論文の概要: Advanced simulation paradigm of human behaviour unveils complex financial systemic projection

• arxiv url: http://arxiv.org/abs/2503.20787v2
• Date: Sat, 31 May 2025 05:30:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-03 16:22:43.242263
• Title: Advanced simulation paradigm of human behaviour unveils complex financial systemic projection
• Title（参考訳）: ヒト行動の高度なシミュレーションパラダイムは複雑な金融システム予測を提示する
• Authors: Cheng Wang, Chuwen Wang, Shirong Zeng, Jianguo Liu, Changjun Jiang,
• Abstract要約: 本稿では,各エージェントが階層的知識アーキテクチャによってサポートされ,駆動される行動シミュレーションの新しいパラダイムを提案する。 我々のシミュレーターは、価格上昇率が285.34%に達する危機シナリオをシミュレートする上で、13.29%の偏差を達成している。 また,通常の条件下では,商品先物価格の予測における平均2乗誤差も低く抑えられる。
• 参考スコア（独自算出の注目度）: 13.049984158000296
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The high-order complexity of human behaviour is likely the root cause of extreme difficulty in financial market projections. We consider that behavioural simulation can unveil systemic dynamics to support analysis. Simulating diverse human groups must account for the behavioural heterogeneity, especially in finance. To address the fidelity of simulated agents, on the basis of agent-based modeling, we propose a new paradigm of behavioural simulation where each agent is supported and driven by a hierarchical knowledge architecture. This architecture, integrating language and professional models, imitates behavioural processes in specific scenarios. Evaluated on futures markets, our simulator achieves a 13.29% deviation in simulating crisis scenarios whose price increase rate reaches 285.34%. Under normal conditions, our simulator also exhibits lower mean square error in predicting futures price of specific commodities. This technique bridges non-quantitative information with diverse market behaviour, offering a promising platform to simulate investor behaviour and its impact on market dynamics.
• Abstract（参考訳）: 人間の行動の高次の複雑さは、金融市場予測における極端な困難の根本原因である可能性が高い。 行動シミュレーションは、解析を支援するためのシステム力学を明らかにすることができると考えている。 多様な人間集団をシミュレートするには、行動の不均一性、特に金融において考慮する必要がある。 シミュレーションエージェントの忠実性に対処するため,エージェントに基づくモデリングに基づいて,エージェントが階層的知識アーキテクチャによって支援され,駆動される行動シミュレーションのパラダイムを提案する。 このアーキテクチャは、言語とプロのモデルを統合することで、特定のシナリオにおける振る舞いのプロセスを模倣します。 先物市場での評価では、価格上昇率が285.34%に達する危機シナリオをシミュレートする上で、シミュレーターは13.29%の偏差を達成している。 また,通常の条件下では,商品先物価格の予測における平均2乗誤差も低く抑えられる。 この技術は、投資家の振る舞いと市場ダイナミクスへの影響をシミュレートする有望なプラットフォームを提供する。

関連論文リスト

• 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)
• Experimental Analysis of Deep Hedging Using Artificial Market Simulations for Underlying Asset Simulators [0.7329727526222747]
  本研究は, 人工市場シミュレーションを基盤とした深層加熱における資産シミュレーションに応用した新しいアプローチを提案する。 提案手法の有効性を従来の手法との比較により検討した。 その結果,提案手法は従来の手法とほぼ同等の性能が得られることがわかった。
  論文  参考訳（メタデータ） (2024-04-15T05:11:07Z)
• 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)
• 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)
• User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
  LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。 実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
  論文  参考訳（メタデータ） (2023-06-05T02:58:35Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• 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)
• ERMAS: Becoming Robust to Reward Function Sim-to-Real Gaps in Multi-Agent Simulations [110.72725220033983]
  Epsilon-Robust Multi-Agent Simulation (ERMAS)は、このようなマルチエージェントのsim-to-realギャップに対して堅牢なAIポリシーを学ぶためのフレームワークである。 ERMASは、エージェントリスク回避の変化に対して堅牢な税政策を学び、複雑な時間シミュレーションで最大15%社会福祉を改善する。 特に、ERMASは、エージェントリスク回避の変化に対して堅牢な税制政策を学び、複雑な時間シミュレーションにおいて、社会福祉を最大15%改善する。
  論文  参考訳（メタデータ） (2021-06-10T04:32:20Z)

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。