Fugu-MT 論文翻訳(概要): Explainable Regime Aware Investing

論文の概要: Explainable Regime Aware Investing

arxiv url: http://arxiv.org/abs/2603.04441v1
Date: Sat, 21 Feb 2026 00:33:16 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-09 01:20:08.217506
Title: Explainable Regime Aware Investing
Title（参考訳）: 説明可能なレジームの投資
Authors: Amine Boukardagha,
Abstract要約: 本稿では,厳密な因果関係を持つ Wasserstein Hidden Markov Model に基づくレシック・アウェア・ポートフォリオ構築フレームワークを提案する。ワッサーシュタインHMMレジームは、等重量およびSPXの買いと持ち株のベンチマークと対照的に、非常に高いリスク調整性能を達成している。
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: We propose an explainable regime-aware portfolio construction framework based on a strictly causal Wasserstein Hidden Markov Model. The model combines rolling Gaussian HMM inference with predictive model-order selection and template-based identity tracking using the 2-Wasserstein distance between Gaussian components. This allows regime complexity to adapt dynamically while preserving stable economic interpretation. Regime probabilities are embedded into a transaction-cost-aware mean-variance optimization framework and evaluated on a diversified daily cross-asset universe. Relative to equal-weight and SPX buy-and-hold benchmarks, the Wasserstein HMM achieves materially higher risk-adjusted performance with Sharpe ratios of 2.18 versus 1.59 and 1.18 and substantially lower maximum drawdown of negative 5.43 percent versus negative 14.62 percent for SPX. During the early 2025 equity selloff labeled Liberation Day, the strategy dynamically reduced equity exposure and shifted toward defensive assets, mitigating peak-to-trough losses. Compared to a nonparametric KNN conditional-moment estimator using the same features and optimization layer, the parametric regime model produces materially lower turnover and smoother weight evolution. The results demonstrate that regime inference stability, particularly identity preservation and adaptive complexity control, is a first-order determinant of portfolio drawdown and implementation robustness in daily asset allocation.
Abstract（参考訳）: 本稿では,厳密な因果関係を持つ Wasserstein Hidden Markov Model に基づくレシック・アウェア・ポートフォリオ構築フレームワークを提案する。このモデルは、ガウス成分間の2-ワッサーシュタイン距離を用いて、ローリングガウスHMM推論と予測モデル順序選択とテンプレートベースのアイデンティティトラッキングを組み合わせる。これにより、安定した経済解釈を維持しながら、レジームの複雑さを動的に適応させることができる。レジーム確率は、トランザクションコストを意識した平均分散最適化フレームワークに組み込まれ、多様化した日々のクロスアセスト宇宙上で評価される。等重量およびSPXの買いと持ち株のベンチマークと対照的に、ワッサースタイン HMMはシャープ比が2.18対1.59対1.18であり、SPXではマイナスの5.33%対マイナス14.62パーセントでかなり高いリスク調整性能を達成している。 2025年の初旬、株式売却は「解放の日」とラベル付けされ、この戦略は株式の露出を動的に減らし、防御資産に移行し、ピーク・ツー・トラフの損失を軽減した。同じ特徴と最適化層を用いた非パラメトリックKNN条件運動推定器と比較すると、パラメトリックレジームモデルでは、実質的に低いターンオーバーとよりスムーズなウェイト進化が生じる。その結果、レシエーション推論の安定性、特にアイデンティティの保存と適応的複雑性制御は、ポートフォリオの減少と日々の資産配分におけるロバスト性の第一次決定要因であることが示された。

関連論文リスト

ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
論文参考訳（メタデータ） (2026-02-27T05:22:01Z)
Equivariant Evidential Deep Learning for Interatomic Potentials [55.6997213490859]
不確かさの定量化は、分子動力学シミュレーションにおける機械学習の原子間ポテンシャルの信頼性を評価するために重要である。既存のMLIPのUQアプローチは、高い計算コストや準最適性能によって制限されることが多い。我々は,原子間ポテンシャルの定量的深層学習(texte2$IP)を提案する。
論文参考訳（メタデータ） (2026-02-11T02:00:25Z)
A Novel approach to portfolio construction [0.0]
本稿では,資産選択とポートフォリオ構築のための機械学習ベースのフレームワークを提案する。 BPASGM(Best-Path Algorithm Sparse Graphical Model)と呼ばれる。モンテカルロシミュレーションでは、BPASGMベースのポートフォリオはより安定したリスク-リターンプロファイル、実現されたボラティリティの低減、リスク調整性能の向上を実現している。
論文参考訳（メタデータ） (2026-02-03T09:52:06Z)
The Limits of Conditional Volatility: Assessing Cryptocurrency VaR under EWMA and IGARCH Models [0.0]
暗号通貨のリスク管理に標準の静的幾何学的ブラウン運動(GBM)モデルを適用すると、システム障害が生じた。本研究では,EWMA/IGARCHベースラインの3つの条件ボラティリティモデル,明示的な平均回帰(IGARCH + MR)を付加したIGARCHモデル,および相関モンテカルロVRフレームワーク内のEGARCHスタイルの非対称ショックモデルを用いた修正EGARCHスタイルモデルについて比較検討した。以上の結果から,非対称モデル(モデル3)では過度な過度化が生じる一方,固定性が著しく低下するリスク(5%のバリュー・アット・リスクが50%減少する)が著しく過小評価されることが示唆された。
論文参考訳（メタデータ） (2026-01-20T09:11:24Z)
Reinforcement Learning from Probabilistic Forecasts for Safe Decision-Making via Conditional Value-at-Risk Planning [41.52380204321823]
本稿では,ベイズ予測,後方サンプリング強化学習,計画とを結合した統一的枠組みである不確実性認識マルコフ決定プロセス(UAMDP)を提案する。構造的不確実性と経済のボラティリティを特徴とする2つのドメインの高頻度株式取引と小売在庫管理において,UAMDPを評価した。
論文参考訳（メタデータ） (2025-10-09T13:46:32Z)
Geometric-Mean Policy Optimization [117.05113769757172]
グループ相対政策最適化(GRPO)は,大規模言語モデルの推論能力を大幅に向上させた。 GRPOは、不利な重要度重み付けされた報酬を持つトークンに直面すると、不安定なポリシー更新に悩まされる。本稿では,GRPOの安定性を向上させるために,トークン報酬の出力を抑えることにより,GMPO(Geometric-Mean Policy Optimization)を提案する。
論文参考訳（メタデータ） (2025-07-28T09:54:05Z)
End-to-End Large Portfolio Optimization for Variance Minimization with Neural Networks through Covariance Cleaning [0.0]
我々は,世界規模の最小分散ポートフォリオを提供する回転不変ニューラルネットワークを開発した。この明示的な数学的写像は各加群の役割を明確に解釈できる。単一モデルは数百株のパネルで校正でき、再訓練せずに1000米国株に適用される。
論文参考訳（メタデータ） (2025-07-02T17:27:29Z)
LLaDA 1.5: Variance-Reduced Preference Optimization for Large Language Diffusion Models [95.77351099118323]
Masked Diffusion Models (MDM) は言語モデリングにおいて有望なパラダイムである。この課題は、優先最適化に必要なエビデンス・ロウアー・バウンド(ELBO)に基づく推定値の高分散から生じる。本稿では,ELBO推定器の偏差を公式に解析し,優先最適化勾配の偏差と偏差を導出するフレームワークであるVRPOを提案する。
論文参考訳（メタデータ） (2025-05-25T16:36:20Z)
UncertaintyRAG: Span-Level Uncertainty Enhanced Long-Context Modeling for Retrieval-Augmented Generation [93.38604803625294]
IncertaintyRAG, a novel approach for long-context Retrieval-Augmented Generation (RAG)について紹介する。我々は、SNR(Signal-to-Noise Ratio)ベースのスパン不確実性を用いて、テキストチャンク間の類似性を推定する。不確かさRAGはLLaMA-2-7Bでベースラインを2.03%上回り、最先端の結果を得る。
論文参考訳（メタデータ） (2024-10-03T17:39:38Z)
Portfolio Optimization with Robust Covariance and Conditional Value-at-Risk Constraints [0.0]
各種のLedoit Shrinkage CovarianceおよびRobust Gerber CovarianceMatrixを用いた大容量ポートフォリオの性能評価を行った。堅牢性評価は、特に強気相場で、市場資本化の重み付けされたベンチマークポートフォリオを上回る可能性がある。我々は最適化アルゴリズムに教師なしクラスタリングアルゴリズムK平均を組み込んだ。
論文参考訳（メタデータ） (2024-06-02T03:50:20Z)

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。