Quasi-average predictions and regression to the trend: an application the M6 financial forecasting competition
이 논문은 효율적 시장 가설 하에서 개별 가치 예측보다 기대값 예측이 더 효과적이며, M6 금융 예측 대회 사례를 통해 분산이 낮은 평균 예측과 추세 회귀 기법이 기준 지수보다 일관된 우위를 보일 수 있음을 시사합니다.
📊 Category
stat
297 편의 논문
A Bayesian Dirichlet Auto-Regressive Conditional Heteroskedasticity Model for Forecasting Currency Shares
이 논문은 COVID-19 와 같은 충격으로 인한 변동성 군집 현상을 포착하면서도 합성 데이터의 유효성을 유지하는 새로운 베이지안 디리클레 DARCH 모델 (B-DARMA-DARCH) 을 제안하여 Airbnb 수수료 비율 예측의 정확도와 구간 보정 능력을 기존 모델 대비 향상시켰음을 보여줍니다.
Photon-Efficient Computational 3D and Reflectivity Imaging with Single-Photon Detectors
이 논문은 단일 광자 검출기를 사용하여 기존 방법 대비 100 배 이상 효율적으로 광자를 활용하면서도 강한 배경광 환경에서도 정밀한 3D 깊이 및 반사도 영상을 복원할 수 있는 새로운 계산 이미징 프레임워크를 제안합니다.
Bayesian analysis of 210Pb dating
이 논문은 기존 210Pb 연대 측정 모델의 통계적 한계를 극복하고, 불확실성을 보다 정교하게 추정하기 위해 베이지안 분석을 기반으로 한 새로운 연대 측정 모델을 개발하여 캐나다 사례 및 시뮬레이션을 통해 검증했다고 요약할 수 있습니다.
Logarithmic Regret for Online KL-Regularized Reinforcement Learning
이 논문은 KL 정규화가 유도하는 최적화 환경과 낙관적 보상 추정을 활용하여 온라인 KL 정규화 강화학습에 대해 기존 연구의 한계를 극복하는 로그(regret) 오차 상한을 달성하는 새로운 알고리즘과 이론적 분석을 제시합니다.
Bayesian Sensitivity Analysis for Causal Estimation with Time-varying Unmeasured Confounding
이 논문은 시변적 미측정 교란변수가 있는 종단적 관찰 데이터를 대상으로, 잠재 교란변수를 활용한 베이지안 민감도 분석과 민감도 함수 접근법을 개발·확장하여 시뮬레이션과 실제 소아 질환 레지스트리 데이터를 통해 그 성능과 실용적 적용 가능성을 평가했습니다.
Regression approaches for modelling genotype-environment interaction and making predictions into unseen environments
이 논문은 새로운 환경에 대한 예측과 그 불확실성 평가를 강화하기 위해 다양한 회귀 접근법 (선형 혼합 모델, 인자 분석, 커널 기반 방법 등) 을 통합된 모델 기반 예측 프레임워크 하에서 검토하고, 방글라데시의 장기 벼 품종 시험 데이터를 통해 이를 실증합니다.
Geopolitics, Geoeconomics, and Sovereign Risk: Different Shocks, Different Channels
이 논문은 지정학적 충격이 국가부도 리스크를 직접적으로 재평가하는 반면, 지경제학적 충격은 통화정책과 글로벌 금융 사이클을 통해 전파된다는 '가위 패턴'을 2018~2025 년 42 개국의 데이터를 통해 실증적으로 규명하고, 이에 따라 유동성 공급이 금융 사이클 매개 스프레드 확대에는 대응할 수 있으나 지정학적 리스크 프리미엄의 지속적 요소에는 한계가 있음을 시사합니다.
A Bandit-Based Approach to Educational Recommender Systems: Contextual Thompson Sampling for Learner Skill Gain Optimization
이 논문은 온라인 수학 튜터링 플랫폼 데이터를 활용하여 학습자의 과거 수행과 특성을 기반으로 컨텍스트 톰슨 샘플링을 적용한 밴딧 기반 추천 시스템을 제안함으로써, 대규모 학습자에게 개인화된 연습 문제를 제공하여 기술 향상도를 극대화하는 방법을 제시합니다.
Normal Approximation in Large Network Models
이 논문은 네트워크 크기가 무한히 커지는 점근적 프레임워크 내에서 전략적 상호작용과 동질성을 가진 네트워크 형성 모델에 대한 중심극한정리를 증명하고, 안정화 조건과 분기 과정 이론을 활용하여 해석 가능한 기본 조건을 도출하며 실용적 추론 절차를 논의합니다.
Robust Estimation of Polychoric Correlation
이 논문은 관측된 빈도와 이론적 빈도 간의 발산을 기반으로 한 새로운 손실 함수를 최소화하여 잠재 정규성 가정 위반이나 무심한 응답자 등 모델의 부분적 오설정에 강건한 다분할 상관관계 추정량을 제안하고, 이를 시뮬레이션 및 빅 5 성격 검사 데이터를 통한 실증 분석으로 검증합니다.
Overcoming Representation Bias in Fairness-Aware data Repair using Optimal Transport
이 논문은 베이지안 비모수 정지 규칙을 도입하여 표현 편향을 완화하고 아카이브 데이터에도 적용 가능한 최적 수송 기반의 공정한 데이터 복구 프레임워크를 제안합니다.
New techniques to investigate the AGN-SF connection with integral field spectroscopy
이 논문은 적분장 분광 데이터를 활용하여 활동성 은하핵 (AGN) 과 항성 형성 (SF) 의 기여를 분리하는 새로운 방법을 제시하고, 이를 통해 AGN 의 에딩턴 비율과 항성 형성률 및 젊은 핵성간 형성 사이에 중등도 이상의 상관관계가 있음을 규명했습니다.
Bayes, E-values and Testing
이 논문은 E-값과 베이지안 추론 간의 관계를 명확히 구분하는 3 층위 프레임워크를 제시하여, 로그 손실 하에서 우도비가 최적의 증거 표현임을 증명하고, 유효성만 보장하는 임계값과 달리 우도비 정지 시간의 성장률 보장을 규명하며, NML/MDL 코드와 사전적 코드의 유효성 차이를 규명합니다.
Bayesian Evidence Synthesis for Modeling SARS-CoV-2 Transmission
이 논문은 불완전한 데이터를 보완하기 위해 베이지안 증거 통합과 확률적 전염병 모델을 활용하여 SARS-CoV-2 감염 총수를 추정하고, 이동성 데이터 기반 예측, 해밀토니안 몬테카를로 추론, 위상 평면 분석, 그리고 정보적 사전분포의 중요성을 제시합니다.
Convergence and complexity of block majorization-minimization for constrained block-Riemannian optimization
이 논문은 리만 다양체 상의 제약 조건을 가진 블록 좌표 최적화 문제를 해결하기 위한 블록 대변화 - 최소화 (BMM) 알고리즘의 점근적 수렴성과 반복 횟수 내의 -정상점 도달 복잡도를 증명하고, 다양한 리만 제약 알고리즘에 적용 가능함을 이론적으로 분석하며 실험적으로 검증했습니다.
Bias- and Variance-Aware Probabilistic Rounding Error Analysis for Floating-Point Arithmetic
이 논문은 평균 0 가정을 완화하고 편향을 고려한 모멘트 기반 확률적 반올림 오차 분석 프레임워크를 제안하여, 기존 최악의 경우 이론보다 정밀한 오차 상한을 제공하며 저정밀도 연산 환경에서 결정론적 분석보다 실제 오차 성장을 더 잘 설명함을 입증합니다.
MCMC using Hamiltonian dynamics: A unifying framework for Hamiltonian Monte Carlo and piecewise deterministic Markov process samplers
이 논문은 시간 가역적 결정론적 역학과 PDMP 의 속도 변경을 결합하여 Hamiltonian Monte Carlo 와 PDMP 샘플러를 통합하는 새로운 'Bouncy Hamiltonian' 프레임워크를 제안하고, 이를 통해 수만 개의 매개변수를 가진 복잡한 베이지안 사후분포에서도 경쟁력 있는 성능을 보이는 효율적인 샘플러를 개발했음을 보여줍니다.
Relational event models with global covariates
이 논문은 대규모 관계적 사건 데이터에서 전역 공변량의 영향을 추정하기 위해 시간 이동된 비사건 표본 추출을 활용한 새로운 방법을 제안하고, 이를 통해 워싱턴 D.C. 자전거 공유 시스템의 날씨와 시간대 같은 전역 요인이 이동 동역학에 미치는 영향을 규명했습니다.
Computationally efficient multi-level Gaussian process regression for functional data observed under completely or partially regular sampling designs
이 논문은 완전하거나 부분적으로 규칙적인 격자에서 관측된 기능적 데이터에 대해 공통 평균 함수와 개별 편차를 동시에 모델링하는 다단계 가우시안 프로세스 회귀를 제안하며, 이를 통해 대규모 데이터셋에 적용 가능한 정확한 분석적 표현식을 유도하고 Stan 을 통해 구현하여 기존 방법보다 수천 배 빠른 계산을 가능하게 합니다.