강건한 예측가능 함수와 KL 발산 기반 위험 측정

초록

본 논문은 Kullback‑Leibler(KL) 발산을 이용해 분포 불확실성을 모델링하고, 기존의 최악 사례 위험 측정과는 달리 점수를 최소화하는 “강건 예측가능 함수(REF)”를 정의한다. REF는 경계에 위치한 최적 분포를 통해 존재와 유일성을 보장하며, b‑동차 일관 점수함수와 결합해 실무 적용 가능성을 제시한다.

상세 분석

본 연구는 기존 위험 측정이 “최악의 경우” 기대값을 취하는 방식과는 근본적으로 다른 접근법을 제시한다. 먼저, 위험 측정 R이 엘리시터블(elicitible)하고, 이를 일관적인 점수함수 S와 연결함을 전제한다. 그런 다음 KL 발산을 이용해 기준분포 P에 대한 불확실성 집합 Qε={Q≪P : DKL(Q‖P)≤ε}를 정의하고, REF를

R_S(Y)=arg min_{z∈A} sup_{Q∈Qε} E_Q