論文の概要: Semantic Trading: Agentic AI for Clustering and Relationship Discovery in Prediction Markets

• arxiv url: http://arxiv.org/abs/2512.02436v1
• Date: Tue, 02 Dec 2025 05:45:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.735271
• Title: Semantic Trading: Agentic AI for Clustering and Relationship Discovery in Prediction Markets
• Title（参考訳）: セマンティックトレーディング:予測市場におけるクラスタリングと関係発見のためのエージェントAI
• Authors: Agostino Capponi, Alfio Gliozzo, Brian Zhu,
• Abstract要約: 自然言語理解を用いて,市場を協調したトピックグループに自律的にクラスタリングするエージェントAIパイプラインを提案する。 我々は、同一利益(相関性)と異利益(反相関性)の関係を含む、解決結果が強い依存を示すクラスタ内市場ペアを特定する。 その結果,エージェント識別された関係はおよそ60～70%の精度を達成し,その貿易戦略が1週間の地平線上で平均で約20%のリターンを得られることがわかった。
• 参考スコア（独自算出の注目度）: 6.329256068898982
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prediction markets allow users to trade on outcomes of real-world events, but are prone to fragmentation through overlapping questions, implicit equivalences, and hidden contradictions across markets. We present an agentic AI pipeline that autonomously (i) clusters markets into coherent topical groups using natural-language understanding over contract text and metadata, and (ii) identifies within-cluster market pairs whose resolved outcomes exhibit strong dependence, including same-outcome (correlated) and different-outcome (anti-correlated) relationships. Using a historical dataset of resolved markets on Polymarket, we evaluate the accuracy of the agent's relational predictions. We then translate discovered relationships into a simple trading strategy to quantify how these relationships map to actionable signals. Results show that agent-identified relationships achieve roughly 60-70% accuracy, and their induced trading strategies earn about 20% average returns over week-long horizons, highlighting the ability of agentic AI and large language models to uncover latent semantic structure in prediction markets.
• Abstract（参考訳）: 予測市場は、ユーザーが現実世界の出来事の結果を取引できるが、重複する質問、暗黙の同値性、市場全体で隠された矛盾を通じて断片化する傾向がある。 我々は自律的なエージェントAIパイプラインを提案する 一 契約書及びメタデータに関する自然言語理解を用いて、クラスタを連携した話題群に市場化すること。 (II) クラスタ内市場対は、同一利益(相関性)と異利益(反相関性)の関係を含む、解決結果が強い依存を示す。 ポリマーケット上のマーケットの歴史的データセットを用いて,エージェントのリレーショナル予測の精度を評価する。 次に、発見された関係を単純な取引戦略に変換して、これらの関係を実行可能な信号にどのようにマッピングするかを定量化します。 その結果,エージェント識別された関係はおよそ60～70%の精度を達成し,その引き起こされた取引戦略は週平均で約20%のリターンを達成し,エージェントAIと大規模言語モデルによる予測市場における潜在意味構造を明らかにする能力を強調した。

関連論文リスト

• Magentic Marketplace: An Open-Source Environment for Studying Agentic Markets [74.91125572848439]
  本稿では,サービスエージェントが消費者を代表し,サービスエージェントが競合するビジネスを代表する2面のエージェントマーケットプレースについて検討する。 この環境では、ユーティリティエージェントが達成する行動バイアス、操作に対する脆弱性、検索メカニズムが市場の結果をどのように形作るか、といった主要な市場ダイナミクスを研究することができる。 実験の結果、フロンティアモデルは最適な福祉に近づくことができるが、理想的な探索条件下でのみ適用可能であることが判明した。
  論文  参考訳（メタデータ） (2025-10-27T18:35:59Z)
• The Invisible Handshake: Tacit Collusion between Adaptive Market Agents [16.94262518248427]
  本研究では,内因性価格形成を伴う市場における適応取引業者間の暗黙の共謀の出現について検討する。 エージェントが自身の富を最大化するために単純な学習アルゴリズムに従うと、結果として得られるダイナミクスは合理的戦略プロファイルに収束する。
  論文  参考訳（メタデータ） (2025-10-14T08:28:33Z)
• When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
  Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。 AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。 GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
  論文  参考訳（メタデータ） (2025-10-13T17:54:09Z)
• 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)
• 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)
• Equilibrium of Data Markets with Externality [5.383900608313559]
  私たちは、売り手が固定価格を投稿し、買い手は売り手から自由に購入できる現実世界のデータ市場をモデル化します。 ここで重要な要素は、データ購入によって互いに負の外部性バイヤーが引き起こされることだ。 我々は、取引コストを通じて介入するプラットフォームが、強力な福祉保証を備えた純粋な均衡につながることを証明している。
  論文  参考訳（メタデータ） (2023-02-16T00:57:49Z)
• 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)
• 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)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)

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。