論文の概要: Quenching Speculation in Quantum Markets via Entangled Neural Traders

• arxiv url: http://arxiv.org/abs/2602.06367v1
• Date: Fri, 06 Feb 2026 03:51:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.226347
• Title: Quenching Speculation in Quantum Markets via Entangled Neural Traders
• Title（参考訳）: 絡み合ったニューラルトレーダーによる量子市場におけるクエンチングの投機
• Authors: Kieran Hymas, Hiu Ming Lau, Kareem Raslan, Qiang Sun, Azhar Iqbal, Derek Abbott, Andrew D. Greentree, James Q. Quach,
• Abstract要約: 提案する量子株式市場は, トレーダーのバリュエーション間の絡み合いを緩和し, 投機的バストの脱算特性を緩和する。 一つの商品を取引する強化学習エージェントを用いて、古典的バリュエーションを量子関連量子ビット符号化のバリュエーションに置き換えることが価格を安定させることを示す。 この振る舞いを説明するために、投機力学の標準モデルである$p$-guessing Gameの量子化バージョンを定式化し、解析する。
• 参考スコア（独自算出の注目度）: 3.772855715019728
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Speculative trading can drive pronounced market instabilities, yet existing regulatory and macroprudential tools intervene only after such dynamics emerge. Quantum technologies offer a fundamentally new means of shaping economic behavior by introducing non-classical correlations between decision-makers. Here we demonstrate a prototype quantum stock market in which entanglement between traders' valuations mitigates the runaway devaluation characteristic of speculative busts. Using reinforcement-learning agents trading a single commodity, we show that replacing classical valuations with quantum-correlated qubit-encoded valuations stabilizes prices and increases the AI traders' net worth relative to a classical market, where instead agents rapidly converge to liquidation strategies that collapse the asset value. To explain this behavior, we formulate and analyze a quantized version of the $p$-guessing game, a canonical model of speculative dynamics. Quantum entanglement and phase coherence reshape the strategic landscape, eliminating the pathological pure-strategy Nash equilibrium that drives market collapse in the classical game, while mixed-strategy equilibria remain non-degenerate and avoid bust-type outcomes. These results identify quantum correlations as a novel, endogenous mechanism for market stabilization and, more broadly, demonstrate the utility of multi-agent reinforcement learning algorithms for uncovering optimal strategies in complex decision-making frameworks with quantum degrees of freedom.
• Abstract（参考訳）: 投機的トレーディングは市場の不安定さを顕著にする可能性があるが、既存の規制やマクロプルーデンシャルツールはそのようなダイナミクスが出現した後にのみ介入する。 量子技術は、意思決定者間の非古典的相関を導入することによって、経済行動を形成する根本的に新しい手段を提供する。 ここでは、トレーダーのバリュエーション間の絡み合いを緩和し、投機的バストの脱算特性を緩和する量子株式市場のプロトタイプを示す。 単一の商品を取引する強化学習エージェントを用いて、古典的バリュエーションを量子関連量子ビット符号化されたバリュエーションに置き換えることで、価格を安定させ、古典的市場に対してAIトレーダーの純価値を高めることを示し、代わりにエージェントは資産価値を崩壊させる清算戦略に急速に収束する。 この振る舞いを説明するために、投機力学の標準モデルである$p$-guessing Gameの量子化バージョンを定式化し、解析する。 量子エンタングルメントと位相コヒーレンス(英語版)は戦略的な景観を再構築し、古典ゲームにおける市場崩壊を引き起こす病理学的純粋ストラテジーナッシュ均衡を排除し、混合ストラテジー均衡は非退化のままであり、バスト型の結果を避ける。 これらの結果は、市場安定化のための新しい内在的メカニズムとして量子相関を同定し、より広範に、量子自由度を持つ複雑な意思決定フレームワークにおける最適な戦略を明らかにするためのマルチエージェント強化学習アルゴリズムの有用性を実証する。

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)
• Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
  量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。 近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。 QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
  論文  参考訳（メタデータ） (2025-10-15T12:17:23Z)
• 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)
• The Sound of Risk: A Multimodal Physics-Informed Acoustic Model for Forecasting Market Volatility and Enhancing Market Interpretability [45.501025964025075]
  本稿では,財務リスク評価のための新たな枠組みを提案する。 我々は1,795件の収支コールのデータセットを用いて、スクリプトによるプレゼンテーションと自発的なQ&A交換の動的変化をキャプチャする機能を構築した。 我々の重要な発見は、予測能力の顕著なばらつきを明らかにしている: マルチモーダルな特徴は、方向性の株価リターンを予測しないが、30日間に実現されたボラティリティにおけるサンプル外変動の最大43.8%を説明できる。
  論文  参考訳（メタデータ） (2025-08-26T03:51:03Z)
• Quantum Reinforcement Learning Trading Agent for Sector Rotation in the Taiwan Stock Market [5.84010679412935]
  台湾株式市場におけるセクターローテーションのためのハイブリッド量子古典的強化学習フレームワークを提案する。 量子強化モデルは、常により高いトレーニング報酬を達成するが、それらは現実世界の投資指標において古典的なモデルより劣る。 この不一致は、金融分野に強化学習を適用する上での課題を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-06-26T01:29:19Z)
• Deviations from the Nash equilibrium and emergence of tacit collusion in a two-player optimal execution game with reinforcement learning [0.9208007322096533]
  2つの自律的エージェントが市場の影響下で同じ資産を最適に清算することを学習するシナリオについて検討する。 その結果,エージェントが学んだ戦略は,対応する市場影響ゲームのナッシュ均衡から大きく逸脱していることがわかった。 市場のボラティリティの異なるレベルがエージェントのパフォーマンスと彼らが発見する均衡にどのように影響するかを考察する。
  論文  参考訳（メタデータ） (2024-08-21T16:54:53Z)
• QADQN: Quantum Attention Deep Q-Network for Financial Market Prediction [6.3671741591443105]
  本稿では量子注意深度Q-Network(QADQN)アプローチを導入し,量子強化学習を通じてこれらの課題に対処する。 我々は、S&P500を含む主要市場指標の履歴データに基づいて、QADQNエージェントのパフォーマンスを評価する。 我々の実証結果はQADQNの優れた性能を示し、より優れたリスク調整リターンを実現した。
  論文  参考訳（メタデータ） (2024-08-06T10:41:46Z)
• Quantum Computational Algorithms for Derivative Pricing and Credit Risk in a Regime Switching Economy [0.0]
  金融市場のリスクを模倣する観点からも現実的なプロセスのクラスを紹介します。 ゲート型量子コンピュータにおける信用リスクとオプション価格を推定するアルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2023-11-01T20:15:59Z)
• 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)

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。