論文の概要: Bayesian Regression Markets
- arxiv url: http://arxiv.org/abs/2310.14992v2
- Date: Tue, 12 Mar 2024 08:19:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 01:36:44.292686
- Title: Bayesian Regression Markets
- Title(参考訳): ベイズ回帰市場
- Authors: Thomas Falconer and Jalal Kazempour and Pierre Pinson
- Abstract要約: 我々は、データ共有のための金銭的インセンティブを提供するためのレグレッション市場を開発する。
現在の文献でも同様の提案が市場エージェントを大きな金融リスクに晒すことが示されている。
- 参考スコア(独自算出の注目度): 0.18416014644193066
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Machine learning tasks are vulnerable to the quality of data used as input.
Yet, it is often challenging for firms to obtain adequate datasets, with them
being naturally distributed amongst owners, that in practice, may be
competitors in a downstream market and reluctant to share information. Focusing
on supervised learning for regression tasks, we develop a regression market to
provide a monetary incentive for data sharing. Our proposed mechanism adopts a
Bayesian framework, allowing us to consider a more general class of regression
tasks. We present a thorough exploration of the market properties, and show
that similar proposals in current literature expose the market agents to
sizeable financial risks, which can be mitigated in our setup.
- Abstract(参考訳): 機械学習タスクは入力として使用されるデータの品質に弱い。
しかし、企業が適切なデータセットを入手することはしばしば困難であり、所有者間で自然に分散され、実際には下流市場におけるライバルであり、情報の共有に消極的である。
回帰タスクの教師付き学習に着目して、データ共有のための金銭的インセンティブを提供するレグレッション市場を開発する。
提案するメカニズムはベイズ的枠組みを採用しており,より一般的な回帰タスクのクラスを考えることができる。
市場資産の徹底的な調査を行い、現在の文献に類似した提案が、市場エージェントを大規模な金融リスクに晒し、当社の設定を緩和できることを示す。
関連論文リスト
- Market-GAN: Adding Control to Financial Market Data Generation with
Semantic Context [23.773217528211905]
現在の財務データセットにはコンテキストラベルは含まれていない。
現在の技術は、文脈を制御として財務データを生成するように設計されていない。
Market-GANは、制御可能な生成をコンテキストで行うためにGAN(Generative Adversarial Networks)を組み込んだ新しいアーキテクチャである。
論文 参考訳(メタデータ) (2023-09-14T13:42:27Z) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-06-05T12:58:13Z) - Augmented Bilinear Network for Incremental Multi-Stock Time-Series
Classification [83.23129279407271]
本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。
本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。
この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
論文 参考訳(メタデータ) (2022-07-23T18:54:10Z) - 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) - OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。
我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。
データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文 参考訳(メタデータ) (2021-02-18T09:20:26Z) - Encoded Value-at-Risk: A Predictive Machine for Financial Risk
Management [0.0]
本稿では,Encoded Value-at-Risk (Encoded VaR) と呼ばれる新たな市場リスク計測手法を提案する。
可変オートエンコーダ(VAEs)と呼ばれる,ニューラルネットワークのタイプをベースとする符号化VaR
論文 参考訳(メタデータ) (2020-11-13T03:25:35Z) - 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) - Taking Over the Stock Market: Adversarial Perturbations Against
Algorithmic Traders [47.32228513808444]
本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。
入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
論文 参考訳(メタデータ) (2020-10-19T06:28:05Z) - Improving the Robustness of Trading Strategy Backtesting with Boltzmann
Machines and Generative Adversarial Networks [0.0]
この記事では、市場ジェネレータを構築するための機械学習モデルの使用について説明する。
基礎となる考え方は、統計的性質が金融市場に見られるものと同じである人工多次元金融時系列をシミュレートすることである。
そこで本稿では,バックテスト統計の確率分布を推定する新しい手法を提案する。
論文 参考訳(メタデータ) (2020-07-09T14:37:45Z) - Hedging using reinforcement learning: Contextual $k$-Armed Bandit versus
$Q$-learning [0.22940141855172028]
本稿では,リスクと市場摩擦の存在下での連関債権の複製戦略の構築について検討する。
本稿では、ヘッジ問題はリスク・アバース文脈における$k$-armed bandit問題の例と見なされる。
私たちは、$k$の武器付きバンディットモデルが、ヘッジの利益と損失の定式化に自然に適合していることに気付きました。
論文 参考訳(メタデータ) (2020-07-03T11:34:10Z) - 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。