論文の概要: The Red Queen's Trap: Limits of Deep Evolution in High-Frequency Trading

• arxiv url: http://arxiv.org/abs/2512.15732v1
• Date: Fri, 05 Dec 2025 19:30:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-21 14:22:08.781912
• Title: The Red Queen's Trap: Limits of Deep Evolution in High-Frequency Trading
• Title（参考訳）: Red Queen's Trap: 高周波取引における深部進化の限界
• Authors: Yijia Chen,
• Abstract要約: ギャラクシー・エンパイア(Galaxy Empire)は、LSTM/Transformerベースの知覚と遺伝的"Time-is-Life"生存メカニズムを結合したハイブリッドフレームワークである。 トレーニングメトリクスとライブパフォーマンスの破滅的な相違が観察された。 その結果,情報の欠如による非対称性の増大が全身的脆弱性を悪化させるという実証的証拠が得られた。
• 参考スコア（独自算出の注目度）: 1.9290392443571385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of Deep Reinforcement Learning (DRL) and Evolutionary Computation (EC) is frequently hypothesized to be the "Holy Grail" of algorithmic trading, promising systems that adapt autonomously to non-stationary market regimes. This paper presents a rigorous post-mortem analysis of "Galaxy Empire," a hybrid framework coupling LSTM/Transformer-based perception with a genetic "Time-is-Life" survival mechanism. Deploying a population of 500 autonomous agents in a high-frequency cryptocurrency environment, we observed a catastrophic divergence between training metrics (Validation APY $>300\%$) and live performance (Capital Decay $>70\%$). We deconstruct this failure through a multi-disciplinary lens, identifying three critical failure modes: the overfitting of \textit{Aleatoric Uncertainty} in low-entropy time-series, the \textit{Survivor Bias} inherent in evolutionary selection under high variance, and the mathematical impossibility of overcoming microstructure friction without order-flow data. Our findings provide empirical evidence that increasing model complexity in the absence of information asymmetry exacerbates systemic fragility.
• Abstract（参考訳）: Deep Reinforcement Learning (DRL) と Evolutionary Computation (EC) の統合はしばしば、非定常市場体制に自律的に適応する有望なアルゴリズム取引の "Holy Grail" であると仮定される。 本稿では,LSTM/Transformerベースの認識と遺伝的生存メカニズムを結合したハイブリッドフレームワークであるGalaxy Empireについて,厳密な反省会後分析を行った。 高頻度暗号通貨環境で500人の自律エージェントを配置し、トレーニング指標(Validation APY $>300\%$)とライブパフォーマンス(Capital Decay $>70\%$)の破滅的な相違を観測した。 低エントロピー時間列における \textit{Aleatoric Uncertainty} のオーバーフィッティング、高分散下での進化的選択に固有の \textit{Survivor Bias} 、秩序-フローデータなしでマイクロ構造摩擦を克服する数学的不可能性、の3つの重要な障害モードを同定し、この障害を多分野のレンズで分解する。 その結果,情報非対称性の欠如によるモデル複雑性の増大は,システム的脆弱性を悪化させるという実証的証拠が得られた。

関連論文リスト

• Entropy Collapse: A Universal Failure Mode of Intelligent Systems [0.0]
  知的システムは,高エントロピー適応型体制から低エントロピー崩壊型体制へ急激な移行を遂げていることを示す。 我々は、臨界しきい値、動的不可逆性、およびアトラクタ構造を解析的に確立する。 このフレームワークは、AIにおけるモデル崩壊、経済学における機関性硬化症、進化における遺伝的ボトルネックといった多様な現象を統一する。
  論文  参考訳（メタデータ） (2025-12-13T16:12:27Z)
• Explainable Heterogeneous Anomaly Detection in Financial Networks via Adaptive Expert Routing [9.3237091894548]
  既存の検出器は全ての異常を均一に処理し、どの機構が故障しているかを明らかにすることなくスコアを生成する。 我々は、これらに適応的なグラフ学習と、組み込みの解釈可能性を提供する専門的な専門家ネットワークを通して対処する。 我々は3.8日間のリードタイムを持つ13のメジャーイベントを92.3%検出し、30.8ppで最高のベースラインを上回った。
  論文  参考訳（メタデータ） (2025-10-20T01:30:41Z)
• Flow based approach for Dynamic Temporal Causal models with non-Gaussian or Heteroscedastic Noises [37.02662517645979]
  因果発見のための統合フレームワークであるFANTOMを紹介する。 非定常過程と非ガウス的および異方性雑音を扱う。 同時にレジームの数と対応するインデックスを推測し、各レジームのディレクテッド・アサイクリックグラフを学習する。
  論文  参考訳（メタデータ） (2025-06-20T15:12:43Z)
• Obtaining continuum physics from dynamical simulations of Hamiltonian lattice gauge theories [0.0]
  連続限界に対する近似時間進化の影響を厳格に制御する新しい枠組みを提案する。 動作統計の不確実性以下に近似時間進化誤差を駆動するSBTEプロトコルを用いることで、単純化された再正規化手順が導かれることを示す。
  論文  参考訳（メタデータ） (2025-06-19T19:28:21Z)
• Uncertainty Quantification for Forward and Inverse Problems of PDEs via Latent Global Evolution [110.99891169486366]
  本稿では,効率的かつ高精度な不確実性定量化を深層学習に基づく代理モデルに統合する手法を提案する。 本手法は,フォワード問題と逆問題の両方に対して,堅牢かつ効率的な不確実性定量化機能を備えたディープラーニングに基づく代理モデルを提案する。 提案手法は, 長期予測を含むシナリオに適合し, 拡張された自己回帰ロールアウトに対する不確かさの伝播に優れる。
  論文  参考訳（メタデータ） (2024-02-13T11:22:59Z)
• Uncertainty-Aware Deep Attention Recurrent Neural Network for Heterogeneous Time Series Imputation [0.25112747242081457]
  欠落は多変量時系列においてユビキタスであり、信頼できる下流分析の障害となる。 本稿では、欠落した値とその関連不確かさを共同で推定するDeep Attention Recurrent Imputation (Imputation)を提案する。 実験の結果,実世界のデータセットを用いた多様な計算タスクにおいて,SOTAを上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-01-04T13:21:11Z)
• Capsa: A Unified Framework for Quantifying Risk in Deep Neural Networks [142.67349734180445]
  ディープニューラルネットワークにリスク認識を提供する既存のアルゴリズムは複雑でアドホックである。 ここでは、リスク認識でモデルを拡張するためのフレームワークであるcapsaを紹介します。
  論文  参考訳（メタデータ） (2023-08-01T02:07:47Z)
• Unbalanced Diffusion Schr\"odinger Bridge [71.31485908125435]
  任意の有限質量の辺縁の時間的進化をモデル化する不均衡DSBを導入する。 これは、殺生項を伴う微分方程式の時間反転を導出することで達成される。 本稿では,非バランスなDSBを学習するためのスケーラブルな目的関数を構成する2つの新しいアルゴリズムスキームを提案する。
  論文  参考訳（メタデータ） (2023-06-15T12:51:56Z)
• Quantum Metric Unveils Defect Freezing in Non-Hermitian Systems [1.2289361708127877]
  我々は、$mathcalPT$-symmetricと$mathcalPT$-breakkenモードの両方をホストする、正確に解ける非エルミート系の力学を研究する。 エルミート系とは対照的に, PT崩壊時間進化は欠陥凍結を引き起こすため, 断熱性に反することが明らかとなった。
  論文  参考訳（メタデータ） (2023-01-05T19:00:00Z)
• The Unreasonable Effectiveness of Deep Evidential Regression [72.30888739450343]
  不確実性を考慮した回帰ベースニューラルネットワーク(NN)による新しいアプローチは、従来の決定論的手法や典型的なベイズ的NNよりも有望であることを示している。 我々は、理論的欠点を詳述し、合成および実世界のデータセットのパフォーマンスを分析し、Deep Evidential Regressionが正確な不確実性ではなく定量化であることを示す。
  論文  参考訳（メタデータ） (2022-05-20T10:10:32Z)

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。