論文の概要: Smooth Quadratic Prediction Markets

• arxiv url: http://arxiv.org/abs/2505.02959v2
• Date: Wed, 07 May 2025 16:53:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 12:54:13.64604
• Title: Smooth Quadratic Prediction Markets
• Title（参考訳）: Smooth Quadratic Prediction Markets
• Authors: Enrique Nueve, Bo Waggoner,
• Abstract要約: 我々はSmooth Quadratic Prediction Marketと呼ばれる新しい予測市場を提案する。 DCFMMとは対照的に、Smooth Quadratic Prediction MarketはAD証券で最悪の金融損失を被る。 本研究は,価格更新規則と料金構造が分離されているが,保証は維持されている将来の設計を示唆する。
• 参考スコア（独自算出の注目度）: 6.576051895863941
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When agents trade in a Duality-based Cost Function prediction market, they collectively implement the learning algorithm Follow-The-Regularized-Leader. We ask whether other learning algorithms could be used to inspire the design of prediction markets. By decomposing and modifying the Duality-based Cost Function Market Maker's (DCFMM) pricing mechanism, we propose a new prediction market, called the Smooth Quadratic Prediction Market, the incentivizes agents to collectively implement general steepest gradient descent. Relative to the DCFMM, the Smooth Quadratic Prediction Market has a better worst-case monetary loss for AD securities while preserving axiom guarantees such as the existence of instantaneous price, information incorporation, expressiveness, no arbitrage, and a form of incentive compatibility. To motivate the application of the Smooth Quadratic Prediction Market, we independently examine agents' trading behavior under two realistic constraints: bounded budgets and buy-only securities. Finally, we provide an introductory analysis of an approach to facilitate adaptive liquidity using the Smooth Quadratic Prediction Market. Our results suggest future designs where the price update rule is separate from the fee structure, yet guarantees are preserved.
• Abstract（参考訳）: エージェントがデューナリティベースのコスト関数予測市場で取引する場合、彼らは学習アルゴリズムFollow-The-Regularized-Leaderをまとめて実装する。 予測市場のデザインを刺激するために、他の学習アルゴリズムが使えるかどうかを問う。 本稿では,Dualality-based Cost Function Market Maker (DCFMM) の価格設定メカニズムを分解・変更することにより,一般の急勾配勾配を総合的に実施するためのインセンティブとなる,Smooth Quadratic Prediction Market と呼ばれる新たな予測市場を提案する。 DCFMMとは対照的に、Smooth Quadratic Prediction MarketはAD証券の最悪の金融損失を抑えつつ、即時価格、情報導入、表現性、仲裁なし、インセンティブの整合性などの公約を保っている。 Smooth Quadratic Prediction Marketの適用をモチベーションするために、我々は2つの現実的な制約のもと、エージェントの取引行動を独立して検討する。 最後に,Smooth Quadratic Prediction Marketを用いた適応流動性向上手法の序文分析を行った。 本研究は,価格更新規則と料金構造が分離されているが,保証は維持されている将来の設計を示唆する。

関連論文リスト

• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Autoregressive Bandits [58.46584210388307]
  本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。 報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。 次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
  論文  参考訳（メタデータ） (2022-12-12T21:37:36Z)
• Quantum computational finance: martingale asset pricing for incomplete markets [69.73491758935712]
  金融の価格問題に様々な量子技術を適用することができることを示す。 従来の研究と異なる3つの方法について議論する。
  論文  参考訳（メタデータ） (2022-09-19T09:22:01Z)
• Price Interpretability of Prediction Markets: A Convergence Analysis [6.623653707600985]
  指数的ユーティリティベース市場におけるエージェント信念の幾何学的平均に制限価格が収束することを示す。 また、制限価格は、エージェントの信念、リスクパラメータ、富をカプセル化する方程式の体系によって特徴づけられることを示す。
  論文  参考訳（メタデータ） (2022-05-18T13:15:11Z)
• 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)
• Design and Analysis of a Synthetic Prediction Market using Dynamic Convex Sets [9.519772465536882]
  本稿では,凸半代数集合のsgmoid変換を用いてエージェント購入論理を定義する合成予測市場を提案する。 その結果、合成予測市場は、入力データの集合上に定義された二元関数を任意に近似することができる。
  論文  参考訳（メタデータ） (2021-01-05T21:11:13Z)

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。