論文の概要: Contingent Exposure Routing for Financial AI: Outage Risk and the Cost of Indivisible Decisions
- arxiv url: http://arxiv.org/abs/2610.00239v1
- Date: Wed, 23 Sep 2026 06:56:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.581972
- Title: Contingent Exposure Routing for Financial AI: Outage Risk and the Cost of Indivisible Decisions
- Title（参考訳）: 金融AIのための継続露光ルーティング:障害リスクと不可分な決定のコスト
- Abstract要約: 我々は、局所的な市場影響応答行列を経由する障害コンテンツルーティングを定式化する。
プライマリエンドポイントの数が増加するにつれて,共有バックアップがオーダーワン濃度のフロアを離れることが示される。
このコントリビューションは、実市場のクラッシュ確率を見積もるものではなく、監査可能なルーティングストレステストと劣った実装分析である。
- 参考スコア（独自算出の注目度）: 2.731113456484581
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Model failover restores availability, but changes which financial institutions share decision errors. We formulate outage-contingent routing through a local market-impact response matrix and study expected squared price displacement. A symmetric construction shows that a shared backup can leave an order-one concentration floor as the number of primary endpoints grows, while balanced fallback risk decreases inversely with the surviving endpoint count. For indivisible decisions, we derive the exact second moment of independent randomized routing and an effective-exposure granularity that determines its gap from fractional allocation. Conditional-expectation rounding gives a finite-agent bound without coupled quotas; a separate swap procedure preserves endpoint counts and is assessed against dual lower bounds. Across 60 synthetic portfolio networks and 11,340 scenario evaluations, the latter reduces risk by 6.57% and 10.53% for single and double endpoint removals at the central feedback setting with independent errors. A replay of 1,024 recorded API responses on constructed rebalancing tasks gives a smaller held-out reduction of 3.30% (paired bootstrap interval 2.07--4.57%). Strongly aligned errors, inferior endpoints, and indivisibility limit diversification. The contribution is an auditable routing stress test and implementation analysis, not an estimate of real-market crash probabilities.
- Abstract（参考訳）: モデルフェールオーバは可用性を回復するが、金融機関が意思決定の誤りを共有する変更である。
我々は、局所的な市場影響応答行列を通した停止コンテンツルーティングを定式化し、期待される2乗価格変位について検討する。
対称的な構成は、プライマリエンドポイントの数が増加するにつれて、共有バックアップがオーダーワンの集中フロアを離れることを示し、一方、バランスの取れたフォールバックリスクは、残存エンドポイント数と逆向きに減少することを示している。
不特定な決定に対しては、独立なランダム化されたルーティングの正確な第2モーメントと、そのギャップを分数割当から決定する効果的な露光の粒度を導出する。
条件付き探索ラウンドリングは、結合されたクォータなしで有限エージェント境界を与える; 分離スワッププロシージャはエンドポイントカウントを保存し、二重の下位境界に対して評価される。
60の総合ポートフォリオネットワークと11,340のシナリオ評価で、後者は独立したエラーを伴う中央フィードバック設定で単一および二重エンドポイント削除のリスクを6.57%、10.53%削減する。
ビルドされたリバランシングタスクに対する1,024のAPIレスポンスのリプレイにより、保持時間の3.30%(ペアリングブートストラップ間隔2.07--4.57%)が短縮される。
強い整列エラー、劣るエンドポイント、および可視性制限の多様化。
このコントリビューションは、実市場のクラッシュ確率の推定ではなく、監査可能なルーティングストレステストと実装分析である。
関連論文リスト
- The Epistemics of Agent Memory: Measuring, and Governing, the Consolidation Decision in Long-Horizon LLM Agents [0.0]
LLMエージェントは、蓄積した経験を耐久性のあるメモリに変換する必要がある。
フェーズ1は下流ユーティリティによってエージェントトレースからエピソード境界を学習する。
フェーズ2は、トークン予算の下で経験と抽象化のレベルを促進する方法を学ぶ。
フェーズ3では、3つの非円周軸上の既知の最適値に対する統合決定をスコアするオラクル・バイ・コンストラクション・ベンチマークが導入されている。
論文 参考訳（メタデータ） (2026-09-26T23:10:45Z) - Federated Targeted Maximum Likelihood Estimation [15.722746871859593]
クロスサイロ学習は計算をデータに移動させ、合意された要約を交換する。
我々は2つのサイロを通して、任意の目標、損失、変動家族のためのターゲティング自体を連携させた。
FedTMLEGは、局所的な勾配を集約し、ステップの集中的なターゲティングステップを再現する。
FedTMLELは、各機関が適合した更新を単一に交換する前に、独自のゆらぎを完了させる。
論文 参考訳（メタデータ） (2026-09-24T19:43:40Z) - DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents [55.84813053778976]
ロングホライゾン言語モデルエージェントは、現在の決定と関係が変化する推論の痕跡、ツール交換、観察を蓄積する。
直接セットリスクスコアは、削除セットの選択としてエージェント履歴圧縮リスクを定式化する。
メカニカル・アナリシスとアブリケーションは、決定に制約のある関係、保持されたコンテキスト情報、ペア・インタラクション、および棄権がそれぞれ信頼できるプルーニングに寄与していることを示している。
論文 参考訳（メタデータ） (2026-09-23T03:06:01Z) - Available Guardrails: Certifying Selective Prediction across ML Systems [40.57629016626049]
安全, 粒度, サービストラフィックのトレードオフを明らかにする動的プログラムを開発する。
1つの計画上の候補分割を分割し、その中の1つを選択すると、このギャップの一部が回復することを示す。
相補的妥当性保存レバーは、報告ユニット間で家庭的にエラー予算を割り当て、追加のカバレッジを回復する。
論文 参考訳（メタデータ） (2026-09-18T17:36:52Z) - Revelation Control [0.0]
啓示制御(Revelation Control)は、意図された区別が連続的な決定を変更できるため、内部でのみ隠された状態を明らかにする価格設定された介入を選択する問題である。
我々はこの理論を学習システムに展開し、現在宣言されている情報に準ずる状態が将来の訓練に異なる反応をし、異なる行動を好むことができるようにした。
論文 参考訳（メタデータ） (2026-08-24T22:07:57Z) - Repeated-Game Security for Restaking-Based Verifiable Inference [2.9661360665913574]
本論文は,1ラウンドスラッシング条件が同一の利害関係下での推論を繰り返すと,セキュリティを過小評価できることを示す。
本稿では,歴史に依存した課題,評価ヘビー級のスラッシュ,利得の優位性を組み合わせた展開可能なメカニズムを提案する。
論文 参考訳（メタデータ） (2026-08-10T03:03:56Z) - EntroRouter: Learning Efficient Model Routing via Entropy Regulation [45.88530258803968]
エントロピー制御を主目的とする単一ラウンドルーティングフレームワークを提案する。
我々はEntroが最強の専門家の精度の98.3%を維持し、計算コストを48.25%削減していることを示した。
論文 参考訳（メタデータ） (2026-06-28T14:39:06Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳（メタデータ） (2026-04-29T19:32:58Z) - Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。
このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。
本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
論文 参考訳（メタデータ） (2025-11-10T22:24:21Z) - Reinforcement Learning from Probabilistic Forecasts for Safe Decision-Making via Conditional Value-at-Risk Planning [41.52380204321823]
本稿では,ベイズ予測,後方サンプリング強化学習,計画とを結合した統一的枠組みである不確実性認識マルコフ決定プロセス(UAMDP)を提案する。
構造的不確実性と経済のボラティリティを特徴とする2つのドメインの高頻度株式取引と小売在庫管理において,UAMDPを評価した。
論文 参考訳（メタデータ） (2025-10-09T13:46:32Z) - Efficient and Sharp Off-Policy Evaluation in Robust Markov Decision Processes [44.974100402600165]
意思決定プロセス(MDP)に対する最良パラメトリックかつ最悪の摂動の評価について検討する。
我々は、元のMDPからの遷移観測を用いて、それらが同一または異なるポリシーの下で生成されるかのどちらかを判断する。
我々の推定器はウォルドの信頼区間を用いた統計的推測も行う。
論文 参考訳（メタデータ） (2024-03-29T18:11:49Z)
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。