×

位置、规模和形状广义可加模型框架中的拉索型惩罚。 (英语) Zbl 1496.62119号

摘要:对于许多应用程序,提供完整的概率预测是很有意义的,它能够为每个预测结果分配合理性。因此,人们的注意力不断从条件平均模型转移到概率分布模型,这些模型捕捉了响应分布的位置、规模、形状和其他方面。分布回归最成熟的模型之一是位置、规模和形状的广义加性模型(GAMLSS)。在高维数据设置中,GAMLSS的经典拟合过程往往变得相当不稳定,需要变量选择方法。因此,提出了一种在GAMLSS框架下建立高维数据的正则化方法。它是针对线性协变量效应设计的,基于L_1型惩罚。提供了以下三种惩罚选项:度量协变量的传统最小绝对收缩和选择算子(LASSO),类别预测因子的分组和融合LASSO。针对模拟数据和两个实际数据示例,即慕尼黑租金数据和意大利联合信贷银行的极端运营损失数据,对这些方法进行了研究。

MSC公司:

62J07型 岭回归;收缩估计器(拉索)
62第20页 统计学在经济学中的应用
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] 巴塞尔银行监管委员会(BCBS),巴塞尔协议II:资本计量和资本标准的国际趋同。修订框架(2004年),国际清算银行:瑞士巴塞尔国际清算银行
[2] 邦德尔·H·D。;Reich,B.J.,ANOVA中的同时因子选择和崩溃水平,生物统计学,65,1,169-177(2009)·Zbl 1159.62048号
[3] 夏贝尔,A。;Crama,Y。;Hübner,G。;Peters,J.P.,《衡量和管理金融部门操作风险的实用方法:临床研究》,J.Bank。财务。,32,61049-1061(2008年)
[4] Chavez-Demoulin,V。;Embrechts,P.公司。;Hofert,M.,《基于协变量的操作风险损失建模的极值方法》,J.risk Insura。,83, 3, 735-776 (2016)
[5] 切尔诺贝利,A。;Jorion,P。;Yu,F.,《美国金融机构操作风险的本质》,金融学杂志。数量。分析。,46, 8, 1683-1725 (2011)
[6] 奇奎特,J。;古铁雷斯,P。;Rigaill,G.,带加权融合惩罚的快速树推断,J.Compute。图表。统计人员。,26, 1, 205-216 (2017)
[7] 科普,E。;皮切,M。;Walter,J.,经营损失严重性的宏观环境决定因素,J.Bank。财务。,36, 5, 1362-1380 (2012)
[8] Distinguin,I。;Roulet,C。;Tarazi,A.,《银行监管资本和流动性:来自美国和欧洲公开交易银行的证据》,J.Bank。财务。,37, 9, 3295-3317 (2013)
[9] 邓恩,P.K。;Smyth,G.K.,《随机分位数残差》,计算机杂志。图表。统计人员。,5, 236-245 (1996)
[10] Embrechts,P。;Kluperberg,C。;Mikosch,T.,《保险和金融极端事件建模》(1997),施普林格-弗拉格:施普林格–弗拉格柏林·Zbl 0873.62116号
[11] Gerthiss,J。;Tutz,G.,分类解释变量的稀疏建模,Ann.Appl。统计,4,4,2150-2180(2010)·Zbl 1220.62092号
[13] Gneiting,T。;Balabdaoui,F。;Raftery,A.E.,《概率预测、校准和清晰度》,J.R.Stat.Soc.Ser。B统计方法。,69, 2, 243-268 (2007) ·Zbl 1120.62074号
[15] 霍夫纳,B。;迈尔,A。;施密德,M。,gamboostLSS公司:GAMLSS框架中模型构建和变量选择的r包,J.Stat.Softw。,74,1,1-31(2016)
[16] Kneib,T。;Konrath,S。;Fahrmeir,L.,《高维结构化加性回归模型:贝叶斯正则化、平滑和预测性能》,J.R.Stat.Soc.Ser。C.申请。统计,60,1,51-70(2011)
[17] 朗·S。;Umlauf,N。;Wechselberger,P。;Harttgen,K。;Kneib,T.,多层结构加性回归,统计计算。,24, 2, 223-238 (2014) ·Zbl 1325.62179号
[18] Mayr,A。;北芬斯克。;霍夫纳,B。;Kneib,T。;Schmid,M.,高维数据的位置、规模和形状的广义加性模型——一种基于boosting的灵活方法,J.R.Stat.Soc.Seri。C.申请。Stat.,61,3,403-427(2012)
[19] Meier,L。;Van de Geer,S。;Bühlmann,P.,logistic回归的组套索,J.R.Stat.Soc.Ser。B统计方法。,70, 1, 53-71 (2008) ·Zbl 1400.62276号
[20] Oelker,M.R。;Tutz,G.,《广义结构模型中惩罚组合的统一框架》,《高级数据分析》。分类。,11, 1, 97-120 (2017) ·Zbl 1414.62321号
[21] Povel,P。;辛格,R。;Winton,A.,《繁荣、萧条与欺诈》,《金融评论》。螺柱,20,4,1219-1254(2007)
[22] R核心团队,P.,R:统计计算的语言和环境(2018),R统计计算基金会:R统计计算基础,奥地利维也纳,ISBN 3-900051-07-0
[23] 里格比,R.A。;Stasinopoulos,D.M.,位置、规模和形状的广义加性模型,J.R.Stat.Soc.C(应用统计),54,3,507-554(2005)·兹比尔1490.62201
[25] Schwarz,G.,估算模型的维数,Ann.Statist。,第64261-464页(1978年)·Zbl 0379.62005年
[26] Stasinopoulos,D.M。;Rigby,R.A.,R中位置-尺度和形状(gamlss)的广义加性模型,J.Stat.Softw。,23, 7, 1-46 (2007)
[27] 托马斯,J。;迈尔,A。;Bischl,B。;施密德,M。;A.史密斯。;Hofner,B.,《分布回归的梯度增强:通过非周期更新实现更快的调整和改进的变量选择》,《统计计算》。,28, 3, 673-687 (2018) ·Zbl 1384.62139号
[28] Tibshirani,R.,通过套索进行回归收缩和选择,J.R.Stat.Soc.Ser。B统计方法。,58, 1, 267-288 (1996) ·Zbl 0850.62538号
[30] Umlauf,N。;克莱因,N。;Zeileis,A。;科勒,M。;T·西蒙。,竹竿:位置规模和形状(及以上)的贝叶斯加性模型(2018年),R包版本1.0-1
[31] 巴伦西亚,F.,《银行资本与不确定性》,J.Bank。财务。,69、S1、S1-S9(2016)
[32] 袁,M。;Lin,Y.,《分组变量回归中的模型选择和估计》,J.R.Stat.Soc.Ser。B统计方法。,68, 1, 49-67 (2006) ·Zbl 1141.62030号
[33] 邹,H。;哈斯蒂,T。;Tibshirani,R.,《关于套索的“自由度”》,Ann.Statist。,35, 5, 2173-2192 (2007) ·Zbl 1126.62061号
[34] 邹,H。;Li,R.,非冲突惩罚似然模型中的一步稀疏估计,Ann.Statist。,36, 4, 1509-1533 (2008) ·Zbl 1142.62027号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。