論文の概要: Risk-limiting Financial Audits via Weighted Sampling without Replacement
- arxiv url: http://arxiv.org/abs/2305.06884v1
- Date: Mon, 8 May 2023 17:34:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 14:23:42.319358
- Title: Risk-limiting Financial Audits via Weighted Sampling without Replacement
- Title(参考訳): 重み付きサンプリングによるリスク制限型財務監査
- Authors: Shubhanshu Shekhar, Ziyu Xu, Zachary C. Lipton, Pierre J. Liang,
Aaditya Ramdas
- Abstract要約: $N$の取引が与えられた場合、目標は、不正な通貨の合計分を所定の精度で見積もることである。
重み付き平均値が未知の値に対して新しい信頼シーケンスを構築することでこれを行う。
側情報が十分に予測可能な場合には,直接サンプリングを行うことができることを示す。
- 参考スコア(独自算出の注目度): 47.189919138260066
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce the notion of a risk-limiting financial auditing (RLFA): given
$N$ transactions, the goal is to estimate the total misstated monetary
fraction~($m^*$) to a given accuracy $\epsilon$, with confidence $1-\delta$. We
do this by constructing new confidence sequences (CSs) for the weighted average
of $N$ unknown values, based on samples drawn without replacement according to
a (randomized) weighted sampling scheme. Using the idea of importance weighting
to construct test martingales, we first develop a framework to construct CSs
for arbitrary sampling strategies. Next, we develop methods to improve the
quality of CSs by incorporating side information about the unknown values
associated with each item. We show that when the side information is
sufficiently predictive, it can directly drive the sampling. Addressing the
case where the accuracy is unknown a priori, we introduce a method that
incorporates side information via control variates. Crucially, our construction
is adaptive: if the side information is highly predictive of the unknown
misstated amounts, then the benefits of incorporating it are significant; but
if the side information is uncorrelated, our methods learn to ignore it. Our
methods recover state-of-the-art bounds for the special case when the weights
are equal, which has already found applications in election auditing. The
harder weighted case solves our more challenging problem of AI-assisted
financial auditing.
- Abstract(参考訳): リスクリミット金融監査(RLFA)の概念を導入し、N$取引が与えられた場合、その目標は、不当な金融分率~(m^*$)の合計を、信頼度1-\delta$で、所定の精度$\epsilon$に見積もることである。
我々は、(ランダム化)重み付けサンプリング方式に基づいて、置換せずに引き出されたサンプルに基づいて、重み付け平均の未知値に対して新しい信頼シーケンス(CS)を構築する。
重み付けという概念を用いて,まず任意のサンプリング戦略のためのCSを構築するためのフレームワークを開発する。
次に,各項目に関連付けられた未知の値の側面情報を組み込むことで,CSの品質を向上させる手法を開発した。
側情報が十分に予測可能な場合には,直接サンプリングを行うことができることを示す。
事前の精度が不明な場合に対して,制御変数によるサイド情報を組み込む手法を提案する。
重要なことに、我々の構築は適応的であり、もしサイド情報が未知の誤り量の高い予測値であるなら、それを組み込むことの利点は重要である。
提案手法は, 選挙監査に既に適用されている重みが等しければ, 特別の場合の最先端の限界を回復する。
より重み付けされたケースは、AIによる財務監査のより困難な問題を解決します。
関連論文リスト
- Is Offline Decision Making Possible with Only Few Samples? Reliable
Decisions in Data-Starved Bandits via Trust Region Enhancement [25.68354404229254]
データスターブされた設定であっても、最適な設定と競合するポリシーを見つけることが可能であることを示す。
これは、少数のサンプルにのみ依存することで重要な決定をしなければならない設定において、信頼性の高い意思決定への道を開くものだ。
論文 参考訳(メタデータ) (2024-02-24T03:41:09Z) - Noise-Adaptive Confidence Sets for Linear Bandits and Application to Bayesian Optimization [15.275864909088577]
事前の未知のノイズレベルに適応することは、シーケンシャルな意思決定において非常に重要であるが難しい問題である。
未知のガウスパラメータ $sigma_*2$ に半適応的な新しい信頼集合を提案する。
有界報酬に対しては,先行技術により数値性能が大幅に向上した新しい分散適応信頼セットを提案する。
論文 参考訳(メタデータ) (2024-02-12T00:19:09Z) - Corruption-Robust Algorithms with Uncertainty Weighting for Nonlinear
Contextual Bandits and Markov Decision Processes [59.61248760134937]
本稿では,$tildeO(sqrtT+zeta)$を後悔するアルゴリズムを提案する。
提案アルゴリズムは、最近開発された線形文脈帯域からの不確実性重み付き最小二乗回帰に依存する。
本稿では,提案アルゴリズムをエピソディックなMDP設定に一般化し,まず汚職レベル$zeta$への付加的依存を実現する。
論文 参考訳(メタデータ) (2022-12-12T15:04:56Z) - CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。
本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。
私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
論文 参考訳(メタデータ) (2021-10-04T17:59:31Z) - Confidence-Budget Matching for Sequential Budgeted Learning [69.77435313099366]
問合せ予算で意思決定問題を定式化する。
我々は,多腕バンディット,線形バンディット,強化学習問題を考察する。
我々は,CBMに基づくアルゴリズムが逆性の存在下で良好に動作することを示す。
論文 参考訳(メタデータ) (2021-02-05T19:56:31Z) - Uncertainty quantification using martingales for misspecified Gaussian
processes [52.22233158357913]
本稿では,ガウス過程(GP)の不確定な定量化を,不特定先行条件下で解決する。
マルティンゲール法を用いて未知関数に対する信頼シーケンス(CS)を構築する。
我々のCSは統計的に有効であり、実証的に標準GP法より優れています。
論文 参考訳(メタデータ) (2020-06-12T17:58:59Z) - Confidence sequences for sampling without replacement [39.98103047898974]
私たちは$thetastar$に対して信頼性シーケンスを設計するための一連のツールを提示します。
CS は、(C_n)_n=1N$ の信頼集合の列で、サイズが小さく、高い確率で$thetastar$ を同時に含む。
次に、WoRサンプリングのためのHoeffding-およびExperiical-Bernstein-type time-uniform CSと固定時間信頼区間を示す。
論文 参考訳(メタデータ) (2020-06-08T04:30:25Z) - Debiased Off-Policy Evaluation for Recommendation Systems [8.63711086812655]
A/Bテストは信頼できるが、時間と費用がかかり、失敗のリスクが伴う。
提案手法は,履歴データに対するアルゴリズムの性能を推定する手法である。
提案手法は,最先端手法よりも平均2乗誤差が小さい。
論文 参考訳(メタデータ) (2020-02-20T02:30:02Z) - The Simulator: Understanding Adaptive Sampling in the
Moderate-Confidence Regime [52.38455827779212]
エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。
適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。
我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
論文 参考訳(メタデータ) (2017-02-16T23:42:02Z)
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。