論文の概要: The Privacy Subsidy in Glosten-Milgrom: Bid-Ask Spread and Welfare under Flip-Noise Direction Observation

• arxiv url: http://arxiv.org/abs/2605.19742v2
• Date: Tue, 26 May 2026 11:00:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:40.765887
• Title: The Privacy Subsidy in Glosten-Milgrom: Bid-Ask Spread and Welfare under Flip-Noise Direction Observation
• Title（参考訳）: グローステン・ミルグロムにおけるプライバシ・サブシディ:フリップ・ノイズ・ディレクティブ・オブ・ザ・フュージョン(Flip-Noise Direction Observation)下におけるバイド・アック・スプレッドと福祉
• Authors: Yuki Nakamura,
• Abstract要約: 我々は1985年のGlosten-Milgromのシーケンシャルトレーディングモデルに対して,クローズドフォームの入札スプレッドと福祉の分解を導出した。 福祉の分解は、プロトコルの流動性プールからトレーダへのトレーダ当たりの転送に対して$$を識別する。 その結果、プライバシ・サブシディの概念は連続ガウスから離散的な二状態構造へと拡張された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We derive a closed-form bid-ask spread and welfare decomposition for the Glosten-Milgrom 1985 sequential-trading model when the market maker observes the trade direction perturbed by a binary flip channel of probability $η$ -- a natural information-theoretic model of privacy mechanisms acting on the direction signal. Under a committed Bayesian market-maker pricing rule, the equilibrium spread is $μ(1-2η)Δ$, where $μ$ is the informed-trader fraction and $Δ= v_H - v_L$ the value range. The welfare decomposition identifies a per-trade transfer $μηΔ$ from the protocol's liquidity pool to traders -- the "privacy subsidy", mirroring the Gaussian-Kyle analog established in prior work. The result extends the privacy-subsidy concept from continuous Gaussian to discrete two-state microstructure, demonstrating robustness across both classical models. Primary application: MPC-based matching engines with $\varepsilon$-differentially-private direction disclosure, where the engine prices on a noisy direction signal.
• Abstract（参考訳）: 我々は,1985年グロステン・ミルグロム・シーケンシャル・トレーディング・モデルにおいて,市場メーカが2次フリップチャネルの確率$$$で変動する貿易方向を観測する際に,その方向信号に作用するプライバシ機構の自然な情報理論モデルとして,クローズドフォームな入札・アズ・スプレッドと福祉の分解を導出した。 ベイズ市場の価格設定規則の下では、平衡スプレッドは$μ(1-2η)Δ$であり、$μ$はインフォメーショントレーダの分数であり、$Δ=v_H - v_L$は値範囲である。 福祉の分解は、プロトコルの流動性プールからトレーダーへのトレーダーへのトレーディング当たりの$μηΔ$を識別する。 その結果、プライバシ・サブシディの概念は、連続ガウスから離散的な二状態構造へと拡張され、両方の古典的モデル間で堅牢性を示す。 プライマリ・アプリケーション: MPCベースのマッチング・エンジンと$\varepsilon$-differentially-private directionの開示。

関連論文リスト

• The Privacy Subsidy: Kyle's $λ$ under Noise-Perturbed Order-Flow Observation [0.0]
  プライバシを保存する暗号通貨取引所は、価格設定メカニズムが注文フローについて観察するものを変更する。 ベイズ市場メーカーが独立なガウスのプライバシーノイズによって乱される秩序の流れを観察する際、ユニークな線形カイル均衡を導出する。
  論文  参考訳（メタデータ） (2026-05-15T08:56:16Z)
• Synthetic American Option Pricing via Jump-HMM-Driven Heston Implied Volatility [5.087681397628885]
  インプリートボラティリティに基づく合成オプション価格の合成データ生成装置を開発した。 本研究では,本フレームワークを実際の近日貸付・呼出契約,価格パスの前方シミュレーション,経路条件によるインプリート変動の回復に応用する。 このフレームワークは、オープンソースのJuliaパッケージとしてリリースされている。
  論文  参考訳（メタデータ） (2026-05-13T18:07:14Z)
• Mutual Information Collapse Explains Disentanglement Failure in $β$-VAEs [4.155522769716163]
  $-VAEは、教師なしのアンカンジメントのためのフレームワークである。 MIGやSAPなどのベンチマークは、通常、中間の$でピークに達し、正規化が増加するにつれて崩壊する。 情報崩壊から正規化圧力を分離する$-VAEを導入する。
  論文  参考訳（メタデータ） (2026-02-09T23:38:11Z)
• Prediction Markets as Bayesian Inverse Problems: Uncertainty Quantification, Identifiability, and Information Gain from Price-Volume Histories under Latent Types [0.0]
  本稿では,市場導入確率と取引ボリュームの観測履歴から未知の事象結果(Yin0,1)が推定されるベイズ逆問題として予測市場を定式化する。 結果として生じる可能性クラスは、情報的かつ非情報的な取引、重尾のマイクロ構造ノイズ、対向的または操作的な流れを含み、観測可能な物として価格と体積だけを必要とする。
  論文  参考訳（メタデータ） (2026-01-22T15:42:28Z)
• Generative Fractional Diffusion Models [53.36835573822926]
  我々は,その基礎となる力学に分数拡散過程を利用する,最初の連続時間スコアベース生成モデルを導入する。 実画像データを用いた評価では,GFDMはFIDが低い値で示されるように,画素幅の多様性と画質の向上を実現している。
  論文  参考訳（メタデータ） (2023-10-26T17:53:24Z)
• Delta-AI: Local objectives for amortized inference in sparse graphical models [64.5938437823851]
  スパース確率的グラフィカルモデル(PGM)における補正推論のための新しいアルゴリズムを提案する。 提案手法は, PGMにおける変数のサンプリングをエージェントが行う一連の行動とみなす場合, エージェントのポリシー学習目的において, PGMの疎結合が局所的な信用割当を可能にするという観察に基づいている。 合成PGMからサンプリングし、スパース因子構造を持つ潜在変数モデルを訓練するための$Delta$-AIの有効性について説明する。
  論文  参考訳（メタデータ） (2023-10-03T20:37:03Z)
• Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy [51.11280118806893]
  サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。 有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。 より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
  論文  参考訳（メタデータ） (2023-02-19T16:58:53Z)
• The Generalized Lasso with Nonlinear Observations and Generative Priors [63.541900026673055]
  我々は、幅広い測定モデルで満たされるガウス下測度を仮定する。 この結果から, 局所埋込特性を仮定して, 均一回復保証まで拡張できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-22T16:43:35Z)
• On the Difference Between the Information Bottleneck and the Deep Information Bottleneck [81.89141311906552]
  本稿では,Deep Variational Information Bottleneckとその導出に必要な仮定について再考する。 後者のマルコフ連鎖のみを満たすべき$I(T;Y)$に対して下界を最適化することで、この制限を回避する方法を示す。
  論文  参考訳（メタデータ） (2019-12-31T18:31:42Z)

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。