Fugu-MT 論文翻訳(概要): Adversarial trading

論文の概要: Adversarial trading

arxiv url: http://arxiv.org/abs/2101.03128v1
Date: Wed, 16 Dec 2020 16:08:22 GMT
ステータス: 処理完了
システム内更新日: 2021-05-03 02:45:46.456879
Title: Adversarial trading
Title（参考訳）: 対外取引
Authors: Alexandre Miot
Abstract要約: 取引環境では敵のサンプルを実装でき、特定の市場参加者に悪影響を及ぼすことを示す。これは、取引または規制の観点から、金融市場にはるかに影響する可能性があります。
参考スコア（独自算出の注目度）: 91.3755431537592
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Adversarial samples have drawn a lot of attention from the Machine Learning community in the past few years. An adverse sample is an artificial data point coming from an imperceptible modification of a sample point aiming at misleading. Surprisingly, in financial research, little has been done in relation to this topic from a concrete trading point of view. We show that those adversarial samples can be implemented in a trading environment and have a negative impact on certain market participants. This could have far reaching implications for financial markets either from a trading or a regulatory point of view.
Abstract（参考訳）: 逆行的なサンプルは、ここ数年機械学習コミュニティから多くの注目を集めてきた。悪いサンプルは、ミスリーディングを目的としたサンプルポイントの不可避な修正から生じる人工データポイントである。驚くべきことに、金融調査では、具体的な取引の観点からこの話題に関してはほとんど行われていない。本研究は,これらのサンプルを取引環境に実装し,特定の市場参加者に悪影響を及ぼすことを示す。これは取引や規制の観点から、金融市場に大きな影響を与える可能性がある。

関連論文リスト

Safety vs. Performance: How Multi-Objective Learning Reduces Barriers to Market Entry [86.79268605140251]
我々は、大規模言語モデルのための新興市場への参入に必要となる障壁が存在するかどうかを調査する。要求されるデータポイント数は、既存の企業のデータセットサイズよりも大幅に小さくなることを示します。以上の結果から,多目的的考察が参入障壁を根本的に低減することを示す。
論文参考訳（メタデータ） (2024-09-05T17:45:01Z)
When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文参考訳（メタデータ） (2024-07-15T06:49:30Z)
Attack-Centric Approach for Evaluating Transferability of Adversarial Samples in Machine Learning Models [0.30458514384586394]
敵のサンプルの転送可能性に影響を与える要因を知ることは、専門家が堅牢で信頼性の高い機械学習システムを構築する方法に関する決定を下すのを助けることができる。本研究は,攻撃中心アプローチによる対人サンプルの移動可能性のメカニズムについて考察する。
論文参考訳（メタデータ） (2021-12-03T08:24:23Z)
On Quantitative Evaluations of Counterfactuals [88.42660013773647]
本稿では、分析と実験を通じて、視覚的対実例の評価に関する研究を集約する。ほとんどのメトリクスは、十分な単純なデータセットを意図して振る舞うが、複雑さが増加すると、良い結果と悪い結果の違いを判断できないものもいる。私たちはラベル変動スコアとOracleスコアという2つの新しい指標を提案しています。
論文参考訳（メタデータ） (2021-10-30T05:00:36Z)
Investigating the Role of Negatives in Contrastive Representation Learning [59.30700308648194]
ノイズコントラスト学習は教師なし表現学習の一般的な手法である。我々は、これらのパラメータの1つの役割の曖昧さ、すなわち負の例の数に焦点をあてる。結果が我々の理論と広く一致しているのに対して、我々の視覚実験はより悪質であり、性能は時々負の数に敏感である。
論文参考訳（メタデータ） (2021-06-18T06:44:16Z)
Trader-Company Method: A Metaheuristic for Interpretable Stock Price Prediction [3.9189409002585562]
金融市場では、機械学習ベースのモデルの実践的応用を妨げるいくつかの課題がある。本稿では,金融機関とトレーダーの役割を模倣する新たな進化モデルであるTrader-Company法を提案する。トレーダーと呼ばれる複数の弱い学習者からの提案を集約し、将来の株式リターンを予測します。
論文参考訳（メタデータ） (2020-12-18T13:19:27Z)
Split: Inferring Unobserved Event Probabilities for Disentangling Brand-Customer Interactions [0.0]
多くの場合、データは複数のイベントで構成された複合イベントのみを含んでいます。ひとつのアプローチは、関心のないイベントのプロキシとして複合イベントを使用することだ。本稿では,複合イベントに関する情報と複合イベントの集約データに基づいて,興味のあるイベントを識別する直接的アプローチを提案する。
論文参考訳（メタデータ） (2020-12-08T14:31:48Z)
Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
論文参考訳（メタデータ） (2020-10-19T06:28:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。