論文の概要: Machine learning models for predicting catastrophe bond coupons using climate data

• arxiv url: http://arxiv.org/abs/2512.22660v1
• Date: Sat, 27 Dec 2025 17:19:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.16382
• Title: Machine learning models for predicting catastrophe bond coupons using climate data
• Title（参考訳）: 気候データを用いたカタストロフィ結合クーポン予測のための機械学習モデル
• Authors: Julia Kończal, Michał Balcerek, Krzysztof Burnecki,
• Abstract要約: カタストロフィ(CAT)社債は、このリスクの一部を投資家に譲渡することを可能にし、伝統的な再保証に代わる手段を提供する。 本稿では,CAT結合価格における気候変動の役割について検討し,各種機械学習モデルの予測性能を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, the growing frequency and severity of natural disasters have increased the need for effective tools to manage catastrophe risk. Catastrophe (CAT) bonds allow the transfer of part of this risk to investors, offering an alternative to traditional reinsurance. This paper examines the role of climate variability in CAT bond pricing and evaluates the predictive performance of various machine learning models in forecasting CAT bond coupons. We combine features typically used in the literature with a new set of climate indicators, including Oceanic Ni{ñ}o Index, Arctic Oscillation, North Atlantic Oscillation, Outgoing Longwave Radiation, Pacific-North American pattern, Pacific Decadal Oscillation, Southern Oscillation Index, and sea surface temperatures. We compare the performance of linear regression with several machine learning algorithms, such as random forest, gradient boosting, extremely randomized trees, and extreme gradient boosting. Our results show that including climate-related variables improves predictive accuracy across all models, with extremely randomized trees achieving the lowest root mean squared error (RMSE). These findings suggest that large-scale climate variability has a measurable influence on CAT bond pricing and that machine learning methods can effectively capture these complex relationships.
• Abstract（参考訳）: 近年、自然災害の発生頻度と重症度が増加し、災害リスクを効果的に管理するツールの必要性が高まっている。 カタストロフィ(CAT)社債は、このリスクの一部を投資家に譲渡することを可能にし、伝統的な再保証に代わる手段を提供する。 本稿では,CAT社債価格における気候変動の役割を考察し,CAT社債クーポンの予測における各種機械学習モデルの予測性能を評価する。 典型的には、海洋性Ni{ñ}o指数、北極オシレーション、北大西洋オシレーション、アウトゴーイングロングウェーブ放射、太平洋-北アメリカパターン、太平洋デカダルオシレーション、南オシレーション指数、海面温度など、新しい気候指標と組み合わせる。 線形回帰法の性能を、ランダムフォレスト、勾配押し上げ、極端ランダム化木、極端勾配押し上げなどの機械学習アルゴリズムと比較する。 以上の結果から, 気候関連変数を含め, 全モデルにおいて予測精度が向上し, 極端にランダム化された木が最低根平均二乗誤差(RMSE)を達成していることがわかった。 これらの結果は、大規模気候変動がCAT結合価格に測定可能な影響を与え、機械学習手法がこれらの複雑な関係を効果的に捉えることができることを示唆している。

関連論文リスト

• Evaluation of Machine and Deep Learning Techniques for Cyclone Trajectory Regression and Status Classification by Time Series Data [0.0]
  従来の数値天気予報モデルは、計算集約的であり、大気系のカオス的な性質のためにエラーを起こしやすい。 本研究では,全国ハリケーンセンターの時系列データを用いて,熱帯性サイクロン軌道の予測と状況に対する機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2025-09-29T00:51:07Z)
• Advancing Wildfire Risk Prediction via Morphology-Aware Curriculum Contrastive Learning [2.8646703612162243]
  森林火災は自然の生態系と人間の健康に大きな影響を与え、生物多様性の喪失、水文学上のリスクの増大、有害物質の排出の増大につながった。 データは、典型的な状況よりも山火事の発生率が著しく低い不均衡な状況へのバイアスを示している。 本稿では,パッチの動的特徴に対する潜在表現の強化を通じて,これらの課題に対してコントラッシブなフレームワークを採用する方法を検討する。
  論文  参考訳（メタデータ） (2025-07-23T14:23:45Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Generalized Autoregressive Score Trees and Forests [0.0]
  本稿では,GASモデルから,決定木やランダム林を用いてパラメータを局所化することにより,予測を改善する手法を提案する。 ストックリターンのボラティリティと密度予測への応用において、最適GASツリーモデルはレバレッジ効果と分散リスクプレミアム効果を明らかにする。 ストックボンド依存の研究では, 最適なGAS森林予測において, 飛行から品質への影響を示す証拠が得られ, 高周波取引継続時間の解析により, 体積変動効果が明らかとなった。
  論文  参考訳（メタデータ） (2023-05-30T12:41:52Z)
• Learning Inter-Annual Flood Loss Risk Models From Historical Flood Insurance Claims and Extreme Rainfall Data [0.0]
  洪水は最も壊滅的な自然災害の1つであり、実質的な経済的損失の原因となっている。 本研究は,国立洪水保険プログラムデータセット上に構築されたレジストレーターの予測能力を評価する。
  論文  参考訳（メタデータ） (2022-12-15T19:23:02Z)
• Prediction of short and long-term droughts using artificial neural networks and hydro-meteorological variables [0.0]
  ニューラルネットワーク(ANN)のモデルは、標準降水指数(SPI)を異なる時間スケールで使用することにより、短期および長期の干ばつを予測するために使用される。 その結果,全ての水文-気象変数の応用は,異なる時間スケールでのSPIの予測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） (2020-06-03T23:20:34Z)

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。