ترجمه فارسی مقاله در مورد استنتاج LASSO برای رگرسیون پیش بینی با ابعاد بالا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی On LASSO Inference for High Dimensional Predictive Regression
عنوان مقاله به فارسی در مورد استنتاج LASSO برای رگرسیون پیش بینی با ابعاد بالا
نویسندگان Zhan Gao, Ji Hyung Lee, Ziwei Mei, Zhentao Shi
فرمت مقاله انگلیسی PDF
تعداد صفحات 59
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Methodology,Econometrics,Machine Learning,روش شناسی , اقتصاد سنج , یادگیری ماشین ,
توضیحات Submitted 16 September, 2024; originally announced September 2024.
توضیحات به فارسی ارائه شده 16 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

LASSO introduces shrinkage bias into estimated coefficients, which can adversely affect the desirable asymptotic normality and invalidate the standard inferential procedure based on the $t$-statistic. The desparsified LASSO has emerged as a well-known remedy for this issue. In the context of high dimensional predictive regression, the desparsified LASSO faces an additional challenge: the Stambaugh bias arising from nonstationary regressors. To restore the standard inferential procedure, we propose a novel estimator called IVX-desparsified LASSO (XDlasso). XDlasso eliminates the shrinkage bias and the Stambaugh bias simultaneously and does not require prior knowledge about the identities of nonstationary and stationary regressors. We establish the asymptotic properties of XDlasso for hypothesis testing, and our theoretical findings are supported by Monte Carlo simulations. Applying our method to real-world applications from the FRED-MD database -- which includes a rich set of control variables -- we investigate two important empirical questions: (i) the predictability of the U.S. stock returns based on the earnings-price ratio, and (ii) the predictability of the U.S. inflation using the unemployment rate.

چکیده به فارسی (ترجمه ماشینی)

Lasso تعصب انقباض را به ضرایب تخمین زده شده معرفی می کند ، که می تواند بر عادی بودن مجانبی مطلوب تأثیر بگذارد و روش استنباطی استاندارد را بر اساس $ t $-statistic بی اعتبار کند.لاسو ناامید شده به عنوان یک راه حل مشهور برای این موضوع ظاهر شده است.در زمینه رگرسیون پیش بینی کننده ابعادی بالا ، لاسو ناامید شده با یک چالش اضافی روبرو است: تعصب Stambaugh که ناشی از رگرسیون های غیر ایستگاه است.برای بازگرداندن روش استنباط استاندارد ، ما یک برآوردگر جدید به نام Lasso (Xdlasso) به نام IVX-Desparsified Lasso (xdlasso) پیشنهاد می کنیم.Xdlasso تعصب انقباض و تعصب Stambaugh را به طور همزمان از بین می برد و نیازی به دانش قبلی در مورد هویت رگرسیون های غیر ایستگاه و ثابت ندارد.ما خواص مجانبی XDLASSO را برای آزمایش فرضیه ایجاد می کنیم و یافته های نظری ما توسط شبیه سازی مونت کارلو پشتیبانی می شود.با استفاده از روش ما در برنامه های دنیای واقعی از پایگاه داده FRED-MD-که شامل مجموعه ای غنی از متغیرهای کنترل است-ما دو سؤال مهم تجربی را بررسی می کنیم: (i) پیش بینی بازده سهام ایالات متحده بر اساس نسبت درآمد قیمت، و (ب) پیش بینی تورم ایالات متحده با استفاده از نرخ بیکاری.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.