論文の概要: UAMM: UBET Automated Market Maker

• arxiv url: http://arxiv.org/abs/2308.06375v1
• Date: Fri, 11 Aug 2023 20:17:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-15 17:41:15.562980
• Title: UAMM: UBET Automated Market Maker
• Title（参考訳）: UAMM:UBETの自動化市場
• Authors: Daniel Jiwoong Im, Alexander Kondratskiy, Vincent Harvey, Hsuan-Wei Fu
• Abstract要約: 本稿では,外部市場価格と流動性プールの非定常損失を考慮した価格計算手法UBET AMMを提案する。 当社のアプローチは、外部市場価格が効率的である場合に、仲裁の機会を排除できることを実証する。
• 参考スコア（独自算出の注目度）: 45.410818354926406
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Automated market makers (AMMs) are pricing mechanisms utilized by decentralized exchanges (DEX). Traditional AMM approaches are constrained by pricing solely based on their own liquidity pool, without consideration of external markets or risk management for liquidity providers. In this paper, we propose a new approach known as UBET AMM (UAMM), which calculates prices by considering external market prices and the impermanent loss of the liquidity pool. Despite relying on external market prices, our method maintains the desired properties of a constant product curve when computing slippages. The key element of UAMM is determining the appropriate slippage amount based on the desired target balance, which encourages the liquidity pool to minimize impermanent loss. We demonstrate that our approach eliminates arbitrage opportunities when external market prices are efficient.
• Abstract（参考訳）: AMM(Automated Marketmaker)は、分散型取引所(DEX)が利用する価格設定機構である。 従来のAMMアプローチは、外部市場や流動性プロバイダのリスク管理を考慮せずに、独自の流動性プールのみに基づく価格設定によって制約されている。 本稿では,外部市場価格と流動性プールの不連続損失を考慮し,価格を算出する手法である ubet amm (uamm) を提案する。 外部の市場価格に依存するにもかかわらず,本手法は製品曲線の所望の特性を一定に維持する。 UAMMの鍵となる要素は、所望の目標バランスに基づいて適切なすべり量を決定することである。 当社のアプローチは,外部市場価格が効率的である場合の仲裁機会を排除できることを実証する。

関連論文リスト

• 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)
• Adaptive Liquidity Provision in Uniswap V3 with Deep Reinforcement Learning [19.916721360624997]
  分散取引所(DEX)は、分散金融(DeFi)の基盤である 本稿では,価格範囲を適応的に調整する深層強化学習(DRL)ソリューションを提案する。 当社のアプローチは、リバランシングポートフォリオを通じて流動性ポジションをヘッジすることで、価格変動リスクを中和する。
  論文  参考訳（メタデータ） (2023-09-18T20:10:28Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Onchain Sports Betting using UBET Automated Market Maker [45.410818354926406]
  分散スポーツの賭けには、効率的な流動性提供のために自動市場メーカー(AMM)が必要である。 Uniswapのような既存のAMMは、公正な確率に一致せず、流動性プロバイダーのリスクを生み出している。 本稿では、スマートコントラクトとアルゴリズムを活用して、スポーツオッズを公平に価格設定するUBET AMM(UAMM)を紹介する。
  論文  参考訳（メタデータ） (2023-08-18T02:19:30Z)
• Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
  自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。 本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
  論文  参考訳（メタデータ） (2023-04-28T10:27:38Z)
• Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
  分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。 そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。 これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。 我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
  論文  参考訳（メタデータ） (2023-02-01T17:21:40Z)
• Predictive Crypto-Asset Automated Market Making Architecture for Decentralized Finance using Deep Reinforcement Learning [0.0]
  本研究は、オンチェーンの保持と決済機能を備えた引用駆動型予測自動市場メーカー(AMM)プラットフォームを提案する。 提案アーキテクチャは,暗号AMMプロトコルであるUnixwap V3への拡張であり,分散とすべり損失の低減を目的とした新たな市場均衡価格を利用する。
  論文  参考訳（メタデータ） (2022-09-28T01:13:22Z)
• Delta Hedging Liquidity Positions on Automated Market Makers [5.122487534787007]
  Liquidity Providers on Automated Market Makersは毎日数百万USドルを取引手数料で調達する。 流動性位置の純値は、プールの根底にある資産の価格変動に弱い。 本研究では,流動性位置PNLを測定するための新しい指標を提案する。
  論文  参考訳（メタデータ） (2022-08-04T19:30:26Z)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)

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。