基于空间符号的直接稀疏线性判别分析用于高维数据
投资组合管理
2025-09-12 v7 计算金融
摘要
本文研究了在高维数据中处理椭圆分布的鲁棒线性判别分析（LDA）问题。我们提出了一种鲁棒分类方法，称为 SSLDA，旨在抵御重尾分布的影响。我们证明了 SSLDA 在误分类率和估计误差方面具有最优收敛率。我们的理论结果经大量数值实验验证，实验使用了模拟数据和真实数据集。与当前方法相比，SSLDA 方法在有限样本性能上具有显著优势，能够有效抵御重尾分布的扰动。
引用
@article{arxiv.2504.11116,
title = {Breaking the Dimensional Barrier: A Pontryagin-Guided Direct Policy Optimization for Continuous-Time Multi-Asset Portfolio Choice},
author = {Jeonggyu Huh and Jaegi Jeon and Hyeng Keun Koo and Byung Hwa Lim},
journal= {arXiv preprint arXiv:2504.11116},
year = {2025}
}