論文の概要: Statistical Properties and Power Analysis of Divergence Measures for Credit Risk Model Monitoring

• arxiv url: http://arxiv.org/abs/2607.12407v1
• Date: Tue, 14 Jul 2026 06:28:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.053524
• Title: Statistical Properties and Power Analysis of Divergence Measures for Credit Risk Model Monitoring
• Title（参考訳）: 信用リスクモデルモニタリングのための分散対策の統計的特性と電力分析
• Abstract要約: 本研究は,Yudakul と Naranjo (2020) の業績を2つの主要な貢献により拡張する。 我々は,Jensen-Shannon Divergence とKullback-Leibler Divergence の統計特性とchi-squareベンチマーク値を導出する。 我々の結果は、Jensen-Shannon Divergence とKullback-Leibler Divergence がchi-squareベンチマークに従うことを証明している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Divergence measures are essential tools for detecting distributional shifts in model monitoring, particularly crucial given the volatility of financial data. While the Population Stability Index is the most widely used measure, Jensen-Shannon Divergence and Kullback-Leibler Divergence offer distinct advantages. Jensen-Shannon Divergence handles mixture models, addresses zero-binning problems, and is symmetric, while Kullback-Leibler Divergence excels in Bayesian model comparison. This study extends the work of Yurdakul and Naranjo (2020) with two primary contributions. First, we derive the statistical properties and chi-square benchmark values for Jensen-Shannon Divergence and Kullback-Leibler Divergence. Second, we demonstrate their applicability by detecting distributional changes in credit default probabilities from Merton, Merton with jump, and stochastic volatility with jump models. Our results establish that Jensen-Shannon Divergence and Kullback-Leibler Divergence follow chi-square distributions and reveal important practical trade-offs. Jensen-Shannon Divergence exhibits superior Type I error control, maintaining rejection rates closest to 5%, thereby minimizing false positives. However, this conservatism reduces statistical power at small samples (27% versus 32% for Population Stability Index and Kullback-Leibler Divergence at n = m = 200), requiring larger samples for reliable detection. This trade-off enables practitioners to select measures based on whether minimizing false alarms or maximizing detection sensitivity is the priority.
• Abstract（参考訳）: ディバージェンス対策は、特に金融データのボラティリティを考えると、モデル監視における分散シフトを検出するための重要なツールである。 人口安定指数は最も広く使われている指標であるが、ジェンセン=シャノン分枝とクルバック=リーブラー分枝は明確な利点がある。 Jensen-Shannon Divergence は混合モデルを扱い、ゼロ双対問題に対処し、対称的であるが、Kullback-Leibler Divergence はベイズモデルの比較において優れている。 この研究は、ユルダクルとナランジョ(2020年)の著作を2つの主要な貢献で拡張した。 まず、Jensen-Shannon Divergence とKullback-Leibler Divergence の統計特性とchi-squareベンチマーク値の導出を行う。 第2に,ジャンプによるMerton,Merton,およびジャンプモデルによる確率的ボラティリティから,クレジットデフォルト確率の分布変化を検出することにより,それらの適用性を示す。 以上の結果から,Jensen-Shannon Divergence と Kullback-Leibler Divergence がカイ二乗分布に従い,重要な実践的トレードオフを明らかにした。 Jensen-Shannon Divergenceは優れたI型エラー制御を示し、5%に最も近い拒絶率を維持し、偽陽性を最小化する。 しかし、この保守主義は小さなサンプルでの統計力(人口安定指数では27%対32%、n = m = 200でクルバック・リーブラー分岐)を減少させ、信頼性の高い検出のためにより大きなサンプルを必要とする。 このトレードオフにより、偽アラームの最小化や検出感度の最大化が優先されるかどうかに基づいて、実践者は対策を選択することができる。

関連論文リスト

• Distributionally Faithful Imputation via Positive Semi-Definite Kernel Density Estimation [55.47411235954028]
  マスク観測による密度推定では,不規則に不規則に不規則な計算を行う。 我々は,ニュートン内点法で解ける閉じた形状の辺縁を持つ凸型経験的リスク問題を得る。 結果のPSDインプットモデルでは、同一の入射密度から単一および多重インプットが得られる。
  論文  参考訳（メタデータ） (2026-07-08T15:51:05Z)
• Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
  制約を克服するオイラー法に対する全変分に基づく解析法を開発した。 その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。 全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
  論文  参考訳（メタデータ） (2026-02-26T00:47:51Z)
• Antithetic Noise in Diffusion Models [13.216777115252563]
  それぞれの初期雑音と否定をペアリングすると、強い負の相関を持つサンプルが得られる。 私たちのフレームワークはトレーニング不要で、モデルに依存しません。
  論文  参考訳（メタデータ） (2025-06-06T15:46:26Z)
• Feature Statistics with Uncertainty Help Adversarial Robustness [19.01087281157066]
  敵の攻撃は 特徴統計の分布を 変える傾向がある 頑健性向上のための不確実性駆動型特徴統計調整モジュールを提案する。 提案されたFSUモジュールは、トレーニング、アタック、予測、微調整に普遍的に適用可能である。
  論文  参考訳（メタデータ） (2025-03-26T14:30:33Z)
• Zero-Shot Uncertainty Quantification using Diffusion Probabilistic Models [7.136205674624813]
  拡散モデルを用いて異なる回帰問題の解法におけるアンサンブル法の有効性を評価する。 本研究では,様々な回帰タスクにおいて,アンサンブル手法がモデル予測精度を一貫して向上することを実証する。 本研究は,拡散アンサンブルの有用性を包括的に把握し,回帰問題解決における拡散モデルを用いた実践者にとって有用な参考となる。
  論文  参考訳（メタデータ） (2024-08-08T18:34:52Z)
• Statistical Estimation Under Distribution Shift: Wasserstein Perturbations and Minimax Theory [24.540342159350015]
  我々はWasserstein分布シフトに注目し、各データポイントがわずかに摂動する可能性がある。 データポイント間の独立あるいは協調的な関節シフトである摂動について検討する。 位置推定,線形回帰,非パラメトリック密度推定など,いくつかの重要な統計問題を解析する。
  論文  参考訳（メタデータ） (2023-08-03T16:19:40Z)
• Confidence and Dispersity Speak: Characterising Prediction Matrix for Unsupervised Accuracy Estimation [51.809741427975105]
  この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。 我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。 核の基準は既存の手法よりも正確で堅牢であることを示す。
  論文  参考訳（メタデータ） (2023-02-02T13:30:48Z)
• Mutual Wasserstein Discrepancy Minimization for Sequential Recommendation [82.0801585843835]
  逐次リコメンデーションのためのMutual WasserStein差分最小化MSteinに基づく新しい自己教師型学習フレームワークを提案する。 また,ワッサーシュタイン離散度測定に基づく新しい学習損失を提案する。
  論文  参考訳（メタデータ） (2023-01-28T13:38:48Z)
• On double-descent in uncertainty quantification in overparametrized models [24.073221004661427]
  不確かさの定量化は、信頼性と信頼性のある機械学習における中心的な課題である。 最適正規化推定器のキャリブレーション曲線において, 分類精度とキャリブレーションのトレードオフを示す。 これは経験的ベイズ法とは対照的であり、高次一般化誤差と過度パラメトリゼーションにもかかわらず、我々の設定では十分に校正されていることを示す。
  論文  参考訳（メタデータ） (2022-10-23T16:01:08Z)
• Monotonicity and Double Descent in Uncertainty Estimation with Gaussian Processes [52.92110730286403]
  限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。 我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。 また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
  論文  参考訳（メタデータ） (2022-10-14T08:09:33Z)
• Distributionally Robust Parametric Maximum Likelihood Estimation [13.09499764232737]
  パラメトリックな名目分布に対して,最悪の場合のログロスを均一に最小化する,分布的に頑健な最大確率推定器を提案する。 我々の新しい頑健な推定器は、統計的整合性も享受し、回帰と分類の両方に有望な実験結果を提供する。
  論文  参考訳（メタデータ） (2020-10-11T19:05:49Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。