論文の概要: A Learning and Control Perspective for Microfinance

• arxiv url: http://arxiv.org/abs/2207.12631v1
• Date: Tue, 26 Jul 2022 03:35:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-27 13:35:36.641585
• Title: A Learning and Control Perspective for Microfinance
• Title（参考訳）: マイクロファイナンスのための学習と制御の視点
• Authors: Christian Kurniawan, Xiyu Deng, Adhiraj Chakraborty, Assane Gueye, Niangjun Chen and Yorie Nakahira
• Abstract要約: 発展途上国の申請者の多くは、金融機関が貸付決定を下すために必要な十分な情報を提供できない。 我々は、マイクロファイナンスの決定を、学習と制御を含む厳密な最適化ベースのフレームワークに定式化する。
• 参考スコア（独自算出の注目度）: 0.19573380763700707
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Microfinance in developing areas such as Africa has been proven to improve the local economy significantly. However, many applicants in developing areas cannot provide adequate information required by the financial institution to make a lending decision. As a result, it is challenging for microfinance institutions to assign credit properly based on conventional policies. In this paper, we formulate the decision-making of microfinance into a rigorous optimization-based framework involving learning and control. We propose an algorithm to explore and learn the optimal policy to approve or reject applicants. We provide the conditions under which the algorithms are guaranteed to converge to an optimal one. The proposed algorithm can naturally deal with missing information and systematically tradeoff multiple objectives such as profit maximization, financial inclusion, social benefits, and economic development. Through extensive simulation of both real and synthetic microfinance datasets, we showed our proposed algorithm is superior to existing benchmarks. To the best of our knowledge, this paper is the first to make a connection between microfinance and control and use control-theoretic tools to optimize the policy with a provable guarantee.
• Abstract（参考訳）: アフリカのような発展途上国のマイクロファイナンスは地域経済を大きく改善することが証明されている。 しかし、発展途上国の申請者の多くは、金融機関が貸付決定を行うために必要な十分な情報を提供できない。 その結果、マイクロファイナンス機関が従来の政策に基づいて信用を適切に割り当てることは困難である。 本稿では,マイクロファイナンスの決定を,学習と制御を含む厳密な最適化に基づくフレームワークに定式化する。 応募者を承認・拒否する最適方針を探索・学習するアルゴリズムを提案する。 アルゴリズムが最適な条件に収束することが保証される条件を提供する。 提案アルゴリズムは,不備情報を自然に処理し,利益の最大化,財務包摂,社会的利益,経済発展など,複数の目的を体系的にトレードオフすることができる。 実・合成マイクロファイナンスデータセットの広範なシミュレーションにより,提案アルゴリズムは既存のベンチマークよりも優れていることを示した。 そこで本論文は,マイクロファイナンスと制御の接続を初めて実現し,制御理論ツールを用いて,証明可能な保証でポリシーを最適化する。

関連論文リスト

• Inference of Utilities and Time Preference in Sequential Decision-Making [3.823356975862005]
  本稿では,自動投資マネージャやロボアドバイザの能力を高めるための新しい制御フレームワークを提案する。 本稿では,各クライアントのリスク許容度,日々の消費評価,重要な生活目標に合わせた,実用機能と時間変化率の一般的な割引スキームを組み込んだ連続時間モデルを提案する。 提案する枠組みは、個別の投資アドバイスを改善することで金融技術の進歩だけでなく、医療、経済学、人工知能など他の分野にも広く貢献する。
  論文  参考訳（メタデータ） (2024-05-24T23:13:56Z)
• Inclusive FinTech Lending via Contrastive Learning and Domain Adaptation [9.75150920742607]
  フィンテックの貸与は、財政的包摂の促進に重要な役割を果たしてきた。 ローン審査中にアルゴリズムによる意思決定にバイアスがかかる可能性があるという懸念がある。 自己教師付きコントラスト学習とドメイン適応を用いたトランスフォーマーに基づくシーケンシャルローンスクリーニングモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-10T01:11:35Z)
• Online Learning under Budget and ROI Constraints via Weak Adaptivity [57.097119428915796]
  制約付きオンライン学習問題に対する既存の原始双対アルゴリズムは、2つの基本的な仮定に依存している。 このような仮定は、標準の原始双対テンプレートを弱適応的後悔最小化器で与えることによって、どのように回避できるのかを示す。 上記の2つの前提が満たされていない場合に保証される、世界の最高の保証を証明します。
  論文  参考訳（メタデータ） (2023-02-02T16:30:33Z)
• Detection of fraudulent financial papers by picking a collection of characteristics using optimization algorithms and classification techniques based on squirrels [0.0]
  本手法は,財務諸表の異常を検出するためのモデルを提供することを目的としている。 リス最適化のメタ探索能力は、金融データの異常を識別するアプローチの能力とともに、提案した戦略の実装に有効であることが示されている。
  論文  参考訳（メタデータ） (2022-10-12T12:34:40Z)
• Sequential Information Design: Markov Persuasion Process and Its Efficient Reinforcement Learning [156.5667417159582]
  本稿では,逐次情報設計の新たなモデル,すなわちマルコフ説得過程(MPP)を提案する。 MPPのプランニングは、ミオピックレシーバーに同時に説得されるシグナルポリシーを見つけ、送信者の最適な長期累積ユーティリティを誘導する、というユニークな課題に直面している。 我々は,楽観主義と悲観主義の両原理の新たな組み合わせを特徴とする,実証可能な効率のよい非回帰学習アルゴリズム,Optimism-Pessimism Principle for Persuasion Process (OP4) を設計する。
  論文  参考訳（メタデータ） (2022-02-22T05:41:43Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• Modularity in Reinforcement Learning via Algorithmic Independence in Credit Assignment [79.5678820246642]
  提案手法は, 事前決定の順序に対して, スパース変化のみを必要とする伝達問題に対して, 政策段階の手法よりも, より標本効率が高いことを示す。 我々は最近提案された社会的意思決定の枠組みをマルコフ決定プロセスよりもよりきめ細かい形式主義として一般化する。
  論文  参考訳（メタデータ） (2021-06-28T21:29:13Z)
• Explaining Credit Risk Scoring through Feature Contribution Alignment with Expert Risk Analysts [1.7778609937758323]
  私たちは企業の信用スコアにフォーカスし、さまざまな機械学習モデルをベンチマークします。 目標は、企業が一定の期間内に金融問題を経験しているかどうかを予測するモデルを構築することです。 我々は、信用リスクの専門家とモデル機能属性説明との相違を強調した専門家による機能関連スコアを提供することで、光を当てる。
  論文  参考訳（メタデータ） (2021-03-15T12:59:15Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)
• Cost-Sensitive Portfolio Selection via Deep Reinforcement Learning [100.73223416589596]
  深層強化学習を用いたコスト依存型ポートフォリオ選択手法を提案する。 具体的には、価格系列パターンと資産相関の両方を抽出するために、新しい2ストリームポートフォリオポリシーネットワークを考案した。 蓄積したリターンを最大化し、強化学習によるコストの両立を抑えるため、新たなコスト感受性報酬関数が開発された。
  論文  参考訳（メタデータ） (2020-03-06T06:28:17Z)
• Credit Scoring for Good: Enhancing Financial Inclusion with Smartphone-Based Microlending [6.919243767837342]
  20億人以上、最も貧しい成人の半分以上が正式な金融サービスを使っていない。 スマートフォンベースのマイクロレンディングは、財務的包摂性を高めるための潜在的なソリューションとして登場した。 本稿では,これらのアプリケーションで使用されるクレジットスコアリングモデルの予測性能を改善する手法を提案する。
  論文  参考訳（メタデータ） (2020-01-29T18:07:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。