Heavy Tailed Homogeneous Structural Causal Models
重尾齐次结构因果模型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：摘要直接研究结构因果模型、因果方向与祖先关系识别，支持因果推断分类；重尾特征本身不足以归入金融风险。
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
重尾齐次结构因果模型
- 研究问题
- 论文研究重尾噪声驱动的结构因果系统中，极端观测能否揭示因果方向，并识别有向无环图中的完整祖先关系偏序。
- 方法与思路
- 作者提出重尾齐次结构因果模型，统一重尾线性与最大线性模型，利用因果尾部系数识别祖先关系并递归恢复祖先脉冲响应。
- 材料陈述的贡献
- 摘要称，该框架能够识别完整祖先偏序，并给出恢复祖先脉冲响应的递归算法，为重尾系统的因果发现提供理论依据。
- 阅读关注点
- 应核对齐次性、尾部行为及噪声结构的具体要求，尾部系数如何估计，以及祖先偏序识别与直接因果边识别的区别。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明识别条件、有限样本表现，也未声称能恢复全部直接因果边。
原文摘要
We consider causal discovery in structural causal models driven by heavy-tailed noise, where extremes carry important information about causal direction. We introduce the Heavy-Tailed Homogeneous Structural Causal Model (HT-HSCM), a unified framework that generalizes heavy-tailed linear and max-linear models. We demonstrate that causal tail coefficients identify the complete ancestral partial order of the underlying directed acyclic graph. We also formulate a recursive algorithm for recovering quantities associated with the model called ancestral impulse-responses from the causal tail coefficients. Our results provide a general and theoretically justified framework for causal discovery in heavy-tailed systems.