論文の概要: Modeling and Analysis of Crypto-Backed Over-Collateralized Stable Derivatives in DeFi
- arxiv url: http://arxiv.org/abs/2402.18119v1
- Date: Wed, 28 Feb 2024 07:14:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 06:49:31.507527
- Title: Modeling and Analysis of Crypto-Backed Over-Collateralized Stable Derivatives in DeFi
- Title（参考訳）: DeFiにおける暗号型オーバーコレイダライズ安定誘導体のモデル化と解析
- Authors: Zhenbang Feng, Hardhik Mohanty, Bhaskar Krishnamachari,
- Abstract要約: 分散型金融(DeFi)では、DAIのような安定型コインは、暗号通貨の変動する性質の中で安定した価値を提供するように設計されている。
本稿では,暗号支援型安定誘導体のクラスについて検討し,価格安定化のメカニズムに着目した上で,MakerDAOの有名な安定型DAIを例示する。
- 参考スコア（独自算出の注目度）: 5.4482836906033585
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In decentralized finance (DeFi), stablecoins like DAI are designed to offer a stable value amidst the fluctuating nature of cryptocurrencies. We examine the class of crypto-backed stable derivatives, with a focus on mechanisms for price stabilization, which is exemplified by the well-known stablecoin DAI from MakerDAO. For simplicity, we focus on a single-collateral setting. We introduce a belief parameter to the simulation model of DAI in a previous work (DAISIM), reflecting market sentiments about the value and stability of DAI, and show that it better matches the expected behavior when this parameter is set to a sufficiently high value. We also propose a simple mathematical model of DAI price to explain its stability and dependency on ETH price. Finally, we analyze possible risk factors associated with these stable derivatives to provide valuable insights for stakeholders in the DeFi ecosystem.
- Abstract（参考訳）: 分散型金融(DeFi)では、DAIのような安定型コインは、暗号通貨の変動する性質の中で安定した価値を提供するように設計されている。
本稿では,暗号支援型安定誘導体のクラスについて検討し,価格安定化のメカニズムに着目した上で,MakerDAOの有名な安定型DAIを例示する。
シンプルさのため、私たちはシングルコラテラル設定に重点を置いています。
本稿では,従来のDAIのシミュレーションモデル(DAISIM)に信念パラメータを導入し,DAIの価値と安定性に対する市場の感想を反映し,このパラメータが十分に高い値に設定された場合の期待行動とよく一致することを示す。
また、その安定性とETH価格依存性を説明するために、DAI価格の簡単な数学的モデルを提案する。
最後に、これらの安定なデリバティブに関連する潜在的なリスク要因を分析し、DeFiエコシステムのステークホルダーに貴重な洞察を提供する。
関連論文リスト
- FinBERT-BiLSTM: A Deep Learning Model for Predicting Volatile Cryptocurrency Market Prices Using Market Sentiment Dynamics [3.6423651166048874]
本稿では,双方向長短期メモリ(Bidirectional Long Short-Term Memory, Bi-LSTM)ネットワークとFinBERTを併用して,暗号通貨の予測精度を向上させるハイブリッドモデルを提案する。
このアプローチは、先進的な時系列モデルと感情分析を組み合わせることで、不安定な金融市場の予測において重要なギャップを埋める。
論文 参考訳（メタデータ） (2024-11-02T14:43:06Z) - Hawkes-based cryptocurrency forecasting via Limit Order Book data [1.6236898718152877]
本稿では,ホークスモデルに根ざしたリミットオーダーブック(LOB)データを用いた新しい予測アルゴリズムを提案する。
我々の手法は、将来の金融相互作用の予測を活用することで、返却サインの正確な予測を提供する。
提案手法の有効性は,50シナリオにわたるモンテカルロシミュレーションを用いて検証した。
論文 参考訳（メタデータ） (2023-12-21T16:31:07Z) - 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) - Towards Robust Aspect-based Sentiment Analysis through
Non-counterfactual Augmentations [40.71705332298682]
非事実的データ拡張に依存する代替手法を提案する。
我々のアプローチはさらにABSAロバストネスベンチマークの新たな最先端を確立し、ドメイン間でうまく転送する。
論文 参考訳（メタデータ） (2023-06-24T13:57:32Z) - 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) - Joint Latent Topic Discovery and Expectation Modeling for Financial
Markets [45.758436505779386]
金融市場分析のための画期的な枠組みを提示する。
このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。
私たちのモデルは年率10%を超えるリターンを継続的に達成します。
論文 参考訳（メタデータ） (2023-06-01T01:36:51Z) - Forecasting Bitcoin volatility spikes from whale transactions and
CryptoQuant data using Synthesizer Transformer models [5.88864611435337]
ボラティリティ予測のためのディープラーニング合成器変換器モデルを提案する。
以上の結果から,既存の最先端モデルよりも優れたモデルであることが示唆された。
提案手法はビットコイン市場における極端なボラティリティ(変動性)の動きを予測するための有用なツールであることを示す。
論文 参考訳（メタデータ） (2022-10-06T05:44:29Z) - 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) - Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility [7.091344537490436]
本研究はビットコイン・ドル取引レートのボラティリティに影響を及ぼす様々な独立した要因について検討する。
我々は,AdaBoost-LSTMアンサンブルモデルであるCoMForEを提案する。
先進的なモデルでは、全体的な暗号通貨価値分布の変動を予測し、投資決定に対する価値を高めることで、さらに一歩進んでいます。
論文 参考訳（メタデータ） (2022-02-12T21:39:29Z) - Deep Stochastic Volatility Model [3.3970049571884204]
本論文では, 深部潜在変数モデルの枠組みに基づく深部ボラティリティモデル(DSVM)を提案する。
フレキシブルなディープラーニングモデルを使用して、過去のリターンに対する将来のボラティリティの依存性を自動的に検出する。
実データ分析では、DSVMはいくつかの一般的な代替ボラティリティモデルよりも優れています。
論文 参考訳（メタデータ） (2021-02-25T03:25:33Z) - Fine-Grained Analysis of Stability and Generalization for Stochastic
Gradient Descent [55.85456985750134]
我々は,SGDの反復的リスクによって制御される新しい境界を開発する,平均モデル安定性と呼ばれる新しい安定性尺度を導入する。
これにより、最良のモデルの振舞いによって一般化境界が得られ、低雑音環境における最初の既知の高速境界が導かれる。
我々の知る限りでは、このことはSGDの微分不能な損失関数でさえも初めて知られている安定性と一般化を与える。
論文 参考訳（メタデータ） (2020-06-15T06:30:19Z)
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。