論文の概要: An Explainable Market Integrity Monitoring System with Multi-Source Attention Signals and Transparent Scoring

• arxiv url: http://arxiv.org/abs/2601.15304v1
• Date: Sat, 10 Jan 2026 22:48:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.843026
• Title: An Explainable Market Integrity Monitoring System with Multi-Source Attention Signals and Transparent Scoring
• Title（参考訳）: マルチソースアテンション信号と透過的スコーリングを用いた説明可能な市場統合監視システム
• Authors: Sandeep Neela,
• Abstract要約: AIMM-Xは、市場スタイルの信号と公共の注意信号を組み合わせた監視パイプラインであり、アナリストレビューの恩恵を受ける表面時間ウィンドウである。 我々は、データをダウンロードし、注意機能を構築し、統一パネルを構築し、ウィンドウを検出し、コンポーネント信号を計算し、要約図/表を生成する、エンドツーエンドで再現可能な実装を提供する。 私たちの目標は、操作のラベル付けではなく、コンプライアンスチームや取引所、研究者による下流の調査を支援する、実用的な監査可能なスクリーニングツールを提供することです。
• 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 integrity monitoring is difficult because suspicious price/volume behavior can arise from many benign mechanisms, while modern detection systems often rely on opaque models that are hard to audit and communicate. We present AIMM-X, an explainable monitoring pipeline that combines market microstructure-style signals derived from OHLCV time series with multi-source public attention signals (e.g., news and online discussion proxies) to surface time windows that merit analyst review. The system detects candidate anomalous windows using transparent thresholding and aggregation, then assigns an interpretable integrity score decomposed into a small set of additive components, allowing practitioners to trace why a window was flagged and which factors drove the score. We provide an end-to-end, reproducible implementation that downloads data, constructs attention features, builds unified panels, detects windows, computes component signals, and generates summary figures/tables. Our goal is not to label manipulation, but to provide a practical, auditable screening tool that supports downstream investigation by compliance teams, exchanges, or researchers.
• Abstract（参考訳）: 市場整合性監視は、不審な価格/ボリュームの振る舞いが多くの良心的なメカニズムから生じるため困難であるが、現代の検知システムは監査や通信が難しい不透明なモデルに依存していることが多い。 我々は、OHLCV時系列から派生した市場マイクロ構造スタイルの信号とマルチソースのパブリックアテンション信号(ニュースやオンラインディスカッションプロキシなど)を組み合わせた、説明可能なモニタリングパイプラインであるAIMM-Xを提案する。 このシステムは、透明なしきい値とアグリゲーションを使用して、候補の異常なウィンドウを検出し、小さな加法成分に分解された解釈可能な整合性スコアを割り当てる。 我々は、データをダウンロードし、注意機能を構築し、統一パネルを構築し、ウィンドウを検出し、コンポーネント信号を計算し、要約図/表を生成する、エンドツーエンドで再現可能な実装を提供する。 私たちの目標は、操作のラベル付けではなく、コンプライアンスチームや取引所、研究者による下流の調査を支援する、実用的な監査可能なスクリーニングツールを提供することです。

関連論文リスト

• Identifying Slug Formation in Oil Well Pipelines: A Use Case from Industrial Analytics [0.0]
  本稿では,コンパクトでユーザフレンドリなインターフェースによるエンドツーエンドのデータ駆動スラグ検出を実現する対話型アプリケーションを提案する。 このデモでは、人間同士の対話的なMLシステムが、データサイエンスの方法と、重要なプロセス産業における現実世界の意思決定のギャップを埋める方法を紹介している。
  論文  参考訳（メタデータ） (2025-11-02T08:26:32Z)
• On Multi-entity, Multivariate Quickest Change Point Detection [2.0369245689839817]
  変更点検出(CPD)は、従来のセンシング手法が実現不可能なクラウドモニタリングのアプリケーションによって動機付けられている。 本稿では,正常度からの個人偏差(IDfN)の概念を紹介し,正常度を訓練した再構成エラーベースのオートエンコーダを用いて計算する。 平均値、分散値、カーネル密度推定値(KDE)を用いてこれらの個々の偏差を集約し、システムワイド異常スコア(SWAS)を生成する。 我々の教師なしアプローチはラベル付きデータや特徴抽出の必要性を排除し、ストリーミング入力のリアルタイム操作を可能にします。
  論文  参考訳（メタデータ） (2025-09-22T18:35:24Z)
• AgentSight: System-Level Observability for AI Agents Using eBPF [10.37440633887049]
  既存のツールは、エージェントの高レベルな意図(LSMプロンプトを介して)または低レベルな行動(例えば、システムコール)を観察するが、これら2つのビューを関連付けることはできない。 AgentOpsはハイブリッドアプローチを使用して,このセマンティックギャップをブリッジする,AgentOpsオブザーバビリティフレームワークです。 AgentSightはTLS暗号化されたLLMトラフィックをインターセプトしてセマンティックインテントを抽出し、カーネルイベントを監視してシステム全体の効果を観察し、これら2つのストリームをプロセス境界を越えて因果的に関連付ける。
  論文  参考訳（メタデータ） (2025-08-02T01:43:39Z)
• SentinelAgent: Graph-based Anomaly Detection in Multi-Agent Systems [11.497269773189254]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)に適したシステムレベルの異常検出フレームワークを提案する。 本稿では,エージェント間相互作用を動的実行グラフとしてモデル化し,ノード,エッジ,パスレベルでの意味的異常検出を可能にするグラフベースのフレームワークを提案する。 第2に,セキュリティポリシとコンテキスト推論に基づくMAS実行の監視,解析,介入を行うLLMによる監視エージェントである,プラグイン可能なSentinelAgentを導入する。
  論文  参考訳（メタデータ） (2025-05-30T04:25:19Z)
• From Objects to Events: Unlocking Complex Visual Understanding in Object Detectors via LLM-guided Symbolic Reasoning [71.41062111470414]
  現在のオブジェクト検出器は、エンティティのローカライゼーションと分類において優れているが、イベント認識機能には固有の制限がある。 本稿では,単なるオブジェクト認識以上の標準オブジェクト検出能力を,複雑なイベント理解に拡張する新しいフレームワークを提案する。 私たちの重要なイノベーションは、高価なタスク固有のトレーニングを必要とせずに、オブジェクト検出とイベント理解のセマンティックなギャップを埋めることです。
  論文  参考訳（メタデータ） (2025-02-09T10:30:54Z)
• Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
  オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。 モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。 実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
  論文  参考訳（メタデータ） (2024-12-05T18:58:27Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)

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。