arXiv 机器学习· Deying Song, Xueying Ding·· 12 hours agoAI score38
时间非平稳性下的排名反转分解：对齐性、激进性与不稳定性
Decomposing Rank Reversals under Temporal Nonstationarity: Alignment, Aggressiveness, and Instability
Not yet translated; shown in Chinese.
AI guide
研究人员提出一种模型无关框架，将样本外 $R^2$ 分解为目标对齐、错误校准的激进性与预测不稳定性，解释时间非平稳性导致模型性能排名反转的结构机制。该研究推导出局部漂移下岭回归的最优记忆闭式解，并在大规模金融面板上评测了 14 种线性、树模型和神经架构。结果表明，模型排名反转主要由错误校准激进性的可预测激增驱动。
Source:arXiv 机器学习 · arxiv.org