論文の概要: The Privacy Subsidy in Market Microstructure

• arxiv url: http://arxiv.org/abs/2609.10543v1
• Date: Thu, 11 Jun 2026 05:38:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.489363
• Title: The Privacy Subsidy in Market Microstructure
• Title（参考訳）: 市場構造におけるプライバシ・サブシディ
• Abstract要約: 我々は、情報的に効率的な価格設定を約束する市場メーカが、トレーダーに閉鎖的な福祉移転を譲ることを示す。 このデッドウェイトに対して差分プライバシ利益をトレードするプロトコルは、内部ノイズスケールをクローズド形式で選択する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Privacy-preserving exchange designs price on a coarsened view of order flow. We show that a market maker committed to informationally efficient (posterior-mean) pricing on a signal strictly coarser than the flow it settles necessarily cedes a closed-form welfare transfer to traders -- the privacy subsidy -- and that no rule restricted to the coarse signal is simultaneously efficient and zero-profit against the settled flow. We establish this impossibility for a general coarsening, then characterise the subsidy in closed form across three canonical microstructure models: single-period Kyle with Gaussian flow noise, Glosten-Milgrom with a binary direction channel, and continuous-time Kyle-Back with a Brownian channel. The subsidy obeys a structural correspondence with Loss-Versus-Rebalancing, both welfare rates factorising as a squared noise driver times a committed-object factor. Gross of fees the subsidy is a pure transfer recovered by a break-even fee; once levied, that fee distorts volume, and the resulting deadweight -- under an explicit allocative value of trade -- is fourth-order in the noise scale while the gross subsidy is second-order, so privacy is welfare-neutral to leading order with a strictly smaller irrecoverable loss. Endogenising the privacy level, a protocol trading a differential-privacy benefit against this deadweight chooses an interior noise scale in closed form; doing so leaves the half-revealing product of price impact and informed intensity intact while unpinning the volatility-elasticity of price impact from its textbook value of one.
• Abstract（参考訳）: プライバシ保護取引所の設計は、注文フローの粗い見方で価格を下げる。 市場メーカが情報効率(後道的)な価格設定を、落ち着いた流れよりも厳格に粗い信号で行おうとしていることが、トレーダーへの密閉型福祉移転(プライバシー補助金)を必然的に譲り受けていること、そして、粗い信号に制限された規則が、解決した流れに対して同時に効率的かつ無益であることを示します。 一般粗大化のためのこの不確実性を確立し、その後、ガウス流雑音を持つ単周期カイル、二方向チャネルを持つグロステン・ミルグロム、ブラウン流路を持つ連続時間カイル-バックの3つの標準構造モデルにまたがって、その助成を閉じた形で特徴付ける。 補助金はロス=ヴァーサス=リバランシング(英語版)と構造的な対応に従っており、両者の福祉率は2乗のノイズドライバーの倍の積極的要因である。 補助金の巨額は、休憩料金によって回収された純粋な送金であり、一旦返済されると、その手数料は体積をゆがめ、結果として生じる死重量は、貿易の明示的な割当価値の下で、ノイズスケールで4位となり、補助金は2位であるのに対し、補助金は2位である。 プライバシレベルを先取りして、このデッドウェイトに対する差分プライバシ利益を取引するプロトコルは、内部ノイズ尺度をクローズドな形式で選択する。

関連論文リスト

• The Privacy Subsidy in Glosten-Milgrom: Bid-Ask Spread and Welfare under Flip-Noise Direction Observation [0.0]
  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。
  論文  参考訳（メタデータ） (2026-05-19T12:12:01Z)
• 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)
• 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)
• Over-the-Air Federated Learning with Privacy Protection via Correlated Additive Perturbations [57.20885629270732]
  我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。 従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。 本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
  論文  参考訳（メタデータ） (2022-10-05T13:13:35Z)
• Label Distributionally Robust Losses for Multi-class Classification: Consistency, Robustness and Adaptivity [55.29408396918968]
  多クラス分類のためのラベル分布ロバスト(LDR)損失という損失関数群について検討した。 我々の貢献は、多クラス分類のためのLDR損失のトップ$kの一貫性を確立することによって、一貫性と堅牢性の両方を含んでいる。 本稿では,各インスタンスのクラスラベルの雑音度に個別化温度パラメータを自動的に適応させる適応型LDR損失を提案する。
  論文  参考訳（メタデータ） (2021-12-30T00:27:30Z)

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。