Trambak Banerjee、Gourab Mukherjee和Debashis Paul。
年份：2021年，数量：22，版本：180，页码：1-40
摘要
我们提出了一种新的收缩规则，用于预测具有未知峰值协方差结构的高维不可变分层高斯模型。我们提出了平均参数的一系列先验值，由幂超参数控制，包括独立于高度相关场景的先验值。与常见的损失函数（如二次损失、广义绝对损失和Linex损失）相对应，这些先验模型会产生一类收缩预测因子，其中涉及未知协方差的平滑函数的二次形式。通过使用这些二次型的一致一致估计，我们提出了一种有效的方法来评估这些预测因子，其性能优于基于因子模型的直接插件方法。我们进一步改进了我们的预测因子，通过一种新的协调收缩策略，考虑到其可变性的可能降低，该策略仅使用协方差水平信息，并且可以使用样本特征结构进行自适应调整。最后，我们将基于分解模型的方法扩展到聚合模型中的预测。我们提出了一种易于实现的函数替换方法来预测线性聚合目标，并建立了我们提出的过程的渐近最优性。我们给出了仿真实验和实际数据示例，说明了该方法的有效性。
PDF格式
BibTeX公司