論文の概要: Predicting the Behavior of Dealers in Over-The-Counter Corporate Bond Markets

• arxiv url: http://arxiv.org/abs/2103.09098v1
• Date: Fri, 12 Mar 2021 04:22:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-19 03:28:25.146203
• Title: Predicting the Behavior of Dealers in Over-The-Counter Corporate Bond Markets
• Title（参考訳）: オーバー・ザ・カウンタ社債市場におけるディーラーの行動予測
• Authors: Yusen Lin, Jinming Xue, Louiqa Raschid
• Abstract要約: 我々は、米国社債のotcディーラーの取引行動のモデル化と予測に機械学習手法を適用する。 私たちは、米国の社債の語彙で各ディーラーの毎日の歴史的な取引レポートのシーケンスを作成します。 私達は個々の歴史が最も活動的なディーラーに最もよい予測モデルを提供することを示します。
• 参考スコア（独自算出の注目度）: 6.003006906852133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trading in Over-The-Counter (OTC) markets is facilitated by broker-dealers, in comparison to public exchanges, e.g., the New York Stock Exchange (NYSE). Dealers play an important role in stabilizing prices and providing liquidity in OTC markets. We apply machine learning methods to model and predict the trading behavior of OTC dealers for US corporate bonds. We create sequences of daily historical transaction reports for each dealer over a vocabulary of US corporate bonds. Using this history of dealer activity, we predict the future trading decisions of the dealer. We consider a range of neural network-based prediction models. We propose an extension, the Pointwise-Product ReZero (PPRZ) Transformer model, and demonstrate the improved performance of our model. We show that individual history provides the best predictive model for the most active dealers. For less active dealers, a collective model provides improved performance. Further, clustering dealers based on their similarity can improve performance. Finally, prediction accuracy varies based on the activity level of both the bond and the dealer.
• Abstract（参考訳）: オーバー・ザ・カウンタ(Over-The-Counter、OTC)市場での取引はブローカーディーラーによって促進され、ニューヨーク証券取引所(NYSE)のような公開取引所と比較される。 ディーラーは、otc市場で価格の安定化と流動性の提供に重要な役割を果たしている。 我々は、米国社債のotcディーラーの取引行動のモデル化と予測に機械学習手法を適用する。 我々は、米国の社債の語彙を巡って、ディーラーごとに毎日の歴史的取引報告のシーケンスを作成します。 このディーラー活動の歴史を利用して、ディーラーの将来的な取引決定を予測する。 ニューラルネットワークに基づく予測モデルについて検討する。 本稿では,PPRZ(Pointwise-Product ReZero) Transformerモデルの拡張を提案する。 個々の履歴が最もアクティブなディーラーにとって最良の予測モデルであることを示します。 アクティブなディーラーが少ない場合、集団モデルによってパフォーマンスが向上する。 さらに、類似性に基づくクラスタリングディーラーの性能を向上させることができる。 最後に、予測精度は、結合とディーラーの両方の活性レベルによって変化する。

関連論文リスト

• Predicting Bitcoin Market Trends with Enhanced Technical Indicator Integration and Classification Models [6.39158540499473]
  本研究では,暗号市場の方向性を予測するための分類に基づく機械学習モデルを提案する。 歴史的データと、移動平均収束分量、相対強度指数、ボリンジャーバンドなどの重要な技術指標を用いて訓練されている。 その結果、購入/販売信号の精度は92%を超えた。
  論文  参考訳（メタデータ） (2024-10-09T14:29:50Z)
• 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)
• A Comprehensive Analysis of Machine Learning Models for Algorithmic Trading of Bitcoin [0.3069335774032178]
  本研究は,アルゴリズム取引におけるビットコイン価格の予測において,21の分類器と20の回帰器を含む41の機械学習モデルの性能を評価する。 我々の包括的な分析は、各モデルの強みと限界を明らかにし、効果的な取引戦略を開発する上で重要な洞察を与えます。
  論文  参考訳（メタデータ） (2024-07-09T13:07:43Z)
• Reinforcement Learning for Corporate Bond Trading: A Sell Side Perspective [0.0]
  社債トレーダーは、テキスト優先の市場価格にスプレッドを追加して引用を提供する 不正な債券については、市場価格の観測が困難であり、トレーダーはしばしば利用可能なベンチマーク債の価格に頼っている。 本稿では,データ駆動方式による最適入札分散商法の推定にアプローチし,強化学習を用いて学習できることを示す。
  論文  参考訳（メタデータ） (2024-06-18T18:02:35Z)
• A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
  我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。 本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
  論文  参考訳（メタデータ） (2024-05-03T20:45:00Z)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Bi-LSTM Price Prediction based on Attention Mechanism [2.455751370157653]
  我々は,金とビットコインという2つの一般的な資産をベースとした,注目機構に基づく双方向LSTMニューラルネットワークを提案する。 予測結果から2年間で1089.34%のリターンを得た。 また,本論文で提案したBi-LSTMモデルと従来のモデルとの比較を行い,本モデルが本データセットで最高の性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-12-07T03:56:11Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• Stock2Vec: A Hybrid Deep Learning Framework for Stock Market Prediction with Representation Learning and Temporal Convolutional Network [71.25144476293507]
  我々は、株式市場の日々の価格を予測するためのグローバルなハイブリッドディープラーニングフレームワークを開発することを提案した。 表現学習によって、私たちはStock2Vecという埋め込みを導きました。 我々のハイブリッドフレームワークは、両方の利点を統合し、いくつかの人気のあるベンチマークモデルよりも、株価予測タスクにおいてより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-09-29T22:54:30Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。