論文の概要: MarS: a Financial Market Simulation Engine Powered by Generative Foundation Model

• arxiv url: http://arxiv.org/abs/2409.07486v1
• Date: Wed, 4 Sep 2024 08:16:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-15 05:01:16.803003
• Title: MarS: a Financial Market Simulation Engine Powered by Generative Foundation Model
• Title（参考訳）: MarS:ジェネレーティブ・ファンデーション・モデルによる金融市場シミュレーションエンジン
• Authors: Junjie Li, Yang Liu, Weiqing Liu, Shikai Fang, Lewen Wang, Chang Xu, Jiang Bian,
• Abstract要約: 金融市場では、生成モデルは様々な行動の市場効果をシミュレートし、市場シーンやプレイヤーとの相互作用を可能にし、金融リスクのないトレーニング戦略を訓練することができる。 金融市場シミュレーションのための秩序レベル生成基盤モデルである大規模市場モデル(LMM)を提案する。 LMMを利用した金融市場シミュレーションエンジン(MarS)は,現実的でインタラクティブで制御可能な注文生成の必要性に対処する。
• 参考スコア（独自算出の注目度）: 37.40553007693943
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Generative models aim to simulate realistic effects of various actions across different contexts, from text generation to visual effects. Despite efforts to build real-world simulators, leveraging generative models for virtual worlds, like financial markets, remains underexplored. In financial markets, generative models can simulate market effects of various behaviors, enabling interaction with market scenes and players, and training strategies without financial risk. This simulation relies on the finest structured data in financial market like orders thus building the finest realistic simulation. We propose Large Market Model (LMM), an order-level generative foundation model, for financial market simulation, akin to language modeling in the digital world. Our financial Market Simulation engine (MarS), powered by LMM, addresses the need for realistic, interactive and controllable order generation. Key objectives of this paper include evaluating LMM's scaling law in financial markets, assessing MarS's realism, balancing controlled generation with market impact, and demonstrating MarS's potential applications. We showcase MarS as a forecast tool, detection system, analysis platform, and agent training environment. Our contributions include pioneering a generative model for financial markets, designing MarS to meet domain-specific needs, and demonstrating MarS-based applications' industry potential.
• Abstract（参考訳）: 生成モデルは、テキスト生成から視覚効果まで、さまざまなコンテキストにわたる様々なアクションの現実的な効果をシミュレートすることを目的としている。 現実世界のシミュレーターを作る努力にもかかわらず、金融市場のようなバーチャル世界の生成モデルを活用することは、まだ未定だ。 金融市場では、生成モデルは様々な行動の市場効果をシミュレートし、市場シーンやプレイヤーとの相互作用を可能にし、金融リスクのないトレーニング戦略を訓練することができる。 このシミュレーションは、注文のような金融市場の最も優れた構造化データに依存しているので、最も優れた現実的なシミュレーションを構築することができる。 本稿では,金融市場シミュレーションのための秩序レベル生成基盤モデルであるLarge Market Model (LMM)を提案する。 LMMを利用した金融市場シミュレーションエンジン(MarS)は,現実的でインタラクティブで制御可能な注文生成の必要性に対処する。 本論文の主な目的は、金融市場におけるLMMのスケーリング法則の評価、MarSのリアリズムの評価、制御された世代と市場への影響のバランス、およびMarSの潜在的な応用の実証である。 予測ツール、検知システム、分析プラットフォーム、エージェントトレーニング環境としてMarSを紹介する。 私たちのコントリビューションには、金融市場のための生成モデルを開拓し、ドメイン固有のニーズを満たすようにMarSを設計し、MarSベースのアプリケーション産業の可能性を示すことが含まれます。

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)
• GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
  我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。 我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。 我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
  論文  参考訳（メタデータ） (2024-10-06T05:02:23Z)
• Simulating Financial Market via Large Language Model based Agents [22.36549613587476]
  ほとんどの経済理論は、金融市場の参加者が完全に合理的な個人であり、金融市場の人間の振る舞いをシミュレートするために数学的モデルを使用していると仮定している。 textbfAgentベースのtextbfSimulated textbfFinancial textbfMarket (ASFM) を提案する。
  論文  参考訳（メタデータ） (2024-06-28T14:54:12Z)
• 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)
• EconAgent: Large Language Model-Empowered Agents for Simulating Macroeconomic Activities [43.70290385026672]
  EconAgentは、マクロ経済シミュレーションのための人間のような特徴を持つ大規模言語モデルを用いたエージェントである。 まず,エージェントの判断による市場動態を取り入れたシミュレーション環境を構築する。 認識モジュールを通して、異なる意思決定機構を持つ異種エージェントを作成する。
  論文  参考訳（メタデータ） (2023-10-16T14:19:40Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Neural Stochastic Agent-Based Limit Order Book Simulation: A Hybrid Methodology [6.09170287691728]
  現代の金融取引所は電子的リミット・オーダー・ブック(LOB)を使用して入札を保管し、特定の金融資産の受注を要求する。 ニューラルポイントモデルを用いて過去のLOBデータに基づいて事前訓練されたニューラルバックグラウンドトレーサによるマーケットイベントのロジックの集約を表現するハイブリッドLOBシミュレーションと、他のトレーサとのマルチエージェントシミュレーションに背景トレーサを組み込んだハイブリッドLOBシミュレーションを提案する。 このスタイル化された事実は残っており、実市場の経験的観察に則った秩序流の影響と財政的放牧行動を示す。
  論文  参考訳（メタデータ） (2023-02-28T20:53:39Z)
• 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)
• FinRL-Meta: A Universe of Near-Real Market Environments for Data-Driven Deep Reinforcement Learning in Quantitative Finance [58.77314662664463]
  FinRL-Metaは、データ駆動型金融強化学習のための市場環境の宇宙を構築している。 まず、FinRL-MetaはDRLベースの戦略の設計パイプラインから財務データ処理を分離する。 第2に、FinRL-Metaは様々な取引タスクに数百の市場環境を提供している。
  論文  参考訳（メタデータ） (2021-12-13T16:03:37Z)
• Towards Realistic Market Simulations: a Generative Adversarial Networks Approach [2.381990157809543]
  本研究では,実データに基づいて学習したコンディショナル・ジェネレーティブ・アドバイザリアル・ネットワーク(CGAN)に基づくマーケットジェネレータを提案する。 CGANベースの"ワールド"エージェントは、実験エージェントに応答して意味のある順序を生成することができる。
  論文  参考訳（メタデータ） (2021-10-25T22:01:07Z)

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。