論文の概要: Representation Homogeneity and Systemic Instability in AI-Dominated Financial Markets: A Structural Approach

• arxiv url: http://arxiv.org/abs/2604.22818v1
• Date: Tue, 14 Apr 2026 21:14:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.202945
• Title: Representation Homogeneity and Systemic Instability in AI-Dominated Financial Markets: A Structural Approach
• Title（参考訳）: AIが支配する金融市場における表現の均一性と体系的不安定性:構造的アプローチ
• Authors: Yimeng Qiu, Qiwei Han,
• Abstract要約: 本稿では,人工知能(AI)トレーディングエージェントにおける市場状態の情報表現の類似性が,金融市場におけるシステム的不安定性をいかに生み出すかを検討する。 高周波マイクロモーメントを用いた構造的マルチエージェント市場モデルを構築した。 我々の構造機構は、低知覚のボラティリティ機構が、位置を通して隠されたレバレッジを不均一に蓄積し、ショックが同期デバレッジを引き起こすと崩壊することを示している。
• 参考スコア（独自算出の注目度）: 0.22917707112773592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates how similarity in the informational representation of market states among Artificial Intelligence (AI) trading agents can generate systemic instability in financial markets. We construct a structural multi-agent market model calibrated using high-frequency microstructural moments. AI agents are modeled through a two-layer decision architecture consisting of a nonlinear representation layer and an adaptive linear readout layer. The representation layer maps raw market states into high-dimensional feature vectors, while the readout layer generates return forecasts that feed into a risk-controlled trading rule. This representation-based microfoundation separates two objects that are often conflated in the literature: representation homogeneity (the degree to which agents encode market states into similar feature spaces) and forecast overlap (the degree to which agents produce similar return predictions). We show theoretically that these two concepts are related but not equivalent, and that representation homogeneity can compress the effective space of forecast disagreement under stress even when predictions appear diverse in normal times. Through controlled factorial experiments that vary representation homogeneity while conditioning on alternative risk-aversion and learning-rate distributions, we hypothesize that increasing representation similarity amplifies synchronization in beliefs and positions, leading to volatility clustering, liquidity stress, and elevated tail risk. Our structural mechanisms suggest that low perceived volatility regimes can endogenously accumulate hidden leverage through position stickiness, which subsequently collapses when shocks trigger synchronized deleveraging. The results provide a structural foundation for macroprudential policies aimed at monitoring and preserving diversity in how AI systems represent and process market information.
• Abstract（参考訳）: 本稿では、人工知能(AI)取引業者間の市場状態の情報表現における類似性が、金融市場におけるシステム的不安定性をいかに生み出すかを検討する。 高周波マイクロモーメントを用いた構造的マルチエージェント市場モデルを構築した。 AIエージェントは、非線形表現層と適応線形読み出し層からなる2層決定アーキテクチャによってモデル化される。 表現層は生の市場状態を高次元の特徴ベクトルにマッピングし、読み出し層はリスク制御取引ルールに影響を及ぼすリターン予測を生成する。 この表現に基づくマイクロファウンデーションは、表現均質性(エージェントが市場状態を同様の特徴空間にエンコードする度合い)と予測重複(エージェントが同様のリターン予測を生成する度合い)という、文献でしばしば混同される2つのオブジェクトを分離する。 これらの2つの概念は関連性はあるが等価ではないことを示し、表現の均一性は、通常の時間において予測が多様である場合でも、ストレス下での予測不一致の効果的な空間を圧縮できることを示した。 リスク回避と学習率分布を条件づけながら表現の均一性を変化させる制御された要因実験を通じて、表現の類似度の増加は信念と位置の同期を増幅し、ボラティリティ・クラスタリング、流動性ストレス、高次テールリスクをもたらすという仮説を立てた。 我々の構造機構は, 低知覚のボラティリティ機構が, 位置粘性によって隠されたレバレッジを不均一に蓄積し, 衝撃が同期劣化を引き起こすと崩壊することを示唆している。 結果は、AIシステムが市場情報をどう表現し、どのように処理するかの多様性を監視し、保存することを目的としたマクロプルーデンシャルポリシーの構造的基盤を提供する。

関連論文リスト

• Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
  セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。 アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
  論文  参考訳（メタデータ） (2026-04-21T15:05:58Z)
• Bayesian Robust Financial Trading with Adversarial Synthetic Market Data [15.993346478707686]
  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。
  論文  参考訳（メタデータ） (2026-01-14T13:15:46Z)
• The Agentic Regulator: Risks for AI in Finance and a Proposed Agent-based Framework for Governance [6.107950696680386]
  現在のモデルリスクフレームワークは、静的で明確に定義されたアルゴリズムとワンタイム検証を前提としている。 我々はこれらの技術を、複数の時間スケールに沿って伝播する分散アンサンブルとしてモデル化する。 我々は、監視を「規制ブロック」の4つの層に分解するモジュラーガバナンスアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-12-12T05:57:32Z)
• Emergence from Emergence: Financial Market Simulation via Learning with Heterogeneous Preferences [3.722808691920657]
  我々は、不均一なリスク回避、時間割引、情報アクセスに支えられたエージェントが取引戦略を総合的に学習するマルチエージェント強化学習フレームワークを開発する。 実験の結果, (i) 不均一な嗜好による学習は, エージェントが個々の特性に整合した戦略を発達させ, 市場における行動分化とニッチな特殊化を促進させ, (ii) 差別化されたエージェントによるインタラクションが, 現実的な市場ダイナミクスの出現に不可欠であることを明らかにした。
  論文  参考訳（メタデータ） (2025-11-07T12:54:27Z)
• Exploiting Edge Features for Transferable Adversarial Attacks in Distributed Machine Learning [54.26807397329468]
  この研究は、分散ディープラーニングシステムにおいて、これまで見過ごされていた脆弱性を探究する。 中間的特徴をインターセプトする敵は、依然として深刻な脅威となる可能性がある。 本稿では,分散環境に特化して設計されたエクスプロイト戦略を提案する。
  論文  参考訳（メタデータ） (2025-07-09T20:09:00Z)
• Exploring Image Generation via Mutually Exclusive Probability Spaces and Local Correlation Hypothesis [9.946694131713611]
  画像生成のための確率的生成モデルにおける一般的な仮定は、グローバルなデータ分布の学習がサンプリングによって新しい画像を生成するのに十分であるということである。 我々は,この中核的な仮定の限界,すなわちグローバルな分布の学習が生成行動よりも記憶に繋がるということを考察する。
  論文  参考訳（メタデータ） (2025-06-26T19:32:29Z)
• Boosting Adversarial Transferability with Spatial Adversarial Alignment [56.97809949196889]
  ディープニューラルネットワークは、様々なモデルにまたがる転送可能性を示す敵の例に対して脆弱である。 本稿では,アライメント損失を利用してサロゲートモデルを微調整する手法を提案する。 ImageNet上の様々なアーキテクチャの実験では、SAAに基づくアライメントされたサロゲートモデルにより、より高い転送可能な逆の例が得られることが示されている。
  論文  参考訳（メタデータ） (2025-01-02T02:35:47Z)
• Probabilistic Forecasting of Real-Time Electricity Market Signals via Interpretable Generative AI [41.99446024585741]
  Weak Innovation AutoEncoderをベースとしたGenerative Probabilistic ForecastingアーキテクチャであるWIAE-GPFを提案する。 構造収束を保証する新しい学習アルゴリズムを提案し、生成した予測サンプルが基底真理条件付き確率分布と一致することを保証した。
  論文  参考訳（メタデータ） (2024-03-09T00:41:30Z)
• Exploiting hidden structures in non-convex games for convergence to Nash equilibrium [62.88214569402201]
  現代の機械学習アプリケーションは、非協調的なナッシュリリアとして定式化することができる。 決定論的環境と決定論的環境の両方に明確な収束保証を提供する。
  論文  参考訳（メタデータ） (2023-12-27T15:21:25Z)
• Transformers with Competitive Ensembles of Independent Mechanisms [97.93090139318294]
  隠れた表現とパラメータを複数のメカニズムに分割し、注意を通して情報を交換する新しいトランスフォーマー層を提案する。 TIM を大規模 BERT モデル、画像変換器、および音声強調について研究し、意味的に意味のある専門化とパフォーマンスの向上の証拠を見つけます。
  論文  参考訳（メタデータ） (2021-02-27T21:48:46Z)

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。