論文の概要: Decoding OTC Government Bond Market Liquidity: An ABM Model for Market Dynamics

• arxiv url: http://arxiv.org/abs/2501.16331v1
• Date: Sun, 15 Dec 2024 11:22:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 07:18:51.392775
• Title: Decoding OTC Government Bond Market Liquidity: An ABM Model for Market Dynamics
• Title（参考訳）: OTC国債市場流動性のデコード:市場ダイナミクスのためのABMモデル
• Authors: Alicia Vidler, Toby Walsh,
• Abstract要約: 我々は、スタイリングされた国債市場における市場-メーカー間の相互作用をシミュレートする、好ましくないABMを開発する。 このモデルは、政府債の二次取引における流動性と安定性のダイナミクスに焦点を当てている。 エージェントの多様性の向上により市場流動性が向上し,市場形成コストの低減により市場全体の安定性が向上することが実証された。
• 参考スコア（独自算出の注目度）: 15.379345372327375
• License:
• Abstract: The over-the-counter (OTC) government bond markets are characterised by their bilateral trading structures, which pose unique challenges to understanding and ensuring market stability and liquidity. In this paper, we develop a bespoke ABM that simulates market-maker interactions within a stylised government bond market. The model focuses on the dynamics of liquidity and stability in the secondary trading of government bonds, particularly in concentrated markets like those found in Australia and the UK. Through this simulation, we test key hypotheses around improving market stability, focusing on the effects of agent diversity, business costs, and client base size. We demonstrate that greater agent diversity enhances market liquidity and that reducing the costs of market-making can improve overall market stability. The model offers insights into computational finance by simulating trading without price transparency, highlighting how micro-structural elements can affect macro-level market outcomes. This research contributes to the evolving field of computational finance by employing computational intelligence techniques to better understand the fundamental mechanics of government bond markets, providing actionable insights for both academics and practitioners.
• Abstract（参考訳）: オーバー・ザ・カウンタ(OTC)の国債市場は、市場安定性と流動性の確保に固有の課題を生じさせる二国間貿易構造によって特徴づけられている。 本稿では、スタイリングされた国債市場における市場とメーカーの相互作用をシミュレートする、好ましくないABMを開発する。 このモデルは、政府債の二次取引、特にオーストラリアやイギリスのような集中市場における流動性と安定性のダイナミクスに焦点を当てている。 このシミュレーションを通じて,エージェントの多様性,ビジネスコスト,クライアントベースサイズの影響に着目し,市場の安定性向上に関する重要な仮説を検証した。 エージェントの多様性の向上により市場流動性が向上し,市場形成コストの低減により市場全体の安定性が向上することが実証された。 このモデルは、価格透明性のないトレーディングをシミュレートすることで、計算ファイナンスに関する洞察を提供し、マイクロ構造要素がマクロレベルの市場成果にどのように影響するかを強調している。 この研究は、政府債市場の基本的な仕組みをよりよく理解するため、計算知能技術を用いて、計算金融の進化に寄与し、学者と実践者の両方に実用的な洞察を提供する。

関連論文リスト

• A Multi-agent Market Model Can Explain the Impact of AI Traders in Financial Markets -- A New Microfoundations of GARCH model [3.655221783356311]
  本稿では,ノイズトレーダー,基本トレーダー,AIトレーダーの3種類のエージェントを組み込んだマルチエージェント市場モデルを提案する。 我々は,このモデルをマルチエージェントシミュレーションにより検証し,金融市場のスタイル化された事実を再現する能力を確認した。
  論文  参考訳（メタデータ） (2024-09-19T07:14:13Z)
• 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)
• Modelling Opaque Bilateral Market Dynamics in Financial Trading: Insights from a Multi-Agent Simulation Study [15.379345372327375]
  本稿では,オーストラリア国債取引における不透明な二国間市場を表現することを目的とする。 交渉された取引と限られた数のエージェントによって特徴づけられる二国間市場の特異性は、エージェントベースのモデリングと量的金融に価値ある洞察をもたらす。 市場構造における市場剛性の影響を考察し,市場設計における安定性の要素について考察する。
  論文  参考訳（メタデータ） (2024-05-05T08:42:20Z)
• 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)
• Modelling crypto markets by multi-agent reinforcement learning [0.0]
  本研究では,暗号市場を模擬したマルチエージェント強化学習(MARL)モデルを提案する。 2018年から2022年にかけて継続的に取引された暗号通貨の1日当たり終値153ドルに調整されている。
  論文  参考訳（メタデータ） (2024-02-16T16:28:58Z)
• Integrating Tick-level Data and Periodical Signal for High-frequency Market Making [6.905391624417593]
  我々は,より正確で堅牢な市場形成戦略を開発するために,定期的な予測信号でギグレベルのデータを融合する深層強化学習手法を提案する。 提案手法は,収益性やリスク管理の観点から既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-19T07:10:46Z)
• 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)
• Parity in Markets -- Methods, Costs, and Consequences [109.5267969644294]
  我々は、市場デザイナーがフィッシャー市場の税や補助金を使って、市場均衡の結果が一定の制約内に収まることを確実にする方法を示します。 我々は、既存の文献で提案されている様々な公正性制約を市場ケースに適用し、その制約から誰が利益を得るか、誰を失うかを示す。
  論文  参考訳（メタデータ） (2022-10-05T22:27:44Z)
• 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)
• Reinforcement-Learning based Portfolio Management with Augmented Asset Movement Prediction States [71.54651874063865]
  ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。 本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。 当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
  論文  参考訳（メタデータ） (2020-02-09T08:10:03Z)

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。