論文の概要: Order Selection in Vector Autoregression by Mean Square Information Criterion

• arxiv url: http://arxiv.org/abs/2511.19761v1
• Date: Mon, 24 Nov 2025 22:37:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.196562
• Title: Order Selection in Vector Autoregression by Mean Square Information Criterion
• Title（参考訳）: 平均正方形情報量によるベクトル自己回帰の順序選択
• Abstract要約: 平均2乗情報量規準(MIC)は比較的穏やかな条件下でプロセスの順序を一貫して推定する。 この利点は、ニューヨーク市で新型コロナウイルス(COVID-19)のアウトカムを予報するときに裏付けられる。
• 参考スコア（独自算出の注目度）: 2.0797819204842036
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vector autoregressive (VAR) processes are ubiquitously used in economics, finance, and biology. Order selection is an essential step in fitting VAR models. While many order selection methods exist, all come with weaknesses. Order selection by minimizing AIC is a popular approach but is known to consistently overestimate the true order for processes of small dimension. On the other hand, methods based on BIC or the Hannan-Quinn (HQ) criteria are shown to require large sample sizes in order to accurately estimate the order for larger-dimensional processes. We propose the mean square information criterion (MIC) based on the observation that the expected squared error loss is flat once the fitted order reaches or exceeds the true order. MIC is shown to consistently estimate the order of the process under relatively mild conditions. Our simulation results show that MIC offers better performance relative to AIC, BIC, and HQ under misspecification. This advantage is corroborated when forecasting COVID-19 outcomes in New York City. Order selection by MIC is implemented in the micvar R package available on CRAN.
• Abstract（参考訳）: ベクトル自己回帰(VAR)プロセスは、経済学、金融学、生物学で広く使われている。 順序選択は、VARモデルを適合させるための重要なステップである。 多くの順序選択方法が存在するが、いずれも弱点がある。 AICの最小化による順序選択は一般的なアプローチであるが、小さな次元のプロセスの真の順序を常に過大評価することが知られている。 一方, BIC や Hannan-Quinn (HQ) の基準に基づく手法では, 大規模プロセスの順序を正確に推定するために, 試料サイズが大きいことが示されている。 提案する平均2乗情報量基準(MIC)は,期待される2乗誤差損失が,適合順序が真順序を超えると平坦になるという観測に基づいて提案する。 MICは比較的穏やかな条件下でプロセスの順序を一貫して推定する。 シミュレーションの結果,MICはAIC,BIC,HQと比較して性能が良く,不特定性が高いことがわかった。 この利点は、ニューヨーク市で新型コロナウイルス(COVID-19)のアウトカムを予報するときに裏付けられる。 MIC による順序選択は CRAN で利用可能な micvar R パッケージで実装されている。

関連論文リスト

• Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
  分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。 我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
  論文  参考訳（メタデータ） (2026-08-06T19:49:48Z)
• CRUMB: Efficient Prior Fitted Network Inference via Distributionally Matched Context Batching [1.4211459456330362]
  事前適合型ネットワーク(PFN)は、コンテキスト内学習を行う基盤モデルの有望なクラスである。 CRUMB(Clustered Retrieval using Minimized-MMD)は,テストクエリをクラスタリングする3段階推論ラッパーである。 CRUMBは、最大平均誤差を極端に最小化することにより、各クラスタに対して小さな、分散的に整合したトレーニングサブセットを選択する。
  論文  参考訳（メタデータ） (2026-06-09T22:07:04Z)
• Order Matters: Unveiling the Hidden Impact of Macro Placement Sequences via Proxy-Guided LLM Evolution [5.16722140868126]
  本稿では,マクロ配置順序戦略を自動的に検出するプロキシ誘導フレームワークを提案する。 OrderPlaceは静的スコアリングメトリクスから動的物理に着想を得たメカニズムまで、幅広いコードレベルのポリシーの空間を探求している。 WireMask-EAと最先端のEGPlaceと比較して、OrderPlaceはワイヤの長さをそれぞれ34.04%、14.08%削減する。
  論文  参考訳（メタデータ） (2026-06-08T01:10:07Z)
• Instance-Optimal Estimation with Multiple LLM Judges on a Budget [84.31744861038106]
  我々は、この問題を*予算付きヘテロスケダティックなマルチジャッジ推定*として定式化する。 K$のプロンプト-レスポンスペア、J$の既知のコストと未知のクエリ-ジャッジ分散が与えられた場合、目標は、$ell_p$-errorを最小化しながら、有界スコアベクトルを推定することである。 EST-IVWEは,予算の低次項までのオラクルIVWEレートと一致していることを示す。
  論文  参考訳（メタデータ） (2026-05-22T08:26:08Z)
• PLR: Plackett-Luce for Reordering In-Context Learning Examples [13.775690509818753]
  In-context Learningは、ICLの例の小さなセットを条件にすることで、大きな言語モデルに適応する。 PLRは離散順序探索をプラケット・リュックモデルで順序付けよりも確率分布を学習することで置き換える。 PLRは4, 8, 16, 32$の例で、数ショットの精度を一貫して改善している。
  論文  参考訳（メタデータ） (2026-03-22T19:15:59Z)
• Provably Minimum-Length Conformal Prediction Sets for Ordinal Classification [17.822517655243427]
  本稿では,モデルに依存しない,インスタンスレベルの最適予測区間を提供する順序-CP法を提案する。 様々な領域からの4つのベンチマークデータセットの実験を行い、予測効率が大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2025-11-20T23:00:15Z)
• Quantifying and Mitigating Selection Bias in LLMs: A Transferable LoRA Fine-Tuning and Efficient Majority Voting Approach [13.829059542429876]
  大規模言語モデル(LLM)の性能評価手法として,MCQ (Multiple Choice Questioning) が広く用いられている。 LLMはMCQタスクにおいて選択バイアスを示し、その選択は内容よりも答えの位置やオプション記号などの要因に影響される。
  論文  参考訳（メタデータ） (2025-11-17T21:31:37Z)
• DISCO: Diversifying Sample Condensation for Efficient Model Evaluation [59.01400190971061]
  コスト評価は傾向を低下させ、イノベーションのサイクルを遅くし、環境への影響を悪化させる。 モデル応答の多様性を最大化するサンプルを選択することが重要となる。 我々のメソッドである$textbfDiversifying Sample Condensation (DISCO)$は、最も大きなモデル不一致を持つトップkサンプルを選択します。
  論文  参考訳（メタデータ） (2025-10-09T08:53:59Z)
• Conformal Information Pursuit for Interactively Guiding Large Language Models [68.16703423481935]
  本稿では,クエリ数の最小化を目的としたシーケンシャルクエリ戦略について検討する。 そのような戦略の1つは情報探索(IP)であり、各反復で情報ゲインを最大化または同等に不確実性を最小化するクエリを選択する。 本稿では,コンフォーマル情報探索法(C-IP)を提案する。
  論文  参考訳（メタデータ） (2025-07-04T03:55:39Z)
• A Principled Approach to Randomized Selection under Uncertainty: Applications to Peer Review and Grant Funding [61.86327960322782]
  本稿では,各項目の品質の間隔推定に基づくランダム化意思決定の枠組みを提案する。 最適化に基づく最適化手法であるMERITを導入する。 MERITが既存のアプローチで保証されていない望ましい公理特性を満たすことを証明している。
  論文  参考訳（メタデータ） (2025-06-23T19:59:30Z)
• Differentiable Quadratic Optimization For The Maximum Independent Set Problem [23.643727259409744]
  pCQO-MISはグラフ内の数ノードでのみスケールし、数値エッジではないことを示す。 実験により,提案手法の有効性を,精度,サンプリング,データ中心アプローチと比較した。
  論文  参考訳（メタデータ） (2024-06-27T21:12:48Z)
• Autoregressive Bandits [58.46584210388307]
  本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。 報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。 次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
  論文  参考訳（メタデータ） (2022-12-12T21:37:36Z)
• Novel Ordering-based Approaches for Causal Structure Learning in the Presence of Unobserved Variables [22.201414668050123]
  我々は、構造学習のc-orderよりも有利なため、取り外し可能な順序(r-order)と呼ばれる新しい順序を提唱する。 実世界のネットワークとランダムに生成されたネットワークにおける提案手法の性能と拡張性を評価する。
  論文  参考訳（メタデータ） (2022-08-14T23:09:55Z)
• Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
  マルコフ決定過程における純粋探索問題について検討する。 エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
  論文  参考訳（メタデータ） (2021-06-05T09:16:28Z)
• Nearly Dimension-Independent Sparse Linear Bandit over Small Action Spaces via Best Subset Selection [71.9765117768556]
  本研究では,高次元線形モデルの下での文脈的帯域問題について考察する。 この設定は、パーソナライズされたレコメンデーション、オンライン広告、パーソナライズされた医療など、不可欠な応用を見出す。 本稿では,最適部分集合選択法を用いて2重成長エポックを推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-04T04:10:39Z)

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。