At-Risk Transformation for U.S. Recession Prediction
이 논문은 미국 경기 침체 예측을 위해 연속 변수 대신 임계값 기반의 '위험 상태' 이진 변환을 도입함으로써 선형 모델의 예측 성능을 향상시키고 머신러닝 방법과 경쟁력을 갖출 수 있음을 보여줍니다.
📈 Category
econ.EM
55 편의 논문
Event-Study Designs for Discrete Outcomes under Transition Independence
이 논문은 이산적 결과변수를 가진 패널 데이터에서 평균처치효과를 추정하기 위해 기존 차이간차분법의 한계를 극복하는 '전이 독립성' 가정을 기반으로 한 새로운 식별 전략과 잠재유형 마코프 구조를 제안합니다.
Online Learning in Semiparametric Econometric Models
이 논문은 대규모 스트리밍 데이터 환경에서 메모리 제약과 실시간 추론 요구를 충족시키기 위해, 유한차원 모수 추정과 미지 단조 연결 함수 학습을 위한 2 단계 온라인 학습 프레임워크를 제안하고 그 수렴성 및 실증적 유효성을 입증합니다.
Tractable Identification of Strategic Network Formation Models with Unobserved Heterogeneity
이 논문은 전략적 링크 상호의존성과 개인별 관측되지 않은 이질성 (고정효과) 이 공존하는 네트워크 형성 모델에서, 내생적 네트워크 통계량과 균형 구조 간의 비선형적 관계를 우회하여 서브네트워크 구성 (테트라드, 트라이드, 가중 사이클) 에 기반한 식별 제한 조건을 도출하고 구조적 매개변수에 대한 유계 추정을 가능하게 하는 실용적 식별 접근법을 제시합니다.
Verifying the existence of maximum likelihood estimates for generalized linear models
이 논문은 일반화 선형 모델 (GLM) 에서 최대우도추정량의 존재를 보장하는 조건을 규명하고, 이러한 조건이 충족되지 않더라도 일부 선형 모수 추정값의 일관성을 보장할 수 있음을 보여주며, 고정효과가 포함된 고차원 모델에서 해당 조건을 검증하는 방법을 제시합니다.
Linear Multidimensional Regression with Interactive Fixed-Effects
이 논문은 3 차원 이상의 다차원 패널 데이터에 대한 선형 회귀 모형을 연구하여, Bai(2009) 의 요인 모형 추정과 가중치 내변환을 결합한 Neyman-orthogonal 추정법을 제시하고, 이를 통해 일관성과 모수적 수렴 속도를 확보하며 맥주 수요 탄력성을 추정하는 방법을 제안합니다.
Stealing Accuracy: Predicting Day-ahead Electricity Prices with Temporal Hierarchy Forecasting (THieF)
이 논문은 독일과 스페인 전력 시장에서 시간적 위계 예측 (THieF) 기법을 적용하여 시간대별 및 블록 단위 전력 가격 예측을 조율함으로써, 다양한 모델 아키텍처와 4 년간의 테스트 기간 동안 예측 정확도를 최대 13% 까지 향상시킬 수 있음을 입증하고 이를 일일 예측 실무에 적용할 것을 권장합니다.
Testing Most Influential Sets
이 논문은 선형 최소제곱법을 기반으로 가장 영향력 있는 데이터 집합의 극단적 영향을 통계적으로 검정할 수 있는 엄밀한 프레임워크를 제시하여, 기존 경험적 규칙을 대체하고 경제학·생물학·머신러닝 분야에서 논쟁적이던 결과를 해결합니다.
Comparative e-backtests for general risk measures
이 논문은 e-value 와 e-process 를 활용하여 의존성과 모델 오명시에도 유효한 비모수적 순차 비교 백테스팅 프레임워크를 개발하고, 이를 통해 다양한 위험 측정치에 대해 더 정보력 있는 결론을 도출하는 개선된 3-영역 접근법을 제안합니다.
Bayesian Indicator-Saturated Regression for Climate Policy Evaluation
이 논문은 기후 정책 평가에 활용되는 구조적 변화 탐지를 위해 스파이크-앤드-슬랩 사전 분포를 적용한 베이지안 지시변수 포화 회귀 모델을 제안하고, 이를 유럽 도로 교통 부문의 기후 정책 효과 분석에 적용하여 기존 빈도론적 접근법보다 우수한 성능을 입증합니다.
Expected Kullback-Leibler-based characterizations of score-driven updates
이 논문은 예상된 클라이브-라이블러 발산 감소를 기반으로 스코어 구동 (SD) 업데이트를 정보 이론적으로 특징짓고, 이를 통해 비볼록, 다변량, 오설정 환경에서도 SD 모델이 유효함을 엄밀하게 증명합니다.
Multi-Agent Influence Diagrams to Hybrid Threat Modeling
이 논문은 하이브리드 위협의 복잡성과 불확실성을 해결하기 위해 다중 에이전트 영향도 다이어그램을 도입하여, 다양한 대응 조치의 비용, 억제력, 피해 완화 효과를 종합적으로 평가하고 그 정책적 함의를 분석합니다.
A Neural Topic Method Using a Large-Language-Model-in-the-Loop for Business Research
이 논문은 기존 주제 모델링의 한계를 극복하고 마케팅 연구에서 해석 가능하고 측정 중심의 도구로 활용하기 위해, 대규모 언어 모델을 순환 구조에 통합하여 문서 수준의 주제 비율을 보정하고 의미적 일관성을 강화한 새로운 신경 주제 모델링 방법인 LX Topic 을 제안합니다.
Causality Elicitation from Large Language Models
이 논문은 대규모 언어 모델 (LLM) 이 생성한 문서에서 사건을 추출하고 정형화하여 인과 발견 기법을 적용함으로써, LLM 이 가질 수 있는 인과 가설 집합을 검증 가능한 변수와 그래프 형태로 도출하는 프레임워크를 제안합니다.
Algorithmic Compliance and Regulatory Loss in Digital Assets
이 논문은 암호화폐 자금세탁방지 (AML) 를 위한 머신러닝 기반 감시 시스템이 정적 분류 지표로는 높은 성능을 보이는 것처럼 보이지만, 시계열적 비정상성으로 인해 의사결정 규칙의 오교정이 발생하여 실제 규제 효율성이 크게 과장되고 지속적인 규제 손실이 초래됨을 밝히고 있습니다.