論文の概要: Optimal Dynamic Fees for Blockchain Resources

• arxiv url: http://arxiv.org/abs/2309.12735v1
• Date: Fri, 22 Sep 2023 09:34:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 15:11:25.628340
• Title: Optimal Dynamic Fees for Blockchain Resources
• Title（参考訳）: ブロックチェーンリソースの最適動的料金
• Authors: Davide Crapis, Ciamac C. Moallemi, Shouqiao Wang
• Abstract要約: 複数のブロックチェーンリソースに対する動的課金機構の最適設計の問題に対処するフレームワークを開発する。 当社のフレームワークは,資源価格の調整と永続的な需要シフトの処理,あるいは観測されたブロック需要の局所的な騒音に対する堅牢性とのトレードオフを最適に計算することができる。 また,EIP-1559 や EIP-4844 などの料金更新規則の設計を2つのケーススタディで洗練・通知する方法を実証する。
• 参考スコア（独自算出の注目度）: 1.7648680700685022
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a general and practical framework to address the problem of the optimal design of dynamic fee mechanisms for multiple blockchain resources. Our framework allows to compute policies that optimally trade-off between adjusting resource prices to handle persistent demand shifts versus being robust to local noise in the observed block demand. In the general case with more than one resource, our optimal policies correctly handle cross-effects (complementarity and substitutability) in resource demands. We also show how these cross-effects can be used to inform resource design, i.e. combining resources into bundles that have low demand-side cross-effects can yield simpler and more efficient price-update rules. Our framework is also practical, we demonstrate how it can be used to refine or inform the design of heuristic fee update rules such as EIP-1559 or EIP-4844 with two case studies. We then estimate a uni-dimensional version of our model using real market data from the Ethereum blockchain and empirically compare the performance of our optimal policies to EIP-1559.
• Abstract（参考訳）: 複数のブロックチェーンリソースに対する動的課金機構の最適設計の問題に対処する汎用的で実用的なフレームワークを開発する。 当社のフレームワークは,資源価格の調整と永続的な需要シフトの処理,あるいは観測されたブロック需要の局所的な騒音に対する堅牢性とのトレードオフを最適に計算することができる。 複数のリソースを持つ一般的な場合、最適ポリシーはリソース要求における相互効果(相補性と置換性)を正しく扱う。 また、これらのクロスエフェクトがリソース設計にどのように役立つか、すなわち、需要側のクロスエフェクトの低いバンドルにリソースを組み合わせることで、よりシンプルで効率的な価格更新ルールが得られるかを示す。 また,EIP-1559 や EIP-4844 などのヒューリスティックな料金更新規則の設計を2つのケーススタディで洗練・通知する方法を実証する。 次に、Ethereumブロックチェーンの実際の市場データを用いて、モデルの1次元バージョンを推定し、最適なポリシのパフォーマンスをEIP-1559と経験的に比較する。

関連論文リスト

• Onflow: an online portfolio allocation algorithm [0.0]
  ポートフォリオ割り当てポリシーのオンライン最適化を可能にする強化学習手法であるOnflowを紹介する。 ログ正規資産の場合、トランザクションコストがゼロのOnflowが学んだ戦略は、Markowitzの最適ポートフォリオを模倣している。 オンフローは、他の動的アロケーション技術がもはや機能しないレギュレーションにおいて、効率的であり続けることができる。
  論文  参考訳（メタデータ） (2023-12-08T16:49:19Z)
• A Model-Based Machine Learning Approach for Assessing the Performance of Blockchain Applications [0.0]
  ブロックチェーンのパフォーマンスを予測するために、機械学習(ML)モデルベースの手法を使用します。 我々は、最適なブロックチェーン構成を調査できるSalp Swarm Optimization (SO) MLモデルを採用している。 この$k$NNモデルはSVMを5%上回り、ISOは通常のSOに比べて4%の不正確な偏差を減少させることを示した。
  論文  参考訳（メタデータ） (2023-09-20T10:39:21Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• Dynamic Resource Allocation for Metaverse Applications with Deep Reinforcement Learning [64.75603723249837]
  そこで本研究では,Metaverse アプリケーション用の異なるタイプのリソースを動的に管理・割り当てする新しいフレームワークを提案する。 まず,アプリケーション間で共通関数を共有できるMetaInstancesという,アプリケーションをグループに分割する効果的なソリューションを提案する。 そこで我々は,要求到着プロセスとアプリケーション離脱プロセスのリアルタイム,動的,不確実な特性を捉えるために,セミマルコフ決定プロセスに基づくフレームワークを開発する。
  論文  参考訳（メタデータ） (2023-02-27T00:30:01Z)
• Slimmable Domain Adaptation [112.19652651687402]
  重み付けモデルバンクを用いて、ドメイン間の一般化を改善するためのシンプルなフレームワーク、Slimmable Domain Adaptationを導入する。 私たちのフレームワークは、他の競合するアプローチを、複数のベンチマークにおいて非常に大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-06-14T06:28:04Z)
• WaveCorr: Correlation-savvy Deep Reinforcement Learning for Portfolio Management [1.0499611180329804]
  深層強化学習(DRL)のための新しいポートフォリオポリシーネットワークアーキテクチャを提案する。 WaveCorrは、年平均リターンで3%-25%改善した他のアーキテクチャを一貫して上回っている。 また,初期資産の順序と重みのランダムな選択による性能の安定度を最大5倍に改善した。
  論文  参考訳（メタデータ） (2021-09-14T22:52:46Z)
• Quantum Portfolio Optimization with Investment Bands and Target Volatility [0.0]
  ポートフォリオ最適化問題に対する複雑な実生活制約を簡単な方法で実装する方法を示す。 我々は、個々の投資バンド、すなわち、各資産に対して最小限および最大限の投資を行う方法を示す。 本研究は,現在のNISQ量子プロセッサにおいて,定量的ファイナンスにおける日々の現実的な制約をいかに簡単に実装できるかを示すものである。
  論文  参考訳（メタデータ） (2021-06-12T10:17:17Z)
• Deep Learning Statistical Arbitrage [0.0]
  本稿では,統計的仲裁のための統一的な概念枠組みを提案し,新しいディープラーニングソリューションを開発した。 我々は、条件付き遅延資産価格要素から残余ポートフォリオとして類似資産の仲裁ポートフォリオを構築する。 我々は、これらの残余ポートフォリオの時系列信号を、最も強力な機械学習時系列ソリューションの1つを用いて抽出する。
  論文  参考訳（メタデータ） (2021-06-08T00:48:25Z)
• Model-Augmented Q-learning [112.86795579978802]
  モデルベースRLの構成要素を付加したMFRLフレームワークを提案する。 具体的には、$Q$-valuesだけでなく、共有ネットワークにおける遷移と報酬の両方を見積もる。 提案手法は,MQL (Model-augmented $Q$-learning) とよばれる提案手法により,真に報いられた学習によって得られる解と同一のポリシ不変解が得られることを示す。
  論文  参考訳（メタデータ） (2021-02-07T17:56:50Z)
• Cost-Sensitive Portfolio Selection via Deep Reinforcement Learning [100.73223416589596]
  深層強化学習を用いたコスト依存型ポートフォリオ選択手法を提案する。 具体的には、価格系列パターンと資産相関の両方を抽出するために、新しい2ストリームポートフォリオポリシーネットワークを考案した。 蓄積したリターンを最大化し、強化学習によるコストの両立を抑えるため、新たなコスト感受性報酬関数が開発された。
  論文  参考訳（メタデータ） (2020-03-06T06:28:17Z)
• Information Theoretic Model Predictive Q-Learning [64.74041985237105]
  本稿では,情報理論的MPCとエントロピー正規化RLとの新たな理論的関連性を示す。 バイアスモデルを利用したQ-ラーニングアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2019-12-31T00:29:22Z)

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。