論文の概要: Bayesian Robust Financial Trading with Adversarial Synthetic Market Data

• arxiv url: http://arxiv.org/abs/2601.17008v1
• Date: Wed, 14 Jan 2026 13:15:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 02:21:38.486269
• Title: Bayesian Robust Financial Trading with Adversarial Synthetic Market Data
• Title（参考訳）: 逆合成市場データを用いたベイジアンロバスト金融取引
• Authors: Haochong Xia, Simin Li, Ruixiao Xu, Zhixia Zhang, Hongxiang Wang, Zhiqian Liu, Teng Yao Long, Molei Qin, Chuqiao Zong, Bo An,
• Abstract要約: アルゴリズムトレーディングは、トレーディング決定を行うための機械学習モデルに依存している。 インサンプルのパフォーマンスは高いが、これらのモデルは、進化する現実世界の市場体制に直面すると劣化することが多い。 本稿では,マクロ条件付き生成モデルとロバストなポリシー学習を統合したベイズロバストフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 15.993346478707686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Algorithmic trading relies on machine learning models to make trading decisions. Despite strong in-sample performance, these models often degrade when confronted with evolving real-world market regimes, which can shift dramatically due to macroeconomic changes-e.g., monetary policy updates or unanticipated fluctuations in participant behavior. We identify two challenges that perpetuate this mismatch: (1) insufficient robustness in existing policy against uncertainties in high-level market fluctuations, and (2) the absence of a realistic and diverse simulation environment for training, leading to policy overfitting. To address these issues, we propose a Bayesian Robust Framework that systematically integrates a macro-conditioned generative model with robust policy learning. On the data side, to generate realistic and diverse data, we propose a macro-conditioned GAN-based generator that leverages macroeconomic indicators as primary control variables, synthesizing data with faithful temporal, cross-instrument, and macro correlations. On the policy side, to learn robust policy against market fluctuations, we cast the trading process as a two-player zero-sum Bayesian Markov game, wherein an adversarial agent simulates shifting regimes by perturbing macroeconomic indicators in the macro-conditioned generator, while the trading agent-guided by a quantile belief network-maintains and updates its belief over hidden market states. The trading agent seeks a Robust Perfect Bayesian Equilibrium via Bayesian neural fictitious self-play, stabilizing learning under adversarial market perturbations. Extensive experiments on 9 financial instruments demonstrate that our framework outperforms 9 state-of-the-art baselines. In extreme events like the COVID, our method shows improved profitability and risk management, offering a reliable solution for trading under uncertain and shifting market dynamics.
• Abstract（参考訳）: アルゴリズムトレーディングは、トレーディング決定を行うための機械学習モデルに依存している。 強いサンプル内パフォーマンスにもかかわらず、これらのモデルは、マクロ経済の変化、金融政策の更新、あるいは参加者の行動の予想外の変動によって劇的に変化する現実世界の市場体制に直面すると、しばしば低下する。 このミスマッチを持続する2つの課題を,(1)高水準市場変動の不確実性に対する既存政策の不確実性,(2)現実的で多様なトレーニング環境の欠如,そして,政策過多につながる。 これらの問題に対処するために,マクロ条件付き生成モデルと堅牢なポリシー学習を体系的に統合するベイズロバストフレームワークを提案する。 データ側では、現実的で多様なデータを生成するために、マクロ経済指標を一次制御変数として活用し、忠実な時間的・横断的・マクロ相関を持つデータを合成するマクロ条件付きGANベースのジェネレータを提案する。 政策面では、市場変動に対するロバストな政策を学習するため、2プレイヤーのゼロサムベイズ・マルコフゲームとして、敵エージェントがマクロ条件付きジェネレータ内のマクロ経済指標を摂動させることにより、シフトするレギュレーションをシミュレートし、一方トレーディングエージェントは、量子的信念ネットワークによって誘導され、隠れた市場状態に対する信頼を更新する。 トレーディング・エージェントは、ベイジアン・ニューラル・フィクション・セルフプレイを通じてロバスト・パーフェクト・ベイジアン・エクイリビウムを探索し、敵対的な市場の摂動の下で学習を安定化させる。 9つの金融機器に関する大規模な実験は、我々のフレームワークが9つの最先端ベースラインを上回っていることを示している。 新型コロナウイルス(COVID-19)のような極端なイベントにおいて、当社の手法は収益性とリスク管理の改善を示し、不確実で変動する市場のダイナミクスの下でのトレーディングのための信頼性の高いソリューションを提供する。

関連論文リスト

• Robust Reinforcement Learning in Finance: Modeling Market Impact with Elliptic Uncertainty Sets [57.179679246370114]
  金融分野では、強化学習(RL)エージェントは、価格に影響を与えない歴史的データに基づいて訓練されることが多い。 展開中、これらのエージェントは、自身の取引が資産価格を変えることができるライブマーケットで取引する。 従来のロバストなRLアプローチは、不確実性の集合に対して最悪のパフォーマンスを最適化することで、このモデルの誤特定に対処する。 楕円型不確実性集合の新たなクラスを開発し,効率的かつ堅牢な政策評価を可能にする。
  論文  参考訳（メタデータ） (2025-10-22T18:22:25Z)
• 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)
• MARS: A Meta-Adaptive Reinforcement Learning Framework for Risk-Aware Multi-Agent Portfolio Management [7.740995234462868]
  強化 学習は、自動ポートフォリオ管理において大きな可能性を秘めている。 リスク認識システム(MARS)のためのメタ制御エージェントを提案する。 MARSは異種エージェントアンサンブルを使用しており、各エージェントは固有の固有のリスクプロファイルを持っている。
  論文  参考訳（メタデータ） (2025-08-02T03:23:41Z)
• Modelling Opaque Bilateral Market Dynamics in Financial Trading: Insights from a Multi-Agent Simulation Study [15.379345372327375]
  本稿では,オーストラリア国債取引における不透明な二国間市場を表現することを目的とする。 交渉された取引と限られた数のエージェントによって特徴づけられる二国間市場の特異性は、エージェントベースのモデリングと量的金融に価値ある洞察をもたらす。 市場構造における市場剛性の影響を考察し,市場設計における安定性の要素について考察する。
  論文  参考訳（メタデータ） (2024-05-05T08:42:20Z)
• INTAGS: Interactive Agent-Guided Simulation [4.04638613278729]
  マルチエージェントシステム(MAS)を含む多くのアプリケーションでは、実稼働に先立って、実験的な(Exp)自律エージェントを高忠実度シミュレータでテストすることが必須である。 本稿では,ExpエージェントとBGエージェントのライブインタラクションによって評価される実システムと合成マルチエージェントシステムとを区別する指標を提案する。 InTAGSを用いてシミュレータのキャリブレーションを行い、現状のWasserstein Generative Adversarial Networkアプローチと比較して、より現実的な市場データを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-09-04T19:56:18Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• CTMSTOU driven markets: simulated environment for regime-awareness in trading policies [0.0]
  本稿では,市場参加者が認識する基本的な価値をモデル化する新たなプロセスを紹介する。 我々は、取引業者に対する体制意識の概念を定義し、注文実行問題の文脈における異なる注文配置戦略の研究を通して、その重要性を説明する。
  論文  参考訳（メタデータ） (2022-02-02T10:27:12Z)
• Multi-Asset Spot and Option Market Simulation [52.77024349608834]
  正規化フローに基づく1つの基盤となる1つのマーケットシミュレータを現実的に構築する。 本研究では, 正規化流れの条件付き可逆性を活用し, 独立シミュレータの連立分布をキャリブレーションするスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2021-12-13T17:34:28Z)

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。