[論文レビュー] Quantifying Distributional Model Risk in Marginal Problems via Optimal Transport

Yanqin Fan, Hyeonseok Park+1 more|arXiv (Cornell University)|Jul 3, 2023

Risk and Portfolio OptimizationDecision Sciences被引用数 3

ひとこと要約

本稿は、参考測度の周囲に Wasserstein ボール内に分布する周辺分布をもつ周辺問題における Wasserstein 分布的モデルリスク（W-DMR-MP）を導入する。最適輸送と強い双対性を用いて、リスク測度の有限性、最適化子の存在、連続性を確立し、古典的な Makarov 界を分布的ロバストな設定に拡張する。実用的応用は因果推論、リスク管理、データ統合に及ぶ。

ABSTRACT

This paper studies distributional model risk in marginal problems, where each marginal measure is assumed to lie in a Wasserstein ball centered at a fixed reference measure with a given radius. Theoretically, we establish several fundamental results including strong duality, finiteness of the proposed Wasserstein distributional model risk, and the existence of an optimizer at each radius. In addition, we show continuity of the Wasserstein distributional model risk as a function of the radius. Using strong duality, we extend the well-known Makarov bounds for the distribution function of the sum of two random variables with given marginals to Wasserstein distributionally robust Markarov bounds. Practically, we illustrate our results on four distinct applications when the sample information comes from multiple data sources and only some marginal reference measures are identified. They are: partial identification of treatment effects; externally valid treatment choice via robust welfare functions; Wasserstein distributionally robust estimation under data combination; and evaluation of the worst aggregate risk measures.

研究の動機と目的

• 部分的な周辺情報しか入手できない状況におけるモデル誤特定と分布シフトの問題に対処すること。
• 周辺分布が Wasserstein ボール内に不確実性を有する状況において、分布的モデルリスクを定量化する統一的枠組みを構築すること。
• 最適輸送のツールを用いて、古典的な Makarov 界を分布的ロバストな設定に拡張すること。
• 提案された Wasserstein 分布的モデルリスクに対して、強い双対性、有限性、最適化子の存在、連続性といった理論的保証を提供すること。
• 治療効果推定、ロバストな福祉分析、データ統合、最悪ケースリスク評価といった実用的応用を可能にすること。

提案手法

• 各周辺測度が参考測度を中心とする Wasserstein ボール内に制約される周辺問題における Wasserstein 分布的モデルリスク（W-DMR-MP）を定式化する。
• Legendre-Fenchel 変換を用いた強い双対性を適用し、リスク最小化問題を最適輸送計画を含む双対形式に再定式化する。
• 最適輸送理論を用いて、重複なしと重複ありの両方の周辺ケースにおける双対表現を導出する。
• Wasserstein ラジウスに関するリスク測度の連続性を確立し、誤差集合の摂動に対して安定性を保証する。
• Wasserstein 不確実性下での双対表現を活用して、古典的な Makarov 界を分布的ロバストなバージョンに拡張する。
• 凸解析および最適輸送のツール（コスト関数や結合測度の使用を含む）を用いて、理論的性質を導出する。

実験結果

リサーチクエスチョン

• RQ1 真の連関分布が未知で、部分的な周辺情報しか入手できない状況において、どのように分布的モデルリスクを定量化できるか？
• RQ2 Wasserstein 分布的モデルリスクの理論的性質（強い双対性、有限性、連続性など）は何か？
• RQ3 確率変数の和に関する古典的な Makarov 界は、Wasserstein 不確実性下で分布的ロバストな設定に拡張可能か？
• RQ4 提案された枠組みは、治療効果推定やリスク管理といった応用分野におけるロバストな推論と意思決定をどのように支援するか？
• RQ5 最適化子の存在と、Wasserstein ラジウスの摂動に対するリスク測度の安定性を保証する条件は何か？

主な発見

• Wasserstein 分布的モデルリスクは、任意のラジウスに対して有限であり、最適化子を有するため、問題が適切に定式化されていることが保証される。
• 標準的な条件下で、重複なしおよび重複ありの両周辺ケースにおいて強い双対性が成立し、リスク最小化問題の双対再定式化が可能となる。
• リスク測度は Wasserstein ボールのラジウスに関して連続であり、誤差集合の小さな摂動に対しても安定性が保証される。
• 固定された周辺分布をもつ確率変数の滑らかな汎関数の期待値の特定集合は、有限性および最適化子の存在により閉区間となる。
• 双対表現を用いて、古典的な Makarov 界を分布的ロバストなバージョンに拡張した——Wasserstein 分布的ロバスト Makarov 界——を同定した。
• 双対表現により、特に複数のデータソースから得られる不完全な周辺同定情報を扱う応用分野において、計算効率と理論的分析が可能となる。