論文の概要: Atlas-X Equity Financing: Unlocking New Methods to Securely Obfuscate Axe Inventory Data Based on Differential Privacy
- arxiv url: http://arxiv.org/abs/2404.06686v1
- Date: Wed, 10 Apr 2024 02:19:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 15:49:13.611839
- Title: Atlas-X Equity Financing: Unlocking New Methods to Securely Obfuscate Axe Inventory Data Based on Differential Privacy
- Title（参考訳）: Atlas-X Equity Financing: 差分プライバシに基づいたAxeインベントリデータをセキュアに隠蔽する新しい方法
- Authors: Antigoni Polychroniadou, Gabriele Cipriani, Richard Hua, Tucker Balch,
- Abstract要約: Atlas-X Axe Obfuscationは、銀行が継続的に観察しながら、発行した軸リストを毎日難読化することを可能にする。
私たちの知る限り、これは金融セクターで展開される最初の差分プライバシーソリューションです。
- 参考スコア（独自算出の注目度）: 6.146022401628768
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Banks publish daily a list of available securities/assets (axe list) to selected clients to help them effectively locate Long (buy) or Short (sell) trades at reduced financing rates. This reduces costs for the bank, as the list aggregates the bank's internal firm inventory per asset for all clients of long as well as short trades. However, this is somewhat problematic: (1) the bank's inventory is revealed; (2) trades of clients who contribute to the aggregated list, particularly those deemed large, are revealed to other clients. Clients conducting sizable trades with the bank and possessing a portion of the aggregated asset exceeding $50\%$ are considered to be concentrated clients. This could potentially reveal a trading concentrated client's activity to their competitors, thus providing an unfair advantage over the market. Atlas-X Axe Obfuscation, powered by new differential private methods, enables a bank to obfuscate its published axe list on a daily basis while under continual observation, thus maintaining an acceptable inventory Profit and Loss (P&L) cost pertaining to the noisy obfuscated axe list while reducing the clients' trading activity leakage. Our main differential private innovation is a differential private aggregator for streams (time series data) of both positive and negative integers under continual observation. For the last two years, Atlas-X system has been live in production across three major regions-USA, Europe, and Asia-at J.P. Morgan, a major financial institution, facilitating significant profitability. To our knowledge, it is the first differential privacy solution to be deployed in the financial sector. We also report benchmarks of our algorithm based on (anonymous) real and synthetic data to showcase the quality of our obfuscation and its success in production.
- Abstract（参考訳）: 銀行は選択した顧客に対して利用可能な証券/資産のリスト(xe list)を毎日発行し、金融金利の低下でロング(購入)またはショート(販売)の取引を効果的に見つける手助けをする。
これにより、リストは、長期の取引だけでなく、全ての顧客に対する資産当たりの銀行内企業在庫を集約するので、銀行のコストを削減できる。
しかし、これは、(1)銀行の在庫が明らかにされ、(2)集約されたリストに貢献する顧客の取引、特に大きいと見なされる取引が他の顧客に開示される、という問題である。
銀行と取引可能な規模の取引を行い、総資産の50\%以上を保有している顧客を集中顧客とみなす。
これにより、取引の集中したクライアントの活動が競合他社に明らかになり、市場に対して不公平な優位性をもたらす可能性がある。
Atlas-X Axe Obfuscationは、新しい微分プライベートな手法によって、銀行が発行した軸リストを継続的に観察しながら日常的に難読化することが可能であり、これにより、クライアントのトレーディングアクティビティの漏洩を低減しつつ、ノイズの多い不正な軸リストに関連する、許容可能な在庫と損失(P&L)コストを維持することができる。
我々の主な差分私的革新は、連続的な観測の下で正整数と負整数の両方のストリーム(時系列データ)に対する差分私的アグリゲータである。
過去2年間、アトラスXシステムは主要な金融機関である米国、欧州、アジア・アット・J・P・モーガンの3つの主要地域で生産され、大きな利益をもたらす。
私たちの知る限り、これは金融セクターで展開される最初の差分プライバシーソリューションです。
また、実データと合成データに基づくアルゴリズムのベンチマークを報告し、難読化の品質と生産成功を示す。
関連論文リスト
- 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) - Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。
実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
論文 参考訳（メタデータ） (2024-06-05T20:19:09Z) - Prime Match: A Privacy-Preserving Inventory Matching System [15.320275576536854]
金融業界では、銀行はしばしば顧客同士のマッチングを見つける仕事を引き受ける。
一致しない場合、当事者は株式を公開市場で売買する必要があるため、追加費用がかかる。
私たちは、クライアントが市場への影響を減らして注文を効率的にマッチングできるソリューション、Prime Matchを提供しています。
論文 参考訳（メタデータ） (2023-10-14T17:03:44Z) - Federated Learning Incentive Mechanism under Buyers' Auction Market [2.316580879469592]
オークションベースのフェデレートラーニング(AFL)は、利己的なデータコンシューマとデータオーナ間のオープンなコラボレーションを可能にする。
我々は、購入者の市場における価格変動を説明するために、調達オークションの枠組みに適応する。
信頼性とデータ品質の高いクライアントを選択し、外部からの攻撃を防ぐために、ブロックチェーンベースの評判メカニズムを利用する。
論文 参考訳（メタデータ） (2023-09-10T16:09:02Z) - The Double-Edged Sword of Big Data and Information Technology for the
Disadvantaged: A Cautionary Tale from Open Banking [0.3867363075280543]
オープンバンキングは金融サービスに革命を起こし、顧客の獲得、管理、維持、リスクアセスメントの新しい機会を開いた。
新型コロナウイルスとインフレーション上昇による世界的な懸念である金融脆弱性(FV)の次元について検討する。
英国フィンテックの貸し手によるユニークなデータセットを用いて、安全な使用法を同時に警告しながら、きめ細かいトランザクションデータのパワーを実証する。
論文 参考訳（メタデータ） (2023-07-25T11:07:43Z) - 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) - 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) - Supporting Financial Inclusion with Graph Machine Learning and Super-App
Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。
本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文 参考訳（メタデータ） (2021-02-19T15:13:06Z) - Segmenting Bank Customers via RFM Model and Unsupervised Machine
Learning [0.0]
近年、金融機関にとって大きな課題の1つは顧客の維持である。
本稿では,アゼルバイジャン最大の民間銀行の実際の顧客データに適用したRAM手法と各種クラスタリングアルゴリズムを用いた。
論文 参考訳（メタデータ） (2020-08-19T20:41:18Z) - 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) - Reinforcement-Learning based Portfolio Management with Augmented Asset
Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。
本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。
当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文 参考訳（メタデータ） (2020-02-09T08:10:03Z)
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。