[論文レビュー] Single- and Multi-Level Fourier-RQMC Methods for Multivariate Shortfall Risk

Chiheb Ben Hammouda, Truong Nguyen|arXiv (Cornell University)|Feb 6, 2026

Risk and Portfolio Optimization被引用数 0

ひとこと要約

本論文は、単一レベルおよび多レベルの Fourier-RQMC 法を用いて多変量ショートフォールリスクと最適資本配分を効率的に推定し、 Fourier 逆変換と RQMC により収束性と計算量を改善する。

ABSTRACT

Multivariate shortfall risk measures provide a principled framework for quantifying systemic risk and determining capital allocations prior to aggregation in interconnected financial systems. Despite their well established theoretical properties, the numerical estimation of multivariate shortfall risk and the corresponding optimal allocations remains computationally challenging, as existing Monte Carlo based approaches can be numerically expensive due to slow convergence. In this work, we develop a new class of single and multilevel numerical algorithms for estimating multivariate shortfall risk and the associated optimal allocations, based on a combination of Fourier inversion techniques and randomized quasi Monte Carlo (RQMC) sampling. Rather than operating in physical space, our approach evaluates the relevant expectations appearing in the risk constraint and its optimization in the frequency domain, where the integrands exhibit enhanced smoothness properties that are well suited for RQMC integration. We establish a rigorous mathematical framework for the resulting Fourier RQMC estimators, including convergence analysis and computational complexity bounds. Beyond the single level method, we introduce a multilevel RQMC scheme that exploits the geometric convergence of the underlying deterministic optimization algorithm to reduce computational cost while preserving accuracy. Numerical experiments demonstrate that the proposed Fourier RQMC methods outperform sample average approximation and stochastic optimization benchmarks in terms of accuracy and computational cost across a range of models for the risk factors and loss structures. Consistent with the theoretical analysis, these results demonstrate improved asymptotic convergence and complexity rates relative to the benchmark methods, with additional savings achieved through the proposed multilevel RQMC construction.

研究の動機と目的

• Multivariate Shortfall Risk Measures (MSRM) および対応する配分の数値推定を進展させる。
• 周波数領域の積分関数とその導関数の Fourier 変換を利用して滑らかな性質を活かすため、 Fourier 逆変換とランダム化クオシモンカイロ法（RQMC）を組み込む。
• 単一レベルおよび多段階スキームの厳密な誤差・計算量分析を提供する。
• 適応的減衰と領域変換を通じて最適化軌跡に沿った積分の規則性を保持する。
• Fourier–RQMC の代理モデルと組み合わせた SQP ベースの拡張可能な最適化フレームワークを開発する。

提案手法

• MSRM の期待値と勾配を、損失関数とその導関数の周波数領域での Fourier 変換として表現する。
• 可容認な等高線シフト（減衰）を用いて Fourier 積分の可積分性と滑らかさを確保する。
• 高次元の Fourier 積分を、相互作用次数に基づく低次元の成分別積分の有限和に分解する。
• 単一レベルの Fourier–RQMC を適用して、SQP フレームワーク内で g(m)，∇g(m)，∇²g(m) を推定する。
• 最適化の幾何的収束を活用してコストを低減する多段階 Fourier–RQMC スキームへ拡張する。
• 減衰を考慮したラインサーチと SLSQP 実装を用いて得られた SQP 逐次問題を解く。

実験結果

リサーチクエスチョン

• RQ1 MSRM および関連する最適配分を周波数領域表現と RQMC 採択により効率的に推定できるか。
• RQ2 減衰則と領域変換は Fourier ベースの MSRM 推定量の規則性と精度にどのように影響するか。
• RQ3 幾何的収束を利用した多段階 RQMC 構成は、最適化軌跡に沿う精度を保ちつつ計算コストを削減できるか。
• RQ4 単一レベルと多段階の Fourier–RQMC の MSRM 推定の収束性と複雑さの特性はどうか。
• RQ5 これらの手法は、異なる損失構造と次元に対して SAA および SA のベンチマークと比較してどうか。

主な発見

• Fourier–RQMC 推定量は、ベンチマークとなるモンテカルロ法と比較して漸近的な収束性と複雑さの向上を示す。
• 最適化の幾何的収束を利用してコストを追加的に削減できる多段階 RQMC 構成を実現する。
• 適応的減衰と正則化された更新規則は、最適化軌跡に沿った積分のロバスト性を維持する。
• RQMC のために特化した領域変換は規則性を保持し、積分時の境界処理を改善する。
• 数値実験により、さまざまな損失モデルと次元で Fourier–RQMC が標準ベンチマークを上回ることを示す。