論文の概要: GAGI: A Gini-Adjusted GDP-per-Capita Index for Distribution-Aware Macroeconomic Welfare Monitoring

• arxiv url: http://arxiv.org/abs/2606.09944v1
• Date: Mon, 08 Jun 2026 03:30:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.075148
• Title: GAGI: A Gini-Adjusted GDP-per-Capita Index for Distribution-Aware Macroeconomic Welfare Monitoring
• Title（参考訳）: GAGI : 配当対応マクロ経済福祉モニタリングのための一人当たりGDP指標
• Authors: Sivasathivel Kandasamy,
• Abstract要約: 一人当たりGDPはデフォルトのレンズであり、統治機関は経済の繁栄と経済イベントの結果を追跡する。 我々は、福祉調整による繁栄が、中心的なGDP成長から、絶え間なく、そしてますます遠ざかっていることを示す。 GDPベースのモニタリングには,GAGIが不可欠である,と我々は主張する。
• 参考スコア（独自算出の注目度）: 3.4328929125111514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: GDP per capita is the default lens through which governibng bodies track the economic prosperity and consequences of economic events , yet it is blind to two first-order determinants of lived prosperity: income/wealth distribution and inflation impact. Inequality-adjusted income measures are themselves not new but What is missing from the macroeconomic monitoring toolkit specifically is not a welfare concept but an operational monitoring trigger: a statistic minimal enough to compute annually from public data, transparent enough to audit without modelling assumptions, and normalised so that year-on-year, cross-country change ? the quantity a regulator needs to act on? is legible. We assemble such an instrument, the Gini- Adjusted GDP per Capita Index (GAGI): a reproducible, publicly computable formulation that rescales each country's GDP per capita by its inequality-adjustment factor (1-G) and its price level, normalised to a 2010 baseline. GAGI is a general-purpose welfare index, not inherently specific to AI automation, applicable wherever welfare-adjusted prosperity needs tracking. Applying GAGI to the G7 economies over 2010-2026, we show that welfare-adjusted prosperity has diverged persistently and increasingly from headline GDP growth, that the divergence widens sharply after 2022, temporally coincident with, though not, on this evidence alone, demonstrated to be caused by the after effects of COVID and the acceleration of generative-AI deployment. We argue that GAGI is a necessary complement to GDP-based monitoring: any macroeconomic monitoring instrument that tracks only aggregate output will systematically miss the distributional harm that automation can cause even while reported growth remains strong.
• Abstract（参考訳）: 一人当たりGDPは、統治機関が経済の繁栄と経済イベントの結果を追跡できるデフォルトレンズであるが、所得/富の分配とインフレの影響の2つの1次決定要因は盲目である。 不平等調整所得対策自体は新しいものではなく、特にマクロ経済モニタリングツールキットに欠けているのは、福祉の概念ではなく、運用監視のトリガーである。 規制当局が行うべき量? 正真正銘です 我々は、これらの指標であるGini-Adjusted GDP per Capita Index(GAGI)を組み立てる。これは、各国のGDPを、その不平等調整因子(1-G)と価格水準によって再スケールする再現可能で、公計算可能な定式化であり、2010年ベースラインに正規化したものである。 GAGIは汎用福祉指標であり、AI自動化に固有のものではない。 GAGIを2010-2026年のG7経済に適用すると、福祉調整による繁栄は、2022年以降の経時的変化が急激に拡大し、この証拠だけでは、後発のCOVIDの影響と、発生・AI展開の加速によって引き起こされたことが示される。 総生産のみを追跡するマクロ経済モニタリング機器は、報告された成長が強いにもかかわらず、自動化が引き起こす分散的害を体系的に見逃すことになる。

関連論文リスト

• Is Capability a Liability? More Capable Language Models Make Worse Forecasts When It Matters Most [11.4807141145402]
  逆スケーリングでは、より有能なモデルでは、超線形成長を伴う問題を予測し、状態変化の尾リスクを予測し、分布予測が悪化する。 このパターンはForecastBench-Simで、線形制御にマッチした合成SIRの流行を予測し、COVID-19、麻疹、住宅市場、ハイパーインフレの実際のデータセットに複製する。 この逆スケーリングは、LLM予測ベンチマークに共通する単一閾値のメトリクスには現れず、同一出力における能力-正確性関係のサインを逆転させる。
  論文  参考訳（メタデータ） (2026-05-21T16:14:33Z)
• Outcome-Grounded Advantage Reshaping for Fine-Grained Credit Assignment in Mathematical Reasoning [60.00161035836637]
  グループ相対政策最適化は、推論タスクのための有望な批判のない強化学習パラダイムとして登場した。 我々は,各トークンがモデルの最終回答にどの程度影響するかに基づいて,利益を再分配する,きめ細かい信用割当機構であるOutcome-grounded Advantage Reshaping (OAR)を紹介した。 OAR-Gは計算オーバーヘッドを無視して同等のゲインを達成し、どちらも強力なGRPOベースラインをはるかに上回っている。
  論文  参考訳（メタデータ） (2026-01-12T10:48:02Z)
• History Rhymes: Macro-Contextual Retrieval for Robust Financial Forecasting [1.8911049192403768]
  我々は、歴史的に類似したマクロ経済体制において、各予測を基礎づける検索強化予測フレームワークであるマクロコンテキスト検索を導入する。 AAPL (2024) と XOM (2024) の17年間のS&P 500データ(2007-2023) をトレーニングし, CV と OOD のパフォーマンスギャップを一貫して狭めている。 金融史は繰り返しではなく、しばしば韻律である」という原則を運用することにより、マクロ認識検索が分布変化の下で頑健で説明可能な予測をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-11-12T21:34:23Z)
• Beyond Laplace and Gaussian: Exploring the Generalized Gaussian Mechanism for Private Machine Learning [49.66162382667325]
  一般化ガウス機構(英語版)を考察し、ある$beta geq 1$に対して$e-frac| x |sigmabeta $ に比例した付加雑音項 $x$ をサンプリングする。 GGメカニズムとその変種に対するプライバシ会計は独立であり、プライバシ会計の計算コストを大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2025-06-14T15:49:25Z)
• Bridging Dynamic Factor Models and Neural Controlled Differential Equations for Nowcasting GDP [22.58246330019538]
  ニューラル制御微分方程式 (NCDE) と動的因子モデル (DFM) を統合する新しい GDP nowcasting framework である NCDENow を紹介する。 我々は,大韓民国とイギリスにおける2つの実世界のGDPデータセットに基づく6つのベースラインに対してNCDENowを評価した。
  論文  参考訳（メタデータ） (2024-09-13T11:33:57Z)
• Granger causal inference on DAGs identifies genomic loci regulating transcription [77.58911272503771]
  GrID-Netは、DBG構造化システムにおけるGranger因果推論のためのラタグメッセージパッシングを備えたグラフニューラルネットワークに基づくフレームワークである。 我々の応用は、特定の遺伝子の調節を仲介するゲノム座を同定する単一セルマルチモーダルデータの解析である。
  論文  参考訳（メタデータ） (2022-10-18T21:15:10Z)
• Benign Underfitting of Stochastic Gradient Descent [72.38051710389732]
  本研究では,適切な学習データを得ることで,一般化性能を実現する「従来型」学習ルールとして,勾配降下度(SGD)がどの程度理解されるかを検討する。 類似現象が起こらない近縁な交換SGDを解析し、その集団リスクが実際に最適な速度で収束することを証明する。
  論文  参考訳（メタデータ） (2022-02-27T13:25:01Z)
• BCD Nets: Scalable Variational Approaches for Bayesian Causal Discovery [97.79015388276483]
  構造方程式モデル(SEM)は、有向非巡回グラフ(DAG)を介して表される因果関係を推論する効果的な枠組みである。 近年の進歩により、観測データからDAGの有効最大点推定が可能となった。 線形ガウス SEM を特徴付ける DAG 上の分布を推定するための変分フレームワークである BCD Nets を提案する。
  論文  参考訳（メタデータ） (2021-12-06T03:35:21Z)

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。