論文の概要: Hierarchical Organization Simulacra in the Investment Sector

• arxiv url: http://arxiv.org/abs/2410.00354v1
• Date: Tue, 1 Oct 2024 02:59:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 06:06:43.723799
• Title: Hierarchical Organization Simulacra in the Investment Sector
• Title（参考訳）: 投資セクターにおける階層型組織シミュラクラ
• Authors: Chung-Chi Chen, Hiroya Takamura, Ichiro Kobayashi, Yusuke Miyao,
• Abstract要約: この方法は投資会社の階層的な意思決定を模倣し、ニュース記事を使って意思決定を知らせる。 その結果、階層シミュレーションは、頻度と収益性の両方において、専門的な選択と密接に一致していることがわかった。 しかし、この研究は意思決定における偏見も明らかにしており、即発的な言い回しやエージェントの年長感の変化が結果に大きく影響している。
• 参考スコア（独自算出の注目度）: 21.079716095758158
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper explores designing artificial organizations with professional behavior in investments using a multi-agent simulation. The method mimics hierarchical decision-making in investment firms, using news articles to inform decisions. A large-scale study analyzing over 115,000 news articles of 300 companies across 15 years compared this approach against professional traders' decisions. Results show that hierarchical simulations align closely with professional choices, both in frequency and profitability. However, the study also reveals biases in decision-making, where changes in prompt wording and perceived agent seniority significantly influence outcomes. This highlights both the potential and limitations of large language models in replicating professional financial decision-making.
• Abstract（参考訳）: 本稿では,多エージェントシミュレーションを用いて,専門家による投資行動を持つ人工組織の設計について検討する。 この方法は投資会社の階層的な意思決定を模倣し、ニュース記事を使って意思決定を知らせる。 15年にわたる300社の11万5000以上のニュース記事を分析した大規模な調査は、このアプローチをプロのトレーダーの判断と比較した。 その結果、階層シミュレーションは、頻度と収益性の両方において、専門的な選択と密接に一致していることがわかった。 しかし、この研究は意思決定における偏見も明らかにしており、即発的な言い回しやエージェントの年長感の変化が結果に大きく影響している。 これは、プロの財政的な意思決定を複製する際の大きな言語モデルの可能性と限界の両方を強調している。

関連論文リスト

• Enhancing Investment Analysis: Optimizing AI-Agent Collaboration in Financial Research [17.43528917594047]
  本研究では,金融投資研究における意思決定の促進を目的とした,新たなマルチエージェントコラボレーションシステムを提案する。 ダウ・ジョーンズ指数にリストされた30社のうち、2023年のSEC10-Kの形式を分析して、ファンダメンタルズ、市場のセンチメント、リスク分析という3つのサブタスクに注目します。 この結果から,AIエージェントのタスク設定によるパフォーマンスの大幅な変化が判明した。
  論文  参考訳（メタデータ） (2024-11-07T15:28:20Z)
• Distilling Analysis from Generative Models for Investment Decisions [21.079716095758158]
  専門家の意思決定過程をシミュレートする新しいデータセットA3を導入する。 現在のモデルでは,プロフェッショナルの行動を予測する上での課題が指摘されているが,提案したChain-of-Decisionアプローチは,有望な改善を示すものだ。 意見生成システムを統合し,各ニュース項目に基づいて主観的分析を行い,提案課題の性能をさらに向上させる。
  論文  参考訳（メタデータ） (2024-10-02T01:39:42Z)
• The Economic Implications of Large Language Model Selection on Earnings and Return on Investment: A Decision Theoretic Model [0.0]
  我々は、異なる言語モデルによる金銭的影響を比較するために、決定論的アプローチを用いる。 この研究は、より高価なモデルの優れた精度が、特定の条件下でどのようにしてより大きな投資を正当化できるかを明らかにしている。 この記事では、テクノロジの選択を最適化しようとしている企業のためのフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-05-27T20:08:41Z)
• Rational Decision-Making Agent with Internalized Utility Judgment [91.80700126895927]
  大規模言語モデル(LLM)は目覚ましい進歩を示し、従来のNLPアプリケーションを超えて複雑な多段階決定タスクを実行できるエージェントにLLMを開発するための重要な努力を惹きつけている。 本稿では,RadAgentを提案する。このRadAgentは,経験探索とユーティリティ学習を含む反復的なフレームワークを通じて,合理性の発展を促進する。 ToolBenchデータセットの実験結果は、RadAgentがベースラインよりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-08-24T03:11:45Z)
• On solving decision and risk management problems subject to uncertainty [91.3755431537592]
  不確実性は意思決定とリスク管理において広範囲にわたる課題である。 本稿では,このような戦略を体系的に理解し,その適用範囲を判断し,それらをうまく活用するための枠組みを開発する。
  論文  参考訳（メタデータ） (2023-01-18T19:16:23Z)
• Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
  我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。 実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
  論文  参考訳（メタデータ） (2022-10-22T14:47:11Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• A Comprehensive Review on Summarizing Financial News Using Deep Learning [8.401473551081747]
  自然言語処理技術は通常、そのような大量のデータを扱うために使われ、そこから貴重な情報を得るのに使用される。 本研究では,BoW,TF-IDF,Word2Vec,BERT,GloVe,FastTextなどの埋め込み技術を用いて,RNNやLSTMなどのディープラーニングモデルに入力する。 ディープリーミングは、望まれる結果を得るか、最先端技術よりも高い精度を達成するために適用されることが期待された。
  論文  参考訳（メタデータ） (2021-09-21T12:00:31Z)
• Reinforcement Learning with Expert Trajectory For Quantitative Trading [11.460285913081346]
  価格予測問題をマルコフ決定プロセス(MDP)としてモデル化し、エキスパート軌道による強化学習により最適化します。 我々は、MDPの状態を記述するための既存の手法において、価格、ボリューム、およびいくつかの技術的要因の代わりに、100以上の短期的アルファ因子を用いる。 IF(CSI 300)およびIC(CSI 500)を含む中国の株価指数先物に関する実験的評価
  論文  参考訳（メタデータ） (2021-05-09T05:49:21Z)
• Individual Explanations in Machine Learning Models: A Survey for Practitioners [69.02688684221265]
  社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。 多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。 近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
  論文  参考訳（メタデータ） (2021-04-09T01:46:34Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)

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。