論文の概要: Dynamic Pricing in Securities Lending Market: Application in Revenue Optimization for an Agent Lender Portfolio

• arxiv url: http://arxiv.org/abs/2407.13687v4
• Date: Mon, 7 Oct 2024 13:59:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-08 20:14:30.221048
• Title: Dynamic Pricing in Securities Lending Market: Application in Revenue Optimization for an Agent Lender Portfolio
• Title（参考訳）: 証券貸出市場における動的価格設定:エージェント・レンダー・ポートフォリオの収益最適化への応用
• Authors: Jing Xu, Yung-Cheng Hsu, William Biscarri,
• Abstract要約: 証券貸出市場では,既存の文脈的バンディットの枠組みをうまく活用できることが示されている。 我々は、文脈的バンディットアプローチが、生成した総収益の少なくとも15%以上の典型的なアプローチを一貫して上回ることを示す。
• 参考スコア（独自算出の注目度）: 5.006071344026168
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Securities lending is an important part of the financial market structure, where agent lenders help long term institutional investors to lend out their securities to short sellers in exchange for a lending fee. Agent lenders within the market seek to optimize revenue by lending out securities at the highest rate possible. Typically, this rate is set by hard-coded business rules or standard supervised machine learning models. These approaches are often difficult to scale and are not adaptive to changing market conditions. Unlike a traditional stock exchange with a centralized limit order book, the securities lending market is organized similarly to an e-commerce marketplace, where agent lenders and borrowers can transact at any agreed price in a bilateral fashion. This similarity suggests that the use of typical methods for addressing dynamic pricing problems in e-commerce could be effective in the securities lending market. We show that existing contextual bandit frameworks can be successfully utilized in the securities lending market. Using offline evaluation on real historical data, we show that the contextual bandit approach can consistently outperform typical approaches by at least 15% in terms of total revenue generated.
• Abstract（参考訳）: 証券貸付は金融市場構造の重要な部分であり、エージェント・貸し手は長期の機関投資家が貸付手数料と引き換えに短期の売り手に証券を貸し出すのを助ける。 市場のエージェント・貸し手は、できるだけ高いレートで証券を貸し出すことで収益を最適化しようとしている。 通常、このレートはハードコードされたビジネスルールまたは標準的な教師付き機械学習モデルによって設定される。 これらのアプローチはスケールが難しく、市場の状況の変化に適応できないことが多い。 中央集権的なリミット・オーダー・ブックを持つ伝統的な証券取引所とは異なり、証券貸出市場は、エージェント・貸し手や借り手が合意された価格で取引できる電子商取引市場と同様に組織されている。 この類似性から、電子商取引における動的価格問題に対処する典型的な手法は、証券融資市場において有効である可能性が示唆されている。 証券貸出市場では,既存の文脈的バンディットの枠組みをうまく活用できることが示されている。 実履歴データをオフラインで評価することにより、コンテキスト的バンディットアプローチは、総収益の少なくとも15%以上の典型的なアプローチを一貫して上回り得ることを示す。

関連論文リスト

• 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)
• Reinforcement Learning for Corporate Bond Trading: A Sell Side Perspective [0.0]
  社債トレーダーは、テキスト優先の市場価格にスプレッドを追加して引用を提供する 不正な債券については、市場価格の観測が困難であり、トレーダーはしばしば利用可能なベンチマーク債の価格に頼っている。 本稿では,データ駆動方式による最適入札分散商法の推定にアプローチし,強化学習を用いて学習できることを示す。
  論文  参考訳（メタデータ） (2024-06-18T18:02:35Z)
• A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
  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。
  論文  参考訳（メタデータ） (2024-05-03T20:45:00Z)
• 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)
• ZeroSwap: Data-driven Optimal Market Making in DeFi [23.671367118750872]
  AMM(Automated Market Makers)は、分散金融における流動性供給と需要に合致する主要なセンターである。 本稿では,アセットの外部価格を最適に追跡する,最初の最適ベイズアルゴリズムとモデルフリーなデータ駆動アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T21:28:19Z)
• Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
  分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。 そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。 これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。 我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
  論文  参考訳（メタデータ） (2023-02-01T17:21:40Z)
• Equitable Marketplace Mechanism Design [0.0]
  多様な取引戦略と目的を持つトレーダーが居住する取引市場について検討する。 この作業の目標は、すべてのトレーダーに平等で利益がある市場のための動的な手数料スケジュールを設計することである。 市場手数料のスケジュールと取引戦略を同時に学習するための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） (2022-09-22T20:03:34Z)
• 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)
• Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
  本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。 本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
  論文  参考訳（メタデータ） (2021-01-28T05:52:18Z)
• Trader-Company Method: A Metaheuristic for Interpretable Stock Price Prediction [3.9189409002585562]
  金融市場では、機械学習ベースのモデルの実践的応用を妨げるいくつかの課題がある。 本稿では,金融機関とトレーダーの役割を模倣する新たな進化モデルであるTrader-Company法を提案する。 トレーダーと呼ばれる複数の弱い学習者からの提案を集約し、将来の株式リターンを予測します。
  論文  参考訳（メタデータ） (2020-12-18T13:19:27Z)
• 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)

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。