Safe, Always-Valid Alpha-Investing Rules For Doubly Sequential Online Inference
双重序贯在线推断中的安全且随时有效的Alpha投资规则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：摘要研究通用在线多重推断，金融仅作为动机场景出现，不足以确定金融领域细分。
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
双重序贯在线推断中的安全且随时有效的Alpha投资规则
- 研究问题
- 当数据持续流入且新任务间歇到达时，如何动态分配检验资源、避免显著性预算耗尽，并在各决策时点控制错误选择？
- 方法与思路
- 作者提出SAVA规则，结合随时有效的p值、e过程和在线错误发现率方法，整合任务信息并在双重序贯框架下分配资源。
- 材料陈述的贡献
- 摘要称该方法缓解alpha耗尽问题，在所有决策时点控制错误选择率，并通过理论和数值实验展示相对传统在线检验的功效增益。
- 阅读关注点
- 应核对错误选择率与错误发现率的定义差异、任务和数据的依赖条件，以及停止规则、资源分配和预算补充机制的具体形式。
- 阅读边界
- 仅据所给OpenAlex摘要版本，不能推断后续刊本变化。摘要未列明依赖与有效性条件，功效提升的适用范围及比较设置尚不清楚。
原文摘要
Dynamic decision-making in rapidly evolving research domains, including marketing, finance, and pharmaceutical development, presents a significant challenge. Researchers frequently confront the need for real-time action within a doubly sequential framework characterized by the continuous influx of high-volume data streams and the intermittent arrival of novel tasks. This calls for the development and implementation of new online inference protocols capable of handling both the continuous processing of incoming information and the efficient allocation of resources to address emerging priorities. We introduce a novel class of Safe and Always-Valid Alpha-investing (SAVA) rules that leverages powerful tools including always valid p-values, e-processes, and online false discovery rate methods. The SAVA algorithm effectively integrates information across all tasks, mitigates the alpha-death problem, and controls the false selection rate (FSR) at all decision points. We validate the efficacy of the SAVA framework through rigorous theoretical analysis and extensive numerical experiments. Our results demonstrate that SAVA not only offers effective control of the FSR but also significantly improves statistical power compared to traditional online testing approaches.