論文の概要: Short Paper: Atomic Execution is Not Enough for Arbitrage Profit Extraction in Shared Sequencers

• arxiv url: http://arxiv.org/abs/2410.11552v1
• Date: Tue, 15 Oct 2024 12:43:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-28 17:07:35.77741
• Title: Short Paper: Atomic Execution is Not Enough for Arbitrage Profit Extraction in Shared Sequencers
• Title（参考訳）: ショートペーパー:共有シーケンスにおける原子実行は任意利益の抽出に十分ではない
• Authors: Maria Inês Silva, Benjamin Livshits,
• Abstract要約: 本研究では、2つの定積マーケッター流動性プールにおける原子的実行下での仲裁利益を評価するモデルを開発する。 我々はまた、原子性が損失につながるかもしれないいくつかのシナリオについて議論し、なぜ原子性の実行が、共有シークエンシングを採用するために仲裁やロールアップを納得させるのに十分でないのかについての洞察を提供する。
• 参考スコア（独自算出の注目度）: 10.73653653756456
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There has been a growing interest in shared sequencing solutions, in which transactions for multiple rollups are processed together. Their proponents argue that these solutions allow for better composability and can potentially increase sequencer revenue by enhancing MEV extraction. However, little research has been done on these claims, raising the question of understanding the actual impact of shared sequencing on arbitrage profits, the most common MEV strategy in rollups. To address this, we develop a model to assess arbitrage profits under atomic execution across two Constant Product Market Marker liquidity pools and demonstrate that switching to atomic execution does not always improve profits. We also discuss some scenarios where atomicity may lead to losses, offering insights into why atomic execution may not be enough to convince arbitrageurs and rollups to adopt shared sequencing.
• Abstract（参考訳）: 共有シークエンシングソリューションへの関心が高まっており、複数のロールアップのためのトランザクションが一緒に処理される。 彼らの支持者は、これらのソリューションはより良いコンポーザビリティを可能にし、MEV抽出を強化することでシーケンサ収益を増大させることができると主張している。 しかし、これらの主張についての研究はほとんど行われておらず、ロールアップにおける最も一般的なMEV戦略である仲裁利益に対する共有シークエンシングの実際の影響を理解するための疑問が提起されている。 そこで本研究では,2つのコンスタント・プロダクト・マーケッター流動性プールにまたがるアトミック・実行下での仲裁利益を評価するモデルを構築し,アトミック・実行への切り替えが必ずしも利益を改善するとは限らないことを実証する。 我々はまた、原子性が損失につながるかもしれないいくつかのシナリオについて議論し、なぜ原子性の実行が、共有シークエンシングを採用するために仲裁やロールアップを納得させるのに十分でないのかについての洞察を提供する。

関連論文リスト

• Matching Multiple Experts: On the Exploitability of Multi-Agent Imitation Learning [51.77462571479799]
  マルチエージェント模倣学習(MA-IL)は、マルチエージェント対話ドメインにおけるインタラクションのエキスパートによる実証から最適なポリシーを学ぶことを目的としている。 学習したポリシのパフォーマンスに関する保証は存在するが、オフラインMA-ILでは、学習した警察がナッシュ均衡からどこまで離れているかの特徴が欠落している。
  論文  参考訳（メタデータ） (2026-02-24T15:38:11Z)
• How to Serve Your Sandwich? MEV Attacks in Private L2 Mempools [0.0]
  民間メムプールのロールアップにおけるサンドイッチ攻撃の可能性, 収益性, および有病率について検討した。 以上の結果から, サンドイッチはL1では有益でありながら稀であり, 収益性に乏しく, プライベート・メムプールのロールアップにはほとんど欠如していることが示唆された。
  論文  参考訳（メタデータ） (2026-01-27T13:00:33Z)
• When KV Cache Reuse Fails in Multi-Agent Systems: Cross-Candidate Interaction is Crucial for LLM Judges [26.22728953485589]
  効率向上は, 判定中心の推論に一様でないことを示す。 GSM8K,MMLU,HumanEval全体では,実行エージェントに有効な再利用戦略が判断行動を著しく乱す可能性がある。
  論文  参考訳（メタデータ） (2026-01-13T09:02:58Z)
• Robust Reinforcement Learning in Finance: Modeling Market Impact with Elliptic Uncertainty Sets [57.179679246370114]
  金融分野では、強化学習(RL)エージェントは、価格に影響を与えない歴史的データに基づいて訓練されることが多い。 展開中、これらのエージェントは、自身の取引が資産価格を変えることができるライブマーケットで取引する。 従来のロバストなRLアプローチは、不確実性の集合に対して最悪のパフォーマンスを最適化することで、このモデルの誤特定に対処する。 楕円型不確実性集合の新たなクラスを開発し,効率的かつ堅牢な政策評価を可能にする。
  論文  参考訳（メタデータ） (2025-10-22T18:22:25Z)
• Nearly Tight Regret Bounds for Profit Maximization in Bilateral Trade [14.182863671689836]
  バイラテラル取引は、売り手と買い手という2つの戦略エージェントの仲介を行うタスクをモデル化する。 我々は,この問題をブローカーの観点から,後悔の最小化フレームワークを用いて検討する。 本稿では,売り手と評価を引いた場合,約$tildeO(sqrtT)=後悔を保証できる学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-26T16:42:05Z)
• First-Spammed, First-Served: MEV Extraction on Fast-Finality Blockchains [0.0]
  本研究は、高速ファイナリティブロックチェーンにおけるスパムベースの仲裁戦略の経済性を分析する。 CEX-DEX仲裁の最適戦略として,収益的なMEV機会を複数の小規模取引に分割することが示されている。 ArbitrumやZKsyncといった高速ロールアップのブロックの最上部にリバージョンされたトランザクションクラスタがあることが分かりました。
  論文  参考訳（メタデータ） (2025-06-02T09:18:53Z)
• Pandora's Box: Cross-Chain Arbitrages in the Realm of Blockchain Interoperability [6.6477743808876895]
  我々は、シークエンス非依存配列(SIA)とシークエンス依存配列(SDA)の2つの非原子鎖仲裁戦略について検討する。 私たちは、2023年9月から2024年8月までの1年間の9つのブロックチェーンにおけるこれらの戦略の有効性を分析します。 これらの仲裁は、合計取引量465,797,487.98 USDから、9,496,115.28 USDの低いリバウンド利益を生み出した。
  論文  参考訳（メタデータ） (2025-01-28T23:04:50Z)
• RediSwap: MEV Redistribution Mechanism for CFMMs [6.475701705193783]
  アプリケーションレベルでの最大抽出可能価値(MEV)の取得と,ユーザおよび流動性プロバイダ間での返金を目的とした,新たなAMMであるRediSwapを紹介した。 RediSwapの中核となるのは、AMMプール内の調停機会を管理するMEV再分配機構である。 我々は、我々のメカニズムがインセンティブに適合し、シビルに耐性があることを証明し、仲裁者が容易に参加できることを証明した。
  論文  参考訳（メタデータ） (2024-10-24T05:11:41Z)
• Quantifying Arbitrage in Automated Market Makers: An Empirical Study of Ethereum ZK Rollups [6.892626226074608]
  本研究は、ZKロールアップにおけるAMM(Automated Market Makers)とCEX(Centralized Exchanges)の仲裁の機会を体系的にレビューする。 このような仲裁の機会を計測し、関連する最大任意値(MAV)の式を導出する理論的枠組みを提案する。 全体として、USDC-ETH SyncSwapプールにおける2023年7月から2023年までの累積MAVは104.96k(取引量の0.24%)である。
  論文  参考訳（メタデータ） (2024-03-24T10:26:34Z)
• Towards a Theory of Maximal Extractable Value II: Uncertainty [4.07926531936425]
  最大抽出可能値(英: Maximal Extractable Value、MEV)は、分散システムで一般的に見られる一時的な独占力によって抽出できる値である。 この抽出は、トランザクションの提出時のユーザのプライバシの欠如と、トランザクションの再注文、追加、および/または検閲を行う独占バリデーターの能力に起因している。 公平な注文手法も経済メカニズムも,任意の支払関数に対して個別にMEVを緩和できないことを示す。
  論文  参考訳（メタデータ） (2023-09-25T15:01:11Z)
• Learning Multi-Agent Intention-Aware Communication for Optimal Multi-Order Execution in Finance [96.73189436721465]
  まず,現実的な制約を考慮したマルチオーダー実行のためのマルチエージェントRL(MARL)手法を提案する。 本稿では,学習可能なマルチラウンド通信プロトコルを提案する。 2つの実世界の市場のデータに関する実験では、優れたパフォーマンスを示し、コラボレーションの有効性が著しく向上した。
  論文  参考訳（メタデータ） (2023-07-06T16:45:40Z)
• 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)
• Benefits of Permutation-Equivariance in Auction Mechanisms [90.42990121652956]
  競売人の収益を最大化しつつ、競売人の過去の後悔を最小限にする競売メカニズムは、経済学において重要であるが複雑な問題である。 ニューラルネットワークによる最適なオークションメカニズムの学習を通じて、注目すべき進歩が達成されている。
  論文  参考訳（メタデータ） (2022-10-11T16:13:25Z)
• Learn Continuously, Act Discretely: Hybrid Action-Space Reinforcement Learning For Optimal Execution [8.021077964915996]
  強化学習は、注文分割のサイズを決定するのに役立つ。 主な課題は、アクション空間の「連続離散双対性」にある。 本稿では,両者の利点を組み合わせたハイブリッドRL法を提案する。
  論文  参考訳（メタデータ） (2022-07-22T15:50:44Z)
• Deep Learning Statistical Arbitrage [0.0]
  本稿では,統計的仲裁のための統一的な概念枠組みを提案し,新しいディープラーニングソリューションを開発した。 我々は、条件付き遅延資産価格要素から残余ポートフォリオとして類似資産の仲裁ポートフォリオを構築する。 我々は、これらの残余ポートフォリオの時系列信号を、最も強力な機械学習時系列ソリューションの1つを用いて抽出する。
  論文  参考訳（メタデータ） (2021-06-08T00:48:25Z)
• 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)
• Weighted QMIX: Expanding Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning [66.94149388181343]
  本稿では,MARLのためのQ$-learningアルゴリズムの新バージョンを提案する。 Q*$をアクセスしても、最適なポリシーを回復できることを示します。 また,プレデレータープリとマルチエージェントのStarCraftベンチマークタスクの性能向上を実証した。
  論文  参考訳（メタデータ） (2020-06-18T18:34:50Z)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)

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。