Wasserstein Distributionally Robust Quantile Regression
Wasserstein 分布稳健分位数回归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：摘要核心是分位数回归在分布稳健框架下的损失刻画与估计性质，直接对应分位数与分布效应方向。
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…
关注这篇论文的作者
Wasserstein 分布稳健分位数回归
- 研究问题
- 研究在 type-p Wasserstein 模糊集下的分布稳健分位数回归问题，即当真实分布存在不确定性时，如何刻画最坏情况下的分位数回归损失及其估计性质。
- 方法与思路
- 作者在一般 p-Wasserstein 不确定性下推导最坏情况分位数回归损失的闭式表达，并给出唯一性结果，说明 p>1 时 check loss 是唯一使该加性 Wasserstein 正则化成立的凸损失类；随后建立有限样本样本外风险保证，并用数值实验说明理论发现。
- 材料陈述的贡献
- 摘要称给出了最坏情况分位数回归损失的闭式解、check loss 的唯一性刻画、p=1 与 p>1 的定性差异（p>1 时斜率系数与正则化形式一致，截距随半径调整，p 只影响截距修正而传输范数影响两者），以及 O(N^{-1/2}) 阶的有限样本样本外风险保证。
- 阅读关注点
- 应核对闭式损失表达所依赖的模糊集设定与矩条件、唯一性结果的精确陈述与适用范围、p=1 与 p>1 差异的推导细节、样本外风险保证的假设与常数，以及数值实验的设计是否与理论设定一致。
- 阅读边界
- 仅依据摘要，无法判断证明细节、假设强度、数值实验规模与结论稳健性；摘要未说明具体数据、估计量实现与比较基准。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
We study distributionally robust quantile regression using type-$p$ Wasserstein ambiguity sets. We derive a closed-form expression for the worst-case quantile regression loss under general $p$-Wasserstein uncertainty. We further give a uniqueness result showing that for $p>1$, the check loss yields the only class of convex loss functions for which such an additive Wasserstein regularization holds. Our analysis also uncovers qualitative differences between the regimes $p=1$ and $p>1$. When $p>1$, the slope coefficients coincide with those of the regularized formulation, while the intercept undergoes a radius-dependent adjustment; the value $p$ affects only this intercept correction, whereas the choice of transport norm influences both. Finally, we establish finite-sample out-of-sample risk guarantees of order $O(N^{-1/2})$ under mild moment conditions. Numerical experiments illustrate the theoretical findings and the practical implications of the proposed formulation.