論文の概要: Efficient Calibration of Multi-Agent Market Simulators from Time Series with Bayesian Optimization

• arxiv url: http://arxiv.org/abs/2112.03874v1
• Date: Fri, 3 Dec 2021 22:57:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-08 14:27:38.532325
• Title: Efficient Calibration of Multi-Agent Market Simulators from Time Series with Bayesian Optimization
• Title（参考訳）: ベイズ最適化を伴う時系列からのマルチエージェント市場シミュレータの効率的な校正
• Authors: Yuanlu Bai, Henry Lam, Svitlana Vyetrenko, Tucker Balch
• Abstract要約: マルチエージェント市場シミュレーションは、下流の機械学習や強化学習タスクのための環境を作成するために一般的に使用される。 本稿では,過去の時系列観測からマルチエージェント市場シミュレータパラメータを校正するためのフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.6749843984691672
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-agent market simulation is commonly used to create an environment for downstream machine learning or reinforcement learning tasks, such as training or testing trading strategies before deploying them to real-time trading. In electronic trading markets only the price or volume time series, that result from interaction of multiple market participants, are typically directly observable. Therefore, multi-agent market environments need to be calibrated so that the time series that result from interaction of simulated agents resemble historical -- which amounts to solving a highly complex large-scale optimization problem. In this paper, we propose a simple and efficient framework for calibrating multi-agent market simulator parameters from historical time series observations. First, we consider a novel concept of eligibility set to bypass the potential non-identifiability issue. Second, we generalize the two-sample Kolmogorov-Smirnov (K-S) test with Bonferroni correction to test the similarity between two high-dimensional time series distributions, which gives a simple yet effective distance metric between the time series sample sets. Third, we suggest using Bayesian optimization (BO) and trust-region BO (TuRBO) to minimize the aforementioned distance metric. Finally, we demonstrate the efficiency of our framework using numerical experiments.
• Abstract（参考訳）: マルチエージェント市場シミュレーションは、リアルタイム取引にデプロイする前に、トレーニングやトレーディング戦略のテストなど、下流の機械学習や強化学習タスクのための環境を作成するために一般的に使用される。 電子取引市場では、複数の市場参加者の相互作用による価格またはボリューム時系列のみが直接観測可能である。 したがって、マルチエージェント市場環境は、シミュレーションエージェントの相互作用によって生じる時系列が歴史的に似ており、非常に複雑な大規模最適化問題の解決につながるように調整する必要がある。 本稿では,過去の時系列観測からマルチエージェント市場シミュレータパラメータを校正する,シンプルで効率的なフレームワークを提案する。 まず, 潜在非識別可能性問題を回避するための, 適性セットの新たな概念を考える。 第2に、二つの高次元時系列分布間の類似性をテストするために、ボンフェルロニ補正を用いた2つのサンプルkolmogorov-smirnov(k-s)検定を一般化する。 第3に,ベイズ最適化(BO)と信頼領域BO(TuRBO)を用いて,上記の距離距離を最小化することを提案する。 最後に, 数値実験により, フレームワークの効率を実証する。

関連論文リスト

• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Deciphering Movement: Unified Trajectory Generation Model for Multi-Agent [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを導入する。 バスケットボール-U,サッカー-U,サッカー-Uの3つの実用的なスポーツゲームデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• UniMatch: A Unified User-Item Matching Framework for the Multi-purpose Merchant Marketing [27.459774494479227]
  1つのモデルでアイテムレコメンデーションとユーザターゲティングを同時に行うために,統合されたユーザイテムマッチングフレームワークを提案する。 我々のフレームワークは、最先端の手法と比較して大幅に性能が向上し、計算資源や日々のメンテナンスにかかるコストが大幅に削減された。
  論文  参考訳（メタデータ） (2023-07-19T13:49:35Z)
• Distributionally Robust Models with Parametric Likelihood Ratios [123.05074253513935]
  3つの単純なアイデアにより、より広いパラメトリックな確率比のクラスを用いてDROでモデルを訓練することができる。 パラメトリック逆数を用いてトレーニングしたモデルは、他のDROアプローチと比較して、サブポピュレーションシフトに対して一貫して頑健であることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T12:43:12Z)
• Time Series Anomaly Detection by Cumulative Radon Features [32.36217153362305]
  本研究は,分布距離測定と組み合わせた場合,浅部特徴が十分であると主張する。 提案手法は,各時系列を高次元的特徴分布としてモデル化する。 累積ラドン特徴量を用いて各時系列をパラメータ化することにより、正規時系列の分布を効率的に効果的にモデル化できることを示す。
  論文  参考訳（メタデータ） (2022-02-08T18:58:53Z)
• Multi-Asset Spot and Option Market Simulation [52.77024349608834]
  正規化フローに基づく1つの基盤となる1つのマーケットシミュレータを現実的に構築する。 本研究では, 正規化流れの条件付き可逆性を活用し, 独立シミュレータの連立分布をキャリブレーションするスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2021-12-13T17:34:28Z)
• Cadence: A Practical Time-series Partitioning Algorithm for Unlabeled IoT Sensor Streams [1.2330326247154968]
  提案アルゴリズムは,異なるアプリケーションにわたる時系列イベントを頑健に検出できることを示す。 環境検知に基づくアクティビティ認識のための実世界のIoTデプロイメントにおいて、その適用性を実証する。
  論文  参考訳（メタデータ） (2021-12-06T21:13:18Z)
• Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
  本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。 当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。 単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-10-26T20:41:19Z)
• Learning who is in the market from time series: market participant discovery through adversarial calibration of multi-agent simulators [0.0]
  電子取引市場では、価格またはボリューム時系列のみが直接観測可能である。 本研究では,実物と偽物とを区別できる識別器を2段階に分けて学習する手法を提案する。
  論文  参考訳（メタデータ） (2021-08-02T06:53:37Z)
• The Right Tool for the Job: Matching Model and Instance Complexities [62.95183777679024]
  NLPモデルが大きくなればなるほど、訓練されたモデルを実行するには、金銭的・環境的なコストを発生させる重要な計算資源が必要である。 我々は、推論中、早期(かつ高速)の"exit"を可能にする文脈表現微調整の修正を提案する。 3つのテキスト分類データセットと2つの自然言語推論ベンチマークの2つのタスクで、5つの異なるデータセットに対して提案した修正を検証した。
  論文  参考訳（メタデータ） (2020-04-16T04:28:08Z)

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。