📊 statistics

Conformal Risk Sharing: Certified Cost Allocation with Participation Guarantees

यह शोध पत्र कॉन्फॉर्मल रिस्क शेयरिंग (Conformal Risk Sharing) को प्रस्तुत करता है, जो एक वितरण-मुक्त (distribution-free) ढांचा है जो दुर्लभ प्रतिकूल घटनाओं की वित्तीय लागतों को प्रतिभागियों के बीच आवंटित करने के लिए स्प्लिट कॉन्फॉर्मल कैलिब्रेशन (split conformal calibration) का उपयोग करता है, और साथ ही प्रमाणित, व्यक्तिगत कैप प्रदान करता है जो यह गारंटी देता है कि किसी भी एजेंट को भौतिक रूप से बदतर स्थिति में नहीं डाला गया है।

मूल लेखक: Ieva Kazlauskaite

प्रकाशित 2026-06-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ieva Kazlauskaite

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि पड़ोसियों का एक समूह है जो आपदा आने पर एक-दूसरे की मदद करने का निर्णय लेते हैं। शायद यह बाढ़ हो, तूफान हो, या बिजली के बिलों में अचानक उछाल हो। वे एक "पोट" (pot) प्रणाली पर सहमत होते हैं: हर कोई पैसा डालता है, और यदि कोई व्यक्ति बुरी तरह प्रभावित होता है, तो वह पोट उसे भुगतान करती है।

यह सुनने में बहुत अच्छा लगता है, लेकिन इसमें एक पेंच है। यदि गणित गलत हुआ, तो प्रभावित होने वाले व्यक्ति को अभी भी बहुत अधिक भुगतान करना पड़ सकता है, या किसी ऐसे पड़ोसी को, जिसे कभी कोई समस्या नहीं हुई, किसी दूसरे की आपदा को कवर करने के लिए अचानक एक बड़ा बिल चुकाने के लिए मजबूर किया जा सकता है। यदि ऐसा होता है, तो पड़ोसी इस समूह को छोड़ देंगे, और पूरी प्रणाली ढह जाएगी।

यह शोध पत्र इस तरह के समूहों को चलाने का एक नया, अत्यंत सुरक्षित तरीका प्रस्तावित करता है। लेखक इसे कॉन्फॉर्मल रिस्क शेयरिंग (Conformal Risk Sharing) कहते हैं।

इसका काम करने का सरल विवरण यहाँ दिया गया है, जिसमें रोजमर्रा के उदाहरणों का उपयोग किया गया है:

1. समस्या: जोखिम का "अनुमान लगाने का खेल"

आमतौर पर, जब लोग पैसा इकट्ठा करते हैं, तो वे पिछले इतिहास के आधार पर अनुमान लगाने की कोशिश करते हैं कि चीजें कितनी खराब हो सकती हैं। वे कह सकते हैं, "पिछले 10 वर्षों के आधार पर, सबसे खराब तूफान की लागत $100 होगी।"

जोखिम: यदि "शताब्दी में एक बार" आने वाला तूफान आता है, तो वह अनुमान गलत था। एक पड़ोसी को $100 के बजाय$ 1,000 का बिल चुकाना पड़ सकता है।
परिणाम: वह पड़ोसी ठगा हुआ महसूस करेगा और समूह छोड़ देगा। समूह बिखर जाएगा।

2. समाधान: "सुरक्षा जाल" की गारंटी

लेखकों ने एक ऐसी विधि बनाई है जो केवल भविष्य का अनुमान नहीं लगाती; बल्कि यह एक प्रमाणित सुरक्षा सीमा निर्धारित करती है। इसे अपने वित्तीय बिलों के लिए एक वारंटी या गति सीमा संकेत (speed limit sign) की तरह समझें।

यह कहने के बजाय कि, "हमें लगता है कि आपका बिल $100 से अधिक नहीं होगा," प्रणाली कहती है:

"हम 90% निश्चितता के साथ वादा करते हैं कि आपका बिल कभी भी $105 से अधिक नहीं होगा। यदि ऐसा होता है, तो हमारा गणित गलत था, और हम इसे स्वीकार करते हैं।"

यह गारंटी "डिस्ट्रीब्यूशन-फ्री" (distribution-free) है, जिसका अर्थ है कि इससे कोई फर्क नहीं पड़ता कि तूफान यादृच्छिक (random) हैं, अराजक हैं, या किसी अजीब पैटर्न का पालन कर रहे हैं। यह गणित तब भी काम करता है जब मौसम अजीब व्यवहार कर रहा हो।

3. यह कैसे काम करता है: "तीन-चरणों वाली रसोई"

लेखक बिना किसी भविष्यवक्ता की आवश्यकता के इस गारंटी को बनाने के लिए एक चतुर तीन-चरणीय प्रक्रिया का उपयोग करते हैं:

चरण 1: रेसिपी (प्रशिक्षण/Training): वे पिछले डेटा (जैसे पिछले वर्ष के बिल) को देखते हैं ताकि एक "साझा करने की रेसिपी" तैयार की जा सके। यह रेसिपी तय करती है कि आप अपने बिल का कितना हिस्सा खुद रखते हैं और कितना हिस्सा समूह के साथ साझा करते हैं।
चरण 2: स्वाद परीक्षण (सत्यापन/Validation): वे पिछले डेटा के एक अलग सेट पर रेसिपी के विभिन्न संस्करणों को आजमाते हैं। वे पूछते हैं: "क्या यह रेसिपी उन लोगों की मदद करती है जिनके बिल सबसे बड़े हैं, बिना उन लोगों को बहुत अधिक भुगतान कराए जिनके बिल छोटे हैं?"
चरण 3: आधिकारिक मुहर (प्रमाणन/Certification): यह जादुई कदम है। वे एक ताज़ा, अनछुए डेटा सेट (जैसे एक ब्लाइंड टेस्ट) का उपयोग करके अंतिम "सुरक्षा कैप" (Safety Cap) निर्धारित करते हैं।
- वे उस ताज़ा डेटा में वास्तव में हुए उच्चतम बिलों को देखते हैं।
- वे उस उच्चतम बिल से थोड़ा अधिक एक "कैप" निर्धारित करते हैं।
- वादा: क्योंकि उन्होंने उस ताज़ा डेटा का उपयोग नहीं किया जिसे उन्होंने रेसिपी डिजाइन करते समय देखा था, इसलिए वे गणितीय रूप से सिद्ध कर सकते हैं कि यह कैप भविष्य में भी बना रहेगा।

4. "भागीदारी" का नियम: किसी को नुकसान नहीं पहुँचाया जाएगा

शोध पत्र का एक मुख्य हिस्सा भागीदारी गारंटी (Participation Guarantee) है।
कल्पना कीजिए कि आप एक पड़ोसी हैं जिसे शायद ही कभी तूफान का सामना करना पड़ता है। आप चिंतित हो सकते हैं: "यदि मैं इस समूह में शामिल होता हूँ, तो क्या मुझे अंततः उस व्यक्ति के लिए भुगतान करना पड़ेगा जो बाढ़ क्षेत्र में रहता है?"

इस प्रणाली में एक अंतर्निहित "हार्म बजट" (Harm Budget) है। यह समूह शुरू करने से पहले गणित की जांच करता है। यह पूछता है:

"यदि हम इस नई साझाकरण योजना का उपयोग करते हैं, तो क्या किसी को भी अपने बिलों का अकेले भुगतान करने की तुलना में काफी अधिक भुगतान करने के लिए मजबूर किया जाएगा?"

यदि उत्तर "हाँ, पड़ोसी A को बहुत अधिक भुगतान करना पड़ेगा" है, तो प्रणाली योजना को अस्वीकार कर देती है और कहती है: "ऐसा न करें। अपने बिलों का भुगतान स्वयं करने की पद्धति पर ही टिके रहें।" यह साझाकरण योजना को तभी लागू करती है जब यह सभी के लिए सुरक्षित हो।

5. वास्तविक दुनिया के परीक्षण

लेखकों ने तीन अलग-अलग "पड़ोसों" में इस विचार का परीक्षण किया:

सिंथेटिक डेटा (Synthetic Data): यादृच्छिक आपदाओं का एक कंप्यूटर सिमुलेशन।
वर्षा (यूरोप): बाढ़ बीमा का अनुकरण करने के लिए 1950-2024 के वास्तविक वर्षा डेटा का उपयोग किया। उन्होंने पाया कि यह विधि सबसे अधिक बारिश वाले क्षेत्रों के लोगों के लिए "सबसे खराब स्थिति" वाले बिलों को काफी कम कर सकती है, बिना सूखे क्षेत्रों को कंगाल किए।
ऊर्जा को-ऑप (Energy Co-op): पुर्तगाल के एक पड़ोस के वास्तविक बिजली बिलों का उपयोग। यहाँ, विधि ने दिखाया कि ऊर्जा लागत साझा करने से भारी उपयोगकर्ताओं के लिए "सबसे खराब स्थिति" वाले बिल को काफी कम किया जा सकता है, और चूंकि लगभग सभी का उपयोग थोड़ा अलग था, इसलिए लगभग किसी को भी नुकसान नहीं पहुँचा।

निचोड़

यह शोध पत्र भविष्य की भविष्यवाणी करने का वादा नहीं करता है। इसके बजाय, यह नुकसान को सीमित करने का वादा करता है।

यह प्रत्येक प्रतिभागी को एक प्रमाणित रसीद देता है जो कहती है: "भविष्य चाहे कितना भी पागल हो जाए, आपका बिल इस संख्या से अधिक नहीं होगा।" यह समूहों को सुरक्षित रूप से जोखिम साझा करने की अनुमति देता है, जिससे यह सुनिश्चित होता है कि जिन्हें सबसे अधिक मदद की आवश्यकता है उन्हें मदद मिले, बिना उन लोगों को दंडित किए जिन्हें इसकी आवश्यकता नहीं है। यह एक जोखिम भरे जुए को एक प्रमाणित, सुरक्षित समझौते में बदल देता है।

तकनीकी सारांश: कॉन्फॉर्मल रिस्क शेयरिंग (Conformal Risk Sharing)

समस्या का निरूपण: प्रमाणित आवंटन समस्या (The Certified Allocation Problem)
यह शोध पत्र बहु-एजेंट प्रणालियों की एक मौलिक चुनौती को संबोधित करता है: अनिश्चितता के तहत वास्तविक लागतों का पुनर्वितरण। पीयर-टू-पीयर (P2P) पैरामीट्रिक बीमा, सहकारी ऊर्जा समुदायों, और साझा कंप्यूट इंफ्रास्ट्रक्चर जैसे संदर्भों में, एजेंट यादृच्छिक लागत वेक्टर (random cost vectors) का सामना करते हैं। हालांकि इन लागतों को एकत्रित (pooling) करने से चरम परिणामों (tail risk) के प्रति व्यक्तिगत जोखिम कम हो सकता है, लेकिन यह एक "विजेता-हारने वाला" (winner-loser) गतिशीलता भी पैदा करता है। यदि पुनर्वितरण नीति किसी एजेंट के आधारभूत (baseline) स्तर की तुलना में उनके उच्च-विश्वास दायित्व सीमा (high-confidence obligation cap) को बढ़ा देती है, तो उस एजेंट के पास पलायन करने का प्रोत्साहन होता है, जो प्रतिकूल चयन (adverse selection) के कारण पूरे पूल को विफल कर सकता है।

लेखक इसे प्रमाणित आवंटन समस्या (Certified Allocation Problem) के रूप में औपचारिक रूप देते हैं। इसका लक्ष्य सीमित डेटा से एक ऐसी पुनर्वितरण नीति $A^*$ खोजना है, जो तीन साथ-साथ आवश्यकताओं को पूरा करती हो:

प्रति-एजेंट टेल वैधता (R1): प्रत्येक एजेंट के भविष्य के दायित्व पर एक परिमित-नमूना (finite-sample), उच्च-संभाव्यता, ऊपरी सीमा (एक "कैप") प्रदान करना, जिससे यह सुनिश्चित हो सके कि $P(X_i(A^*) \le \hat{c}_i) \ge 1-\delta$ ।
कुल दक्षता (R2): यह सुनिश्चित करना कि नीति आधारभूत (identity policy) की तुलना में इन कैप्स के कुल भारित योग (aggregate weighted sum) को कम करती है।
भागीदारी (सीमित हानि) (R3): यह सत्यापित करना कि सभी एजेंटों में कुल "हानि" (कैप में आधारभूत की तुलना में वृद्धि) एक पूर्व-निर्धारित बजट के भीतर रहती है।

यह समस्या मौजूदा ढांचों से भिन्न है क्योंकि इसमें कई एजेंटों के लिए एक साथ वितरण-मुक्त (distribution-free) टेल सर्टिफिकेट की आवश्यकता होती है जो एक संरक्षण बाधा (conservation constraint) द्वारा जुड़े होते हैं (कुल दायित्वों का योग वास्तविक लागतों के बराबर होना चाहिए)—एक ऐसी संरचना जिसे स्वतंत्र एकल-एजेंट समस्याओं में नहीं बदला जा सकता।

कार्यप्रणाली: कॉन्फॉर्मल रिस्क शेयरिंग (Conformal Risk Sharing)
प्रस्तावित समाधान, कॉन्फॉर्मल रिस्क शेयरिंग, स्प्लिट कॉन्फॉर्मल प्रेडिक्शन (split conformal prediction) पर आधारित एक "ट्रेन-सेलेक्ट-सर्टिफाई" (train–select–certify) पाइपलाइन का उपयोग करता है।

नीति वर्ग (Policy Class): यह विधि एक व्याख्या योग्य रैखिक साझाकरण नीति (linear sharing policy) का उपयोग करती है जो आइडेंटिटी मैट्रिक्स (कोई पूलिंग नहीं) और एक बेस पूलिंग नियम $\bar{A}$ का कॉनवेक्स कॉम्बिनेशन है:
$A(\alpha) = (1-\alpha)I + \alpha\bar{A}$
यहाँ, $\alpha \in [0,1]$ आपसी सहयोग (mutualization) की तीव्रता को नियंत्रित करता है। बेस नियम $\bar{A}$ को डेटा से सीखा जा सकता है (जैसे, वेरिएंस-ऑप्टिमल डबली-स्टोकास्टिक बेसलाइन) या स्थिर रखा जा सकता है (जैसे, यूनिफॉर्म पूलिंग)।
तीन-चरणीय प्रोटोकॉल:
- चरण 1 (प्रशिक्षण/Training): यदि $\bar{A}$ डेटा-संचालित है, तो इसे प्रशिक्षण सेट $T$ पर फिट किया जाता है।
- चरण 2 (चयन/Selection): एक सत्यापन सेट $V$ पर, एल्गोरिथ्म भागीदारी बाधा (हानि बजट) के प्रॉक्सी को संतुष्ट करते हुए इष्टतम $\alpha^*$ खोजने के लिए खोज करता है। इस चरण में कोई सांख्यिकीय गारंटी का दावा नहीं किया जाता है।
- चरण 3 (प्रमाणन/Certification): एक पृथक कैलिब्रेशन सेट $C$ (जो $T$ और $V$ से अलग है) का उपयोग करके, विधि कॉन्फॉर्मल कैप्स की गणना करती है। एक निश्चित नीति $A^*$ के लिए, एजेंट $i$ के लिए कैप, $C$ पर उनके दायित्वों का $k$ -वाँ ऑर्डर सांख्यिकीय (order statistic) है, जहाँ $k = \lceil(m+1)(1-\delta)\rceil$ ।
- ऑडिट: सिस्टम यह जांचता है कि क्या प्रमाणित कैप भागीदारी बाधा (R3) को संतुष्ट करते हैं। यदि वे करते हैं, तो $A^*$ को तैनात किया जाता है; अन्यथा, सिस्टम आधारभूत आइडेंटिटी नीति पर वापस चला जाता है।
सैद्धांतिक गारंटी: ब्लॉक एक्सचेंजैबिलिटी (जहाँ ब्लॉक प्राकृतिक अवधियों जैसे वर्षों या बिलिंग चक्रों का प्रतिनिधित्व करते हैं) के अनुमान के तहत, यह विधि एक मार्जिनल, प्रति-एजेंट टेल सर्टिफिकेट प्रदान करती है। थ्योरम 1 गारंटी देता है कि किसी भी एजेंट $i$ के लिए, इसकी संभावना कि उनका भविष्य का दायित्व प्रमाणित कैप से अधिक होगा, $\delta$ से कम है। कोरोलरी 1 इसे सिस्टम-स्तरीय फंक्शनल्स (जैसे, कुल समग्र लागत) तक विस्तारित करता है। यह ढांचा वितरण-मुक्त (distribution-free) है और परिमित नमूनों के लिए वैध है।

मुख्य योगदान

समस्या का औपचारिक रूप: शोध पत्र प्रमाणित आवंटन समस्या की पहचान और उसे औपचारिक रूप देता है, जो सहकारी लागत साझाकरण, कॉन्फॉर्मल इन्फरेंस और रोबस्ट ऑप्टिमाइजेशन को जोड़ता है। यह उस अंतर को उजागर करता है जहाँ मौजूदा विधियाँ भागीदारी बाधाओं के साथ बहु-एजेंट पुनर्वितरण के लिए परिमित-नमूना, वितरण-मुक्त टेल सर्टिफिकेट प्रदान करने में विफल रहती हैं।
समाधान ढांचा: यह कॉन्फॉर्मल रिस्क शेयरिंग पेश करता है, जो एक ठोस पाइपलाइन है जो स्प्लिट कॉन्फॉर्मल कैलिब्रेशन के माध्यम से प्रति-एजेंट टेल सर्टिफिकेट और सिस्टम-स्तरीय गारंटी उत्पन्न करती है, जो सीधे प्रमाणित मात्राओं के माध्यम से भागीदारी बाधाओं को लागू करती है।
अनुभवजन्य सत्यापन: इस ढांचे को सिंथेटिक हेवी-टेल्ड डेटा, ग्रिडेड प्रेसिपिटेशन लॉस (E-OBS), और ऊर्जा सहकारी उपभोग डेटा पर मान्य किया गया है।

प्रायोगिक परिणाम

सिंथेटिक डेटा: विधि रैंडम और टाइम-ऑर्डर्ड स्प्लिट्स के बीच लगभग नाममात्र कवरेज (मीन $\approx 0.91$ $\delta=0.1$ के लिए) बनाए रखती है। यह उच्च-जोखिम वाले एजेंटों के लिए महत्वपूर्ण टेल राहत प्राप्त करती है (रैंडम स्प्लिट्स में टॉप-डेसाइल कैप्स को $\approx 9\%$ कम करना) जबकि भागीदारी बाधा सक्रिय रूप से उन नीतियों को फ़िल्टर करती है जो बहुत अधिक एजेंटों को नुकसान पहुँचाती हैं (PASS दर $\approx 0.77$ )।
प्रेसिपिटेशन डेटा (E-OBS): एक सेटिंग में जहाँ मजबूत स्थानिक निर्भरता और हेवी टेल्स हैं, ग्लोबल पूलिंग ने समग्र प्रमाणित कैप में 27% की कमी और उच्चतम-जोखिम वाले डेसाइल के लिए लगभग 50% की कमी हासिल की। हालाँकि, विधि ने नॉन-स्टेशनैरिटी के प्रति संवेदनशीलता दिखाई; टाइम-ऑर्डर्ड स्प्लिट्स के तहत, कवरेज कम हो गया क्योंकि कैलिब्रेशन विंडो में पुराना, कम प्रतिनिधि डेटा शामिल था, जो आवधिक पुन: प्रमाणन (periodic re-certification) की आवश्यकता की पुष्टि करता है।
ऊर्जा सहकारी (Energy Cooperative): कमजोर, अनस्ट्रक्चर्ड सहसंबंधों वाले डेटासेट में, विधि ने 51% तक समग्र कैप कमी और उच्चतम-मांग वाले डेसाइल के लिए 82% की कमी हासिल की। PASS दर 1.00 थी, जो इंगित करती है कि कम-निर्भरता वाली सेटिंग्स में, पूलिंग लगभग सभी एजेंटों को भागीदारी बाधाओं का उल्लंघन किए बिना एक साथ लाभ पहुँचाती है।

महत्व और दावे
शोध पत्र का दावा है कि यह पहला समाधान ढांचा प्रदान करता है जो नीति चयन, प्रति-एजेंट वितरण-मुक्त टेल सर्टिफिकेशन और परिमित डेटा से भागीदारी सत्यापन को एक साथ संबोधित करता है। इसका महत्व इस क्षमता में निहित है कि यह:

चरम बोझ को कम करता है: यह पैरामीट्रिक टेल मॉडल पर निर्भर हुए बिना उच्च-जोखिम वाले एजेंटों के लिए चरम दायित्वों को काफी कम कर देता है।
विश्वसनीयता सुनिश्चित करता है: एक "पठनीय" गारंटी (एक प्रमाणित कैप) और भागीदारी के लिए एक स्पष्ट ऑडिट प्रदान करके, यह प्रतिकूल चयन के जोखिम को कम करता है जो स्वैच्छिक पूलिंग में व्याप्त है।
परिचालन मजबूती: यह ढांचा हेवी टेल्स, जीरो-इन्फ्लेटेड डेटा और स्थानिक निर्भरता को संभालता है, हालांकि यह मजबूत निर्भरता (जो भागीदारी बाधाओं को अव्यवहार्य बना सकती है) के संबंध में सीमाओं और गैर-स्थिर वातावरण में आवधिक पुन: प्रमाणन की आवश्यकता को स्वीकार करता है।

लेखक इस कार्य को एक विश्वसनीय, डेटा-संचालित जोखिम साझाकरण तंत्र की दिशा में एक कदम के रूप में प्रस्तुत करते हैं जहाँ एजेंट अपने अधिकतम भविष्य के दायित्व के साथ प्रमाणित विश्वास के साथ भाग ले सकते हैं।