論文の概要: Towards Event-Aware Forecasting in DeFi: Insights from On-chain Automated Market Maker Protocols

• arxiv url: http://arxiv.org/abs/2604.20374v1
• Date: Wed, 22 Apr 2026 09:18:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:11.065831
• Title: Towards Event-Aware Forecasting in DeFi: Insights from On-chain Automated Market Maker Protocols
• Title（参考訳）: DeFiにおけるイベント認識予測に向けて:オンチェーン自動化市場メーカプロトコルの展望
• Authors: Huaiyu Jia, Jiehshun You, Yizhi Luo, Jingyu Liu, Shuo Sun,
• Abstract要約: 自動市場メーカー(AMMs)は、分散型金融(DeFi)の中核的なインフラである 従来の市場とは異なり、AMMの価格変動は、主にリザーブレートを変化させるオンチェーンイベントによって引き起こされる。 この研究は、オンチェーン価格発見の離散性とイベント駆動特性をモデル化するために必要なデータ基盤と方法論のフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 12.432246001199703
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated Market Makers (AMMs), as a core infrastructure of decentralized finance (DeFi), uniquely drive on-chain asset pricing through a deterministic reserve ratio mechanism. Unlike traditional markets, AMM price dynamics is triggered largely by on-chain events (e.g., swap) that change the reserve ratio, rather than by continuous responses to off-chain information. This makes event-level analysis crucial for understanding price formation mechanisms in AMMs. However, existing research generally neglects the micro-structural dynamics at the AMMs level, lacking both a comprehensive dataset covering multiple protocols with fine-grained event classification and an effective framework for event-aware modeling. To fill this gap, we construct a dataset containing 8.9 million on-chain event records from four representative AMMs protocols: Pendle, Uniswap v3, Aave and Morpho, with precise annotations of transaction type and block height timestamps. Furthermore, we propose an Uncertainty Weighted Mean Squared Error (UWM) loss function, which incorporates the block interval regression term into the traditional Time-Point Process (TPP) objective function by weighting the uncertainty with homoscedasticity. Extensive experiments on eight advanced TPP architectures demonstrate that this loss function reduces the time prediction error by an average of 56.41\% while maintaining the accuracy of event type prediction, establishing a robust benchmark for event-aware prediction in the AMMs ecosystem. This work provides the necessary data foundation and methodological framework for modeling the discreteness and event-driven characteristics of on-chain price discovery. All datasets and source code are publicly available. https://github.com/yosen-king/Deep-AMM-Events
• Abstract（参考訳）: 分散金融(DeFi)の中核的な基盤として、AMM(Automated Market Makers)は、決定論的リザーブ比機構を通じて、オンチェーン資産の価格を独自に推進する。 従来の市場とは異なり、AMMの価格変動は、オフチェーン情報への継続的な応答ではなく、リザーブ比を変更するオンチェーンイベント(例えば、スワップ)によって引き起こされる。 これにより、AMMにおける価格形成機構を理解する上で、イベントレベルの分析が重要である。 しかし、既存の研究は、AMMのレベルでのマイクロ構造力学を無視しており、詳細なイベント分類を伴う複数のプロトコルをカバーする包括的なデータセットと、イベント認識モデリングの効果的なフレームワークの両方を欠いている。 このギャップを埋めるために、Pendle、Unixwap v3、Aave、Morphoの4つの代表的なAMMプロトコルから890万のオンチェーンイベントレコードを含むデータセットを構築し、トランザクションタイプとブロック高さのタイムスタンプを正確にアノテーションします。 さらに、ブロック間隔回帰項を従来の時間点過程(TPP)目的関数に組み込んだ不確かさ重み付き平均二乗誤差(UWM)損失関数を提案する。 8つの先進的なTPPアーキテクチャに関する大規模な実験により、この損失関数はイベントタイプ予測の精度を維持しながら平均56.41\%の時間予測誤差を減少させ、AMMsエコシステムにおけるイベント認識予測のための堅牢なベンチマークを確立した。 この研究は、オンチェーン価格発見の離散性とイベント駆動特性をモデル化するために必要なデータ基盤と方法論のフレームワークを提供する。 すべてのデータセットとソースコードが公開されている。 https://github.com/yosen-king/Deep-AMM-Events

関連論文リスト

• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Uncertainty measurement for complex event prediction in safety-critical systems [0.36832029288386137]
  複合イベント処理(CEP)の不確実性は、組込みおよび安全クリティカルシステムにとって重要である。 本稿では,事象の知覚と予測の不確実性を測定する方法を示す。 我々は、研究と研究の分野で非常に有望な成果を提示し、議論する。
  論文  参考訳（メタデータ） (2024-11-02T15:51:37Z)
• A hybrid feature learning approach based on convolutional kernels for ATM fault prediction using event-log data [5.859431341476405]
  イベントログデータから特徴を抽出するために,畳み込みカーネル(MiniROCKETとHYDRA)に基づく予測モデルを提案する。 提案手法は,実世界の重要な収集データセットに適用される。 このモデルは、ATMのタイムリーなメンテナンスにおいてオペレータをサポートするコンテナベースの意思決定支援システムに統合された。
  論文  参考訳（メタデータ） (2023-05-17T08:55:53Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge Computing [113.52575069030192]
  セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。 通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。 分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。 分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
  論文  参考訳（メタデータ） (2020-10-02T10:41:59Z)
• Q-GADMM: Quantized Group ADMM for Communication Efficient Decentralized Machine Learning [66.18202188565922]
  我々はQGADMM(QGADMM)という通信効率の高い分散機械学習(ML)アルゴリズムを提案する。 我々は,凸関数に対するQGADMMの収束性を証明しつつ,モデル化レベルとその確率を適応的に調整する新しい量子化法を開発した。
  論文  参考訳（メタデータ） (2019-10-23T10:47:06Z)

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。