論文の概要: Can AI Detect Wash Trading? Evidence from NFTs

• arxiv url: http://arxiv.org/abs/2311.18717v3
• Date: Sun, 02 Mar 2025 19:50:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-04 17:04:19.144577
• Title: Can AI Detect Wash Trading? Evidence from NFTs
• Title（参考訳）: AIは洗濯物取引を検出できるか? NFTによる証拠
• Authors: Brett Hemenway Falk, Gerry Tsoukalas, Niuniu Zhang,
• Abstract要約: 取引の38%(30-40%)、取引価値の60%(25-95%)が操作に関係している可能性が高い。 この直接的な証拠は、既存の間接的な方法の批判的な再評価を可能にする。 我々は、これらの回帰を機械学習フレームワークに統合するAIベースの推定器を開発する。
• 参考スコア（独自算出の注目度）: 1.4678959818041633
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Existing studies on crypto wash trading often use indirect statistical methods or leaked private data, both with inherent limitations. This paper leverages public on-chain NFT data for a more direct and granular estimation. Analyzing three major exchanges, we find that ~38% (30-40%) of trades and ~60% (25-95%) of traded value likely involve manipulation, with significant variation across exchanges. This direct evidence enables a critical reassessment of existing indirect methods, identifying roundedness-based regressions \`a la Cong et al. (2023) as most promising, though still error-prone in the NFT setting. To address this, we develop an AI-based estimator that integrates these regressions in a machine learning framework, significantly reducing both exchange- and trade-level estimation errors in NFT markets (and beyond).
• Abstract（参考訳）: 暗号ウォッシュ取引に関する既存の研究は、しばしば間接的な統計手法や流出した個人データを用いており、どちらも固有の制限がある。 本稿では、より直接的かつ詳細な推定のために、パブリックオンチェーンNTTデータを活用する。 3つの主要な取引所を分析したところ、取引の約38%(30-40%)と取引価値の約60%(25-95%)が取引所間で大きな変動を伴う可能性があることがわかった。 この直接的な証拠は、ラウンドドネスに基づく回帰 \`a la Cong et al (2023) を最も有望であるとして、既存の間接的手法の批判的な再評価を可能にする。 そこで我々は,これらの回帰を機械学習フレームワークに統合したAIベースの推定器を開発した。

関連論文リスト

• A Random Forest approach to detect and identify Unlawful Insider Trading [0.0]
  本研究では、不正なインサイダー取引を検出するために、エンドツーエンドの自動ステート・オブ・アーティファクト手法を実装した。 我々の最高の業績モデルは96.43パーセントの取引を正確に分類した。 分類タスクに加え、モデル生成したGini Impurityベースの特徴ランキングでは、置換値に基づくオーナシップとガバナンス関連の特徴が重要な役割を担っている。
  論文  参考訳（メタデータ） (2024-11-09T18:01:19Z)
• 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)
• Unveiling Wash Trading in Popular NFT Markets [0.7529855084362796]
  4つの非偽造トークン(NFT)市場における2500万以上のトランザクションを分析します。 本稿では,トランザクションのネットワーク特性を行動解析と統合するアルゴリズムを提案する。 以上の結果から, インセンティブのあるNFT市場は, 洗剤取引量の割合が高いことが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T14:52:52Z)
• FinLLM-B: When Large Language Models Meet Financial Breakout Trading [13.465954970263502]
  FinLLM-Bはファイナンシャル・ブレークアウト検出のための主要な言語モデルである。 我々は,大規模言語モデル,すなわち多段階構造のための新しいフレームワークを開発した。 GPT-3.5と比較して、FinLLM-Bは回答の平均精度を49.97%改善し、多段構造は9.72%改善に寄与した。
  論文  参考訳（メタデータ） (2024-02-12T10:04:07Z)
• The Gaps between Pre-train and Downstream Settings in Bias Evaluation and Debiasing [74.7319697510621]
  In-Context Learning (ICL)は、FTベースのデバイアス法と比較して、PLMの変更を小さくする。 ICL-based debiasing method is a higher correlation between intrinsic and extrinsic bias scores than FT-based method。
  論文  参考訳（メタデータ） (2024-01-16T17:15:08Z)
• The Dark Side of NFTs: A Large-Scale Empirical Study of Wash Trading [28.20696034160891]
  我々は,2,701,883 NFTから8,717,031の転送イベントと3,830,141のセールイベントを分析した。 NFTの3種類の洗剤取引を識別し,識別アルゴリズムを提案する。 また,マーケットプレース設計,収益性,NFTプロジェクト設計,支払トークン,ユーザ行動,NTTエコシステムといった6つの側面からの洞察も提供する。
  論文  参考訳（メタデータ） (2023-12-19T19:29:24Z)
• Stock Market Sentiment Classification and Backtesting via Fine-tuned BERT [0.0]
  この論文は感情理論から始まり、East Moneyを例に挙げ、対応するストックバーからユーザーコメントのタイトルデータをクロールする。 上記モデルに基づいて、クロールしたユーザコメントデータを感情極性でラベル付けし、得られたラベル情報をAlpha191モデルと組み合わせる。 回帰モデルは、次の5日間の平均価格変化を予測し、自動取引を導く信号として使用する。
  論文  参考訳（メタデータ） (2023-09-21T11:26:36Z)
• 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)
• Improving CNN-base Stock Trading By Considering Data Heterogeneity and Burst [1.6637373649145604]
  入力データの空間的依存(行と列間の関係)を学習できるため,このようなフレームワークのコア機能としてCNNを用いる。 次に、ストックデータを作成するための新しい正規化プロセスを開発する。 実験結果から,本手法が他の比較手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-14T01:05:17Z)
• Improved Stock Price Movement Classification Using News Articles Based on Embeddings and Label Smoothing [1.8920934738244022]
  本稿では,ディープラーニングの正規化と最適化手法を取り入れて,ニュース記事を用いた株価変動の分類を改善することを提案する。 さらに、トレーニングモデルの一般化を改善するため、重量減衰、バッチ正規化、ドロップアウト、ラベル平滑化を取り入れた。 一般的に使用されるデータセットに対する実験結果から,テストセットの平均精度は80.7%に達し,大幅な改善が得られた。
  論文  参考訳（メタデータ） (2023-01-25T08:33:45Z)
• A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum Blockchain [53.8917088220974]
  非Fungible Token(NFT)市場は2021年に爆発的に成長し、2022年1月には月間貿易額が60億ドルに達した。 ウォッシュトレーディングの可能性に関する懸念が浮かび上がっており、あるパーティがNFTを取引してそのボリュームを人為的に膨らませる市場操作の形式である。 洗濯物取引は全NFTコレクションの5.66%に影響し、総生産量は3,406,110,774ドルである。
  論文  参考訳（メタデータ） (2022-12-02T15:03:35Z)
• 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)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• A Stock Trading System for a Medium Volatile Asset using Multi Layer Perceptron [0.6882042556551609]
  今後30日間の公開市場における価格予測のために,フィードフォワードディープニューラルネットワーク(DNN)のコアとなるストックトレーディングシステムを提案する。 結果は、非常に控えめな100ドルの予算からわずか1ヶ月で3.2%の総利益率をもたらすことを約束していた。
  論文  参考訳（メタデータ） (2022-01-17T16:08:40Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)
• Fast Uncertainty Quantification for Deep Object Pose Estimation [91.09217713805337]
  深層学習に基づくオブジェクトポーズ推定は、しばしば信頼できない、自信過剰である。 本研究では,6-DoFオブジェクトのポーズ推定のための,シンプルで効率的かつプラグアンドプレイなUQ手法を提案する。
  論文  参考訳（メタデータ） (2020-11-16T06:51:55Z)
• Accurate and Robust Feature Importance Estimation under Distribution Shifts [49.58991359544005]
  PRoFILEは、新しい特徴重要度推定法である。 忠実さと頑健さの両面で、最先端のアプローチよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-09-30T05:29:01Z)

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。