論文の概要: Amortized Interventional Forecasting for Multivariate CIR Processes

• arxiv url: http://arxiv.org/abs/2608.03715v1
• Date: Tue, 04 Aug 2026 14:17:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.237481
• Title: Amortized Interventional Forecasting for Multivariate CIR Processes
• Title（参考訳）: 多変量CIRプロセスの補正型インターベンショナル予測
• Abstract要約: 平均回帰力学は金融において広く普及している。 CIRモデルは、列間のエンフコーズの影響ではなく、エンフコーズに関連するコムーブメントのみをキャプチャする。
• 参考スコア（独自算出の注目度）: 2.918919242459813
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mean-reverting dynamics are pervasive in finance, and the Cox--Ingersoll--Ross (CIR) process is a standard model for the time series they produce, from short rates to credit default swap (CDS) spreads. Yet CIR models capture only \emph{correlated} co-movement, not \emph{causal} influence between series, so they cannot answer the system's response when one series is externally shocked, which observational conditionals confound with historical co-movement. We make two contributions. First, an amortized model for distributional causal effect estimation that frames trajectories as time-stamped observations and predicts the calibrated multi-horizon shock response without retraining per scenario. Second, a causal multivariate CIR data-generating process that supplies the paired observational and interventional ground truth that real markets cannot. We instantiate and calibrate the framework on CDS spreads as a testbed. CIR-ACTIVA's validity is established on synthetic ground truth, independent of how well the simulator matches reality, while practical grounding is assessed by backtesting the generated traces against real CDS data. Against observational and amortized causal-inference baselines, CIR-ACTIVA leads on both causal selectivity in the joint distribution and horizon-resolved calibration, retaining its selectivity once the interventional law varies over the horizon, with gains concentrating at short horizons. This opens up a class of what-if queries on coupled spread systems, CDS stress testing among them, that observational forecasters cannot answer.
• Abstract（参考訳）: 平均回帰力学は金融分野で広く普及しており、Cox-Ingersoll-Ross(CIR)プロセスは、短いレートからクレジットデフォルトスワップ(CDS)まで、彼らが生成する時系列の標準モデルである。 しかし、CIRモデルは、級数間でのemph{correlated}コムーブメントのみを捕捉し、emph{causal}の影響を受けないため、1つの系列が外部的に衝撃を受けたとき、観測条件が歴史的なコムーブメントと一致するシステムの応答に応答できない。 私たちは2つの貢献をします。 まず, 軌道をタイムスタンプで観測し, シナリオ毎に再学習することなく, 校正されたマルチ水平衝撃応答を予測できる分布因果効果推定モデルを提案する。 第二に、因果多変量CIRデータ生成プロセスは、実市場では不可能である2つの観察的および介入的基礎的真実を供給します。 テストベッドとしてCDSスプレッド上でのフレームワークのインスタンス化と校正を行う。 CIR-ACTIVAの妥当性は、シミュレーションが現実とどのようによく一致しているかに関わらず、合成基底真理に基づいて確立され、実際のCDSデータに対して生成されたトレースをバックテストすることで、実用的な基底を評価する。 CIR-ACTIVAは、観測的および償却的因果推論ベースラインに対して、関節分布における因果選択性と地平線分解キャリブレーションの両方を導く。 これにより、結合されたスプレッドシステムにおけるWhat-ifクエリのクラス、CDSストレステストが開かれ、観測予測者は答えられなくなる。

関連論文リスト

• Diagnosing JEPA World Models with Action-Conditioned Predictive Consistency [38.88857369304745]
  クリーンな歴史と、前方へ転がった後の視界のゆがみを計測する診断手法を導入する。 この分散は、多段階予測誤差とプランナーコストの摂動によって引き起こされる変化を束縛することを証明する。 4つの視覚制御タスクの実験は、ペアワイズACPCが摂動による予測とコスト変化を予測することを示している。
  論文  参考訳（メタデータ） (2026-08-13T08:18:41Z)
• Causal Parametric Drift Simulation: A Digital Twin Framework for Classifier Robustness Evaluation [0.0]
  動的環境における機械学習の分類器は、コンセプトドリフトに直面している。 構造因果モデルを用いて既存のドリフト検出を補完するフレームワークをDigital Twinsとして提案する。 我々の手法であるCausal Parametric Drift Simulation, stress-tests classifications to identify vulnerabilities before deployment。
  論文  参考訳（メタデータ） (2026-05-10T17:28:49Z)
• 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)
• Spatially Robust Inference with Predicted and Missing at Random Labels [2.5574009994099196]
  交差フィットは空間分散推定器を歪ませ、不安定あるいは過度に保守的な信頼区間を生じる折りたたみレベルの相関を誘導することを示す。 また、折りたたみ雑音から依存を分離するジャックニフェ空間異方性と自動整合性(HAC)の分散補正を提案する。
  論文  参考訳（メタデータ） (2026-03-11T23:14:21Z)
• Causal Imitation Learning Under Measurement Error and Distribution Shift [6.038778620145853]
  ノイズ測定によってのみ、決定関連状態の一部が観察される場合、オフライン模倣学習(IL)について検討する。 本稿では,変数間の因果関係を明示的にモデル化することによって,測定誤差下でのILの一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T18:06:53Z)
• Learning Causality for Longitudinal Data [1.2691047660244335]
  この論文は、高次元の時間変化データにおける因果推論と因果表現学習の手法を開発する。 最初のコントリビューションは、個別処理効果(ITE)を推定するモデルであるCDVAE(Causal Dynamic Variational Autoencoder)の導入である。 第2のコントリビューションでは,Contrastive Predictive Coding (CPC) とInfoMaxによって強化された RNN に基づく長期的反事実回帰のための効率的なフレームワークを提案する。 第3のコントリビューションは、潜伏が観察された変数にどのように現れるかに対処することでCRLを前進させる。
  論文  参考訳（メタデータ） (2025-12-04T16:51:49Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• Bridging the Reality Gap in Digital Twins with Context-Aware, Physics-Guided Deep Learning [3.0996501197166975]
  デジタルツイン(DT)は強力な予測分析を可能にするが、シミュレーションと実際のシステムの相違 - 現実のギャップとして知られ、信頼性を損なう。 本稿では,新しいセンサデータを連続的に統合し,誤りを検知し,クエリ応答フレームワークを介してDTを再検討する,DTのためのReal Gap Analysis(RGA)モジュールを提案する。 提案手法は,コンテキスト推論の改善と物理的整合性維持のために,ドメイン・アドバイサル深層学習と低次シミュレータ誘導を融合する。
  論文  参考訳（メタデータ） (2025-05-17T05:18:46Z)
• Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
  フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。 現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。 情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
  論文  参考訳（メタデータ） (2025-03-21T18:06:28Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)
• On Disentangled Representations Learned From Correlated Data [59.41587388303554]
  相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。 本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。 また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-14T12:47:34Z)

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。