論文の概要: Counting Hours, Counting Losses: The Toll of Unpredictable Work Schedules on Financial Security

• arxiv url: http://arxiv.org/abs/2504.07719v1
• Date: Thu, 10 Apr 2025 13:09:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:23:52.186530
• Title: Counting Hours, Counting Losses: The Toll of Unpredictable Work Schedules on Financial Security
• Title（参考訳）: 時間外取引、損失数:金融セキュリティに関する予測不可能な労働スケジュールの残高
• Authors: Pegah Nokhiz, Aravinda Kanchana Ruwanpathirana, Aditya Bhaskara, Suresh Venkatasubramanian,
• Abstract要約: 一貫性のある作業スケジュールに依存することができないことは、燃え尽き、仕事と家族の対立、財政的なショックにつながります。 予想外の収益変動は金融計画に課題をもたらす。 金融不確実性の中で個人が有効性を最適化する方法をモデル化するシミュレーションフレームワークを開発する。
• 参考スコア（独自算出の注目度）: 13.307007217356082
• License:
• Abstract: Financial instability has become a significant issue in today's society. While research typically focuses on financial aspects, there is a tendency to overlook time-related aspects of unstable work schedules. The inability to rely on consistent work schedules leads to burnout, work-family conflicts, and financial shocks that directly impact workers' income and assets. Unforeseen fluctuations in earnings pose challenges in financial planning, affecting decisions on savings and spending and ultimately undermining individuals' long-term financial stability and well-being. This issue is particularly evident in sectors where workers experience frequently changing schedules without sufficient notice, including those in the food service and retail sectors, part-time and hourly workers, and individuals with lower incomes. These groups are already more financially vulnerable, and the unpredictable nature of their schedules exacerbates their financial fragility. Our objective is to understand how unforeseen fluctuations in earnings exacerbate financial fragility by investigating the extent to which individuals' financial management depends on their ability to anticipate and plan for the future. To address this question, we develop a simulation framework that models how individuals optimize utility amidst financial uncertainty and the imperative to avoid financial ruin. We employ online learning techniques, specifically adapting workers' consumption policies based on evolving information about their work schedules. With this framework, we show both theoretically and empirically how a worker's capacity to anticipate schedule changes enhances their long-term utility. Conversely, the inability to predict future events can worsen workers' instability. Moreover, our framework enables us to explore interventions to mitigate the problem of schedule uncertainty and evaluate their effectiveness.
• Abstract（参考訳）: 今日の社会では金融不安定が大きな問題となっている。 研究は通常、財政的な側面に焦点を当てるが、不安定な作業スケジュールの時間関連の側面を見落としてしまう傾向にある。 一貫した仕事のスケジュールに頼らないことは、燃え尽き、仕事と家族の対立、そして労働者の収入と資産に直接影響を与える経済的ショックをもたらす。 予想外の収益変動は、財政計画の課題を引き起こし、貯蓄と支出の決定に影響を及ぼし、個人が長期的な金融安定と幸福を損なうことになる。 この問題は、食品サービスや小売業、パートタイムや時給の労働者、低収入の個人など、労働者が頻繁なスケジュール変更を十分に注意せずに経験しているセクターで特に顕著である。 これらのグループは、既により経済的に脆弱であり、予測不可能なスケジュールの性質は、彼らの財政的脆弱さを悪化させます。 我々の目的は、個人の財務管理が将来の予測と計画能力にどの程度依存するかを調査することで、収益の予想外の変動が金融の不安定性を悪化させるかを理解することである。 この課題に対処するため,金融不確実性の中で個人が有効性を最適化する方法をモデル化するシミュレーションフレームワークを開発した。 我々は、オンライン学習技術、特に作業スケジュールに関する情報の進化に基づいて、労働者の消費政策に適応する。 この枠組みでは、労働者がスケジュール変更を予測できる能力が長期的有用性を高めるか、理論的にも実証的にも示す。 逆に、将来の出来事を予測できないことは、労働者の不安定を悪化させる。 さらに,本フレームワークは,スケジュールの不確実性を軽減し,その有効性を評価するための介入を探索することを可能にする。

関連論文リスト

• Large Language Models for Financial Aid in Financial Time-series Forecasting [0.4218593777811082]
  金融支援の時系列予測は、限られた歴史的データセットと高次元財務情報のために困難である。 我々は、従来のアプローチよりも優れた性能を示すために、事前訓練されたLPM(GPT-2をバックボーンとする)、トランスフォーマー、線形モデルなど、最先端の時系列モデルを用いている。
  論文  参考訳（メタデータ） (2024-10-24T12:41:47Z)
• Performative Prediction on Games and Mechanism Design [69.7933059664256]
  エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。 予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。 よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
  論文  参考訳（メタデータ） (2024-08-09T16:03:44Z)
• Towards Financially Inclusive Credit Products Through Financial Time Series Clustering [10.06218778776515]
  財政的包摂は消費支出を増大させ、結果として事業開発を加速させる。 消費者取引データに基づく顧客セグメンテーションは、ファイナンシャルインクルージョンを促進するためによく知られた戦略である。 本稿では,顧客の財務状況を理解するための時系列クラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-16T20:40:30Z)
• On Catastrophic Inheritance of Large Foundation Models [51.41727422011327]
  大ファンデーションモデル(LFM)は素晴らしいパフォーマンスを誇示している。しかし、彼らの神話的および解釈されていないポテンシャルについて大きな懸念が持ち上がっている。 我々は, LFMに深く根ざした「破滅的継承」という, 無視された問題を特定することを提案する。 この問題の背景にある課題を議論し、事前学習と下流適応の両方からLFMの破滅的な継承を理解するためのフレームワークであるUIMを提案する。
  論文  参考訳（メタデータ） (2024-02-02T21:21:55Z)
• Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
  金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。 本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。 我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。 参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
  論文  参考訳（メタデータ） (2023-08-22T12:53:09Z)
• Comparing Multiclass Classification Algorithms for Financial Distress Prediction [0.0]
  本研究は、企業における財政難の予測と、多クラス分類の幅広い適用に焦点を当てたものである。 私たちはKaggleのベンチマークデータセットを使ってフレームワークを作成しました。 画像認識、自然言語処理、バイオインフォマティクスなど、様々な分野で使用されている。
  論文  参考訳（メタデータ） (2023-07-08T05:47:22Z)
• Measuring Consistency in Text-based Financial Forecasting Models [10.339586273664725]
  FinTrustは財務文書の論理的一貫性を評価する評価ツールである。 金融予測のための最先端NLPモデルの整合性は乏しいことを示す。 意味保存による性能劣化の分析は,現在のテキストベースの手法が市場情報の堅牢な予測に適していないことを示唆している。
  論文  参考訳（メタデータ） (2023-05-15T10:32:26Z)
• Financial Distress Prediction For Small And Medium Enterprises Using Machine Learning Techniques [5.301137510638804]
  ファイナンシャルディストレス予測(Financial Distress Prediction)は、失敗する構造物の数と確率を正確に予測することで、経済において重要な役割を果たす。 しかし、中小企業にとっての財政難の予測は、そのあいまいさが原因で困難である。 本稿では,金融データの薄面成分分析,コーポレートガバナンスの質,および市場交換データを関連ベクタマシンに組み込んだ企業FCPモデルを提案する。
  論文  参考訳（メタデータ） (2023-02-23T15:58:30Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Low-Rank Temporal Attention-Augmented Bilinear Network for financial time-series forecasting [93.73198973454944]
  ディープラーニングモデルは、金融時系列データの予測問題など、さまざまな領域から来る多くの問題において、大幅なパフォーマンス改善をもたらしている。 近年,制限順序書の時系列予測の効率的かつ高性能なモデルとして,時間的注意強化バイリニアネットワークが提案されている。 本稿では,モデルの低ランクテンソル近似を提案し,トレーニング可能なパラメータの数をさらに削減し,その速度を向上する。
  論文  参考訳（メタデータ） (2021-07-05T10:15:23Z)
• Right Decisions from Wrong Predictions: A Mechanism Design Alternative to Individual Calibration [107.15813002403905]
  意思決定者は、しばしば不完全な確率予測に頼る必要がある。 本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。 本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
  論文  参考訳（メタデータ） (2020-11-15T08:22:39Z)

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。