稳健 Knockoffs 方法用于控制错误发现率及其在公司债券回收率中的应用
计量经济学
2022-06-14 v1 统计金融
摘要
我们解决了金融、经济学以及复杂自然系统（如天气）中频繁出现的高度相关数据变量选择所面临的挑战。我们开发了 knockoff 框架的稳健化版本，以应对诸多影响因素间高度依赖以及强时间相关性的挑战。特别地，重复子采样策略解决了 knockoff 的变异性与因素的依赖性问题。同时，我们还在所有可能值的网格上控制错误发现比例，从而缓解了因特定错误发现水平的临时选择所导致的选中因素变异性。在公司债券回收率的应用中，我们在已知标准驱动因素之外识别出了新的重要相关因素组。但我们也表明，在样本外，所得稀疏模型具有与使用该预测因子全集的最先进机器学习模型相似的预测能力。
引用
@article{arxiv.2206.06026,
title = {Robust Knockoffs for Controlling False Discoveries With an Application to Bond Recovery Rates},
author = {Konstantin Görgen and Abdolreza Nazemi and Melanie Schienle},
journal= {arXiv preprint arXiv:2206.06026},
year = {2022}
}