論文の概要: Forward-Looking Stress Testing Under Macro Scenarios: Stable SVaR Estimation Using a Hybrid GPR-HS Framework with SACS
- arxiv url: http://arxiv.org/abs/2606.07575v1
- Date: Tue, 26 May 2026 18:02:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 07:09:36.738136
- Title: Forward-Looking Stress Testing Under Macro Scenarios: Stable SVaR Estimation Using a Hybrid GPR-HS Framework with SACS
- Title（参考訳）: マクロシナリオによる前向き応力試験:SACSを用いたハイブリッドGPR-HSフレームワークによる安定SVaR推定
- Authors: Ujjwala Vadrevu,
- Abstract要約: 本稿では,Hybrid Gaussian Process Regression Historical Simulation (GPR-HS) フレームワークを前向きのストレスシナリオに拡張する。
主要な貢献は、ストレス共分散を歴史的危機体制の重み付け集合として構成するシナリオ平均共分散安定化(SACS)フレームワークである。
その結果,SACS を用いた GPR-HS は SVaR と SES の推定を CCAR および ICAAP アプリケーションで行うための安定かつ規制の整ったアプローチとしてサポートした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Regulatory stress testing frameworks, including the Comprehensive Capital Analysis and Review (CCAR) and the Internal Capital Adequacy Assessment Process (ICAAP), require robust Stressed Value-at-Risk (SVaR) estimation under forward-looking macroeconomic scenarios. Traditional parametric approaches often exhibit numerical instability under extreme shocks, reducing the reliability of capital projections. This paper extends the Hybrid Gaussian Process Regression Historical Simulation (GPR-HS) framework of Vadrevu (2026) to forward-looking stress scenarios, demonstrating stability across three regimes: West Asia War, Climate Risk, and AI Bubble/Regulation. A key contribution is the Scenario-Averaged Covariance Stabilization (SACS) framework, which constructs stress covariance as a weighted aggregation of historical crisis regimes, providing stable and interpretable dependence structures. Stressed return paths are generated over a 252-day horizon using deterministic drift and stochastic residuals, while volatility is modeled via Gaussian Process Regression with Aggressive Noise Initialization (ANI). The framework exhibits consistent convergence across all assets and scenarios. SVaR ranges from -2.1020% to -2.2231%, with the coherence property |SES| > |SVaR| preserved. The results support GPR-HS with SACS as a stable and regulator-aligned approach for forward-looking SVaR and SES estimation in CCAR and ICAAP applications.
- Abstract（参考訳）: CCAR(Comprehensive Capital Analysis and Review)やICAAP(Innal Capital Adequacy Assessment Process)などの規制ストレステストフレームワークは、前向きなマクロ経済シナリオの下で、堅牢なストレス付きバリュー・アット・リスク(SVaR)推定を必要とする。
伝統的なパラメトリックなアプローチは、しばしば極端な衝撃の下で数値的な不安定性を示し、資本投射の信頼性を低下させる。
本稿では,Vadrevu(2026)のハイブリッドガウスプロセス回帰履歴シミュレーション(GPR-HS)フレームワークを拡張し,西アジア戦争,気候リスク,AIバブル/規制という3つの体制の安定性を実証する。
主要な貢献は、ストレス共分散を歴史的危機体制の重み付け集合として構築し、安定かつ解釈可能な依存構造を提供するシナリオ平均共分散安定化(SACS)フレームワークである。
応力帰還経路は決定論的ドリフトと確率的残差を用いて252日間の地平線上で生成され、ボラティリティは攻撃的雑音初期化(ANI)を伴うガウス過程回帰(英語版)によってモデル化される。
このフレームワークは、すべての資産とシナリオに一貫した収束を示す。
SVaRは-2.1020%から-2.2231%の範囲で、コヒーレンス特性は |SES| > |SVaR| である。
その結果, CCAR および ICAAP アプリケーションにおける SVaR と SES 推定のための, SACS を用いた GPR-HS を, 安定かつ規制に整合したアプローチとしてサポートした。
関連論文リスト
- A Hybrid Gaussian Process Regression Framework for Stable Volatility-Covariance Estimation: Evidence from Global Equity Indices [0.0]
本稿では,7大グローバルエクイティ指標の多様化ポートフォリオにまたがって,バリュー・アット・リスク(VaR)と期待短絡(ES)を推定するためのハイブリッドガウスプロセス回帰履歴シミュレーション(GPR-HS)フレームワークを提案し,検証する。
主要な方法論的貢献は攻撃的ノイズ初期化(ANI)戦略であり、これはトレーニングリターンの経験的分散に等しい初期ホワイトノイズカーネルの分散を設定するものである。
論文 参考訳（メタデータ） (2026-05-17T05:52:54Z) - Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
マルチモーダル学習は、しばしば低品質データの課題に悩まされる。
コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。
私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
論文 参考訳（メタデータ） (2026-05-05T14:48:52Z) - SEA-Eval: A Benchmark for Evaluating Self-Evolving Agents Beyond Episodic Assessment [52.87618765740484]
本稿では、Self-Evolving Evolutionary Agentを定義し、SEAの評価に特化して設計された最初のベンチマークであるSEA-Evalを紹介する。
SEA-Evalは、主要な指標として$SR$と$T$を確立し、シーケンシャルなタスクストリーム設計を通じて進化的ゲイン、進化的安定性、暗黙的なアライメント収束を実現できる。
論文 参考訳（メタデータ） (2026-04-10T05:49:50Z) - RDEx-SOP: Exploitation-Biased Reconstructed Differential Evolution for Fixed-Budget Bound-Constrained Single-Objective Optimization [13.368759036974224]
本報告では, IEEE CEC 2025数値最適化コンペティションで使用される, 評価バイアス付き成功史差分進化変種RDEx-SOPについて述べる。
RDEx-SOP を U-score フレームワークによる公式 CEC 2025 SOP ベンチマークで評価する(高速化と精度のカテゴリ)。
論文 参考訳（メタデータ） (2026-03-28T02:18:38Z) - RE-SAC: Disentangling aleatoric and epistemic risks in bus fleet control: A stable and robust ensemble DRL approach [19.34848029403215]
交通量と旅客需要のため、バスの保有管理は困難である。
標準的なアクター批判アルゴリズムは揮発性環境におけるQ値不安定性に悩まされる。
本研究では,不確実性を解消するために,頑健なアンサンブル・ソフトアクター・クリティック・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-19T01:37:45Z) - $V_{0.5}$: Generalist Value Model as a Prior for Sparse RL Rollouts [81.48669089692189]
一般値モデル(例えば$V_0.5$)は、コンテキスト内のモデル機能を明示的にエンコードすることで、事前訓練された値推定を実現する。
本稿では,このような値モデルにより予測されるベースラインと,スパースロールアウトから導出される経験的平均とを適応的に融合する$V_0.5$を提案する。
V_0.5$はGRPOとDAPOを大きく上回り、より高速な収束と約10%のパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2026-03-11T14:57:41Z) - Sim2Act: Robust Simulation-to-Decision Learning via Adversarial Calibration and Group-Relative Perturbation [54.29523408543184]
シミュレーションと意思決定の学習は、現実世界の展開を危険にさらすことなく、デジタル環境で安全なポリシートレーニングを可能にする。
既存のアプローチでは、平均的なシミュレーションの忠実さを改善するか、保守的な正規化を採用するかに重点を置いている。
提案するSim2Actは,シミュレータとポリシーのロバスト性の両方に対処するロバストなシミュレーション・トゥ・意思決定フレームワークである。
論文 参考訳（メタデータ） (2026-03-10T00:51:47Z) - On the Plasticity and Stability for Post-Training Large Language Models [54.757672540381236]
塑性と安定性勾配の矛盾として根本原因を同定する。
本稿では,確率的衝突解決法(PCR)を提案する。
PCRはトレーニングの軌道を著しく滑らかにし、様々な推論タスクにおいて優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-02-06T07:31:26Z) - Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。
RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。
批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。
AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
論文 参考訳（メタデータ） (2025-04-21T04:56:47Z) - Adaptive Insurance Reserving with CVaR-Constrained Reinforcement Learning under Macroeconomic Regimes [0.0]
本稿では、テールリスク感度、マクロ経済体制モデリング、規制コンプライアンスを統合した保険保留のための強化学習(RL)フレームワークを提案する。
このフレームワークは、固定ショックストレステストとシステマティック・ストラテライズド・アナリティクスに対応しており、不確実性の下での維持に原則的で原則化されたアプローチを提供する。
論文 参考訳（メタデータ） (2025-04-13T01:43:25Z)
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。