ترجمه فارسی مقاله یک رویکرد یکپارچه برای نمونه‌گیری اهمیت و یادگیری ماشین برای تخمین کارآمد مونت کارلو از معیارهای ریسک اعوجاج در مدل‌های جعبه سیاه

چکیده

Distortion risk measures play a critical role in quantifying risks associated with uncertain outcomes. Accurately estimating these risk measures in the context of computationally expensive simulation models that lack analytical tractability is fundamental to effective risk management and decision making. In this paper, we propose an efficient important sampling method for distortion risk measures in such models that reduces the computational cost through machine learning. We demonstrate the applicability and efficiency of the Monte Carlo method in numerical experiments on various distortion risk measures and models.

چکیده به فارسی (ترجمه ماشینی)

اقدامات خطر اعوجاج نقش مهمی در تعیین خطرات مرتبط با نتایج نامشخص دارد.تخمین دقیق این اقدامات ریسک در زمینه مدل های شبیه سازی گران قیمت که فاقد قابلیت تغییر تحلیلی هستند ، برای مدیریت ریسک مؤثر و تصمیم گیری اساسی است.در این مقاله ، ما یک روش نمونه گیری مهم کارآمد برای اقدامات خطر اعوجاج در چنین مدلهایی پیشنهاد می کنیم که هزینه محاسباتی را از طریق یادگیری ماشین کاهش می دهد.ما کاربرد و کارآیی روش مونت کارلو را در آزمایش های عددی در مورد اقدامات و مدل های مختلف خطر اعوجاج نشان می دهیم.