論文の概要: Pricing Catastrophe Bonds -- A Probabilistic Machine Learning Approach

• arxiv url: http://arxiv.org/abs/2405.00697v1
• Date: Wed, 10 Apr 2024 11:20:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-05 17:54:32.177365
• Title: Pricing Catastrophe Bonds -- A Probabilistic Machine Learning Approach
• Title（参考訳）: 価格変動結合 - 確率論的機械学習アプローチ
• Authors: Xiaowei Chen, Hong Li, Yufan Lu, Rui Zhou,
• Abstract要約: 本稿では,一次市場におけるカタストロフィ(CAT)結合の価格設定のための機械学習手法を提案する。 提案手法は、機械学習に基づく予測モデルと、革新的なアルゴリズムであるコンフォーマル予測を組み合わせたものである。 1999年1月から2021年3月までの一次市場CAT社債取引記録から,提案手法はより堅牢であることが判明した。
• 参考スコア（独自算出の注目度）: 10.8179271031934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a probabilistic machine learning method to price catastrophe (CAT) bonds in the primary market. The proposed method combines machine-learning-based predictive models with Conformal Prediction, an innovative algorithm that generates distribution-free probabilistic forecasts for CAT bond prices. Using primary market CAT bond transaction records between January 1999 and March 2021, the proposed method is found to be more robust and yields more accurate predictions of the bond spreads than traditional regression-based methods. Furthermore, the proposed method generates more informative prediction intervals than linear regression and identifies important nonlinear relationships between various risk factors and bond spreads, suggesting that linear regressions could misestimate the bond spreads. Overall, this paper demonstrates the potential of machine learning methods in improving the pricing of CAT bonds.
• Abstract（参考訳）: 本稿では,一次市場におけるカタストロフィ(CAT)結合の価格設定のための確率論的機械学習手法を提案する。 提案手法は、機械学習に基づく予測モデルと、CAT社債価格の分布自由確率予測を生成する革新的なアルゴリズムであるConformal Predictionを組み合わせる。 1999年1月から2021年3月までの一次市場におけるCAT社債取引記録を用いて,提案手法は従来手法よりもより堅牢で,より正確な社債取引の予測が得られた。 さらに, 線形回帰よりも有意な予測区間を生成し, 種々のリスク因子と結合拡散の間の重要な非線形関係を同定し, 線形回帰が結合拡散を誤って推定できることを示唆した。 本稿では,CAT結合の価格改善における機械学習手法の可能性を示す。

関連論文リスト

• PairCFR: Enhancing Model Training on Paired Counterfactually Augmented Data through Contrastive Learning [49.60634126342945]
  Counterfactually Augmented Data (CAD)は、既存のデータサンプルのラベルを他のクラスに戻すのに、最小限かつ十分な修正を適用することで、新しいデータサンプルを作成する。 近年の研究では、CADを用いたトレーニングが、他の重要な文脈情報を無視しながら、モデルが修正機能に過度にフォーカスする可能性があることが示されている。 我々は、対実的手がかりの学習に加えて、グローバルな特徴アライメントを促進するために、対照的な学習を採用する。
  論文  参考訳（メタデータ） (2024-06-09T07:29:55Z)
• Financial Time-Series Forecasting: Towards Synergizing Performance And Interpretability Within a Hybrid Machine Learning Approach [2.0213537170294793]
  本稿では、ハイブリッド機械学習アルゴリズムの比較研究を行い、モデル解釈可能性の向上に活用する。 本稿では,金融時系列予測において出現する潜伏関係や複雑なパターンの発掘を目的とした,分解,自己相関関数,指数的三重予測など,時系列統計の事前処理技術に関する体系的な概要を述べる。
  論文  参考訳（メタデータ） (2023-12-31T16:38:32Z)
• Knowledge Relation Rank Enhanced Heterogeneous Learning Interaction Modeling for Neural Graph Forgetting Knowledge Tracing [1.0152838128195467]
  知識追跡モデルは 教育データマイニングに応用されています ニューラルネットワークを用いた知識追跡(NGFKT)のための知識関係ランク強化不均質学習相互作用モデリングを提案する。 NGFKTモデルは、AUC、ACC、パフォーマンス安定性(PS)の観点から、すべてのベースラインモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2023-04-08T07:29:53Z)
• Analyzing Machine Learning Models for Credit Scoring with Explainable AI and Optimizing Investment Decisions [0.0]
  本稿では、説明可能なAI(XAI)の実践に関連する2つの異なる質問について検討する。 この研究では、単一分類器(論理回帰、決定木、LDA、QDA)、異種アンサンブル(AdaBoost、ランダムフォレスト)、シーケンシャルニューラルネットワークなど、さまざまな機械学習モデルを比較した。 LIMEとSHAPの2つの高度なポストホックモデル説明可能性技術を用いて、MLベースのクレジットスコアリングモデルを評価する。
  論文  参考訳（メタデータ） (2022-09-19T21:44:42Z)
• Augmented Bilinear Network for Incremental Multi-Stock Time-Series Classification [83.23129279407271]
  本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。 本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。 この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
  論文  参考訳（メタデータ） (2022-07-23T18:54:10Z)
• A Unified Bayesian Framework for Pricing Catastrophe Bond Derivatives [0.0]
  本稿では、カタストロフィと金利の不確実性の定量化に基づく統一ベイズCAT社債価格の枠組みを提案する。 我々の枠組みは、災害のリスクに関する複雑な信念を、災害発生における別々で一般的なパターンを捉えることを可能にする。 災害リスクプロファイルのクラスタリングに対応する各種CATボンド契約の価格と予測されるリスクプリミアを評価した。
  論文  参考訳（メタデータ） (2022-05-09T18:45:49Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Wavelet Denoising and Attention-based RNN-ARIMA Model to Predict Forex Price [0.30458514384586405]
  ARIMA(Autoregressive Integrated Average)は,ウェーブレットのデノイング,アテンションベースリカレントニューラルネットワーク(ARNN),自動回帰統合型インテグレート・アベレージ・アベレージ(ARIMA)を統合した新しい手法を提案する。 USD/JPYの5分間データに対する実験は,ベースライン法よりも優れている。
  論文  参考訳（メタデータ） (2020-08-16T05:32:40Z)
• 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)
• Precise Tradeoffs in Adversarial Training for Linear Regression [55.764306209771405]
  本稿では,ガウス的特徴を伴う線形回帰の文脈における対人訓練の役割を,正確かつ包括的に理解する。 我々は,同時代のミニマックス対逆訓練手法によって達成された標準/ロバスト精度とそれに対応するトレードオフを正確に特徴づける。 逆行訓練アルゴリズムの理論は、様々な要因(トレーニングデータのサイズや品質、モデルの過度化など)がこれらの2つの競合するアキュラシー間のトレードオフにどのように影響するかを厳密に研究する上で役立ちます。
  論文  参考訳（メタデータ） (2020-02-24T19:01:47Z)
• Adversarial Attacks on Machine Learning Systems for High-Frequency Trading [55.30403936506338]
  逆機械学習の観点から,アルゴリズム取引のバリュエーションモデルについて検討する。 攻撃コストを最小限に抑えるサイズ制約で、このドメインに特有の新たな攻撃を導入する。 本稿では、金融モデルのロバスト性について研究・評価するための分析ツールとして、これらの攻撃がどのように利用できるかについて論じる。
  論文  参考訳（メタデータ） (2020-02-21T22:04:35Z)

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。