文献

J-GLOBAL ID：202002283568651913   整理番号：20A2283123

保険ポートフォリオリスクのBias正則化ニューラルネットワークメタモデリング【JST・京大機械翻訳】

Bias-regularised Neural-Network Metamodelling of Insurance Portfolio Risk

著者 (4件)： Luo Wei (Deakin University,School of Information Technology,Geelong,Australia) ,  Mashrur Akib (Deakin University,School of Information Technology,Geelong,Australia) ,  Robles-Kelly Antonio (Deakin University,School of Information Technology,Geelong,Australia) ,  Li Gang (Deakin University,School of Information Technology,Geelong,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層学習モデルは,大きな保険ポートフォリオに対する金融リスクのメタモデリングにおいてかなりの注目を集めている。しかし,これらのモデルは,研究中のポートフォリオにおけるデータの集団的性質の無視において一般的に訓練されている。その結果,訓練手順はしばしば遅い収束に悩まされ,訓練されたモデルは精度が低いことが多い。これは特に極端な個々の契約の存在において明白である。本論文では,ポートフォリオのためのメタモデルの訓練がポートフォリオレベル計量によって誘導されるべきであるという見解を提言する。特に,ポートフォリオレベルバイアスを明示的に説明する直感的損失正則化を提案した。さらに,訓練深層ニューラルネットワークで一般的に使用されるミニバッチ確率的勾配降下により,この訓練正則化器を容易に実装できる。模擬データとベンチマークデータセットの両方に関する経験的評価は,正則化者がより安定した訓練をもたらし,より迅速な収束とより信頼できるポートフォリオレベルリスク推定をもたらすことを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 保険 ,  *ポートフォリオ ,  バイアス ,  *正則化 ,  ベンチマーク
準シソーラス用語： メタモデル ,  *メタモデリング ,  深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 保険 ,  ポートフォリオ ,  リスク ,  正則化