論文の概要: Emergence from Emergence: Financial Market Simulation via Learning with Heterogeneous Preferences

• arxiv url: http://arxiv.org/abs/2511.05207v1
• Date: Fri, 07 Nov 2025 12:54:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 21:00:44.76244
• Title: Emergence from Emergence: Financial Market Simulation via Learning with Heterogeneous Preferences
• Title（参考訳）: 創発から創発:不均一な選好による学習を通しての金融市場シミュレーション
• Authors: Ryuko Hashimoto, Ryosuke Takata, Masahiro Suzuki, Yuki Tanaka, Kiyoshi Izumi,
• Abstract要約: 我々は、不均一なリスク回避、時間割引、情報アクセスに支えられたエージェントが取引戦略を総合的に学習するマルチエージェント強化学習フレームワークを開発する。 実験の結果, (i) 不均一な嗜好による学習は, エージェントが個々の特性に整合した戦略を発達させ, 市場における行動分化とニッチな特殊化を促進させ, (ii) 差別化されたエージェントによるインタラクションが, 現実的な市場ダイナミクスの出現に不可欠であることを明らかにした。
• 参考スコア（独自算出の注目度）: 3.722808691920657
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agent-based models help explain stock price dynamics as emergent phenomena driven by interacting investors. In this modeling tradition, investor behavior has typically been captured by two distinct mechanisms -- learning and heterogeneous preferences -- which have been explored as separate paradigms in prior studies. However, the impact of their joint modeling on the resulting collective dynamics remains largely unexplored. We develop a multi-agent reinforcement learning framework in which agents endowed with heterogeneous risk aversion, time discounting, and information access collectively learn trading strategies within a unified shared-policy framework. The experiment reveals that (i) learning with heterogeneous preferences drives agents to develop strategies aligned with their individual traits, fostering behavioral differentiation and niche specialization within the market, and (ii) the interactions by the differentiated agents are essential for the emergence of realistic market dynamics such as fat-tailed price fluctuations and volatility clustering. This study presents a constructive paradigm for financial market modeling in which the joint design of heterogeneous preferences and learning mechanisms enables two-stage emergence: individual behavior and the collective market dynamics.
• Abstract（参考訳）: エージェントベースのモデルは、相互作用する投資家によって引き起こされる創発的な現象として株価のダイナミクスを説明するのに役立つ。 このモデリングの伝統では、投資家の行動は通常、学習と異質な選好という2つの異なるメカニズムによって捉えられ、これは以前の研究で別のパラダイムとして研究されてきた。 しかし、それらの共同モデリングが結果として生じる集合力学に与える影響は、ほとんど未解明のままである。 我々は、異種リスク回避、時間割引、情報アクセスといったエージェントが統合された共有政治枠組みの中で、取引戦略を総合的に学習するマルチエージェント強化学習フレームワークを開発する。 実験はそれを明らかにします 一 不均質な嗜好による学習により、エージェントはそれぞれの特性に整合した戦略を発達させ、市場における行動の分化とニッチな特殊化を育む。 (II) 差別化剤による相互作用は, 価格変動やボラティリティクラスタリングといった現実的な市場動態の出現に不可欠である。 本研究では、不均一な選好と学習メカニズムの合同設計により、個人行動と集団市場ダイナミクスという2段階の出現を可能にする金融市場モデリングのための構築的パラダイムを提案する。

関連論文リスト

• Social World Model-Augmented Mechanism Design Policy Learning [58.739456918502704]
  SWM-AP (Social World Model-Augmented Mechanism Design Policy Learning) を導入する。 SWM-APは,累積報酬とサンプル効率において,モデルベースおよびモデルフリーのRLベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-10-22T06:01:21Z)
• From Bias to Behavior: Learning Bull-Bear Market Dynamics with Contrastive Modeling [13.039189005779534]
  本稿では、投資家主導の市場ダイナミクスにおけるブル・ベア体制の可能性について考察する。 本稿では,時間的価格列と外部コンテキスト信号を共有潜在空間に埋め込む統合フレームワークであるB4(Bias to Behavior from Bull-Bear Dynamics Model)を提案する。 我々のモデルは市場のトレンドを予測する上で優れたパフォーマンスを実現し、バイアスや投資家の行動、市場のダイナミクスの相互作用に関する解釈可能な洞察を提供する。
  論文  参考訳（メタデータ） (2025-07-12T11:36:26Z)
• TwinMarket: A Scalable Behavioral and Social Simulation for Financial Markets [41.858410843530244]
  大規模言語モデル(LLM)エージェントは人間の振る舞いをモデル化するためのシミュレーションツールとして注目を集めている。 社会経済システムのシミュレートにLLMを活用する新しいマルチエージェントフレームワークであるTwinMarketを紹介した。 我々のアプローチは、個人の意思決定と集団社会経済パターンの間の複雑な相互作用に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-03T16:39:48Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Compete and Compose: Learning Independent Mechanisms for Modular World Models [57.94106862271727]
  異なる環境における再利用可能な独立したメカニズムを活用するモジュール型世界モデルであるCOMETを提案する。 COMETは、コンペティションとコンポジションという2段階のプロセスを通じて、動的に変化する複数の環境でトレーニングされている。 COMETは,従来のファインタニング手法に比べて,サンプル効率が向上し,多様なオブジェクト数で新しい環境に適応できることを示す。
  論文  参考訳（メタデータ） (2024-04-23T15:03:37Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)
• A mechanism of Individualistic Indirect Reciprocity with internal and external dynamics [0.0]
  本研究は,エージェントの態度に着目した Nowak モデルと Sigmund モデルの新しい変種を提案する。 エージェントベースモデルとデータサイエンス手法を用いて,エージェントの識別的スタンスがほとんどの場合優位であることを示す。 また, 他者の評判が不明な場合には, 不均一性が高く, 協力需要が高い場合には, 異種社会が得られることも示唆した。
  論文  参考訳（メタデータ） (2021-05-28T23:28:50Z)

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。