論文の概要: Post-Rejection Follow-up Sampling: A Methodology for Counterfactual Outcome Measurement in Algorithmic DEX Trading

• arxiv url: http://arxiv.org/abs/2606.08228v1
• Date: Sat, 06 Jun 2026 15:32:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.982867
• Title: Post-Rejection Follow-up Sampling: A Methodology for Counterfactual Outcome Measurement in Algorithmic DEX Trading
• Title（参考訳）: アフターリジェクション追従サンプリング:アルゴリズムDEXトレーディングにおける実測結果測定手法
• Authors: Arati Uday Kamat,
• Abstract要約: ポストリジェクションフォローアップサンプリングは、拒否された候補者の実際の市場結果に対してフィルタの精度を評価するために必要なデータを生成する。 共用データセットは、457個のミントにまたがる2,997個の拒絶イベントにまたがる67,000個のフォワードアウトカム観測行を含む。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Algorithmic trading systems on decentralised exchanges (DEXs) reject most candidate tokens they evaluate. The counterfactual outcome of rejected candidates (what would have happened had the system entered) is rarely measured. This paper introduces Post-Rejection Follow-up Sampling (PRFS). A separate tracking subsystem samples each rejected token's price and liquidity at a configurable cadence, over a horizon of up to twenty-four hours. PRFS produces the data needed to evaluate filter precision against actual market outcomes of rejected candidates, not against synthetic backtest reconstructions. The methodology, data architecture, and deposit format are described in Section III. The companion dataset contains 67,000 forward-outcome observation rows across 2,997 rejection events spanning 457 unique mints, collected over a continuous eight-day window (2026-04-10 to 2026-04-19, UTC). Approximately 55 percent of rejection events receive at least one forward observation; coverage at the mint level is complete. The principal binding constraint on downstream classification is per-event horizon density, not event-level coverage. PRFS is dataset-independent. It generalises to any algorithmic decision system in which rejections substantially outnumber executions.
• Abstract（参考訳）: 分散取引所(DEX)のアルゴリズム取引システムは、彼らが評価するほとんどの候補トークンを拒否する。 拒否された候補者の反実的な結果(システムが入力されたら何が起こったか)はめったに測定されない。 本稿では,ポストリジェクションフォローアップサンプリング(PRFS)を紹介する。 別途追跡サブシステムは、最大24時間の地平線上で、各トークンの価格と流動性を設定可能なケイデンスでサンプリングする。 PRFSは、合成バックテストの再構築ではなく、拒否された候補者の実際の市場結果に対するフィルタ精度を評価するために必要なデータを生成する。 方法論、データアーキテクチャ、および預金形式は、第3節に記載されている。 このデータセットは、457個のミント(2026-04-10 - 2026-04-19, UTC)にまたがる2,997個のリジェクションイベントにまたがる67,000個のフォワードアウトカム観測行を含む。 約55%の拒絶イベントは、少なくとも1つの前方観測を受けており、ミントレベルのカバレッジは完了している。 下流分類における主結合制約は、事象レベルの範囲ではなく、地平線当たりの密度である。 PRFSはデータセットに依存しない。 これは、リジェクションが実行をはるかに上回るアルゴリズム決定システムに一般化する。

関連論文リスト

• Benchmarking Recursive-Collapse Warning Claims Under Matched False-Positive Control [0.0]
  再帰的なシステムは、過度な失敗が見える前に、崩壊のような状態に入ることができる。 障害が指向性テレメトリパターンに従うかどうかをテストするためのクレームバウンド型ベンチマークフレームワークであるLoopzeroを紹介した。 凍結した2つの公開アーティファクトベンチマークのブリッジを評価する。
  論文  参考訳（メタデータ） (2026-05-29T20:12:42Z)
• Can Large Language Models Revolutionize Survey Research? Experiments with Disaster Preparedness Responses [6.004875368104112]
  大規模な言語モデル(LLM)は治療として提案されているが、完全なサーベイワークフロー全体にわたる厳密な評価はほとんど残っていない。 アンケート設計, サンプル選択, パイロットテスト, 欠落データ計算, および収集後の分析を対象とする, LLM 統合のための5段階フレームワークを提示し, 評価した。 保護モチベーション理論 (PMT) 制約付き共起知識グラフを導入し, ゼロショット推論, 検索拡張ベースライン, 新規な理論インフォームド変種にまたがる7つのLLM構成を開発する。
  論文  参考訳（メタデータ） (2026-05-19T00:58:36Z)
• ForesightFlow: An Information Leakage Score Framework for Prediction Markets [0.0]
  イベント解決されたバイナリ市場の場合、スコアは、パブリックニュースイベントの前に価格設定された端末情報の一部を定量化する。 このスコアは、ラベル生成と適切なスコアリングルール文学を結びつけるマーフィー分解読解を認めている。 公文書化されたPolymarketインサイダーレコードの監査では、文書化されたケースが体系的にデッドライン解決されていることが明らかになった。
  論文  参考訳（メタデータ） (2026-05-01T08:04:29Z)
• Do Transaction-Level and Actor-Level AML Queues Agree? An Empirical Evaluation of Granularity Effects on the Elliptic++ Graph [0.0]
  グラフベースの反マネーロンダリングシステムは、トランザクションとアクターアドレスという2つの粒度の不審なアクティビティをスコアできるが、アクター毎のコンプライアンスアクションが実行される。 本報告では, 一定の審査予算の下で, 粒度が調査待ち行列の構成にどのように影響するかを評価するための評価手法を提案する。
  論文  参考訳（メタデータ） (2026-04-26T01:54:11Z)
• SCOPE: Semantic Coreset with Orthogonal Projection Embeddings for Federated learning [0.7799711162530713]
  現在のMLアプローチでは、非現実的なデータアグリゲーションを必要とするか、クラス不均衡のため失敗する。 SCOPEは,異常をフィルタし,冗長なデータを長期スキューに適応させる,フェデレートされたデータのためのコアセットフレームワークである。 SCOPEは、アップリンク帯域幅を128倍から512倍に削減しながら、競争力のあるグローバル精度と堅牢な収束をもたらす。
  論文  参考訳（メタデータ） (2026-03-13T13:24:12Z)
• Benchmarking Fraud Detectors on Private Graph Data [70.4654745317714]
  現在、多くの種類の不正は、グラフ上で動く自動検出アルゴリズムによって部分的に管理されている。 データ保有者が不正検知器の開発を第三者にアウトソースしようとするシナリオを考察する。 サードパーティは、不正検出をデータ保持者に送信し、これらのアルゴリズムをプライベートデータセットで評価し、その結果を公表する。 本システムに対する現実的なプライバシ攻撃を提案し,評価結果のみに基づいて個人データの匿名化を可能にする。
  論文  参考訳（メタデータ） (2025-07-30T03:20:15Z)
• Semi-Supervised Temporal Action Detection with Proposal-Free Masking [134.26292288193298]
  PropOsal-free Temporal mask (SPOT) に基づく新しい半教師付き時間行動検出モデルを提案する。 SPOTは最先端の代替品よりも優れている。
  論文  参考訳（メタデータ） (2022-07-14T16:58:47Z)
• Optimal Clustering with Bandit Feedback [57.672609011609886]
  本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。 これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。 合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
  論文  参考訳（メタデータ） (2022-02-09T06:05:05Z)
• Solving Long-tailed Recognition with Deep Realistic Taxonomic Classifier [68.38233199030908]
  ロングテール認識は、現実世界のシナリオにおける自然な非一様分散データに取り組む。 モダンは人口密度の高いクラスではうまく機能するが、そのパフォーマンスはテールクラスでは著しく低下する。 Deep-RTCは、リアリズムと階層的予測を組み合わせたロングテール問題の新しい解法として提案されている。
  論文  参考訳（メタデータ） (2020-07-20T05:57:42Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。