019-23

第19回研究会

敵対的学習を応用したエージェントベース・モデルのベイズ推定†

著者†

塩野剛志(クレディ・スイス証券株式会社)

概要†

本研究では、Agent Based Model （ABM）の未知パラメターを、ニューラルネットワークの Adversarial Training を応用したベイズ的アプローチによって推定する方法を提案する。ABM のベイズ推定では、（1）パラメターの探索値毎のシミュレーション、（2）シミュレーション生成データと実データを突き合わせた尤度の計算、（3）事後分布のサンプリング、という計算負荷の大きいプロセスをくり返す。そのため、特に、推定するパラメター数が複数になる場合、（2）と（3）における効率化が必須となってくる。（2）の尤度計算について、パラメトリックな分布を仮定して省力化する手法もあるが、特定化の誤りによる大きな精度損失が懸念されることから、より柔軟な近似手法への需要がある。本研究では、こうした問題意識から、Adversarial Training によって、ABM の推定において尤度を近似するニューラルネット（判別器）を、現実データから適合的に獲得するアプローチを検討した。

キーワード†

Bayesian Estimation Agent Based Model Adversarial Training Approximate Bayesian Computation

論文†

SIG-FIN-019-23.pdf