論文の概要: Protecting Retail Investors from Order Book Spoofing using a GRU-based Detection Model

• arxiv url: http://arxiv.org/abs/2110.03687v1
• Date: Fri, 8 Oct 2021 14:23:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-11 17:41:27.541995
• Title: Protecting Retail Investors from Order Book Spoofing using a GRU-based Detection Model
• Title（参考訳）: GRU-based Detection Model を用いた小売業者の注文帳消しからの保護
• Authors: Jean-No\"el Tuccella and Philip Nadler and Ovidiu \c{S}erban
• Abstract要約: 本稿では,不正行為を検知し,詐欺未遂を投資家に知らせる手法を提案する。 我々のフレームワークは、高度に拡張可能なGRU(Gated Recurrent Unit)モデルに基づいています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Market manipulation is tackled through regulation in traditional markets because of its detrimental effect on market efficiency and many participating financial actors. The recent increase of private retail investors due to new low-fee platforms and new asset classes such as decentralised digital currencies has increased the number of vulnerable actors due to lack of institutional sophistication and strong regulation. This paper proposes a method to detect illicit activity and inform investors on spoofing attempts, a well-known market manipulation technique. Our framework is based on a highly extendable Gated Recurrent Unit (GRU) model and allows the inclusion of market variables that can explain spoofing and potentially other illicit activities. The model is tested on granular order book data, in one of the most unregulated markets prone to spoofing with a large number of non-institutional traders. The results show that the model is performing well in an early detection context, allowing the identification of spoofing attempts soon enough to allow investors to react. This is the first step to a fully comprehensive model that will protect investors in various unregulated trading environments and regulators to identify illicit activity.
• Abstract（参考訳）: 市場操作は、市場効率と多くの参加金融アクターに有害な影響があるため、伝統的な市場の規制によって取り組まれている。 新たな低賃金プラットフォームや分散型デジタル通貨などの新たな資産クラスによる民間投資家の増加は、制度の高度化や厳しい規制の欠如により、脆弱なアクターの数を増やしている。 本稿では,不正行為を検知し,よく知られた市場操作手法であるスプーフィングの試みを投資家に知らせる手法を提案する。 当社のフレームワークは,高度に拡張可能な Gated Recurrent Unit (GRU) モデルに基づいており,スプーフィングや潜在的に違法な活動を説明するマーケット変数を組み込むことが可能である。 このモデルは細かな注文帳データに基づいてテストされ、規制のない市場の1つでは、多くの非機関トレーダーと共謀しがちである。 その結果、モデルが早期検出環境でうまく機能していることが示され、投資家が反応するのに十分早くスプーフの識別が可能である。 これは、規制されていないさまざまなトレーディング環境の投資家を保護し、違法行為を特定するための完全な包括的モデルへの第一歩だ。

関連論文リスト

• Reinforcement Learning Framework for Quantitative Trading [0.0]
  個々の証券の潜在的な市場動向をよりよく理解するために、金融指標の有効利用には大きな断絶がある。 本研究は、金融指標を用いた正と負の購買行動を効果的に区別するRLエージェントの能力を高めることにより、これらの複雑さに対処する試みである。
  論文  参考訳（メタデータ） (2024-11-12T06:44:28Z)
• A Random Forest approach to detect and identify Unlawful Insider Trading [0.0]
  本研究では、不正なインサイダー取引を検出するために、エンドツーエンドの自動ステート・オブ・アーティファクト手法を実装した。 我々の最高の業績モデルは96.43パーセントの取引を正確に分類した。 分類タスクに加え、モデル生成したGini Impurityベースの特徴ランキングでは、置換値に基づくオーナシップとガバナンス関連の特徴が重要な役割を担っている。
  論文  参考訳（メタデータ） (2024-11-09T18:01:19Z)
• 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)
• Detecting and Triaging Spoofing using Temporal Convolutional Networks [6.24302896438145]
  アルゴリズム取引と電子市場は 金融市場の状況を変え続けています 本稿では,市場操作を検出する領域において,様々な問題に容易に対応可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-20T09:17:12Z)
• Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
  本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。 シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。 ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
  論文  参考訳（メタデータ） (2023-10-02T12:33:28Z)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and Regime-Switch VAE [113.47287249524008]
  オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。 本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。 4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-06-05T12:58:13Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• A machine learning approach to support decision in insider trading detection [1.304892050913381]
  市場監視を支援するための2つの補完的教師なし機械学習手法を提案する。 1つはクラスタリングを使用して、買収入札のような価格に敏感なイベントの近傍で、投資家の取引活動の不連続を識別する。 第2の教師なしのアプローチは、価格に敏感な出来事に忠実に行動する投資家の(小さな)グループを特定することを目的としており、インサイダーリングの可能性を示している。
  論文  参考訳（メタデータ） (2022-12-06T12:06:11Z)
• 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)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)

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。