論文の概要: Financial Wind Tunnel: A Retrieval-Augmented Market Simulator
- arxiv url: http://arxiv.org/abs/2503.17909v1
- Date: Sun, 23 Mar 2025 03:10:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-25 14:33:19.222172
- Title: Financial Wind Tunnel: A Retrieval-Augmented Market Simulator
- Title（参考訳）: 金融風洞:検索型市場シミュレーター
- Authors: Bokai Cao, Xueyuan Lin, Yiyan Qi, Chengjin Xu, Cehao Yang, Jian Guo,
- Abstract要約: マーケットシミュレーターは、現実世界の市場のダイナミクスを模倣した高品質な合成金融データを作成しようとする。
フィナンシャル・ウィンド・トンネル(Financial Wind Tunnel, FWT)は、制御可能で合理的で適応可能な市場ダイナミクスを生成するために設計された市場シミュレータである。
FWTは、様々なデータ周波数にわたってより包括的で体系的な生成機能を提供する。
- 参考スコア（独自算出の注目度）: 8.687612511755836
- License:
- Abstract: Market simulator tries to create high-quality synthetic financial data that mimics real-world market dynamics, which is crucial for model development and robust assessment. Despite continuous advancements in simulation methodologies, market fluctuations vary in terms of scale and sources, but existing frameworks often excel in only specific tasks. To address this challenge, we propose Financial Wind Tunnel (FWT), a retrieval-augmented market simulator designed to generate controllable, reasonable, and adaptable market dynamics for model testing. FWT offers a more comprehensive and systematic generative capability across different data frequencies. By leveraging a retrieval method to discover cross-sectional information as the augmented condition, our diffusion-based simulator seamlessly integrates both macro- and micro-level market patterns. Furthermore, our framework allows the simulation to be controlled with wide applicability, including causal generation through "what-if" prompts or unprecedented cross-market trend synthesis. Additionally, we develop an automated optimizer for downstream quantitative models, using stress testing of simulated scenarios via FWT to enhance returns while controlling risks. Experimental results demonstrate that our approach enables the generalizable and reliable market simulation, significantly improve the performance and adaptability of downstream models, particularly in highly complex and volatile market conditions. Our code and data sample is available at https://anonymous.4open.science/r/fwt_-E852
- Abstract（参考訳）: 市場シミュレーターは、モデル開発とロバストな評価に欠かせない、現実世界の市場のダイナミクスを模倣した高品質な合成金融データを作成しようとしている。
シミュレーション手法の継続的な進歩にもかかわらず、市場の変動は規模や情報源によって異なるが、既存のフレームワークは特定のタスクだけに優れることが多い。
この課題に対処するために、モデルテストのための制御可能、合理的、適応可能な市場ダイナミクスを生成するために設計された市場シミュレータであるFinancial Wind Tunnel (FWT)を提案する。
FWTは、様々なデータ周波数にわたってより包括的で体系的な生成機能を提供する。
拡張条件として断面情報を探索する検索手法を活用することで,拡散型シミュレータはマクロおよびマイクロレベルの市場パターンをシームレスに統合する。
さらに,本フレームワークは,"What-if"プロンプトによる因果生成や,前例のないクロスマーケットトレンド合成など,広い適用性でシミュレーションを制御可能にする。
さらに、FWTによるシミュレーションシナリオのストレステストを用いて、下流の定量的モデルの自動最適化手法を開発し、リスクを制御しながらリターンを向上する。
実験結果から,本手法が一般化可能かつ信頼性の高い市場シミュレーションを可能にし,特に複雑で不安定な市場条件下で,下流モデルの性能と適応性を大幅に向上することが示された。
私たちのコードとデータサンプルはhttps://anonymous.4open.science/r/fwt_-E852で公開されています。
関連論文リスト
- Pre-Trained Video Generative Models as World Simulators [59.546627730477454]
本研究では,事前学習した映像生成モデルを制御可能な世界シミュレータに変換するための動的世界シミュレーション(DWS)を提案する。
条件付き動作と生成した視覚的変化の正確なアライメントを実現するために,軽量で普遍的な動作条件付きモジュールを導入する。
実験により、DWSは拡散モデルと自己回帰変換モデルの両方に汎用的に適用可能であることが示された。
論文 参考訳（メタデータ） (2025-02-10T14:49:09Z) - TRADES: Generating Realistic Market Simulations with Diffusion Models [4.308104021015939]
金融市場は、高い統計ノイズ、非線形性、一定の進化を特徴とする複雑なシステムである。
我々は,現実的で応答性の高いリミットオーダーブック(LOB)市場シミュレーションを作成するタスクに対処する。
LOBシミュレーションのための新しいデノイング拡散確率エンジン(TRADES)を提案する。
論文 参考訳（メタデータ） (2025-01-31T19:43:13Z) - MarS: a Financial Market Simulation Engine Powered by Generative Foundation Model [37.40553007693943]
金融市場では、生成モデルは様々な行動の参加者の複雑な市場効果をシミュレートすることができる。
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ためのドメイン固有のニーズに対処する。
論文 参考訳（メタデータ） (2024-09-04T08:16:22Z) - RealGen: Retrieval Augmented Generation for Controllable Traffic Scenarios [58.62407014256686]
RealGenは、トラフィックシナリオ生成のための新しい検索ベースのコンテキスト内学習フレームワークである。
RealGenは、複数の検索されたサンプルの振る舞いを勾配のない方法で組み合わせることで、新しいシナリオを合成する。
このコンテキスト内学習フレームワークは、シナリオを編集する機能を含む多種多様な生成機能を提供する。
論文 参考訳（メタデータ） (2023-12-19T23:11:06Z) - Deep Calibration of Market Simulations using Neural Density Estimators
and Embedding Networks [3.313580633064261]
我々は,近年の深層学習の進歩を活用して,市場シミュレータの校正のための新しいアプローチを開発する。
提案手法は,合成データや履歴データに適用した場合と,手作業による選択や重み付けによる事実のアンサンブルに依存することなく,高い確率パラメータ集合を正確に同定できることを実証する。
論文 参考訳（メタデータ） (2023-11-20T16:44:18Z) - STORM: Efficient Stochastic Transformer based World Models for
Reinforcement Learning [82.03481509373037]
近年,モデルに基づく強化学習アルゴリズムは視覚入力環境において顕著な有効性を示している。
本稿では,強力なモデリングと生成機能を組み合わせた効率的な世界モデルアーキテクチャであるTransformer-based wORld Model (STORM)を紹介する。
Stormは、Atari 100$kベンチマークで平均126.7%の人的パフォーマンスを達成し、最先端のメソッドの中で新しい記録を樹立した。
論文 参考訳（メタデータ） (2023-10-14T16:42:02Z) - Market-GAN: Adding Control to Financial Market Data Generation with
Semantic Context [23.773217528211905]
現在の財務データセットにはコンテキストラベルは含まれていない。
現在の技術は、文脈を制御として財務データを生成するように設計されていない。
Market-GANは、制御可能な生成をコンテキストで行うためにGAN(Generative Adversarial Networks)を組み込んだ新しいアーキテクチャである。
論文 参考訳（メタデータ） (2023-09-14T13:42:27Z) - Efficient Model-based Multi-agent Reinforcement Learning via Optimistic
Equilibrium Computation [93.52573037053449]
H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。
自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
論文 参考訳（メタデータ） (2022-03-14T17:24:03Z) - Multi-Asset Spot and Option Market Simulation [52.77024349608834]
正規化フローに基づく1つの基盤となる1つのマーケットシミュレータを現実的に構築する。
本研究では, 正規化流れの条件付き可逆性を活用し, 独立シミュレータの連立分布をキャリブレーションするスケーラブルな手法を提案する。
論文 参考訳（メタデータ） (2021-12-13T17:34:28Z) - Learning Discrete Energy-based Models via Auxiliary-variable Local
Exploration [130.89746032163106]
離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。
エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。
本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
論文 参考訳（メタデータ） (2020-11-10T19:31:29Z) - A Data-driven Market Simulator for Small Data Environments [0.5872014229110214]
ニューラルネットワークに基づくデータ駆動市場シミュレーションは、金融時系列をモデリングする新しいフレキシブルな方法を公開する。
本稿では,財務時系列のエンコーディングと評価を行う強力な方法として,大まかなパスパースペクティブと擬似変分自動エンコーダフレームワークが組み合わさった方法を示す。
論文 参考訳（メタデータ） (2020-06-21T14:04:21Z)
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。