CausalLoss-Fin:将金融代理损失归因于决策与基础设施故障
CausalLoss-Fin: Attributing Financial-Agent Loss to Decisions and Infrastructure Faults
精选理由
区分决策与基础设施故障归因,帮助精准定位损失并制定修复方案。
AI 摘要
当处理支付异常的代理造成资金损失时,本文所比较的代理步骤归因方法会指认其某个动作。即使某条结算消息被丢弃、代理根本没有机会采取行动,它们仍会如此归因:这些方法只干预代理动作,并不将基础设施故障作为可干预变量暴露出来,因此它们解释的每一美元都会被归咎于某项决策。我们采用一个故障过程明确且可重放的基准,将每个回合实际发生的交付计划分解为有名称且可单独修复的消息,并同时干预代理的选择和基础设施。一个望远镜恒等式将任意策略的损失精确拆分为三部分:基础设施效应、相对于最佳可实施策略的策略差异,以及参考策略残差。其中两部分可能为负,因此三者都不是份额;随后,Shapley 将第一部分进一步划分为各条消息上的带符号分配。有一项结论具有结构性,无需任何语料库:仅代理基线无法识别任何基础设施原因,因为其模型中没有能够指认此类原因的变量。在 3 个策略下的 545 个植入故障回合所测量的,正是这一后果的规模。该基线将 100% 的基础设施故障回合错误归档,并将 114,383.40 美元归咎于代理。修复它所指认的对象只能挽回可用损失的 0.0%;修复最小充分集合则可挽回 100.0%。逐条对消息进行评分并非只是精度不足:有 27.8% 的回合无法进行加性分解(95% CI:23.3--32.3%)。我们评估的是确定性的程序化策略,而非语言模型代理;正因为如此,重放才能做到精确,但外部有效性也因此仅限于随机代理。发生率数据反映的是这一生成器的属性,而非实际业务中的比例。