論文の概要: Velocity- and Regime-Aware Detection of Intraday Options Market Manipulation, with Explainable Attribution

• arxiv url: http://arxiv.org/abs/2608.05373v1
• Date: Wed, 05 Aug 2026 19:51:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.780654
• Title: Velocity- and Regime-Aware Detection of Intraday Options Market Manipulation, with Explainable Attribution
• Title（参考訳）: 説明可能な属性による日内オプション市場操作のベロシティとレジームによる検出
• Abstract要約: 日内市場の操作は、フットプリントが短く、数百万の引用に埋もれており、統計的に通常のボラティリティに類似しているため、検出が難しい。 この操作は、市場状態の速度で見られるポンプ・アンド・クラッシュパターンという、独特のダイナミックな特徴を残している。
• 参考スコア（独自算出の注目度）: 0.8624579860916864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intraday market manipulation is hard to detect because its footprint is brief, buried in millions of quotes, and statistically similar to ordinary volatility. Detectors reach high recall only by flagging so many other days that measured precision collapses, producing alerts no regulator can act on. We show that this manipulation leaves a distinctive dynamic signature: a pump-and-crash pattern visible in the velocity of market state, rather than its level. We build a minute-level detection pipeline, strictly partitioned in time, based on smoothed state velocity: option-Delta velocity for index options and price velocity for equities. We explain every alert with SHAP attribution. We hold the test period strictly out-of-sample and fix all thresholds before evaluation. On the locked Indian BANKNIFTY index-options test, the plain autoencoder recovers 10 of 10 regulator-identified manipulation days. Conditioning detection on market regimes inferred by a hidden Markov model yields an instructive negative result. The regimes are descriptively distinct, but using them trades recall for precision. Under the closed-world assumption that unlabeled days are normal, precision remains near 25%. The same dynamic appears in thinly traded U.S. equities (SEC v. Patel). The shape of the signature survives the transfer; its velocity magnitude does not. A pump-reversal shape score ranks the complaint's alleged manipulation days with AUC 0.91 (ARQQ) and 0.81 (ACY). On the ARQQ worked example, the score peaks inside the complaint's documented minute window. Finally, exact SHAP attribution over every alert shows that unconfirmed alerts share the regulator-identified days' attribution profile (cosine similarity 0.99). The precision ceiling is consistent with incomplete enforcement labels rather than detector failure. What transfers across markets and instrument types is the dynamic signature itself.
• Abstract（参考訳）: 日内市場の操作は、フットプリントが短く、数百万の引用に埋もれており、統計的に通常のボラティリティに類似しているため、検出が難しい。 検知器は、他の多くの日にフラグを付けるだけで高いリコールに到達し、精度の低下を計測し、規制当局が実行できない警告を発生させる。 この操作は、そのレベルではなく、市場状態の速度で見えるポンプ・アンド・クラッシュパターンという、独特の動的シグネチャを残している。 我々は、スムーズな状態速度、すなわちインデックスオプションのオプションデルタ速度と株式の価格速度に基づいて、厳密な時間分割で分断された微小レベルの検出パイプラインを構築します。 SHAPの属性で全てのアラートを説明します。 テスト期間を厳格に外し、評価の前にすべてのしきい値を修正します。 ロックされたインドのBANKNIFTYインデックスオプションテストでは、プレーンオートエンコーダが10日のうち10日をリカバリする。 隠れマルコフモデルによって推定される市場状態の条件付き検出は、命令的負の結果をもたらす。 体制は記述的に異なるが、取引によって正確さを想起する。 ラベルのない日が正常であるというクローズドワールドの仮定の下では、精度は25%近くである。 同様の動きは米国株(SEC対パテル)でも見られる。 符号の形状は転移を生き残るが、速度の等級は残らない。 AUC 0.91 (ARQQ) と 0.81 (ACY) で、ポンプ逆形状のスコアが苦情の操作日数としてランク付けされている。 ARQQの動作例では、苦情の文書化された数分のウィンドウ内でスコアがピークに達する。 最後に、すべてのアラートに対する正確なSHAP属性は、確認されていないアラートが規制当局が特定した日の属性プロファイルを共有していることを示している(コサイン類似度0.99)。 精度の高い天井は、検出器の故障ではなく、不完全な強制ラベルと一致している。 市場や楽器のタイプ間で転送されるものは、動的シグネチャそのものです。

関連論文リスト

• Certifying What Helps Customer-Return Timing: A Screen-and-Confirm Test for Conditioning Signals, and Why Decay Is Nearly Enough [11.731565558821835]
  Screen-and-confirmプロトコルは、信号がモデルのイベント検出可能性を改善するかどうかを認証する。 モデルレス天井は、顧客のリターンタイミングがポイント予測可能かどうかを定量化する。 私たちの貢献は、"条件付けは役に立たない"をチェック可能な、認定されたステートメントに変換するツールです。
  論文  参考訳（メタデータ） (2026-08-12T01:42:39Z)
• SARC-DQ: Runtime Data-Quality Gating for Agentic AI: Silent Evidence Defects, the Incompetence Shield, and Downstream-Only Remediation [0.0]
  最も危険なエンタープライズの欠陥はメタデータに依存している。 有能なエージェントは、注入されたメタデータに作用する欠陥を、約60%のコストのかかるアクションに変換する。 下流のみのメタデータ対応のプリアクションゲートは、その述語カバーの信号で完全に損失を回復する。
  論文  参考訳（メタデータ） (2026-07-28T22:22:52Z)
• Self-Poisoning in Adaptive Out-of-Distribution Detection: A Sharp-Threshold Theory and Certified Label-Free Calibration [0.0]
  テストタイム適応型アウト・オブ・ディストリビューション検出器は、未競合ストリームからメモリバンクを更新する。 この適応は証明可能な力学則に従うことを示す。 ドリフト条件下での相補的な静的校正不全に対して、CDCは、テストされたドリフト影響細胞全てにおいて、名目上のFPRラベルのない状態を回復する。
  論文  参考訳（メタデータ） (2026-07-23T09:43:46Z)
• Quickest Detection of Hallucination Onset: Delay Bounds and Learned CUSUM Statistics [0.0]
  幻覚のオンセット検出は 最も急激な変化検出問題です 因果リカレントラベル装置は、学習インクリメントを伴うCUSUMとして機能する。 低速アラームオンセット検出は困難である。
  論文  参考訳（メタデータ） (2026-06-10T06:10:02Z)
• Early Rug Pull Warning for BSC Meme Tokens via Multi-Granularity Wash-Trading Pattern Profiling [3.1262100364392205]
  分散型金融(DeFi)におけるミームトークンの高頻度発行と短サイクル投機は、ルーグプルリスクを著しく増幅した。 既存のアプローチは、わずかな異常、不完全なラベル、限定的な解釈可能性の下で安定した早期警告を提供するのに依然として苦労している。 この問題に対処するために、データセットの構築とラベル付け、ハッシュトレーディングパターンの特徴モデリング、リスク予測、エラー解析の4段階からなるBSCミームトークンに対して、エンドツーエンドの警告フレームワークが提案されている。
  論文  参考訳（メタデータ） (2026-03-14T08:25:42Z)
• Reward Under Attack: Analyzing the Robustness and Hackability of Process Reward Models [68.45272703833209]
  現状のPRMは、逆最適化圧力下で体系的に利用可能であることを示す。 これらの脆弱性を定量化するために、敵の圧力を増大させる3段階の診断フレームワークを導入する。 我々は、PRM-BiasBenchと診断ツールキットをリリースし、デプロイ前にロバストネスの評価を可能にする。
  論文  参考訳（メタデータ） (2026-02-20T23:38:03Z)
• SABER: Small Actions, Big Errors -- Safeguarding Mutating Steps in LLM Agents [52.20768003832476]
  我々は$$-Bench (Airline/Retail) および SWE-Bench Verified 上での実行トレースを分析する。 成功を失敗に戻すための、先進的な逸脱、最初期の行動、レベル分岐を形式化する。 モデルに依存しない,勾配のない,テスト時のセーフガードである cm を導入します。
  論文  参考訳（メタデータ） (2025-11-26T01:28:22Z)
• Pipeline Parallelism is All You Need for Optimized Early-Exit Based Self-Speculative Decoding [73.67253077506672]
  大規模言語モデル(LLM)は、優れた生成品質を提供するが、非常に高い推論コストをもたらす。 早期排他的自己投機的復号法(EESD)がこのコストを軽減するために登場した。 ドラフトと検証作業を完全にパイプライン化するパイプライン・パラレル自己スペクティブ・デコーディング(PPSD)を提案する。
  論文  参考訳（メタデータ） (2025-09-19T04:51:41Z)
• Alternative Pseudo-Labeling for Semi-Supervised Automatic Speech Recognition [49.42732949233184]
  ラベル付きデータが不十分な場合、擬似ラベル技術による半教師付き学習は自動音声認識の性能を大幅に向上させることができる。 損失関数のグラウンドトルースとしてノイズラベルを取ると、最適以下の性能が得られる。 そこで我々は,ノイズの多い擬似ラベル問題に対処するために,代替擬似ラベル方式という新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2023-08-12T12:13:52Z)
• DSLA: Dynamic smooth label assignment for efficient anchor-free object detection [18.043176234010517]
  アンカーフリー検出器は、基本的にオブジェクト検出を密な分類と回帰として定式化する。 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のが一般的である。 分類と品質評価の実践を掘り下げると、以下の矛盾が観測される。
  論文  参考訳（メタデータ） (2022-08-01T12:56:44Z)
• Tracking the risk of a deployed model and detecting harmful distribution shifts [105.27463615756733]
  実際には、デプロイされたモデルのパフォーマンスが大幅に低下しないという、良心的なシフトを無視することは理にかなっている。 我々は,警告を発射する有効な方法は,(a)良性な警告を無視しながら有害なシフトを検知し,(b)誤報率を増大させることなく,モデル性能の連続的なモニタリングを可能にすることを論じる。
  論文  参考訳（メタデータ） (2021-10-12T17:21:41Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)

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。