.png){kind=icon}
返回
Parity Regression Estimation
.png){kind=icon}
OA
AI
DOI：10.3390/risks14040094.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多元线性回归仍是广泛应用于各类应用的基础预测方法。我们提出了一种新颖的回归框架，该框架并非最小化与因变量相关的聚合预测误差，而是明确将风险均匀分配至所有模型参数。该方法提供了一种结构性保障，特别适用于受显著噪声影响的场景，这在以制度转变、结构断裂和演变趋势为特征的时间序列环境中尤为常见。我们对所提出的估计量进行了理论刻画，并将其命名为Parity Regression，同时将其分析特性与文献中现有的惩罚和收缩估计量进行了基准比较。合成实验和实证应用均表明，所提方法的理论保证在实践中转化为更优的样本外预测稳定性。
Keyword:
ordinary least square
parity
ridge regression
shrinkage estimation
C13
C53
C58
G17
期刊
R
IF:
1.5
论文数:
201
被引数:
1.9K
机构
引用论文
Evaluating Risk Measures and Capital Allocations Based on Multi-Losses Driven by a Heavy-Tailed Background Risk: The Multivariate Pareto-II Model.png)
Risks
OAAI
RisksIF0
OAAI分享收藏分享收藏
查看更多内容