論文の概要: Towards Financial World Modeling

• arxiv url: http://arxiv.org/abs/2610.09048v1
• Date: Tue, 06 Oct 2026 19:54:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.578141
• Title: Towards Financial World Modeling
• Title（参考訳）: 金融世界モデリングに向けて
• Abstract要約: 2008年から2025年までの米国株式の約1兆分の1を1Hzの解像度で観測したデータセットであるMarket-1Tを紹介する。 我々は、20年近くにわたる市場体制における18のエンコーダ訓練戦略を比較して、金融表現学習の体系的な大規模研究を行う。
• 参考スコア（独自算出の注目度）: 16.67896535025899
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Building a world model requires a state representation useful for planning and decision-making---potentially over tasks unknown at training time. In the context of financial markets, planning and decision-making may require a model to reason about market-wide conditions, asset-specific expected returns, liquidity, volatility, and cross-asset relationships. Yet financial representation learning has largely been evaluated on individual predictive tasks, oftentimes on a single time period using comparatively narrow datasets. We address this through three primary contributions. First, we introduce Market-1T, a dataset containing nearly one trillion observations across U.S. equities from 2008 to 2025 at 1 Hz resolution. Second, we develop and implement a rigorous evaluation protocol. Third, we conduct a systematic large-scale study of financial representation learning, comparing 18 encoder-training strategies across nearly two decades of market regimes. We evaluate learned representations both by their predictive utility on common finance tasks and through probes of latent structure. We find that encoders with similar predictive performance can organize market state very differently. Collectively, we establish a foundation for training and evaluating financial market representations in support of world models such as DINO-WM, V-JEPA 2, and LeWM.
• Abstract（参考訳）: 世界モデルを構築するには、計画や意思決定に役立つ状態表現が必要です。 金融市場の文脈では、計画と意思決定は、市場全体の状況、資産固有の期待されるリターン、流動性、ボラティリティ、および横断的な関係を推論するモデルを必要とする可能性がある。 しかし、財務表現学習は主に個々の予測タスクで評価され、しばしば比較的狭いデータセットを使用して1回の期間で評価される。 これを3つの主要なコントリビューションを通じて解決する。 まず、2008年から2025年までの米国株式の約1兆分の1を1Hzの解像度で観測したデータセットであるMarket-1Tを紹介する。 次に,厳密な評価プロトコルを開発し,実装する。 第3に、約20年にわたる市場体制における18のエンコーダ訓練戦略を比較し、金融表現学習の体系的な大規模研究を行う。 我々は,共通財務業務における予測的効用と潜伏構造の探究による学習表現の評価を行った。 同様の予測性能を持つエンコーダは,市場状態を非常に異なる方法で整理できることがわかった。 我々は、DINO-WM、V-JEPA 2、LeWMといった世界モデルを支援するために、金融市場表現のトレーニングと評価のための基盤を確立する。

関連論文リスト

• The CLEF-2026 FinMMEval Lab: Multilingual and Multimodal Evaluation of Financial AI Systems [54.12165004393043]
  FinMMEval 2026は、財務的理解、推論、意思決定にまたがる3つの相互接続タスクを提供する。 このラボは、堅牢で透明でグローバルに包括的な金融AIシステムの開発を促進することを目的としている。
  論文  参考訳（メタデータ） (2026-02-11T14:14:06Z)
• UniFinEval: Towards Unified Evaluation of Financial Multimodal Models across Text, Images and Videos [22.530796761115766]
  我々は、情報密度の高い金融環境のための最初の統合マルチモーダルベンチマークUniFinEvalを提案する。 UniFinEvalは、現実世界の金融システムに根ざした5つの中核的な金融シナリオを体系的に構築する。 Gemini-3-pro-previewは、全体的なパフォーマンスは最高だが、財務の専門家と比べて大きな差がある。
  論文  参考訳（メタデータ） (2026-01-09T10:15:32Z)
• Same Claim, Different Judgment: Benchmarking Scenario-Induced Bias in Multilingual Financial Misinformation Detection [64.75447949495307]
  大規模言語モデル (LLM) は金融分野に広く適用されている。 行動バイアスは、意思決定における不安定性と不確実性をもたらす可能性がある。 mfmdscenは様々な経済シナリオで mfmdの行動バイアスを評価するベンチマークです
  論文  参考訳（メタデータ） (2026-01-08T22:00:32Z)
• Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading [57.28635022507172]
  TiMiは、アーキテクチャ上、戦略開発を分単位のデプロイメントから切り離す合理性駆動型マルチエージェントシステムである。 本稿では,マクロパターンからマイクロカスタマイズ,トレーディングボット実装のための階層型プログラミング設計,数学的リフレクションによって駆動されるクローズドループ最適化までの2層解析パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-06T13:08:55Z)
• FinKario: Event-Enhanced Automated Construction of Financial Knowledge Graph [15.846545572924834]
  大規模言語モデル(LLM)は投資家の意思決定能力を高め、財務分析を強化する。 金融知識グラフのイベント強化構築(FinKario)について紹介する。 FinKarioは、プロンプト駆動の抽出を通じて、リアルタイムの企業の基本と市場イベントを自動的に統合する。 大規模金融知識の進化を最適化するための2段階グラフ検索戦略(FinKario-RAG)を提案する。
  論文  参考訳（メタデータ） (2025-08-01T13:27:35Z)
• Deriving Strategic Market Insights with Large Language Models: A Benchmark for Forward Counterfactual Generation [55.2788567621326]
  本稿では,FIN-FORCE-FINancial Forward Counterfactual Evaluationを提案する。 FIN-FORCEは金融ニュースの見出しをまとめることで、LLMベースの対実生成を支援する。 これにより、将来の市場展開を探索し、予測するためのスケーラブルで自動化されたソリューションの道を開くことができる。
  論文  参考訳（メタデータ） (2025-05-26T02:41:50Z)
• FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting [58.70072722290475]
  ファイナンシャル・タイム・シリーズ(FinTS)は、人間の脳を増強した意思決定の行動を記録する。 FinTSBは金融時系列予測のための総合的で実用的なベンチマークである。
  論文  参考訳（メタデータ） (2025-02-26T05:19:16Z)
• Simulating Financial Market via Large Language Model based Agents [22.36549613587476]
  ほとんどの経済理論は、金融市場の参加者が完全に合理的な個人であり、金融市場の人間の振る舞いをシミュレートするために数学的モデルを使用していると仮定している。 textbfAgentベースのtextbfSimulated textbfFinancial textbfMarket (ASFM) を提案する。
  論文  参考訳（メタデータ） (2024-06-28T14:54:12Z)
• Predicting S&P500 Index direction with Transfer Learning and a Causal Graph as main Input [0.0]
  本稿では,金融市場ダイナミクスの複雑かつ不確実な因果過程を表現するために,統合型マルチタスクフレームワークを提案する。 次に、S&P500指数の月次方向に適用した任意の種類の指標の移動を予測する。
  論文  参考訳（メタデータ） (2020-11-26T03:45:51Z)
• Gaussian process imputation of multiple financial series [71.08576457371433]
  金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。 金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
  論文  参考訳（メタデータ） (2020-02-11T19:18:18Z)

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。