論文の概要: Towards Credible Agent-Based Policy Simulations: Disentangling Opportunities and Preferences in a Financial Inclusion Case Study of Egypt
- arxiv url: http://arxiv.org/abs/2610.04515v1
- Date: Sat, 03 Oct 2026 13:26:06 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-06 21:23:11.635182
- Title: Towards Credible Agent-Based Policy Simulations: Disentangling Opportunities and Preferences in a Financial Inclusion Case Study of Egypt
- Title（参考訳）: 信用的エージェントに基づく政策シミュレーションに向けて--エジプトの金融包括的ケーススタディにおける機会と選好の両立
- Abstract要約: 信頼性は、ポリシー作成をサポートすることを意図したエージェントベースのモデルの中心的なトピックである。
本稿では,信頼できる政策シミュレーションを構築するための一般的なモデリングフレームワークについて述べる。
その後、エジプトにおける経済的包摂の社会的課題を研究するために、どのようにコンテキスト化され、実装されるかを示す。
- 参考スコア（独自算出の注目度）: 4.70149256185879
- License:
- Abstract: Credibility is a central topic for agent-based models intended to support policy-making. Simulations must not only represent the target scenarios and their core dynamics but also demonstrate that their assumptions, parameters, and outputs are empirically grounded and sufficiently accurate for their intended use. This paper addresses this challenge by presenting a general modelling framework, aligned with the Capability Approach, for building credible policy simulations that rely on data and domain-expert knowledge. It then demonstrates how it can be contextualised and implemented to study the social challenge of financial inclusion in Egypt, building on an agent-based model that represents heterogeneous individuals and firms behaving according to their financial states, barriers, opportunities, and preferences. The model is fitted to real-world data in two stages, initialisation and calibration, which respectively build representative synthetic populations and estimate behavioural parameters. By fixing the feasibility parameters, which determine agents' opportunities, and calibrating preference parameters across different population groups, we are able to distinguish and analyse the role of institutional and social barriers in the system, as well as the role of agents' motivations and priorities. This calibration stage provides transparent and group-specific hypotheses about the drivers of observed financial-inclusion gaps, which can further be analysed as gaps between agents' opportunities and realised outcomes, a very relevant insight for policy-making. This paper is thus a step towards improving the credibility and usefulness of policy simulations, strengthening the relationship between the model, the real target system, and the stakeholders who will use it. The code is available at: \url{https://www.comses.net/codebase-release/df8383cb-f49b-4f09-8cce-73603b59adcc/}.
- Abstract（参考訳）: 信頼性は、ポリシー作成をサポートすることを意図したエージェントベースのモデルの中心的なトピックである。
シミュレーションは、対象のシナリオとそのコアダイナミクスを表すだけでなく、仮定、パラメータ、出力が実験的に基礎付けられ、意図された用途に対して十分に正確であることを示さなければならない。
本稿では,データとドメイン専門家の知識に依存した信頼性の高い政策シミュレーションを構築するための,汎用的なモデリングフレームワークを提案することで,この問題に対処する。
次に、エジプトにおける金融包摂の社会的課題を研究するために、どのようにコンテキスト化され、どのように実装されるかを示し、金融状態、障壁、機会、嗜好に応じて行動する異質な個人や企業を表現するエージェントベースのモデルを構築した。
このモデルは、それぞれ代表的な合成集団を構築し、行動パラメータを推定する初期化と校正の2段階の現実世界のデータに適合する。
エージェントの機会を決定するファシビリティパラメータの修正と、異なる集団グループ間での選好パラメータの調整により、システムにおける制度的および社会的障壁の役割と、エージェントのモチベーションと優先順位の役割を区別し分析することができる。
この校正段階は、観察された金融包摂的ギャップの要因に関する透明でグループ固有の仮説を提供し、エージェントの機会と実現された成果の間のギャップとして分析することができる。
そこで本論文は,政策シミュレーションの信頼性と有用性を向上し,モデルと実際のターゲットシステム,それを利用する利害関係者との関係を強化するためのステップである。
コードは以下の通りである。 \url{https://www.comses.net/codebase-release/df8383cb-f49b-4f09-8cce-73603b59adcc/}。
関連論文リスト
- Model Validation of Agentic AI Systems: A POMDP-Based Framework for Belief-State, Forecast, and Policy Validation [0.0]
本稿では,部分観測可能なマルコフ決定プロセス(POMDP)に基づくエージェントAIのモデル検証フレームワークを提案する。
このフレームワークは、自律的な意思決定を情報、信念、予測、行動、ユーティリティに分解し、各コンポーネントを独立して検証できるようにする。
この論文の主な貢献は、確立されたモデルリスク管理概念を自律型AIシステムに拡張するための実践的なフレームワークである。
論文 参考訳（メタデータ） (2026-06-16T00:40:55Z) - Current Agents Fail to Leverage World Model as Tool for Foresight [61.82522354207919]
エージェントは、行動する前に結果を予測するためにそれらを使用できます。
本稿では,現在のエージェントがそのような世界モデルを,認知力を高めるツールとして活用できるかどうかを実証的に検討する。
論文 参考訳（メタデータ） (2026-01-07T13:15:23Z) - Anticipatory Governance in Data-Constrained Environments: A Predictive Simulation Framework for Digital Financial Inclusion [0.0]
金融の排除は、資源が制限された旧来の国におけるデジタル公共サービス提供の大きな障壁であり続けている。
本研究では,政府情報システムにおける予測ガバナンスを支援するための予測シミュレーションフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-13T06:51:45Z) - Modeling Hawkish-Dovish Latent Beliefs in Multi-Agent Debate-Based LLMs for Monetary Policy Decision Classification [0.8666275811953877]
本研究は,連邦公開市場委員会(Federal Open Market Committee)の集団意思決定プロセスを構造的に模倣する新しい枠組みを提案する。
各エージェントは、明確な初期信念から始まり、定性的なポリシーテキストと定量的マクロ経済指標の両方に基づいて予測を生成する。
反復的なラウンドを通じて、エージェントは他者のアウトプットを観察し、熟考とコンセンサスの形成をシミュレートすることで予測を改訂する。
論文 参考訳（メタデータ） (2025-11-04T10:56:01Z) - Towards the Formalization of a Trustworthy AI for Mining Interpretable Models explOiting Sophisticated Algorithms [4.587316936127635]
解釈可能な設計モデルは、信頼、説明責任、そして現実世界のアプリケーションにおける自動意思決定モデルの安全な採用を促進するために不可欠である。
我々は、解釈可能性と性能のバランスをとる予測モデルを生成するための包括的な方法論を定式化する。
モデル生成時の倫理的措置を評価することにより、この枠組みはAIシステムの開発のための理論的基盤を確立する。
論文 参考訳（メタデータ） (2025-10-23T14:54:33Z) - An Overview of Large Language Models for Statisticians [109.38601458831545]
大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。
本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。
我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
論文 参考訳（メタデータ） (2025-02-25T03:40:36Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-20T15:02:53Z) - On the Opportunities and Risks of Foundation Models [256.61956234436553]
これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。
本報告では,基礎モデルの可能性とリスクについて概説する。
これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
論文 参考訳（メタデータ） (2021-08-16T17:50:08Z) - A General Framework for Distributed Inference with Uncertain Models [14.8884251609335]
異種エージェントのネットワークを用いた分散分類の問題について検討する。
我々は、エージェントの不確実性を可能性に組み込む不確実性モデルの概念に基づいて構築する。
論文 参考訳（メタデータ） (2020-11-20T22:17:12Z)
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。