論文の概要: Large-Scale Contextual Market Equilibrium Computation through Deep Learning
- arxiv url: http://arxiv.org/abs/2406.15459v1
- Date: Tue, 11 Jun 2024 03:36:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 07:01:19.484632
- Title: Large-Scale Contextual Market Equilibrium Computation through Deep Learning
- Title(参考訳): ディープラーニングによる大規模市場均衡計算
- Authors: Yunxuan Ma, Yide Bian, Hao Xu, Weitao Yang, Jingshu Zhao, Zhijian Duan, Feng Wang, Xiaotie Deng,
- Abstract要約: 本稿では,市場均衡を近似する深層学習方式であるMarketFCNetを紹介する。
MarketFCNetは,既存の手法と比較して,競争性能と実行時間を大幅に低下させることを示す。
- 参考スコア(独自算出の注目度): 10.286961524745966
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Market equilibrium is one of the most fundamental solution concepts in economics and social optimization analysis. Existing works on market equilibrium computation primarily focus on settings with a relatively small number of buyers. Motivated by this, our paper investigates the computation of market equilibrium in scenarios with a large-scale buyer population, where buyers and goods are represented by their contexts. Building on this realistic and generalized contextual market model, we introduce MarketFCNet, a deep learning-based method for approximating market equilibrium. We start by parameterizing the allocation of each good to each buyer using a neural network, which depends solely on the context of the buyer and the good. Next, we propose an efficient method to estimate the loss function of the training algorithm unbiasedly, enabling us to optimize the network parameters through gradient descent. To evaluate the approximated solution, we introduce a metric called Nash Gap, which quantifies the deviation of the given allocation and price pair from the market equilibrium. Experimental results indicate that MarketFCNet delivers competitive performance and significantly lower running times compared to existing methods as the market scale expands, demonstrating the potential of deep learning-based methods to accelerate the approximation of large-scale contextual market equilibrium.
- Abstract(参考訳): 市場均衡は、経済学と社会最適化分析における最も基本的な解決策の1つである。
市場均衡計算に関する既存の研究は、主に比較的少数の購入者による設定に焦点を当てている。
そこで本研究では,購入者と商品がコンテキストによって表される大規模購入者人口のシナリオにおける市場均衡の計算について検討する。
この現実的で一般化された市場モデルに基づいて、市場均衡を近似する深層学習に基づく手法であるMarketFCNetを導入する。
まず、買い手と買い手のコンテキストにのみ依存するニューラルネットワークを用いて、買い手ごとに各商品の割り当てをパラメータ化することから始める。
次に,学習アルゴリズムの損失関数を非バイアスで推定する効率的な手法を提案し,勾配降下によるネットワークパラメータの最適化を可能にする。
近似解を評価するために、市場均衡から与えられた割当と価格対の偏差を定量化するナッシュギャップと呼ばれる計量を導入する。
実験結果から,MarketFCNetは市場規模が拡大するにつれて,既存の手法に比べて競争性能とランニングタイムを著しく低下させ,大規模市場均衡の近似を加速する深層学習手法の可能性を示した。
関連論文リスト
- Quantum algorithm for large-scale market equilibrium computation [0.9208007322096533]
サブ線形性能を持つ市場均衡計算のための最初の量子ランタイムアルゴリズムを提供する。
提案アルゴリズムは,従来のアルゴリズムと客観的な最適化値に到達しつつ,購入者数や商品数の観点からも,実行時の高速化を実現する。
論文 参考訳(メタデータ) (2024-05-22T16:12:45Z) - Electricity Price Forecasting in the Irish Balancing Market [0.0]
この研究は、広く研究されている日頭市場で成功した様々な価格予測手法をアイルランドのバランス市場に適用する。
異なるトレーニングサイズの影響を調査するフレームワークを用いて,統計モデル,機械学習モデル,ディープラーニングモデルを比較した。
大規模な数値的な研究により、日頭市場における良いパフォーマンスのモデルはバランスの取れないモデルではうまく機能しないことが示された。
論文 参考訳(メタデータ) (2024-02-09T15:18:00Z) - Finding Regularized Competitive Equilibria of Heterogeneous Agent
Macroeconomic Models with Reinforcement Learning [151.03738099494765]
労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。
本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-24T17:16:27Z) - Towards Multi-Agent Reinforcement Learning driven Over-The-Counter
Market Simulations [16.48389671789281]
オーバー・ザ・カウンタ市場において,流動性提供者と流動性取扱業者が相互作用するゲームについて検討した。
互いに対戦することで、深層強化学習主体のエージェントは創発的な行動を学ぶ。
遷移性仮定の下で,多エージェントポリシー勾配アルゴリズムの収束率を示す。
論文 参考訳(メタデータ) (2022-10-13T17:06:08Z) - 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) - Efficient Model-based Multi-agent Reinforcement Learning via Optimistic
Equilibrium Computation [93.52573037053449]
H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。
自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
論文 参考訳(メタデータ) (2022-03-14T17:24:03Z) - 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) - Finding General Equilibria in Many-Agent Economic Simulations Using Deep
Reinforcement Learning [72.23843557783533]
本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。
私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。
当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
論文 参考訳(メタデータ) (2022-01-03T17:00:17Z) - 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) - The Price is (Probably) Right: Learning Market Equilibria from Samples [23.236452020801337]
プレイヤーの評価額が不明な設定を検討します。
PAC学習理論フレームワークを用いて、一般的な評価関数のクラスを解析する。
直接PAC平衡割り当てを出力するアルゴリズムを提供する。
論文 参考訳(メタデータ) (2020-12-29T16:38:39Z) - Empirical Study of Market Impact Conditional on Order-Flow Imbalance [0.0]
署名された注文フローに対して,注文フローの不均衡の増加に伴い,価格への影響は線形に増大することを示す。
さらに,注文フローにサインされた市場への影響を予測するために,機械学習アルゴリズムを実装した。
この結果から,機械学習モデルを用いて財務変数を推定できることが示唆された。
論文 参考訳(メタデータ) (2020-04-17T14:58:29Z)
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。