論文の概要: Deep-MKV-TS: Path-Dependent McKean--Vlasov Control for Financial Time Series Generation

• arxiv url: http://arxiv.org/abs/2608.19394v1
• Date: Wed, 19 Aug 2026 19:24:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.389676
• Title: Deep-MKV-TS: Path-Dependent McKean--Vlasov Control for Financial Time Series Generation
• Title（参考訳）: ディープMKV-TS:パス依存マッカン-ブラソフ制御による金融時系列生成
• Abstract要約: 金融シナリオ生成のためのパス依存型McKean-VlasovフレームワークであるDeep-MKV-TSを紹介する。 解釈可能な参照モデルから始めると、Deep-MKV-TSは参照ドリフトを保存し、そのボラティリティを調整する。 これらの結果から,パス依存型McKean-Vlasov制御は,置き換えることなく解釈可能な参照モデルを拡張できることが示唆された。
• 参考スコア（独自算出の注目度）: 35.18016233072556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce Deep-MKV-TS, a path-dependent McKean-Vlasov framework for financial scenario generation. The stochastic dynamics are chosen by matching selected path and volatility features of generated scenarios to those observed in the data. Starting from an interpretable reference model, Deep-MKV-TS preserves the reference drift and adjusts its volatility, while a regularization penalty limits unnecessary departures from the calibrated dynamics. We solve the resulting control problem using a neural, sample-based implementation of the stochastic maximum principle. We validate the method against an exactly computable oracle. On Heston and Heston-mixture models, Deep-MKV-TS substantially reduces path-dependent and volatility-related deficiencies of the reference model. In delayed-volatility experiments, the correction remains effective as the forecasting horizon increases, while direct training becomes less reliable. On held-out intraday equity-index futures, the corrected model improves conditional forecasts relative to the reference and reaches a level of performance comparable to flexible generative and historical baselines. The resulting scenarios also support greater exposure than the reference under a fixed drawdown-risk target. These results show that path-dependent McKean-Vlasov control can enrich an interpretable reference model without replacing it.
• Abstract（参考訳）: 金融シナリオ生成のためのパス依存型McKean-VlasovフレームワークであるDeep-MKV-TSを紹介する。 確率力学は、生成されたシナリオの選択されたパスとボラティリティの特徴をデータで観測されたものとマッチングすることによって選択される。 解釈可能な参照モデルから始めると、Deep-MKV-TSは基準ドリフトを保持し、そのボラティリティを調整する。 確率的最大原理のニューラルネットワークに基づく実装を用いて,結果の制御問題を解く。 我々はその方法を正確に計算可能なオラクルに対して検証する。 HestonとHeston-mixtureモデルでは、Deep-MKV-TSは参照モデルのパス依存およびボラティリティ関連欠陥を著しく低減する。 遅延揮発性実験では、予測水平線が増加するにつれて補正が有効であり、直接訓練は信頼性が低下する。 保留日内株価指数の将来について、補正されたモデルは基準に対する条件付き予測を改善し、フレキシブルな生成および歴史的ベースラインに匹敵するパフォーマンスのレベルに達する。 結果として生じるシナリオは、固定されたドローダウンリスクターゲットの下での参照よりも大きな露出をサポートする。 これらの結果から,パス依存型McKean-Vlasov制御は,置き換えることなく解釈可能な参照モデルを拡張できることが示唆された。

関連論文リスト

• Residual-Conservative Model Predictive Path Integral Control [0.0]
  本稿では, 予測実行残差を用いて, 安全保守をオンラインで調整するサンプリングベースMPCフレームワークを提案する。 RC-MPPIは、残留依存性制約強化、適応型安全コスト整形、残留適応サンプリング変調の3つの結合メカニズムを組み合わせたものである。
  論文  参考訳（メタデータ） (2026-07-08T03:23:39Z)
• Fixed-Time Dynamic Landing of Quadrotors using Adaptive Unscented Kalman Filtering and Nonlinear Model Predictive Control [0.0]
  本稿では,移動プラットフォーム上でのマルチロータ無人航空機の動的着陸を推定・制御するためのフレームワークを提案する。 提案手法は,非線形モデル予測制御を実時間最小軌道プランナと統合する。 EKF/UKF法と比較して、繰り返し着地し、プラットフォーム速度予測精度を向上させることが示されている。
  論文  参考訳（メタデータ） (2026-06-01T06:05:34Z)
• One-Way Policy Optimization for Self-Evolving LLMs [63.8638342097375]
  RLVR(Reinforcement Learning with Verifiable Rewards)は,Large Language Models(LLMs)の推論能力を拡張するための,有望なパラダイムとなっている。 本稿では,最適化方向を更新等級から切り離す手法である1-Way Policy Optimization (OWPO)を提案する。 実験の結果,OWPOはDAPO,OPD,MOPDなどの強いベースラインより優れていた。
  論文  参考訳（メタデータ） (2026-05-21T08:25:27Z)
• A Pontryagin Method of Model-based Reinforcement Learning via Hamiltonian Actor-Critic [16.49862942485022]
  Hamiltonian Actor-Critic (HAC) は、明示的な値関数学習を排除したモデルベースのアプローチである。 値近似を避けることにより、HACは収束保証を認めながらモデルエラーに対する感度を低下させる。 限られたデータを持つオフライン設定では、HACは最先端のメソッドと一致または超過し、その強いサンプル効率を強調する。
  論文  参考訳（メタデータ） (2026-03-30T20:14:19Z)
• Closing the Loop: A Control-Theoretic Framework for Provably Stable Time Series Forecasting with LLMs [22.486083545585984]
  大規模言語モデル(LLM)は、最近、時系列予測において例外的な可能性を示している。 既存のアプローチは通常、単純で自己回帰的な生成戦略を採用している。 我々は,新しいクローズドループフレームワークである textbfF-LLM を提案する。
  論文  参考訳（メタデータ） (2026-02-13T09:35:12Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Volatility Modeling via EWMA-Driven Time-Dependent Hurst Parameters [0.0]
  分散駆動指数重み移動平均(EWMA)時間依存Hurstパラメータ$H_t$を特徴とする新しい粗いベルゴミモデルを提案する。 我々のフレームワークは、粗経路理論に基づく統一的粗微分方程式 (RDE) の定式化の先駆者である。 その結果,従来の定数Hurstモデルよりも顕著な改善が見られた。
  論文  参考訳（メタデータ） (2025-09-06T19:55:52Z)
• WSM: Decay-Free Learning Rate Schedule via Checkpoint Merging for LLM Pre-training [64.0932926819307]
  本稿では,学習速度減衰とモデルマージの正式な関係を確立するフレームワークであるWarmup-Stable and Merge(WSM)を紹介する。 WSMは様々な崩壊戦略をエミュレートするための統一された理論基盤を提供する。 私たちのフレームワークは、複数のベンチマークで広く採用されているWarmup-Stable-Decay(WSD)アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-07-23T16:02:06Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
  我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
  論文  参考訳（メタデータ） (2020-03-12T19:56:38Z)

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。