A PLS-Integrated LASSO Method with Application in Index Tracking
一种用于指数跟踪的 PLS 整合 LASSO 方法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：摘要以金融指数跟踪为应用场景，属于用回归方法做金融预测与跟踪的收益预测方向，故仅选 finance-predict。
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
一种用于指数跟踪的 PLS 整合 LASSO 方法
- 研究问题
- 摘要称，传统多元数据分析把降维与回归当作两件独立的事，PCR 与 PLS 回归都先算出潜成分再回归；本文要问的是能否把降维直接整合进回归过程，并用于金融指数跟踪。
- 方法与思路
- 作者提出名为 PLS-integrated Lasso（PLS-Lasso）的回归方法，给出 PLS-Lasso-v1 与 PLS-Lasso-v2 两种形式，并称配有清晰有效的算法，可保证收敛到全局最优；随后在指数跟踪任务上与 Lasso 比较。
- 材料陈述的贡献
- 摘要明确陈述的贡献是提出 PLS-Lasso 这一整合降维与回归的新方法，给出两种具体形式及相应算法，并在金融指数跟踪任务上报告了与 Lasso 相比有前景的结果。
- 阅读关注点
- 应核对两种形式的目标函数与约束如何写出、全局最优的收敛保证依赖哪些条件、算法复杂度如何，以及指数跟踪的样本、评价指标与比较是否支持“有前景”的结论。
- 阅读边界
- 仅凭摘要无法判断识别假设、理论性质、数据来源与数值结果的具体大小；摘要未说明比较是否统计显著，也未说明方法在其他数据上的表现。该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
In traditional multivariate data analysis, dimension reduction and regression have been treated as distinct endeavors. Established techniques such as principal component regression (PCR) and partial least squares (PLS) regression traditionally compute latent components as intermediary steps -- although with different underlying criteria -- before proceeding with the regression analysis. In this paper, we introduce an innovative regression methodology named PLS-integrated Lasso (PLS-Lasso) that integrates the concept of dimension reduction directly into the regression process. We present two distinct formulations for PLS-Lasso, denoted as PLS-Lasso-v1 and PLS-Lasso-v2, along with clear and effective algorithms that ensure convergence to global optima. PLS-Lasso-v1 and PLS-Lasso-v2 are compared with Lasso on the task of financial index tracking and show promising results.