論文の概要: Deep Learning for Mean Field Games and Mean Field Control with
Applications to Finance
- arxiv url: http://arxiv.org/abs/2107.04568v1
- Date: Fri, 9 Jul 2021 17:40:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-12 13:32:27.067284
- Title: Deep Learning for Mean Field Games and Mean Field Control with
Applications to Finance
- Title(参考訳): 平均場ゲームのためのディープラーニングと平均場制御とファイナンスへの応用
- Authors: Ren\'e Carmona and Mathieu Lauri\`ere
- Abstract要約: 平均場ゲームは、プレイヤーの数が無限であるときの極限における問題を研究するために導入された。
機械学習との対話は、ますます関心を集めている。
金融アプリケーションに特に重点を置いている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Financial markets and more generally macro-economic models involve a large
number of individuals interacting through variables such as prices resulting
from the aggregate behavior of all the agents. Mean field games have been
introduced to study Nash equilibria for such problems in the limit when the
number of players is infinite. The theory has been extensively developed in the
past decade, using both analytical and probabilistic tools, and a wide range of
applications have been discovered, from economics to crowd motion. More
recently the interaction with machine learning has attracted a growing
interest. This aspect is particularly relevant to solve very large games with
complex structures, in high dimension or with common sources of randomness. In
this chapter, we review the literature on the interplay between mean field
games and deep learning, with a focus on three families of methods. A special
emphasis is given to financial applications.
- Abstract(参考訳): 金融市場やより一般的にマクロ経済モデルでは、全てのエージェントの集合行動から生じる価格などの変数を介して相互作用する多数の個人が関与する。
平均場ゲームは、プレイヤーの数が無限である極限におけるそのような問題に対するナッシュ均衡を研究するために導入された。
この理論は分析ツールと確率ツールの両方を使用して過去10年間に広く開発され、経済学から群集運動まで幅広い応用が発見されている。
最近では、機械学習とのインタラクションが関心を集めている。
この側面は、複雑な構造、高次元、または共通のランダム性源を持つ非常に大きなゲームを解くことに特に関係している。
本章では,平均フィールドゲームとディープラーニングの相互作用に関する文献を,3種類の手法に焦点をあてて検討する。
金融アプリケーションに特に重点を置いている。
関連論文リスト
- Stochastic Delay Differential Games: Financial Modeling and Machine
Learning Algorithms [3.222802562733787]
深層学習による遅延差分ゲームの閉ループナッシュ平衡を求める数値手法を提案する。
これらのゲームは、マルチエージェント相互作用と遅延効果がモデルでしばしば望まれる特徴である金融と経済学で広く使われている。
論文 参考訳(メタデータ) (2023-07-12T21:02:45Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳(メタデータ) (2022-09-07T19:21:19Z) - Learning Correlated Equilibria in Mean-Field Games [62.14589406821103]
我々は平均場相関と粗相関平衡の概念を発展させる。
ゲームの構造に関する仮定を必要とせず,効率よくゲーム内で学習できることが示される。
論文 参考訳(メタデータ) (2022-08-22T08:31:46Z) - A Survey of Decision Making in Adversarial Games [8.489977267389934]
ポーカー、チェス、エバダー追跡、麻薬の侵入、沿岸警備、サイバーセキュリティ、国防など多くの実践的応用において、プレイヤーは明らかに敵対的な姿勢をとる。
本稿では,対戦型ゲームに広く用いられている3つの主要ゲームモデルについて,体系的な調査を行う。
論文 参考訳(メタデータ) (2022-07-16T16:04:01Z) - Learning Mean Field Games: A Survey [41.49489325903035]
平均フィールドゲームズ(MFG)は、プレイヤーの数を無限に増やすために平均フィールド近似に依存する。
MFGにおけるナッシュリリア学習のための強化学習法に関する最近の研究
これらのアルゴリズムとMarkov Decision Processesとの接続に基づいて、モデルのない方法でMFGソリューションを学習するためにRLをどのように使用できるかを説明する。
論文 参考訳(メタデータ) (2022-05-25T17:49:37Z) - FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。
我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。
その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文 参考訳(メタデータ) (2021-09-01T00:08:14Z) - Reinforcement Learning for Mean Field Games, with Applications to
Economics [0.0]
平均場ゲーム(MFG)および平均場制御問題(平均場制御問題、平均場制御問題、平均場制御問題、平均場制御問題、平均場制御問題、平均場制御問題、平均場制御問題)は、エージェントの連続体を持つゲームにおいてナッシュ平衡または社会的最適性を研究するためのフレームワークである。
本稿では,MFGとMFCのためのRLを用いた2つの時間スケールアプローチを提案する。
論文 参考訳(メタデータ) (2021-06-25T16:45:04Z) - Scaling up Mean Field Games with Online Mirror Descent [55.36153467919289]
オンラインミラー Descent (OMD) を用いた平均場ゲーム (MFG) のスケールアップ均衡計算に対処する。
連続時間 OMD は自然かつモチベーションの良い単調性仮定の集合の下でナッシュ平衡に確実に収束することを示す。
様々な単一および多集団MFGに関する徹底的な実験的研究は、OMDがFictitious Play (FP)のような従来のアルゴリズムより優れていることを示している。
論文 参考訳(メタデータ) (2021-02-28T21:28:36Z) - Fundamental Limits and Tradeoffs in Invariant Representation Learning [99.2368462915979]
多くの機械学習アプリケーションは、2つの競合する目標を達成する表現を学習する。
ミニマックスゲーム理論の定式化は、精度と不変性の基本的なトレードオフを表す。
分類と回帰の双方において,この一般的かつ重要な問題を情報論的に解析する。
論文 参考訳(メタデータ) (2020-12-19T15:24:04Z) - Polynomial-Time Computation of Optimal Correlated Equilibria in
Two-Player Extensive-Form Games with Public Chance Moves and Beyond [107.14897720357631]
本研究では,公的なチャンス移動を伴う2人プレイヤゲームにおいて,最適相関平衡が時間内に計算可能であることを示す。
この結果、10年以上にわたる広範な形式の相関を取り巻く最大の正の複雑性結果が得られた。
論文 参考訳(メタデータ) (2020-09-09T14:51:58Z)
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。