Jan, 2024

FDR 受控稀疏金融指数跟踪的投资组合优化

PDF
TL;DR在高维数据分析中，如金融指数跟踪或生物医学应用中，关键是选择少数相关变量，同时控制错误发现率。针对这些应用中变量之间常常存在强烈的相关性（例如股票回报），而现有方法（如模型 - X knockoff 方法或 T-Rex 选择器）的 FDR 控制性质可能受到破坏。为解决这个问题，我们将 T-Rex 框架扩展为适应高度相关变量的重叠组，通过整合最近邻惩罚机制实现，该机制能够在用户定义的目标水平上可控地控制 FDR。一个稀疏指数跟踪的实际例子展示了该方法能够基于少数股票准确跟踪过去 20 年的标普 500 指数。在 CRAN 上提供了 R 包 TRexSelector 的开源实现。
high-dimensional data analysisfalse discovery ratevariable selectionoverlapping groupssparse index tracking
发现论文，激发创造
  • 具有伪发现率控制变量选择的稀疏主成分分析

    稀疏主成分分析通过将高维数据映射到低维线性子空间，通过设置加载向量为稀疏，实现降维和变量选择；然而，为了避免选择无关变量，本研究提出了使用假阳性发现率控制负载向量支撑的稀疏主成分分析算法，并结合 “终止随机实验” 选择器来自动确定支撑集合；实验结果表明这种方法显著提高了性能。

    Jan, 2024

  • 通过控制假发现率适应未知稀疏性

    本文考虑了一种新的稀疏向量恢复方法，同时也提出了一种新型的假阳性控制，该方法不仅适用于多重检验，也能保证在包括模型选择在内的一些其他场景中对假阳性率进行控制，从而提高了模型的准确性和可靠性。

    May, 2005

  • 原始 - 对偶 ℓ0 - 约束稀疏指数跟踪

    通过使用 $\ell_0$- 范数约束来解决稀疏指数跟踪问题，实现对投资组合中资产数量的易于控制；此外，我们的方法还允许在投资组合稀疏性和换手稀疏性之间进行选择，以减少交易成本；最后，我们基于原始 - 对偶分裂方法开发了一种高效算法来解决这个问题，并通过在 S&P500 和 NASDAQ100 指数数据集上的实验验证了该方法的有效性。

    Jul, 2023

  • 转化稀疏系数下的虚假发现率控制：分裂 Knockoffs

    该论文提出了一种适应数据的方法，即 Split Knockoff 方法，采用变量和数据分割，从而实现在线性变换稀疏性约束下控制假发现率，在阿尔茨海默病的结构磁共振成像数据集中可以发现萎缩的脑区以及其异常连接。

    Mar, 2021

  • 高维选择性推断的仿冒过滤器

    本文提出了一种基于 knockoff filter 的测试框架，用于在特征数量可能远远超过观测单元数量的高维线性模型中控制伪发现率，并在基因组关联研究中展示了其性能。

    Feb, 2016

  • 通过 knockoffs 控制误发现率

    本文介绍了一种新的变量选择方法 —— 模拟变量过滤器，该方法可以在有足够观测值的情况下控制统计线性模型中的假发现率，并且可以与 Lasso 统计量配合使用，能够大大提高在控制空变量比例高的情况下的功效。

    Apr, 2014

  • 用于 FDR 控制变量选择的自编码模拟生成器

    本文提出了一种模型无关的 knockoff 生成器，该生成器通过潜在变量表示近似特征之间的相关性结构，进而达到了对 FDR 的控制和更好的功效，可以在 HIV-1 患者中找到与药物抗性相关的突变。

    Sep, 2018

  • FDR 控制的两个简单充分条件

    通过两个耦合的简单充分条件，我们证明了对于多次检验过程的 FDR 控制。这使我们能够简单而统一地证明先前的结果，同时将其范围扩展到多个方面。

    Feb, 2008

  • 条件预测函数：用于复杂模型误报控制的新技术

    现代科学研究中，识别与结果相关的变量是一个常见目标。本研究介绍了一种基于条件预测函数 (CPF) 的变量选择方法，该方法能够捕捉预测变量与结果之间的非线性关系，并同时考虑特征之间的相关性，具有优于常见方法的选择功效。

    Oct, 2023

  • 基于模拟数据过滤器的群稀疏和多任务回归中的 FDR 控制

    本文提出了一种组合 knockoff 过滤方法，用于控制假发现率，可在回归分析环境中对分组特征进行选择，并考虑了组层面上的真假发现，相对于稀疏回归方法，该方法具有更高的功率。我们还将该方法应用于多任务回归问题，在其特征集合中，多个响应变量共享类似的稀疏模式，通过利用组结构，成功地控制了组层面上的假发现，并发现了更多的结果。

    Feb, 2016