論文の概要: Bayesian Regression Markets

• arxiv url: http://arxiv.org/abs/2310.14992v3
• Date: Mon, 1 Jul 2024 12:36:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-02 17:40:31.678109
• Title: Bayesian Regression Markets
• Title（参考訳）: ベイズレグレッション市場
• Authors: Thomas Falconer, Jalal Kazempour, 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。 文献上の同様の提案が、市場エージェントを大きめの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）: 0.16385815610837165
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Although machine learning tasks are highly sensitive to the quality of input data, relevant datasets can often be challenging for firms to acquire, especially when held privately by a variety of owners. For instance, if these owners are competitors in a downstream market, they may be 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 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 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データの品質に非常に敏感だが、企業にとって関連するデータセットは、特にさまざまな所有者がプライベートに開催する場合には、取得が困難な場合が多い。 例えば、これらの所有者が下流市場における競合相手であるなら、情報を共有することに消極的かもしれない。 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。 我々の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。 我々は、市場資産の徹底的な調査を行い、文献における同様の提案が、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

• Promoting User Data Autonomy During the Dissolution of a Monopolistic Firm [5.864623711097197]
  本稿では,Conscious Data Contributionのフレームワークが,解散中におけるユーザの自律性を実現する方法を示す。 我々は、微調整と「破滅的な忘れ」の現象が、機械の非学習の一種として実際にどのように有用であるかを探求する。
  論文  参考訳（メタデータ） (2024-11-20T18:55:51Z)
• Safety vs. Performance: How Multi-Objective Learning Reduces Barriers to Market Entry [86.79268605140251]
  我々は、大規模言語モデルのための新興市場への参入に必要となる障壁が存在するかどうかを調査する。 要求されるデータポイント数は、既存の企業のデータセットサイズよりも大幅に小さくなることを示します。 以上の結果から,多目的的考察が参入障壁を根本的に低減することを示す。
  論文  参考訳（メタデータ） (2024-09-05T17:45:01Z)
• A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
  我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。 本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
  論文  参考訳（メタデータ） (2024-05-03T20:45:00Z)
• 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)
• 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)
• Competition, Alignment, and Equilibria in Digital Marketplaces [97.03797129675951]
  プラットフォームアクションがバンディットアルゴリズムであり,両プラットフォームがユーザ参加を競うデュオポリー市場について検討する。 私たちの主な発見は、この市場における競争は、市場の結果をユーザーユーティリティと完全に一致させるものではないということです。
  論文  参考訳（メタデータ） (2022-08-30T17:43:58Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• 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)
• 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)

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。