論文の概要: AIMM: An AI-Driven Multimodal Framework for Detecting Social-Media-Influenced Stock Market Manipulation

• arxiv url: http://arxiv.org/abs/2512.16103v1
• Date: Thu, 18 Dec 2025 02:42:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:31.887177
• Title: AIMM: An AI-Driven Multimodal Framework for Detecting Social-Media-Influenced Stock Market Manipulation
• Title（参考訳）: AIMM: ソーシャルメディアに影響を及ぼす株式市場の操作を検出するAI駆動型マルチモーダルフレームワーク
• Authors: Sandeep Neela,
• Abstract要約: AIMMはRedditのアクティビティ、ボットと調整インジケータ、市場機能を融合したAI駆動フレームワークで、各ティッカーに対して毎日のAIMM操作リスクスコアを提供する。 Reddit APIの制限のため、文書化されたイベントの特徴にマッチする合成ソーシャル機能を採用しています。 我々はリードタイムを分析し,2021年1月ピークの22日前にAIMMがGMEにフラグを立てたことを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Market manipulation now routinely originates from coordinated social media campaigns, not isolated trades. Retail investors, regulators, and brokerages need tools that connect online narratives and coordination patterns to market behavior. We present AIMM, an AI-driven framework that fuses Reddit activity, bot and coordination indicators, and OHLCV market features into a daily AIMM Manipulation Risk Score for each ticker. The system uses a parquet-native pipeline with a Streamlit dashboard that allows analysts to explore suspicious windows, inspect underlying posts and price action, and log model outputs over time. Due to Reddit API restrictions, we employ calibrated synthetic social features matching documented event characteristics; market data (OHLCV) uses real historical data from Yahoo Finance. This release makes three contributions. First, we build the AIMM Ground Truth dataset (AIMM-GT): 33 labeled ticker-days spanning eight equities, drawing from SEC enforcement actions, community-verified manipulation cases, and matched normal controls. Second, we implement forward-walk evaluation and prospective prediction logging for both retrospective and deployment-style assessment. Third, we analyze lead times and show that AIMM flagged GME 22 days before the January 2021 squeeze peak. The current labeled set is small (33 ticker-days, 3 positive events), but results show preliminary discriminative capability and early warnings for the GME incident. We release the code, dataset schema, and dashboard design to support research on social media-driven market surveillance.
• Abstract（参考訳）: 市場操作は、現在、孤立した貿易ではなく、調整されたソーシャルメディアキャンペーンに由来する。 小売業者、規制当局、ブローカーはオンラインの物語や調整パターンを市場行動に結びつけるツールを必要としている。 我々は、Redditのアクティビティ、ボット、調整インジケータ、OHLCV市場機能を融合したAI駆動のフレームワークであるAIMMを、各ティッカーに毎日のAIMM操作リスクスコアとして提示する。 このシステムは、Streamlitダッシュボードを備えたパーケットネイティブパイプラインを使用して、不審なウィンドウを探索し、基盤となるポストと価格動作を検査し、時間の経過とともにログモデル出力を出力することができる。 Reddit APIの制限により、文書化されたイベントの特徴にマッチする校正されたソーシャル特徴が採用され、市場データ(OHLCV)はYahoo Financeの実際の履歴データを使用する。 このリリースには3つの貢献がある。 まず、AIMM Ground Truthデータセット(AIMM-GT)を構築します。 第2に、振り返りとデプロイメントスタイルの評価の両方に対して、前方歩行の評価と予測ログを実装した。 第3に、リードタイムを分析し、2021年1月のピークの22日前にAIMMがGMEにフラグを立てたことを示す。 現在のラベル付きセットは小さい(33のティッカーデイ、3のポジティブイベント)が、その結果は、GMEインシデントに対する事前識別能力と早期警告を示す。 我々は、ソーシャルメディアによる市場監視の研究を支援するために、コード、データセットスキーマ、ダッシュボードデザインをリリースします。

関連論文リスト

• Hide-and-Shill: A Reinforcement Learning Framework for Market Manipulation Detection in Symphony-a Decentralized Multi-Agent System [7.392937244789759]
  分散金融(DeFi)は、新たな無許可金融革新の時代をもたらしたが、前例のない市場操作につながった。 本稿では,マニピュレータと検出器間の相互作用を動的対向ゲームとしてモデル化し,分散操作検出のためのマルチエージェント強化学習フレームワークを提案する。 このフレームワークは、遅延トークン価格反応を金融指標として不審なパターンを特定する。
  論文  参考訳（メタデータ） (2025-07-12T07:55:40Z)
• 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)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Opinion Market Model: Stemming Far-Right Opinion Spread using Positive Interventions [4.635820333232681]
  本稿では,相互意見の相互作用と肯定的介入の役割を両立する2層オンライン世論エコシステムモデルを提案する。 我々は2つの学習タスクでOMMをテストし、2つの実世界のデータセットを適用して市場シェアを予測し、オンラインアイテム間の潜伏関係を明らかにする。 OMMは、両方のデータセットで最先端の予測モデルより優れており、潜在的な協調競合関係を捉えている。
  論文  参考訳（メタデータ） (2022-08-13T10:36:04Z)
• Trade When Opportunity Comes: Price Movement Forecasting via Locality-Aware Attention and Iterative Refinement Labeling [11.430440350359993]
  2つの主成分を持つ価格変動予測フレームワークであるLARAを提案する。 LA-Attentionはマスク付きアテンションスキームを通じて潜在的に有益なサンプルを抽出する。 RA-Labelingは、潜在的に利益の出るサンプルのうるさいラベルを洗練させる。 LARAは、Qlibの量的投資プラットフォーム上で、いくつかの機械学習ベースの手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2021-07-26T05:52:42Z)
• Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
  本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。 入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
  論文  参考訳（メタデータ） (2020-10-19T06:28:05Z)

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。