Model-free and Distributionally Robust Feature Screening with False Discovery Control for High-Dimensional Heterogeneous Data
面向高维异质数据的无模型、分布稳健特征筛选与错误发现控制AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要核心是通用高维特征筛选，股票收益与通胀的描述性应用不足以确定资产定价或收益预测分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
面向高维异质数据的无模型、分布稳健特征筛选与错误发现控制
- 研究问题
- 如何在高维且特征分布异质的数据中筛选相关变量，同时减少对特定回归模型的依赖，并控制错误发现率？
- 方法与思路
- 作者提出基于 Copula Divergence 依赖度量的 CD-Screen 排序方法，并用数据驱动的 CD-FDR 程序控制错误发现。
- 材料陈述的贡献
- 摘要称方法具有确定筛选、排序一致性及渐近错误发现率控制性质；模拟展示较好表现，股票收益应用提供描述性证据。
- 阅读关注点
- 应核对依赖度量的定义、理论性质所需条件、错误发现控制机制，以及异质分布下的模拟设计和股票应用的解释范围。
- 阅读边界
- 仅据 arXiv v1 预印本摘要，不能声称已同行评审或期刊接收。理论条件未说明，模拟优势未独立验证，股票关联不能据此解释为因果效应。
原文摘要
In this paper, we propose a model-free feature screening framework tailored for high-dimensional and heterogeneous datasets, based on a novel distributionally robust dependence measure termed Copula Divergence. The proposed screening method, named CD-Screen, addresses critical limitations of existing feature screening methods, such as restrictive modeling assumptions and sensitivity to heterogeneous feature distributions. CD-Screen ranks features according to their Copula Divergence without relying on a specific regression model or distributional assumptions. Additionally, we introduce CD-FDR, a data-driven procedure to control false discoveries, ensuring accurate and efficient feature selection. Theoretical analyses establish the sure screening and rank consistency properties of CD-Screen, along with asymptotic control of the false discovery rate by CD-FDR. Extensive simulation studies demonstrate the superior performance of our methods compared to traditional screening approaches across diverse scenarios. Furthermore, a real data analysis of the relationship between stock returns and inflation in the United States {illustrates the practical use of our method and provides descriptive evidence on} sector-specific responses to economic changes.