論文の概要: Supervised Mixed-Frequency Learning for Macro-Financial Forecasting When Factors are Weak

• arxiv url: http://arxiv.org/abs/2608.12589v1
• Date: Wed, 12 Aug 2026 21:02:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.325474
• Title: Supervised Mixed-Frequency Learning for Macro-Financial Forecasting When Factors are Weak
• Title（参考訳）: マクロファイナンシャル予測における要因の弱さを考慮した混合周波数学習
• Abstract要約: SsPCA-MIDASは、教師付きスケールされたPCAを混合データサンプリングフレームワークに統合する。 弱因子下での整合性と正規性を確立し,予測対象に対する推論を許容する。 米国のマクロ・ファイナンシャル・予測への広範な適用は、SsPCA-MIDASが経済的に意味のある予測者を選択し、GDP、インフレ、失業、資産価格、ボラティリティの予測を改善していることを示している。
• 参考スコア（独自算出の注目度）: 11.484635976888667
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Factor-MIDAS regressions forecast a low-frequency target by extracting common factors from a large panel of high-frequency predictors via principal component analysis (PCA). While PCA mitigates the curse of dimensionality, it relies on factor pervasiveness, an assumption often violated when factors are weak, as is common in macro-financial forecasting. We propose SsPCA-MIDAS, which integrates supervised scaled PCA (SsPCA) into the mixed-data sampling framework. We establish consistency and asymptotic normality under weak factors, permitting inference on the prediction target. Simulations show that SsPCA-MIDAS outperforms competing PCA-based and supervised methods, especially when weak factors are prevalent. Applying machine-learning techniques such as boosting to the cleaner factors it extracts yields further gains. An extensive application to U.S. macro-financial forecasting shows that SsPCA-MIDAS selects economically meaningful predictors and improves forecasts of GDP, inflation, unemployment, asset prices, and volatility.
• Abstract（参考訳）: 因子MIDAS回帰は、主成分分析(PCA)を用いて、高周波予測器の大きなパネルから共通因子を抽出することにより、低周波目標を予測する。 PCAは次元の呪いを緩和するが、それは因子の広さに依存している。 本稿では,教師付きスケールドPCA(SsPCA)を混合データサンプリングフレームワークに統合したSsPCA-MIDASを提案する。 弱因子下での整合性と漸近正規性を確立し,予測対象に対する推論を許容する。 シミュレーションにより、SsPCA-MIDASは、特に弱い因子が普及している場合、競合するPCAおよび教師付き手法よりも優れていることが示された。 抽出するよりクリーンな要因に強化などの機械学習技術を適用することで、さらなる利益が得られます。 米国のマクロ・ファイナンシャル・予測への広範な適用は、SsPCA-MIDASが経済的に意味のある予測者を選択し、GDP、インフレ、失業、資産価格、ボラティリティの予測を改善していることを示している。

関連論文リスト

• PCQA-R1: Advancing Generalized 3D Point Cloud Quality Assessment with Reinforcement Learning [51.75061005702151]
  ノンリファレンスポイントクラウド品質アセスメント(PCQA)は近年活発なトピックであり、ポイントクラウドの視覚的エクスペリエンスの測定と最適化に使用されている。 本稿では,3次元点雲質評価のための最初の強化学習LMMであるPCQA-R1について述べる。
  論文  参考訳（メタデータ） (2026-08-19T07:21:58Z)
• Evaluating Time Series Foundation Models for Electricity Price Forecasting: Contamination Risk, Distributional Shifts, and Covariate Dependence [0.5371337604556311]
  時系列基礎モデル(TSFM)は、強いゼロショット予測性能を示した。 電力価格予測(EPF)は、複雑な時間的依存、分布シフト、構造的および文脈的情報への強い依存による、困難なテストベッドを示す。 本稿では,汚染リスクを軽減し,TSFMの公平な評価を可能にするために,EPFのための2データセットベンチマークフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-02T11:43:22Z)
• Ratio-Variance Regularized Policy Optimization [64.95520246570446]
  ポリシ比の分散を明示的に制約することは、信頼領域の制約に対する原則的な局所近似をもたらすことを示す。 本稿では,この制約を実装したR2bf VPO$(Ratio-Variance Regularized Policy Optimization)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T09:53:42Z)
• Quantifying the Risk-Return Tradeoff in Forecasting [0.0]
  平均予測精度は予測信頼性と同じではない。 私は、ベンチマークに対する予測損失差をリターンシリーズとして扱います。 次に、シャープ比、ソルティーノ比、オメガ比、ドローダウンベースの指標など、金融のリスク調整されたパフォーマンス指標を用いて、これらのリターンを評価する。
  論文  参考訳（メタデータ） (2026-05-10T19:21:12Z)
• Unbiased Dynamic Pruning for Efficient Group-Based Policy Optimization [60.87651283510059]
  Group Relative Policy Optimization (GRPO) はLLM推論を効果的にスケールするが、計算コストは禁じている。 本研究では,非バイアス勾配推定を保ちながら動的プルーニングを可能にする動的プルーニングポリシー最適化(DPPO)を提案する。 刈り込みによって引き起こされるデータの空間性を軽減するため,ウィンドウベースの欲求戦略であるDense Prompt Packingを導入する。
  論文  参考訳（メタデータ） (2026-03-04T14:48:53Z)
• STAR : Bridging Statistical and Agentic Reasoning for Large Model Performance Prediction [78.0692157478247]
  本稿では,知識駆動型エージェント推論を用いて,データ駆動型静的予測を橋渡しするフレームワークSTARを提案する。 STARはスコアベースとランクベースの両方の基準線を一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2026-02-12T16:30:07Z)
• Risk-Aware Financial Forecasting Enhanced by Machine Learning and Intuitionistic Fuzzy Multi-Criteria Decision-Making [7.394315090978424]
  このフレームワークは、構造化された財務データ、構造化されていないテキストデータ、マクロ経済指標を融合させ、予測精度と堅牢性を高める。 このモデルには、極端な勾配向上(XGBoost)、長い短期記憶(LSTM)ネットワーク、グラフニューラルネットワーク(GNN)など、ハイブリッドモデルスイートが組み込まれている。 その結果,純利益率の平均絶対パーセンテージ誤差(MAPE)は3.03%,信頼区間は95%程度であり,予測精度が高いことがわかった。
  論文  参考訳（メタデータ） (2025-12-11T04:19:26Z)
• Km-scale dynamical downscaling through conformalized latent diffusion models [45.94979929172337]
  高分解能気象場を粗大なシミュレーションから導き出すためには, 動的ダウンスケーリングが不可欠である。 Generative Diffusion Model(DM)は、最近、このタスクのための強力なデータ駆動ツールとして登場した。 しかし、DMは過信予測に対する有限サンプル保証を欠いているため、グリッドポイントレベルの不確実性推定が誤って行われる。 我々は、コンフォーマルな予測フレームワークでダウンスケーリングパイプラインを拡張することで、この問題に対処する。
  論文  参考訳（メタデータ） (2025-10-15T08:41:36Z)
• Reinforcement Learning from Probabilistic Forecasts for Safe Decision-Making via Conditional Value-at-Risk Planning [41.52380204321823]
  本稿では,ベイズ予測,後方サンプリング強化学習,計画とを結合した統一的枠組みである不確実性認識マルコフ決定プロセス(UAMDP)を提案する。 構造的不確実性と経済のボラティリティを特徴とする2つのドメインの高頻度株式取引と小売在庫管理において,UAMDPを評価した。
  論文  参考訳（メタデータ） (2025-10-09T13:46:32Z)
• Conformal P-Value in Multiple-Choice Question Answering Tasks with Provable Risk Control [0.0]
  本研究では,多目的質問応答(MCQA)における大規模言語モデル(LLM)の信頼性向上を目的とした,テスト強化型コンフォメーション予測(CP)フレームワークを提案する。 CPは予測セットに対して統計的に厳格な限界被覆保証を提供し、重要試験は確立された統計的厳密さを提供する。 本研究は,高度QAアプリケーションにおける信頼性の高いLCMデプロイメントの統計的枠組みを確立する。
  論文  参考訳（メタデータ） (2025-08-07T16:46:47Z)
• Sparse Asymptotic PCA: Identifying Sparse Latent Factors Across Time Horizon in High-Dimensional Time Series [0.0]
  本稿では、スパース主成分分析(APCA)を用いた新しいスパース潜在因子モデリングフレームワークを提案する。 スパースPCAをベースとした既存手法とは異なり,本手法は非スパース負荷を許容しながら,因子プロセスのスパース性を実証する。 我々は,新しい断面交叉検証法を用いて,時間的地平線上の危険因子の空間性を特定するためのデータ駆動型手法を開発した。
  論文  参考訳（メタデータ） (2024-07-13T01:32:37Z)
• Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
  本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。 信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
  論文  参考訳（メタデータ） (2023-01-25T19:35:23Z)
• PAC: Assisted Value Factorisation with Counterfactual Predictions in Multi-Agent Reinforcement Learning [43.862956745961654]
  多エージェント強化学習(MARL)は、値関数分解法の開発において大きな進歩をみせている。 本稿では、部分的に観測可能なMARL問題において、エージェントの動作に対する順序付けが同時に制約を課す可能性があることを示す。 最適関節動作選択の対実予測から得られる情報を活用する新しいフレームワークであるPACを提案する。
  論文  参考訳（メタデータ） (2022-06-22T23:34:30Z)
• Supervised PCA: A Multiobjective Approach [70.99924195791532]
  制御主成分分析法(SPCA) 本研究では,これらの目的を両立させる新しいSPCA手法を提案する。 この手法は、任意の教師付き学習損失に対応し、統計的再構成により、一般化された線形モデルの新しい低ランク拡張を提供する。
  論文  参考訳（メタデータ） (2020-11-10T18:46:58Z)

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。