論文の概要: PolySwarm: A Multi-Agent Large Language Model Framework for Prediction Market Trading and Latency Arbitrage
- arxiv url: http://arxiv.org/abs/2604.03888v1
- Date: Sat, 04 Apr 2026 22:51:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.817087
- Title: PolySwarm: A Multi-Agent Large Language Model Framework for Prediction Market Trading and Latency Arbitrage
- Title（参考訳）: PolySwarm: 市場のトレーディングとレイテンシーを予測するためのマルチエージェントな大規模言語モデルフレームワーク
- Authors: Rajat M. Barot, Arjun S. Borkhatariya,
- Abstract要約: PolySwarmは50の多様なLLMペルソナをデプロイし、バイナリ成果市場を同時に評価する。
遅延仲裁モジュールは、ログ正規価格モデルからCEXで実装された確率を導出することにより、古いポリマーケット価格を利用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents PolySwarm, a novel multi-agent large language model (LLM) framework designed for real-time prediction market trading and latency arbitrage on decentralized platforms such as Polymarket. PolySwarm deploys a swarm of 50 diverse LLM personas that concurrently evaluate binary outcome markets, aggregating individual probability estimates through confidence-weighted Bayesian combination of swarm consensus with market-implied probabilities, and applying quarter-Kelly position sizing for risk-controlled execution. The system incorporates an information-theoretic market analysis engine using Kullback-Leibler (KL) divergence and Jensen-Shannon (JS) divergence to detect cross-market inefficiencies and negation pair mispricings. A latency arbitrage module exploits stale Polymarket prices by deriving CEX-implied probabilities from a log-normal pricing model and executing trades within the human reaction-time window. We provide a full architectural description, implementation details, and evaluation methodology using Brier scores, calibration analysis, and log-loss metrics benchmarked against human superforecaster performance. We further discuss open challenges including hallucination in agent pools, computational cost at scale, regulatory exposure, and feedback-loop risk, and outline five priority directions for future research. Experimental results demonstrate that swarm aggregation consistently outperforms single-model baselines in probability calibration on Polymarket prediction tasks.
- Abstract（参考訳）: 本稿では,Polymarketのような分散プラットフォーム上での市場トレーディングと遅延仲裁をリアルタイムに予測するために設計された,新しいマルチエージェント大規模言語モデル(LLM)フレームワークであるPolySwarmを提案する。
PolySwarmは50の多様なLDMペルソナを配置し、二国間利益市場を同時に評価し、自信に富んだベイズ的コンセンサスと市場が実現した確率の組み合わせを通じて個々の確率推定を集約し、リスク管理された実行のためにクォーターケリーのポジションサイズを適用している。
Kullback-Leibler (KL) の発散とJensen-Shannon (JS) の発散を利用して、市場間の非効率性や否定ペアの誤りを検出する情報理論市場分析エンジンを組み込んだシステムである。
遅延仲裁モジュールは、ログ正規価格モデルからCEXで実装された確率を導出し、人間の反応時間ウィンドウ内で取引を実行することにより、古いポリマーケット価格を利用する。
本稿では,Brierスコア,キャリブレーション解析,およびヒトのスーパーフォアキャスター性能に対してベンチマークしたログロス指標を用いて,完全なアーキテクチャ記述,実装の詳細,評価手法を提供する。
さらに,エージェントプールの幻覚,規模での計算コスト,規制露出,フィードバックループリスクといったオープンな課題についても論じ,今後の研究の5つの方向性を概説する。
実験の結果,Swarmアグリゲーションはポリマーケット予測タスクの確率校正において,単一モデルベースラインを一貫して上回ることがわかった。
関連論文リスト
- Computational Arbitrage in AI Model Markets [73.20636221068352]
仲裁員は、市場を弱めるために、提供者間で推論予算を効率的に割り当てる。
単純な仲裁戦略が最大40%の純利益率を生み出すことを示す。
我々の結果は、仲裁は、モデル開発、蒸留、デプロイメントに影響を及ぼすAIモデル市場において、強力な力となり得ることを示唆している。
論文 参考訳（メタデータ） (2026-03-23T18:00:14Z) - Forecasting Future Language: Context Design for Mention Markets [81.25011140991566]
我々は、参照市場における正確な予測を支援するために、入力コンテキストをどのように設計するかを検討する。
1 より豊かなコンテキストは予測性能を継続的に改善し、(2)市場条件付きプロンプト(MCP)は事前の市場確率を扱い、テキストによる証拠を用いてそれを更新し、より良いキャリブレーションの予測を得る、(3)市場確率とMCP(MixMCP)の混合が市場ベースラインを上回っている、という3つの洞察を得た。
論文 参考訳（メタデータ） (2026-02-04T12:43:31Z) - PredictionMarketBench: A SWE-bench-Style Framework for Backtesting Trading Agents on Prediction Markets [0.0]
PredictionMarketBenchは、予測市場におけるアルゴリズムおよびLLMベースのトレーディングエージェントの評価のためのSWEベンチスタイルのベンチマークである。
PredictionMarketBenchは、(i)生の交換ストリーム(注文帳、取引、ライフサイクル、決済)からのエピソード構築を標準化し、(ii)メーカー/テッカーセマンティクスと料金モデリングを備えた実行現実的なシミュレータ、(iii)ツールベースのエージェントインターフェースを標準化する。
暗号通貨、天気、スポーツにまたがるカルシをベースとした4つのエピソードを公表する。ベースラインの結果は、取引コストや決済損失により、ナイーブなトレーディングエージェントが過小評価され、一方、手数料を意識したアルゴリズム戦略は、不安定なエピソードにおいて競争力を維持していることを示している。
論文 参考訳（メタデータ） (2026-01-28T06:41:12Z) - Design and Empirical Study of a Large Language Model-Based Multi-Agent Investment System for Chinese Public REITs [5.339049926920038]
本研究では,マルチエージェント協調に基づく大規模言語モデル(LLM)によるトレーディングフレームワークを提案する。
このシステムは4種類の分析エージェント、イベント、価格運動量、異なる次元の市場分析を統合している。
論文 参考訳（メタデータ） (2026-01-22T16:35:27Z) - When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。
AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。
GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
論文 参考訳（メタデータ） (2025-10-13T17:54:09Z) - 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) - Price Interpretability of Prediction Markets: A Convergence Analysis [6.623653707600985]
指数的ユーティリティベース市場におけるエージェント信念の幾何学的平均に制限価格が収束することを示す。
また、制限価格は、エージェントの信念、リスクパラメータ、富をカプセル化する方程式の体系によって特徴づけられることを示す。
論文 参考訳（メタデータ） (2022-05-18T13:15:11Z) - Learning who is in the market from time series: market participant
discovery through adversarial calibration of multi-agent simulators [0.0]
電子取引市場では、価格またはボリューム時系列のみが直接観測可能である。
本研究では,実物と偽物とを区別できる識別器を2段階に分けて学習する手法を提案する。
論文 参考訳（メタデータ） (2021-08-02T06:53:37Z) - Ensemble Forecasting for Intraday Electricity Prices: Simulating
Trajectories [0.0]
近年の研究では、時間単位のドイツの日内連続市場は弱い状態にあることが示されている。
時間内電力価格の確率予測は、トレーディングウィンドウ毎に軌跡をシミュレートして行う。
この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。
論文 参考訳（メタデータ） (2020-05-04T10:21:20Z)
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。