論文の概要: An Explicit Scheme for Pathwise XVA Computations
- arxiv url: http://arxiv.org/abs/2401.13314v1
- Date: Wed, 24 Jan 2024 09:10:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-25 15:09:42.215436
- Title: An Explicit Scheme for Pathwise XVA Computations
- Title（参考訳）: パスワイズxva計算のための明示的なスキーム
- Authors: Lokman Abbas-Turki (LPSM), St\'ephane Cr\'epey (LPSM), Botao Li
(LPSM), Bouazza Saadeddine (LPSM, LaMME)
- Abstract要約: 予測されたBSDEのクラスに対してシミュレーション/回帰スキームを導入する。
このスキームは時間的に明示的で、ニューラルネットワークの最小二乗と量子レグレッションを使用する。
後続のモンテカルロ検証手順では、各段階におけるスキームの回帰誤差を評価することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Motivated by the equations of cross valuation adjustments (XVAs) in the
realistic case where capital is deemed fungible as a source of funding for
variation margin, we introduce a simulation/regression scheme for a class of
anticipated BSDEs, where the coefficient entails a conditional expected
shortfall of the martingale part of the solution. The scheme is explicit in
time and uses neural network least-squares and quantile regressions for the
embedded conditional expectations and expected shortfall computations. An a
posteriori Monte Carlo validation procedure allows assessing the regression
error of the scheme at each time step. The superiority of this scheme with
respect to Picard iterations is illustrated in a high-dimensional and hybrid
market/default risks XVA use-case.
- Abstract（参考訳）: xvas(クロス・バリュエーション・調整)の方程式に動機づけられ、変動マージンの資金源として資本が実用的と見なされる現実的な場合において、この係数は解のマルティンゲール部分の条件付き不足を伴う、予測されるbsdのクラスに対するシミュレーション/回帰スキームを導入する。
このスキームは時間的に明示的であり、ニューラルネットワークの最小二乗と量子レグレッションを組込み条件予測と予測不足計算に用いている。
後続のモンテカルロ検証手順では、各段階におけるスキームの回帰誤差を評価することができる。
ピカード反復に対するこのスキームの優位性は、高次元かつハイブリッドな市場/デフォルトリスク XVA ユースケースで示される。
関連論文リスト
- Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。
我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。
本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
論文 参考訳（メタデータ） (2023-12-07T15:55:58Z) - Calibrating Neural Simulation-Based Inference with Differentiable
Coverage Probability [50.44439018155837]
ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。
古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。
既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
論文 参考訳（メタデータ） (2023-10-20T10:20:45Z) - Quantum Monte Carlo simulations for financial risk analytics: scenario generation for equity, rate, and credit risk factors [0.0]
モンテカルロ(MC)シミュレーションは金融リスク管理に広く使われている。
収束に必要なシナリオの数のため、計算コストがかなり高い。
近年の研究では、共通リスク尺度の計算とQAEアルゴリズムの最適化が検討されている。
論文 参考訳（メタデータ） (2023-03-16T22:57:15Z) - Estimation of Non-Crossing Quantile Regression Process with Deep ReQU
Neural Networks [5.5272015676880795]
本稿では,2次単位(ReQU)活性化深層ニューラルネットワークを用いた非分離モデルにおいて,QRP(quantile regression process)を推定するペナル化非パラメトリック手法を提案する。
推定されたQRPに対する非漸近的過剰リスク境界を確立し、軽度な滑らかさと規則性条件下で推定されたQRPに対する平均2乗誤差を導出する。
論文 参考訳（メタデータ） (2022-07-21T12:26:45Z) - Smooth Nested Simulation: Bridging Cubic and Square Root Convergence
Rates in High Dimensions [10.596607712009128]
多次元条件変数の関数として条件予測の滑らかさを利用する新しい手法を提案する。
漸近解析により,シミュレーション予算の増大に伴い,提案手法は収束率に対する次元性の呪いを効果的に軽減できることが示された。
論文 参考訳（メタデータ） (2022-01-09T08:32:00Z) - Robust and Adaptive Temporal-Difference Learning Using An Ensemble of
Gaussian Processes [70.80716221080118]
本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。
OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。
1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
論文 参考訳（メタデータ） (2021-12-01T23:15:09Z) - Online Estimation and Optimization of Utility-Based Shortfall Risk [0.9999629695552195]
UBSR(Utility-Based Shortfall Risk)の推定問題について考察する。
UBSR推定問題をルート探索問題とみなし,近似に基づく推定手法を提案する。
サンプル数における推定誤差の非漸近境界を導出する。
論文 参考訳（メタデータ） (2021-11-16T22:16:03Z) - Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。
提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
論文 参考訳（メタデータ） (2020-09-29T15:00:47Z) - Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。
本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。
このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
論文 参考訳（メタデータ） (2020-09-29T12:50:33Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳（メタデータ） (2020-03-12T19:56:38Z) - Imputation for High-Dimensional Linear Regression [8.841513006680886]
LASSOは乱数設定において最小推定率を保持することを示す。
この設定では、共同根源は未成年のままである。
論文 参考訳（メタデータ） (2020-01-24T19:54:09Z)
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。