Variable selection via quantile regression with the process of Ornstein-Uhlenbeck type
Variable selection via quantile regression with the process of Ornstein-Uhlenbeck type
复制标题
通过 Ornstein-Uhlenbeck 型过程的分位数回归进行变量选择
DOI：
10.1007/s11425-019-1723-4
复制
发表时间：
2021-09
期刊：
影响因子：
--
通讯作者：
Xinsheng Zhang
中科院分区：
文献类型：
--
作者：
Yinfeng Wang;Xinsheng Zhang
基于数据截断方法，研究了噪声过程为可能跳跃的Ornstein-Uhlenbeck型线性模型中的分位数回归。在单水平分位数回归中，我们允许噪声过程是异方差的，而在复合分位数回归中，我们要求噪声过程是同方差的，以便斜率在分位数之间是不变的。与独立噪声情形类似，本文提出的分位数估计量是根不相容的，且渐近正态。此外，自适应最小绝对收缩和选择算子（LASSO）的变量选择的目的。结果表明，分位数估计在变量选择上是一致的，非零系数估计与真实模型下的估计具有相同的渐近分布。大量的数值模拟进行评估所提出的方法的性能和外汇汇率数据进行了分析说明的目的。
Based on the data-cutoff method, we study quantile regression in linear models, where the noise process is of Ornstein-Uhlenbeck type with possible jumps. In single-level quantile regression, we allow the noise process to be heteroscedastic, while in composite quantile regression, we require that the noise process be homoscedastic so that the slopes are invariant across quantiles. Similar to the independent noise case, the proposed quantile estimators are root-nconsistent and asymptotic normal. Furthermore, the adaptive least absolute shrinkage and selection operator (LASSO) is applied for the purpose of variable selection. As a result, the quantile estimators are consistent in variable selection, and the nonzero coefficient estimators enjoy the same asymptotic distribution as their counterparts under the true model. Extensive numerical simulations are conducted to evaluate the performance of the proposed approaches and foreign exchange rate data are analyzed for the illustration purpose.
登录
查看更多内容
DOI：
--
发表时间：
1999-11
期刊：
--
影响因子：
--
作者：
Ken-iti Sato
通讯作者：
Ken-iti Sato
影响因子：
4.5
作者：
K. Knight
通讯作者：
K. Knight
影响因子：
3.7
作者：
J. Jurečková
通讯作者：
J. Jurečková
DOI：
10.1007/bf00533246
发表时间：
1979
期刊：
Zeitschrift für Wahrscheinlichkeitstheorie und Verwandte Gebiete
影响因子：
--
作者：
C. Halgreen
通讯作者：
C. Halgreen
DOI：
10.1111/j.1467-9868.2007.00577.x
发表时间：
2007-02
期刊：
Journal of the Royal Statistical Society: Series B (Statistical Methodology)
影响因子：
--
作者：
Hansheng Wang;Guodong Li;Chih-Ling Tsai
通讯作者：
Hansheng Wang;Guodong Li;Chih-Ling Tsai