデーション・メトリック・フレームワークに基づく回帰不確かさ推定のための損失関数を提案し,実装する。 In-distriionデータに関する一連の実験により,提案手法は既存の最先端手法と競合することを示した。
  論文  参考訳（メタデータ） (2021-09-16T20:32:58Z)
• SLOE: A Faster Method for Statistical Inference in High-Dimensional Logistic Regression [68.66245730450915]
  実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。 私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
  論文  参考訳（メタデータ） (2021-03-23T17:48:56Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。