論文の概要: Equilibrium and Learning in Fixed-Price Data Markets with Externality
- arxiv url: http://arxiv.org/abs/2302.08012v1
- Date: Thu, 16 Feb 2023 00:57:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-17 15:31:34.123690
- Title: Equilibrium and Learning in Fixed-Price Data Markets with Externality
- Title（参考訳）: 外部性のある固定価格データ市場における均衡と学習
- Authors: Yiling Chen, Safwan Hossain
- Abstract要約: 我々は、売り手が固定価格を投稿し、買い手は好みの売り手から自由に購入できる現実世界のデータ市場をモデル化することを提案する。
このモデルの主要な構成要素は、類似したデータを購入することによって互いに負の外部性バイヤーが引き起こされることである。
我々は、幅広い種類の外部性関数に対して、収益中立的な取引コストという形で市場の介入が純粋なストラテジー均衡をもたらすことを証明している。
- 参考スコア（独自算出の注目度）: 5.396868017518903
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose modeling real-world data markets, where sellers post fixed prices
and buyers are free to purchase from any set of sellers they please, as a
simultaneous-move game between the buyers. A key component of this model is the
negative externality buyers induce on one another due to purchasing similar
data, a phenomenon exacerbated by its easy replicability. In the
complete-information setting, where all buyers know their valuations, we
characterize both the existence and the quality (with respect to optimal social
welfare) of the pure-strategy Nash equilibrium under various models of buyer
externality. While this picture is bleak without any market intervention,
reinforcing the inadequacy of modern data markets, we prove that for a broad
class of externality functions, market intervention in the form of a
revenue-neutral transaction cost can lead to a pure-strategy equilibrium with
strong welfare guarantees. We further show that this intervention is amenable
to the more realistic setting where buyers start with unknown valuations and
learn them over time through repeated market interactions. For such a setting,
we provide an online learning algorithm for each buyer that achieves low regret
guarantees with respect to both individual buyers' strategy and social welfare
optimal. Our work paves the way for considering simple intervention strategies
for existing fixed-price data markets to address their shortcoming and the
unique challenges put forth by data products.
- Abstract（参考訳）: 我々は,売り手が固定価格を投稿し,買い手が好きな売り手から自由に購入できる実世界のデータ市場を,買い手間の同時移動ゲームとして提案する。
このモデルの主要な構成要素は、類似したデータを購入することによって互いに負の外部性バイヤーが引き起こされることである。
すべてのバイヤーがバリュエーションを知っている完全な情報設定では、購入者の外部性の様々なモデルの下で、純粋なストラテジーナッシュ均衡の存在と品質(最適社会福祉に関する)の両方を特徴付ける。
この考え方は市場の介入なく、現代のデータ市場の不備を補強する一方で、幅広い外部性機能において、収益中立的な取引コストの形での市場介入は、強い福祉保障を伴う純粋な戦略均衡につながることを証明します。
さらに、この介入は、購入者が未知のバリュエーションから始めて、繰り返し市場の相互作用を通じて学習する、より現実的な環境に適応可能であることを示す。
そこで本研究では,各購入者に対して,購入者の戦略と社会福祉の双方において,後悔の少ない保証を実現するオンライン学習アルゴリズムを提案する。
我々の研究は、既存の固定価格データ市場に対するシンプルな介入戦略を考慮し、その欠点とデータ製品が抱える固有の課題に対処するための道を開いた。
関連論文リスト
- 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) - Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。
このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。
適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
論文 参考訳（メタデータ） (2024-03-21T14:48:37Z) - ZeroSwap: Data-driven Optimal Market Making in DeFi [23.671367118750872]
AMM(Automated Market Makers)は、分散金融における流動性供給と需要に合致する主要なセンターである。
本稿では,アセットの外部価格を最適に追跡する,最初の最適ベイズアルゴリズムとモデルフリーなデータ駆動アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-13T21:28:19Z) - Towards Multi-Agent Reinforcement Learning driven Over-The-Counter
Market Simulations [16.48389671789281]
オーバー・ザ・カウンタ市場において,流動性提供者と流動性取扱業者が相互作用するゲームについて検討した。
互いに対戦することで、深層強化学習主体のエージェントは創発的な行動を学ぶ。
遷移性仮定の下で,多エージェントポリシー勾配アルゴリズムの収束率を示す。
論文 参考訳（メタデータ） (2022-10-13T17:06:08Z) - Quantum computational finance: martingale asset pricing for incomplete
markets [69.73491758935712]
金融の価格問題に様々な量子技術を適用することができることを示す。
従来の研究と異なる3つの方法について議論する。
論文 参考訳（メタデータ） (2022-09-19T09:22:01Z) - Price Interpretability of Prediction Markets: A Convergence Analysis [6.623653707600985]
指数的ユーティリティベース市場におけるエージェント信念の幾何学的平均に制限価格が収束することを示す。
また、制限価格は、エージェントの信念、リスクパラメータ、富をカプセル化する方程式の体系によって特徴づけられることを示す。
論文 参考訳（メタデータ） (2022-05-18T13:15:11Z) - 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) - Intelligent Trading Systems: A Sentiment-Aware Reinforcement Learning
Approach [11.09729362243947]
本稿では市場ムードを活用して利益の安定を図るセンティメント・アウェア・RL(SentARL)インテリジェントトレーディングシステムを提案する。
本稿では,SentARLのベースラインに対する一貫した有効性を示す。
論文 参考訳（メタデータ） (2021-11-14T16:30:45Z) - Learning Equilibria in Matching Markets from Bandit Feedback [139.29934476625488]
不確実性の下で安定した市場成果を学習するためのフレームワークとアルゴリズムを開発する。
私たちの研究は、大規模なデータ駆動の市場において、いつ、どのように安定したマッチングが生じるかを明らかにするための第一歩を踏み出します。
論文 参考訳（メタデータ） (2021-08-19T17:59:28Z) - Data Sharing Markets [95.13209326119153]
我々は、各エージェントがデータの買い手および売り手の両方になり得る設定について検討する。
両データ交換(データ付きトレーディングデータ)と一方データ交換(お金付きトレーディングデータ)の2つの事例を考察する。
論文 参考訳（メタデータ） (2021-07-19T06:00:34Z) - Beating the market with a bad predictive model [0.0]
我々は、価格予測モデルに完全に劣る体系的な利益を一般的に得ることを証明している。
鍵となるアイデアは、予測モデルのトレーニング目標を変更して、それを市場から明示的にデコレーションすることだ。
論文 参考訳（メタデータ） (2020-10-23T16:20:35Z)
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。