論文の概要: Reinforcement Learning Policy Recommendation for Interbank Network Stability

• arxiv url: http://arxiv.org/abs/2204.07134v2
• Date: Wed, 17 May 2023 21:29:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-20 00:59:16.459658
• Title: Reinforcement Learning Policy Recommendation for Interbank Network Stability
• Title（参考訳）: 銀行間ネットワーク安定のための強化学習政策勧告
• Authors: Alessio Brini, Gabriele Tedeschi, Daniele Tantari
• Abstract要約: 我々は,政策勧告が人工銀行間市場のパフォーマンスに与える影響を分析する。 システムのレジリエンスを確保するためには,コア周囲の銀行間ネットワークの出現が不可欠であることを示す。
• 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: In this paper, we analyze the effect of a policy recommendation on the performance of an artificial interbank market. Financial institutions stipulate lending agreements following a public recommendation and their individual information. The former is modeled by a reinforcement learning optimal policy that maximizes the system's fitness and gathers information on the economic environment. The policy recommendation directs economic actors to create credit relationships through the optimal choice between a low interest rate or a high liquidity supply. The latter, based on the agents' balance sheet, allows determining the liquidity supply and interest rate that the banks optimally offer their clients within the market. Thanks to the combination between the public and the private signal, financial institutions create or cut their credit connections over time via a preferential attachment evolving procedure able to generate a dynamic network. Our results show that the emergence of a core-periphery interbank network, combined with a certain level of homogeneity in the size of lenders and borrowers, is essential to ensure the system's resilience. Moreover, the optimal policy recommendation obtained through reinforcement learning is crucial in mitigating systemic risk.
• Abstract（参考訳）: 本稿では,政策勧告が人工銀行間市場のパフォーマンスに与える影響を解析する。 金融機関は、公的勧告及び個人情報に基づく貸付契約を定めている。 前者は、システムの適合性を最大化し、経済環境に関する情報を収集する強化学習最適政策によってモデル化される。 政策勧告は、低金利または高流動性供給の最適な選択を通じて、経済アクターに信用関係を作るよう指示する。 後者は、エージェントのバランスシートに基づいて、銀行が市場内で最適な顧客に提供する流動性供給と金利を決定することができる。 公開信号とプライベート信号の組み合わせにより、金融機関は動的ネットワークを生成できる優先的なアタッチメント進化手順によって、時間とともにクレジットカード接続を作成または切断する。 以上の結果から, 銀行間ネットワークの出現は, 貸し手や借主のサイズに一定の均質性が組み合わさることで, システムのレジリエンスを確保する上で不可欠であることが示唆された。 また,強化学習により得られる最適政策勧告は,システムリスクの軽減に不可欠である。

関連論文リスト

• Efficient and Robust Regularized Federated Recommendation [52.24782464815489]
  推薦システム(RSRS)は、ユーザの好みとプライバシの両方に対処する。 通信効率を向上させるために,非一様勾配勾配勾配を取り入れた新しい手法を提案する。 RFRecFの強靭性は、多様なベースラインに比べて優れている。
  論文  参考訳（メタデータ） (2024-11-03T12:10:20Z)
• Balancing Immediate Revenue and Future Off-Policy Evaluation in Coupon Allocation [3.4562366784858685]
  本稿では,データ収集のためのモデルベース収益政策とランダム化探索政策を組み合わせた新しいアプローチを提案する。 当社の枠組みは、短期収益と今後の政策改善のバランスを最適化するために、これらの2つの政策の混合比率を柔軟に調整することができる。 合成データを用いた混合政策の有効性を実証的に検証した。
  論文  参考訳（メタデータ） (2024-07-06T02:04:17Z)
• A Novel Multiagent Flexibility Aggregation Framework [1.7132914341329848]
  本稿では,多エージェントアーキテクチャを包含する新たなDERアグリゲーションフレームワークを提案する。 アーキテクチャの重要なコンポーネントのひとつはローカルフレキシビリティ・エスペクタ(LFE)エージェントです。
  論文  参考訳（メタデータ） (2023-07-17T11:36:15Z)
• Privacy-Preserving Joint Edge Association and Power Optimization for the Internet of Vehicles via Federated Multi-Agent Reinforcement Learning [74.53077322713548]
  プライバシ保護型共同エッジアソシエーションと電力配分問題について検討する。 提案されたソリューションは、最先端のソリューションよりも高いプライバシレベルを維持しながら、魅力的なトレードオフにぶつかる。
  論文  参考訳（メタデータ） (2023-01-26T10:09:23Z)
• Interactive Learning with Pricing for Optimal and Stable Allocations in Markets [12.580391999838128]
  大規模オンラインレコメンデーションシステムは、ユーザのフィードバックから好みを学習しながら、競合するユーザ間で限られた数のアイテムの割り当てを容易にする必要がある。 我々のフレームワークは、報酬を楽観的に最大化するアロケーションを探索することで、レコメンデーションの品質を高める。 不安定性を最小限に抑えるため、推薦されたアロケーションから逸脱するユーザのインセンティブを測定するため、アルゴリズムはWalrasian equilibriaから派生したスキームに基づいてアイテムを価格設定する。 本手法は, 帯域幅, 最適資源配分, 協調フィルタリングの手法を統合し, サブリニアな社会福祉の後悔と, サブリニアな不安定性を実現するアルゴリズムを得るための最初の手法である。
  論文  参考訳（メタデータ） (2022-12-13T20:33:54Z)
• A Learning and Control Perspective for Microfinance [0.19573380763700707]
  発展途上国の申請者の多くは、金融機関が貸付決定を下すために必要な十分な情報を提供できない。 我々は、マイクロファイナンスの決定を、学習と制御を含む厳密な最適化ベースのフレームワークに定式化する。
  論文  参考訳（メタデータ） (2022-07-26T03:35:18Z)
• Monotonic Improvement Guarantees under Non-stationarity for Decentralized PPO [66.5384483339413]
  我々は,MARL(Multi-Agent Reinforcement Learning)における分散政策の最適化のための新しい単調改善保証を提案する。 本研究では,訓練中のエージェント数に基づいて,独立した比率を限定することにより,信頼領域の制約を原則的に効果的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-31T20:39:48Z)
• Optimal Market Making by Reinforcement Learning [0.0]
  古典的量的金融市場形成問題に強化学習アルゴリズムを適用する。 Deep Q-Learningアルゴリズムは最適なエージェントを復元する。
  論文  参考訳（メタデータ） (2021-04-08T20:13:21Z)
• Dealing with Non-Stationarity in Multi-Agent Reinforcement Learning via Trust Region Decomposition [52.06086375833474]
  非定常性は多エージェント強化学習における厄介な問題である。 ポリシーシーケンスの定常性を明示的にモデル化するための$delta$-stationarity測定を導入する。 共同政策の分岐を推定するために,メッセージパッシングに基づく信頼領域分解ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-02-21T14:46:50Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)
• 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。