論文の概要: Persona-Trained Monte Carlo: Estimating Market-Outcome Distributions via Swarms of Persona-Conditioned Neural Policy Bots in a Limit Order Book

• arxiv url: http://arxiv.org/abs/2606.29556v1
• Date: Sun, 28 Jun 2026 18:45:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.959081
• Title: Persona-Trained Monte Carlo: Estimating Market-Outcome Distributions via Swarms of Persona-Conditioned Neural Policy Bots in a Limit Order Book
• Title（参考訳）: Persona-Trained Monte Carlo: 限定注文書におけるPersona-Conditioned Neural Policy Botsのスワムによる市場収益分布の推定
• Abstract要約: Persona-Trained Monte Carloは、ニューラル・ポリティクス・トレーディング・ボット間のリミット・オーダー・ブックの相互作用をシミュレートすることで、市場・アウトカム統計の分布を推定する手法である。 我々は,従来のモンテカルロ,手書きエージェントベースモデル,単一エージェント強化学習,大規模言語モデルベース生成エージェントなど,PTMCを隣接するパラダイムと区別する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose Persona-Trained Monte Carlo (PTMC), a method for estimating distributions of market-outcome statistics by repeatedly simulating limit-order-book interaction among swarms of persona-conditioned neural-policy trading bots. Each run instantiates many bots sharing one trained policy network but conditioned on heterogeneous, individually sampled persona parameters drawn from a learned trader-heterogeneity distribution; the bots interact in a continuous double auction, and the resulting price path is one Monte Carlo sample. Repeating this over independent persona-population draws yields an ensemble from which a target market statistic is estimated. Randomness enters through persona draws, within-run action sampling, and optional exogenous shocks, not solely through price as in classical Monte Carlo. We distinguish PTMC from adjacent paradigms, including classical Monte Carlo, hand-coded agent-based models, single-agent reinforcement learning, and large-language-model-based generative agents. To justify the design, we survey cross-disciplinary foundations -- agent-based computational economics, market microstructure, behavioral finance, deep reinforcement learning, generative/LLM-based agents, news-driven trading, systemic risk, econophysics, and game theory -- connecting each literature to a specific design choice in the policy network, training data, or validation protocol. We formalize the PTMC estimator and its convergence properties, specify a candidate bot architecture and training objective, and propose a four-level validation methodology: stylized-fact matching, microstructure- and agent-level checks, and historical stress-test comparison against a zero-intelligence baseline. The framework is proposed but not implemented: we contribute a formal estimator, a cross-disciplinary design justification, and a validation roadmap, and conclude with open research questions.
• Abstract（参考訳）: 本稿では,ペルソナ条件付きニューラル・ポリティクス取引ボットの群間におけるリミット・オーダー・ブックの相互作用を再現し,市場収益統計の分布を推定する手法であるPersona-Trained Monte Carlo (PTMC)を提案する。 各ランは、訓練されたポリシーネットワークを共有する多くのボットをインスタンス化するが、学習されたトレーダー・ヘテロジニティー分布から引き出された、不均一で個別にサンプリングされたペルソナパラメータを条件付けている。 これを独立したペルソナ人口で繰り返すと、ターゲットの市場統計が推定されるアンサンブルが得られる。 ランダムネスはペルソナ・ドロー、インインラン・アクション・サンプリング、オプションで外因性ショックを通じて参入する。 我々は,従来のモンテカルロ,手書きエージェントベースモデル,単一エージェント強化学習,大規模言語モデルベース生成エージェントなど,PTMCを隣接するパラダイムと区別する。 設計を正当化するために、エージェントベースの計算経済学、市場マイクロ構造、行動金融、深層強化学習、生成/LLMベースのエージェント、ニュース駆動トレーディング、システムリスク、エコノフィック、ゲーム理論といった分野横断的な基盤を調査し、各文献をポリシーネットワーク、トレーニングデータ、検証プロトコルの特定の設計選択に接続する。 我々はPTMC推定器とその収束特性を定式化し、候補となるボットアーキテクチャとトレーニング目標を定式化し、スタイリングされたファクトマッチング、ミクロ構造およびエージェントレベルのチェック、ゼロ知能ベースラインに対する歴史的ストレステストの比較という4段階の検証手法を提案する。 このフレームワークは提案されているが,実装されていない。形式的推定器,学際的設計の正当性,検証のロードマップなどを提供し,オープンな研究課題で結論付ける。

関連論文リスト

• Inverting the Bellman Equation: From $Q$-Values to World Models [57.827849584133425]
  我々は、十分に豊富な報酬関数のセットで訓練された価値に基づくエージェントが、ユニークで正確な世界モデルを暗黙的にエンコードしていることを証明した。 ttReacherエージェントの暗黙の世界モデルにのみ訓練されたポリシーは、位置のみのトレーニングにもかかわらず、分布外、速度に基づく目標に準最適であることがわかった。
  論文  参考訳（メタデータ） (2026-06-19T07:26:14Z)
• Generative Frontier Planning for Adaptive Peer-Referral Recruitment under Covariate-Dependent Arrivals [28.082278231005997]
  ピア・リフレラル・リクルートシステムは、感染症に罹患する隠れた集団の研究と介入に不可欠である。 ステップごとのモンテカルロサンプリングを決定論的バックアップに置き換えるモデルベースプランナーであるemphGenerative Frontier Planning (GFP)を提案する。 GFPはランダム、強化学習、すなわち動的プログラミングのベースラインを4つの割引因子で上回る。
  論文  参考訳（メタデータ） (2026-06-06T22:31:07Z)
• Learning Ordinal Probabilistic Reward from Preferences [25.069054134899744]
  確率的リワードモデル(PRM: Probabilistic Reward Model)を提案する。 提案手法では,報酬を決定論的スカラーとしてモデル化する代わりに,ランダム変数として扱い,各応答の品質の完全な確率分布を学習する。 OPRM上に構築したRerea Flooding Tuning(RgFT)と呼ばれるデータ効率のトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2026-02-13T06:43:02Z)
• The Lessons of Developing Process Reward Models in Mathematical Reasoning [62.165534879284735]
  Process Reward Models (PRM) は、推論プロセスにおける中間エラーを特定し、緩和することを目的としている。 我々は,モンテカルロ (MC) 推定とLarge Language Models (LLM) を効果的に統合するコンセンサスフィルタリング機構を開発した。 私たちは、既存のオープンソース代替品よりも優れた、最先端のPRMを新たにリリースしています。
  論文  参考訳（メタデータ） (2025-01-13T13:10:16Z)
• Risk Aware Benchmarking of Large Language Models [36.95053112313244]
  本稿では,統計的に有意な基礎モデルの社会技術的リスクを定量的に評価するための分布的枠組みを提案する。 本試験における2次統計は,計量学や数理ファイナンスでよく用いられる平均リスクモデルと関連していることを示す。 筆者らは,本フレームワークを用いて,命令からのドリフトや有害なコンテンツの出力に関連するリスクに関する,さまざまな大規模言語モデルを比較した。
  論文  参考訳（メタデータ） (2023-10-11T02:08:37Z)
• How to Estimate Model Transferability of Pre-Trained Speech Models? [84.11085139766108]
  事前学習音声モデルの伝達可能性推定のためのスコアベースアセスメントフレームワーク ベイズ確率推定と最適輸送という2つの表現理論を利用して、PSM候補のランクスコアを生成する。 本フレームワークは,候補モデルやレイヤを実際に微調整することなく,転送可能性スコアを効率的に計算する。
  論文  参考訳（メタデータ） (2023-06-01T04:52:26Z)
• DQMIX: A Distributional Perspective on Multi-Agent Reinforcement Learning [122.47938710284784]
  協調的マルチエージェントタスクでは、エージェントのチームがアクションを取り、報酬を受け取り、次の状態を観察し、環境と共同で対話する。 既存の価値に基づく多エージェント強化学習手法のほとんどは、個々のQ値とグローバルQ値の期待をモデル化するのみである。
  論文  参考訳（メタデータ） (2022-02-21T11:28:00Z)
• 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)
• MACE: A Flexible Framework for Membership Privacy Estimation in Generative Models [14.290199072565162]
  生成モデルにおけるメンバシッププライバシ推定のための最初の公式なフレームワークを提案する。 これまでの作業と比較すると、私たちのフレームワークはより現実的で柔軟な仮定をします。
  論文  参考訳（メタデータ） (2020-09-11T23:15:05Z)
• Distributional Reinforcement Learning via Moment Matching [54.16108052278444]
  ニューラルネットワークを用いて各戻り分布から統計量の有限集合を学習する手法を定式化する。 我々の手法は、戻り分布とベルマン目標の間のモーメントの全ての順序を暗黙的に一致させるものとして解釈できる。 Atariゲームスイートの実験により,本手法は標準分布RLベースラインよりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-07-24T05:18:17Z)

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。