論文の概要: A Network Simulation of OTC Markets with Multiple Agents
- arxiv url: http://arxiv.org/abs/2405.02480v1
- Date: Fri, 3 May 2024 20:45:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-07 19:50:15.805874
- Title: A Network Simulation of OTC Markets with Multiple Agents
- Title（参考訳）: マルチエージェントを用いたOCC市場のネットワークシミュレーション
- Authors: James T. Wilkinson, Jacob Kelter, John Chen, Uri Wilensky,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.8944986367855963
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel agent-based approach to simulating an over-the-counter (OTC) financial market in which trades are intermediated solely by market makers and agent visibility is constrained to a network topology. Dynamics, such as changes in price, result from agent-level interactions that ubiquitously occur via market maker agents acting as liquidity providers. Two additional agents are considered: trend investors use a deep convolutional neural network paired with a deep Q-learning framework to inform trading decisions by analysing price history; and value investors use a static price-target to determine their trade directions and sizes. We demonstrate that our novel inclusion of a network topology with market makers facilitates explorations into various market structures. First, we present the model and an overview of its mechanics. Second, we validate our findings via comparison to the real-world: we demonstrate a fat-tailed distribution of price changes, auto-correlated volatility, a skew negatively correlated to market maker positioning, predictable price-history patterns and more. Finally, we demonstrate that our network-based model can lend insights into the effect of market-structure on price-action. For example, we show that markets with sparsely connected intermediaries can have a critical point of fragmentation, beyond which the market forms distinct clusters and arbitrage becomes rapidly possible between the prices of different market makers. A discussion is provided on future work that would be beneficial.
- Abstract（参考訳）: 本稿では,取引が市場メーカのみによって仲介され,エージェントの可視性はネットワークトポロジに制約される,オーバー・ザ・カウンタ(OTC)金融市場をシミュレートする新しいエージェントベースのアプローチを提案する。
価格の変化のようなダイナミクスは、流動性プロバイダとして働くマーケットメイカーエージェントを介して、どこでも起こるエージェントレベルの相互作用によって生じる。
トレンド投資家は、ディープQラーニングフレームワークと組み合わせたディープ畳み込みニューラルネットワークを使用して、価格履歴を分析してトレーディング決定を通知する。
我々は,ネットワークトポロジをマーケットメーカに組み込むことによって,様々な市場構造を探究できることを示す。
まず、そのモデルとその力学の概観について述べる。
第2に,価格変動の太字分布,自動相関ボラティリティ,市場メーカの位置と負の相関,予測可能な価格履歴パターンなどを実世界と比較して検証した。
最後に,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。
例えば、わずかに接続された仲介業者の市場は、市場が異なるクラスタを形成し、異なる市場メーカの価格間で仲裁が急速に可能となるような、断片化の重要なポイントを持つ可能性があることを示す。
有益であろう将来の仕事についての議論がある。
関連論文リスト
- Neuro-Symbolic Traders: Assessing the Wisdom of AI Crowds in Markets [0.0]
私たちは、深層生成モデルを使用して購入/販売決定を行う仮想トレーダーの形式を開発します。
我々の枠組みでは、ニューロシンボリックトレーダーは、視覚言語モデルを使用して資産の基本的価値のモデルを発見するエージェントである。
これは過去のデータと比べて価格の抑制につながっており、将来の市場の安定へのリスクを浮き彫りにしている」と述べた。
論文 参考訳（メタデータ） (2024-10-18T16:37:52Z) - A Multi-agent Market Model Can Explain the Impact of AI Traders in Financial Markets -- A New Microfoundations of GARCH model [3.655221783356311]
本稿では,ノイズトレーダー,基本トレーダー,AIトレーダーの3種類のエージェントを組み込んだマルチエージェント市場モデルを提案する。
我々は,このモデルをマルチエージェントシミュレーションにより検証し,金融市場のスタイル化された事実を再現する能力を確認した。
論文 参考訳（メタデータ） (2024-09-19T07:14:13Z) - 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) - Modelling crypto markets by multi-agent reinforcement learning [0.0]
本研究では,暗号市場を模擬したマルチエージェント強化学習(MARL)モデルを提案する。
2018年から2022年にかけて継続的に取引された暗号通貨の1日当たり終値153ドルに調整されている。
論文 参考訳（メタデータ） (2024-02-16T16:28:58Z) - An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。
FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。
本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
論文 参考訳（メタデータ） (2024-02-02T07:25:53Z) - Price Interpretability of Prediction Markets: A Convergence Analysis [6.623653707600985]
指数的ユーティリティベース市場におけるエージェント信念の幾何学的平均に制限価格が収束することを示す。
また、制限価格は、エージェントの信念、リスクパラメータ、富をカプセル化する方程式の体系によって特徴づけられることを示す。
論文 参考訳（メタデータ） (2022-05-18T13:15:11Z) - 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) - Macroscopic properties of buyer-seller networks in online marketplaces [55.41644538483948]
2010年から2021年の間にオンラインマーケットプレースで発生した2億2500万トランザクションを含む2つのデータセットを分析した。
オンラインマーケットプレースにおける取引は、言語、生涯、製品、規制、技術に大きな違いがあるにもかかわらず、非常に類似したパターンを示す。
論文 参考訳（メタデータ） (2021-12-16T18:00:47Z) - 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) - 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) - Deep Probabilistic Modelling of Price Movements for High-Frequency
Trading [0.0]
本稿では、高周波市場価格の確率論的モデリングのための深い再帰アーキテクチャを提案する。
結果として生じる深層混合モデルは、自動化された高周波取引戦略の開発において重要ないくつかの実践的課題に同時に対処する。
このモデルでは,メトリックベーステストとシミュレートされたトレーディングシナリオの両方において,ベンチマークモデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-03-31T19:25:40Z)
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。