論文の概要: Multiagent Reinforcement Learning for Liquidity Games

• arxiv url: http://arxiv.org/abs/2601.00324v1
• Date: Thu, 01 Jan 2026 12:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.377023
• Title: Multiagent Reinforcement Learning for Liquidity Games
• Title（参考訳）: 流動性ゲームのためのマルチエージェント強化学習
• Authors: Alicia Vidler, Gal A. Kaminka,
• Abstract要約: 流動性の金融市場モデリングにおけるSwarm法の利用、および財務分析の手法は、両方の研究分野を前進させる可能性を秘めている。 本稿では、トレーダの支払いが取引内の総流動性に依存している流動性ゲームと、分散エージェントが相違報酬を使用して、自己関心の学習とグローバルな目的を整合させるRational Swarmsを統合する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Making use of swarm methods in financial market modeling of liquidity, and techniques from financial analysis in swarm analysis, holds the potential to advance both research areas. In swarm research, the use of game theory methods holds the promise of explaining observed phenomena of collective utility adherence with rational self-interested swarm participants. In financial markets, a better understanding of how independent financial agents may self-organize for the betterment and stability of the marketplace would be a boon for market design researchers. This paper unifies Liquidity Games, where trader payoffs depend on aggregate liquidity within a trade, with Rational Swarms, where decentralized agents use difference rewards to align self-interested learning with global objectives. We offer a theoretical frameworks where we define a swarm of traders whose collective objective is market liquidity provision while maintaining agent independence. Using difference rewards within a Markov team games framework, we show that individual liquidity-maximizing behaviors contribute to overall market liquidity without requiring coordination or collusion. This Financial Swarm model provides a framework for modeling rational, independent agents where they achieve both individual profitability and collective market efficiency in bilateral asset markets.
• Abstract（参考訳）: 流動性の金融市場モデリングにおけるSwarm法の利用と、Swarm解析における財務分析技術は、両方の研究分野を前進させる可能性を秘めている。 スワム研究において、ゲーム理論法の使用は、合理的な自己関心を持つスワムの参加者と集合的効用付着の観察された現象を説明することを約束する。 金融市場では、独立した金融業者が市場の改善と安定のためにどのように自己組織化するかをよりよく理解することは、市場設計研究者にとって朗報となるだろう。 本稿では、トレーダの支払いが取引内の総流動性に依存している流動性ゲームと、分散エージェントが相違報酬を使用して、自己関心の学習とグローバルな目的を整合させるRational Swarmsを統合する。 我々は、エージェント独立を維持しながら市場流動性の提供を総合的に目的とするトレーダーの群れを定義する理論的枠組みを提供する。 マルコフチームゲームフレームワーク内の差分報酬を用いて、個別の流動性を最大化する行動が、調整や共謀を必要とせず、市場全体の流動性に寄与することを示す。 このファイナンシャル・スワーム・モデルは、合理的で独立したエージェントをモデル化するための枠組みを提供する。

関連論文リスト

• From Competition to Coordination: Market Making as a Scalable Framework for Safe and Aligned Multi-Agent LLM Systems [5.165179548592513]
  マルチエージェント大規模言語モデル(LLM)コーディネーションのための市場形成フレームワークを提案する。 この設定では、各エージェントは市場参加者として行動し、確率的信念を更新し、取引し、共有され、真実に満ちた結果へと収束する。 実証的に、本手法は、事実推論、倫理的判断、コモンセンス推論タスクにまたがって評価する。
  論文  参考訳（メタデータ） (2025-11-18T16:47:15Z)
• 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)
• Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading [57.28635022507172]
  TiMiは、アーキテクチャ上、戦略開発を分単位のデプロイメントから切り離す合理性駆動型マルチエージェントシステムである。 本稿では,マクロパターンからマイクロカスタマイズ,トレーディングボット実装のための階層型プログラミング設計,数学的リフレクションによって駆動されるクローズドループ最適化までの2層解析パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-06T13:08:55Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning [151.03738099494765]
  労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。 本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-24T17:16:27Z)
• Towards Multi-Agent Reinforcement Learning driven Over-The-Counter Market Simulations [16.48389671789281]
  オーバー・ザ・カウンタ市場において,流動性提供者と流動性取扱業者が相互作用するゲームについて検討した。 互いに対戦することで、深層強化学習主体のエージェントは創発的な行動を学ぶ。 遷移性仮定の下で,多エージェントポリシー勾配アルゴリズムの収束率を示す。
  論文  参考訳（メタデータ） (2022-10-13T17:06:08Z)
• Stochastic Market Games [10.979093424231532]
  我々は、市場力を利用して、エージェントが協力的になるためのインセンティブを提供することを提案する。 プリソナーズ・ジレンマの反復版で示されているように、提案された市場の定式化はゲームのダイナミクスを変えることができる。 市場の存在は、全体的な結果と、取引活動を通じて個々のリターンを代理する双方を改善することができることを実証的に見出した。
  論文  参考訳（メタデータ） (2022-07-15T10:37:16Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)

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。