Feature Screening for High-Dimensional Structural Break Predictive Regression
高维结构突变预测回归的特征筛选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：摘要明确涉及预测回归、结构突变（变点）与收益可预测性，分别对应时间序列、结构变化与收益预测三个方向。
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…
高维结构突变预测回归的特征筛选
- 研究问题
- 摘要称，研究如何在结构突变预测回归中，当变点个数随样本量增长、且活跃预测变量稀疏（可能平稳或协整）时，筛选并估计活跃预测变量与变点。
- 方法与思路
- 作者提出三步程序：先用Sure Independence Canonical Screening（SICS）识别活跃预测变量，再用Ratio-Controlled Regression Screening（RCRS）估计变点，最后用信息准则（IC）剔除多余变点与预测变量以降低冗余。
- 材料陈述的贡献
- 摘要称该程序可实现真实变点与活跃预测变量的一致估计与选择，并允许变点数随样本量增长、容纳平稳或协整的稀疏预测变量；模拟与实证研究显示该程序表现有效。
- 阅读关注点
- 应核对SICS与RCRS的具体识别条件、对平稳与协整情形的假设、变点数随样本量增长的速率条件、IC的具体形式，以及模拟设计与实证数据是否支持一致选择与估计的结论。
- 阅读边界
- 仅凭摘要无法判断识别假设是否成立、理论性质（如一致性）的证明细节、模拟与实证的具体设定和结果，也无法据此评估与既有方法的相对表现；摘要未说明这些内容。
原文摘要
Predictive regression is a crucial tool for exploring return predictability. In this study, we introduce an efficient procedure for selecting and estimating active predictors and change points in structural break predictive regression. Our approach allows the number of change points to increase with the sample size and accommodates sparse active predictors that may be stationary or cointegrated. We begin by identifying the active predictors using a Sure Independence Canonical Screening (SICS) procedure. Next, we estimate the change points through a Ratio-Controlled Regression Screening (RCRS) method. Finally, we reduce redundancy by eliminating unnecessary breakpoints and predictors using information criteria (IC). This approach allows for consistent estimation and selection of true breakpoints and active predictors. Our simulations and empirical studies demonstrate that the proposed procedure performs effectively.