論文の概要: An `Inverse' Experimental Framework to Estimate Market Efficiency
- arxiv url: http://arxiv.org/abs/2604.18130v2
- Date: Fri, 24 Apr 2026 12:54:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-27 13:34:21.945989
- Title: An `Inverse' Experimental Framework to Estimate Market Efficiency
- Title（参考訳）: 市場効率評価のための「逆」実験フレームワーク
- Authors: Thomas Asikis, Heinrich H. Nax,
- Abstract要約: デジタル市場は毎年数十億ドルを処理しており、社会技術エコシステムにおける重要なインフラとなっている。
我々は、線形回帰や勾配押し上げ木など複数のモデルを開発し、基礎となる供給需要モデルからの量子的入力を活用して訓練する。
- 参考スコア（独自算出の注目度）: 0.8594140167290097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital marketplaces processing billions of dollars annually represent critical infrastructure in sociotechnical ecosystems, yet their performance optimization lacks principled measurement frameworks that can inform algorithmic governance decisions regarding market efficiency and fairness from complex market data. By looking at orderbook data from double auction markets alone, because bids and asks do not represent true maximum willingnesses to buy and true minimum willingnesses to sell, there is little an economist can say about the market's actual performance in terms of allocative efficiency. We turn to experimental data to address this issue, `inverting' the standard induced value approach of double auction experiments. Our aim is to predict key market features relevant to market efficiency, particularly allocative efficiency, using orderbook data only -- specifically bids, asks and price realizations, but not the induced reservation values -- as early as possible. Since there is no established model of strategically optimal behavior in these markets, and because orderbook data is highly unstructured, non-stationary and non-linear, we propose quantile-based normalization techniques that help us build general predictive models. We develop and train several models, including linear regressions and gradient boosting trees, leveraging quantile-based input from the underlying supply-demand model. Our models can predict allocative efficiency with reasonable accuracy from the earliest bids and asks, and these predictions improve with additional realized price data. The performance of the prediction techniques varies by target and market type. Our framework holds significant potential for application to real-world market data, offering valuable insights into market efficiency and performance, even prior to any trade realizations.
- Abstract（参考訳）: 毎年数十億ドルを処理しているデジタル市場は、社会技術エコシステムにおいて重要な基盤となっているが、そのパフォーマンス最適化には、複雑な市場データから市場効率と公正性に関するアルゴリズムによるガバナンス決定を通知する、原則化された測定フレームワークが欠如している。
複競売市場からの注文帳データを見るだけでは、入札と請求は、購入する真の最大限の意思と販売する真の最小限の意思を表すものではないため、経済学者が割当効率の観点から市場の実際のパフォーマンスについて話すことはほとんどない。
我々はこの問題に対処するために、二重オークション実験の標準誘導価値アプローチを「反転」する実験データに目を向ける。
我々の目標は、市場効率、特に割当効率に関連する重要な市場特徴を予測することであり、注文帳データのみを使用し、特に入札、要求、価格実現をできるだけ早く行うことにある。
これらの市場では、戦略的に最適な行動の確立されたモデルがなく、オーダーブックデータは非常に非構造化されており、非定常かつ非線形であるため、一般的な予測モデルを構築するのに役立つ量子型正規化技術を提案する。
我々は、線形回帰や勾配押し上げ木など複数のモデルを開発し、基礎となる供給需要モデルからの量子的入力を活用して訓練する。
提案モデルでは,早期入札と質問から適切な精度で割当効率を予測でき,これらの予測は付加的な実効価格データによって改善される。
予測手法の性能は、ターゲットタイプと市場タイプによって異なる。
われわれのフレームワークは、実世界の市場データに適用する大きな可能性を秘めており、市場効率とパフォーマンスに関する貴重な洞察を提供する。
関連論文リスト
- Efficient Hyperparameter Search for Non-Stationary Model Training [11.55466013293614]
本稿では,オンライン学習システムにおけるモデルトレーニングのコストを削減するための2段階パラダイムを提案する。
私たちの中核的な洞察は、ピークパフォーマンスを達成するのではなく、第1段階の正確な識別に焦点を当てることによって、積極的なコスト削減対策が可能になるということです。
第1はCriteo 1TBデータセットで、第2は業界広告システムで、第2は2桁の規模で運用されている。
論文 参考訳（メタデータ） (2025-12-01T04:06:24Z) - 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) - Electricity Price Forecasting in the Irish Balancing Market [0.0]
この研究は、広く研究されている日頭市場で成功した様々な価格予測手法をアイルランドのバランス市場に適用する。
異なるトレーニングサイズの影響を調査するフレームワークを用いて,統計モデル,機械学習モデル,ディープラーニングモデルを比較した。
大規模な数値的な研究により、日頭市場における良いパフォーマンスのモデルはバランスの取れないモデルではうまく機能しないことが示された。
論文 参考訳（メタデータ） (2024-02-09T15:18:00Z) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2023-06-05T12:58:13Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [48.87381259980254]
我々は、ChatGPTのような大規模言語モデル(LLM)が、直接の金融トレーニングなしでニュースの見出しから株式市場の反応を予測する能力について文書化している。
GPT-4は、認識後カットオフの見出しを使って、最初の市場の反応を捉え、取引不能な初期反応に対して、ポートフォリオの1日当たりのヒット率を約90%達成している。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - Quantum computational finance: martingale asset pricing for incomplete
markets [69.73491758935712]
金融の価格問題に様々な量子技術を適用することができることを示す。
従来の研究と異なる3つの方法について議論する。
論文 参考訳（メタデータ） (2022-09-19T09:22:01Z) - Augmented Bilinear Network for Incremental Multi-Stock Time-Series
Classification [83.23129279407271]
本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。
本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。
この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
論文 参考訳（メタデータ） (2022-07-23T18:54:10Z) - Stochastic Online Fisher Markets: Static Pricing Limits and Adaptive Enhancements [3.2732273647357437]
我々は、民間で知られたユーティリティーと予算パラメーターを持つユーザが順次到着する、オンライン型のフィッシャーマーケットについて研究する。
この設定では,まず静的な価格設定アルゴリズムの限界について検討し,全ユーザに対して均一な価格設定を行う。
我々は,ユーザの予算とユーティリティパラメータの分布を熟知した適応型ポストプライシングアルゴリズムを設計し,ユーザ消費の過去の観測に基づいて価格を調整した。
論文 参考訳（メタデータ） (2022-04-27T05:03:45Z) - 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) - Beating the market with a bad predictive model [0.0]
我々は、価格予測モデルに完全に劣る体系的な利益を一般的に得ることを証明している。
鍵となるアイデアは、予測モデルのトレーニング目標を変更して、それを市場から明示的にデコレーションすることだ。
論文 参考訳（メタデータ） (2020-10-23T16:20:35Z) - Empirical Study of Market Impact Conditional on Order-Flow Imbalance [0.0]
署名された注文フローに対して,注文フローの不均衡の増加に伴い,価格への影響は線形に増大することを示す。
さらに,注文フローにサインされた市場への影響を予測するために,機械学習アルゴリズムを実装した。
この結果から,機械学習モデルを用いて財務変数を推定できることが示唆された。
論文 参考訳（メタデータ） (2020-04-17T14:58:29Z)
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。