論文の概要: Detecting Toxic Flow

• arxiv url: http://arxiv.org/abs/2312.05827v1
• Date: Sun, 10 Dec 2023 09:00:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 18:25:47.153852
• Title: Detecting Toxic Flow
• Title（参考訳）: 毒性流の検出
• Authors: \'Alvaro Cartea, Gerardo Duran-Martin, Leandro S\'anchez-Betancourt
• Abstract要約: 本稿では,ブローカーが顧客から受ける有害取引を予測する枠組みを開発する。 我々は、我々の方法論をテストするために、外国為替取引のプロプライエタリなデータセットを使用します。 顧客から受け取った取引の内面化や外部化のために毒性予測を利用するブローカーのための戦略を考案する。
• 参考スコア（独自算出の注目度）: 0.40964539027092917
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper develops a framework to predict toxic trades that a broker receives from her clients. Toxic trades are predicted with a novel online Bayesian method which we call the projection-based unification of last-layer and subspace estimation (PULSE). PULSE is a fast and statistically-efficient online procedure to train a Bayesian neural network sequentially. We employ a proprietary dataset of foreign exchange transactions to test our methodology. PULSE outperforms standard machine learning and statistical methods when predicting if a trade will be toxic; the benchmark methods are logistic regression, random forests, and a recursively-updated maximum-likelihood estimator. We devise a strategy for the broker who uses toxicity predictions to internalise or to externalise each trade received from her clients. Our methodology can be implemented in real-time because it takes less than one millisecond to update parameters and make a prediction. Compared with the benchmarks, PULSE attains the highest PnL and the largest avoided loss for the horizons we consider.
• Abstract（参考訳）: 本稿では,ブローカーがクライアントから受け取る有害取引を予測する枠組みを開発した。 トキシック取引は、末層と部分空間の推定の射影に基づく統一(PULSE)と呼ばれる新しいオンラインベイズ手法で予測される。 pulseはベイジアンニューラルネットワークをシーケンシャルにトレーニングするための高速かつ統計効率の良いオンライン手順である。 当社の方法論をテストするために、外国為替取引のプロプライエタリなデータセットを使用しています。 PULSEは、取引が有害になるかどうかを予測する際に、標準的な機械学習および統計手法よりも優れており、ベンチマーク手法はロジスティック回帰、ランダムフォレスト、再帰的に更新された最大様相推定器である。 顧客から受け取った取引の内面化や外部化のために毒性予測を利用するブローカーのための戦略を考案する。 パラメータの更新や予測に1ミリ秒未満を要するため,提案手法をリアルタイムに実装することができる。 ベンチマークと比較すると、PULSEは最も高いPnLを獲得し、私たちが考慮する地平線における最大の損失を回避している。

関連論文リスト

• Rejection via Learning Density Ratios [50.91522897152437]
  拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。 そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。 私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
  論文  参考訳（メタデータ） (2024-05-29T01:32:17Z)
• Conservative Predictions on Noisy Financial Data [6.300716661852326]
  金融市場の価格変動は、非常に騒々しいことがよく知られている。 従来のルール学習技術は、高精度なルールのみを求め、先行者が適用されない予測を控えるものだった。 我々は、モデルが不確実であるデータポイントの予測を控える、同様のアプローチを適用する。
  論文  参考訳（メタデータ） (2023-10-18T09:14:19Z)
• An Offline Learning Approach to Propagator Models [3.1755820123640612]
  まず、静的データセットから未知の価格影響カーネルを推定するエージェントに対して、オフラインで学習する問題を考察する。 本稿では,価格トラジェクトリ,トレーディング信号,メタオーダーを含むデータセットからプロパゲータを非パラメトリックに推定する手法を提案する。 提案手法では,提案手法を純粋に活用することで,実行コストを最小化しようとするトレーダーが準最適に遭遇することを示す。
  論文  参考訳（メタデータ） (2023-09-06T13:36:43Z)
• Safe Deployment for Counterfactual Learning to Rank with Exposure-Based Risk Minimization [63.93275508300137]
  本稿では,安全な配置を理論的に保証する新たなリスク認識型対実学習ランク法を提案する。 提案手法の有効性を実験的に検証し,データが少ない場合の動作不良の早期回避に有効であることを示す。
  論文  参考訳（メタデータ） (2023-04-26T15:54:23Z)
• DNN-ForwardTesting: A New Trading Strategy Validation using Statistical Timeseries Analysis and Deep Neural Networks [0.6882042556551609]
  我々はDNN-forwardtestingと呼ばれる新しいトレーディング戦略を提案し、ディープニューラルネットワークによって予測される将来についてテストすることで適用戦略を決定する。 我々の取引システムは、DNNの予測に適用することで最も効果的な技術指標を計算し、そのような指標を使って取引を誘導する。
  論文  参考訳（メタデータ） (2022-10-20T19:00:59Z)
• 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)
• Learning to Liquidate Forex: Optimal Stopping via Adaptive Top-K Regression [19.942711817396734]
  我々は、外国通貨(FC)で収益を上げ、国内通貨(HC)で経費を計上する企業のために行動する取引業者を学習することを検討する。 エージェントの目標は、トレーディングエピソードの終盤において、トレーディングエピソードの各ステップでFCを保持または販売することを決定したことにより、期待されるHCを最大化することである。 今後,すべてのFXレートを予測せずに,トップKのFXレートを予測できる新しい教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2022-02-25T09:33:10Z)
• 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)
• Predicting Status of Pre and Post M&A Deals Using Machine Learning and Deep Learning Techniques [0.0]
  リスク仲裁または合併仲裁は、M&A取引の成功を推測する投資戦略である。 事前の取引状況の予測は、リスク仲裁者にとって非常に重要である。 本稿では,買収成功予測問題に対するMLとDLに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-08-05T21:26:45Z)
• SLOE: A Faster Method for Statistical Inference in High-Dimensional Logistic Regression [68.66245730450915]
  実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。 私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
  論文  参考訳（メタデータ） (2021-03-23T17:48:56Z)
• Meta-Learned Confidence for Few-shot Learning [60.6086305523402]
  数ショットのメトリックベースのアプローチのための一般的なトランスダクティブ推論手法は、最も確実なクエリ例の平均で、各クラスのプロトタイプを更新することである。 本稿では,各クエリの信頼度をメタラーニングして,ラベルのないクエリに最適な重みを割り当てる手法を提案する。 4つのベンチマークデータセットに対してメタ学習の信頼度で、少数ショットの学習モデルを検証した。
  論文  参考訳（メタデータ） (2020-02-27T10:22:17Z)

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。