SHRINKAGE ESTIMATION OF REGRESSION MODELS WITH MULTIPLE STRUCTURAL CHANGES
多重结构变化回归模型的收缩估计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。
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：摘要核心是多重结构变化估计，并明确应用于基本面信息解释股权溢价的预测回归。
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
多重结构变化回归模型的收缩估计
- 研究问题
- 多元线性回归中存在未知数量的结构变化时，如何同时确定断点数量与日期、估计分段系数，并进行相应渐近推断？
- 方法与思路
- 作者使用 group fused Lasso 识别结构变化，再以 post-Lasso 估计回归系数，推导断点比例和系数的分布并提出数据驱动调参。
- 材料陈述的贡献
- 摘要称，方法以趋近一的概率正确确定断点数量，日期估计足够接近真实值，并建立渐近分布、验证调参方法及展示股权溢价应用。
- 阅读关注点
- 应核对断点间距、变化幅度和惩罚参数条件，断点日期接近的具体含义，以及股权溢价预测回归是否包含样本外评价。
- 阅读边界
- 解读仅限所给 Crossref 摘要；具体条件、日期误差阶和数值表现未说明，股权溢价预测回归示例本身不能证明样本外预测改善。
原文摘要
In this paper, we consider the problem of determining the number of structural changes in multiple linear regression models via group fused Lasso. We show that with probability tending to one, our method can correctly determine the unknown number of breaks, and the estimated break dates are sufficiently close to the true break dates. We obtain estimates of the regression coefficients via post Lasso and establish the asymptotic distributions of the estimates of both break ratios and regression coefficients. We also propose and validate a data-driven method to determine the tuning parameter. Monte Carlo simulations demonstrate that the proposed method works well in finite samples. We illustrate the use of our method with a predictive regression of the equity premium on fundamental information.