2425 पेपर
यह शोध पत्र एक कारण अनुकूलन ढांचा (causal optimization framework) प्रस्तुत करता है जो विषम उपचार प्रभावों (heterogeneous treatment effects) का अनुमान लगाकर और व्यावसायिक सुरक्षा उपायों (business guardrails) का पालन करते हुए विशिष्ट प्रस्तावों के साथ ग्राहकों को लक्षित करने के लिए एक प्रतिबंधित आवंटन समस्या को हल करके मार्केटिंग राजस्व और प्रतिधारण (retention) को अधिकतम करता है।
यह शोध पत्र एक संदर्भ-विनियमित बहु-अवधि माध्य-विचरण ढांचे (multiperiod mean-variance framework) का प्रस्ताव करता है जो उच्च-आयामी सेटिंग्स में अनुमान त्रुटियों को कम करने के लिए एक संदर्भ नीति से विचलन को दंडित करता है, और सैद्धांतिक विश्लेषण एवं अनुभवजन्य अध्ययनों के माध्यम से यह प्रदर्शित करता है कि यह दृष्टिकोण पारंपरिक तरीकों की तुलना में पोर्टफोलियो स्थिरता और आउट-ऑफ-सैंपल शार्प अनुपात (out-of-sample Sharpe ratios) को महत्वपूर्ण रूप से बढ़ाता है।
यह शोधपत्र कंट्रोलर-ऑगमेंटेड हिडन मार्कोव मॉडल्स (CHMMs) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो सटीक अनुक्रमिक अनुमान (sequential inference) और EM प्रशिक्षण को सक्षम करने के लिए पथ-आधारित बाधाओं (pathwise constraints) को परिमित-अवस्था नियंत्रकों (finite-state controllers) में संकलित करता है, और सिद्धांत एवं विविध वास्तविक-दुनिया के प्रयोगों के माध्यम से यह प्रदर्शित करता है कि यह दृष्टिकोण स्थानीय रूप से प्रभावी व्यवस्थाओं (locally-dominated regimes) में सरल विधियों के समान प्रदर्शन करते हुए, संचयी बाधाओं (cumulative constraints) के तहत वैश्विक रूप से व्यवहार्य प्रक्षेप पथों (globally feasible trajectories) को पुनः प्राप्त करने के लिए विशिष्ट रूप से प्रभावी है।
यह शोध पत्र प्रदर्शित करता है कि जनरलाइज्ड फिशर ट्रांसफॉर्मेशन (GFT), पारंपरिक विधियों की तुलना में सहसंबंध मैट्रिसेस (correlation matrices) के लिए बेहतर परिमित-नमूना अनुमान गुण (finite-sample inference properties) प्रदान करता है, क्योंकि इसके निर्देशांक लगभग असंबंधित, अंतर्निहित सहसंबंध संरचना के प्रति अपरिवर्तनीय और लगभग गाऊसी (Gaussian) होते हैं, जिससे इसके अनुमान त्रुटियाँ लगभग पिवटल (pivotal) और दुर्बल रूप से निर्भर (weakly dependent) होती हैं।
यह शोध पत्र लीनियर स्ट्रक्चरल कॉज़ल मॉडल्स के लिए एक नवीन कॉज़ल डिस्कवरी फ्रेमवर्क प्रस्तुत करता है जो एक नया "डिफ-सेपरेशन" मानदंड परिभाषित करता है और रिग्रेशन कोएफिशिएंट्स की समानता का परीक्षण करके विभिन्न परिवेशों (enviroments) के बीच डिफरेंस ग्राफ का अनुमान लगाने के लिए LDiffPC एल्गोरिदम का प्रस्ताव करता है।
यह शोध पत्र वितरण फलनों (distribution functions) के संदर्भ में सामान्य समाकल (integral) और श्रेणी निरूपणों को व्युत्पन्न करके किसी भी यादृच्छिक चरों (random variables) के वास्तविक-क्रम क्षणों (real-order moments) के लिए एक एकीकृत ढांचा स्थापित करता है, जो धनात्मक, भिन्नात्मक और ऋणात्मक क्षणों को कवर करने के लिए शास्त्रीय पूंछ पहचानों (tail identities) का विस्तार करता है, साथ ही लॉगरिदमिक क्षणों को लाप्लास रूपांतरणों और फ्रुलानी पहचान (Frullani identity) से भी जोड़ता है।
यह शोध पत्र एक सुदृढ़ उच्च-आयामी परिवर्तन-बिंदु पहचान विधि प्रस्तावित करता है जो कॉची संयोजन नियम (Cauchy combination rule) का उपयोग करके एक नियतात्मक ग्रिड (deterministic grid) पर रिज-नियमितेड हॉटलिंग परीक्षणों से p-मानों को संकलित करता है, जिससे एक एकल इष्टतम रिज पैरामीटर चुनने की आवश्यकता समाप्त हो जाती है और वैध आकार बनाए रखते हुए निकट-इष्टतम शक्ति प्राप्त होती है।
यह शोध पत्र DTVEM-RE को प्रस्तुत करता है, जो डिफरेंशियल टाइम-वेरिंग इफेक्ट मॉडल का एक पदानुक्रमित रैंडम-इफेक्ट्स विस्तार है, जो डिस्क्रीट-टाइम बेयसियन VAR और कंटीन्यूअस-टाइम ऑर्नस्टीन-उहलेन बीक फ्रेमवर्क दोनों के माध्यम से गहन अनुदैर्ध्य डेटा (इंटेंसिव लॉन्गिट्यूडिनल डेटा) में व्यक्ति-विशिष्ट मल्टी-लैग अनुमान सक्षम बनाता है, जो उत्कृष्ट भविष्य कहनेवाला सटीकता और उन व्यक्तिगत अंतरों को पकड़ने की क्षमता प्रदर्शित करता है जिन्हें पारंपरिक विधियाँ छोड़ देती हैं।
यह शोध पत्र प्रतिक्रिया अनुपालन (response compliance) को कार्य प्रदर्शन (task performance) से अलग करके, बड़े भाषा मॉडलों में साहचर्य हस्तक्षेप (associative interference) का मूल्यांकन करने के लिए एक द्वि-चरणीय सांख्यिकीय ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि ऐसा हस्तक्षेप एक सार्वभौमिक गुण होने के बजाय विभिन्न मॉडलों और डोमेन में महत्वपूर्ण रूप से भिन्न होता है।
यह शोध पत्र वितरण परिवारों में पैरामीटर मानों को अनुकूलित करने के लिए अपेक्षित गलत वर्गीकरण दर (EMR) पर आधारित एक संभाव्य सामंजस्य माप प्रस्तुत करता है, विशेष रूप से मिश्रण संश्लेषण और मैक्रोइकॉनोमिक परिदृश्य पूर्वानुमान के लिए, इस प्रक्रिया को बेयसियन निर्णय विश्लेषण के रूप में रूपरेखाबद्ध करके जिसके प्रत्यक्ष सैद्धांतिक और गणनात्मक लाभ हैं।