arXiv stat.ML· Hongqi Chen, Chengwang Liao, Ziwei Mei, Zhentao Shi·· 15 天前AI 评分26
协整回归元：折叠凹惩罚超越 LASSO 的场景分析
Cointegrated Regressors: Where Folded Concave Penalties Go Beyond LASSO
AI 导读
研究针对高维预测回归中 LASSO 凸惩罚过度抑制协整回归元系数并导致参数估计不一致的问题，采用 SCAD 和 MCP 等折叠凹惩罚（FCP）进行改进。理论上，FCP 确立了惩罚回归的局部 oracle 性质，并在施加惩罚水平约束下保证了能一致估计真实系数的全局 oracle 性质。仿真与欧元区失业率预测应用表明，FCP 相比 LASSO 提升了变量选择与样本外预测表现。
来源：arXiv stat.ML · arxiv.org