論文の概要: No-Regret Revenue Maximization in Sequential Market Making Under Inventory Constraints

• arxiv url: http://arxiv.org/abs/2610.24562v1
• Date: Sat, 17 Oct 2026 08:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-22 17:42:02.497123
• Title: No-Regret Revenue Maximization in Sequential Market Making Under Inventory Constraints
• Title（参考訳）: インベントリ制約下における連続市場における非回帰収益の最大化
• Abstract要約: 市場は入札を設定し、買い手や売り手に対して価格を求めることで取引を効率化している。 本稿では,未確認の買い手と売り手による収益の最大化を,後悔の最小化を用いて検討する。
• 参考スコア（独自算出の注目度）: 43.1296514631382
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Market makers keep trading efficient by setting bid and ask prices for buyers and sellers. In sequential market making, trades happen independently based on price thresholds, requiring the market maker to maintain balanced, low-risk inventory over T rounds. This paper studies how to maximize revenue with unknown buyer and seller valuations using regret minimization. When the market maker only sees trade success or failure, an algorithm achieves regret and inventory bounds proportional to T to the power of 2/3. When full order book data is available for failed trades, regret and inventory limits improve significantly to the square root of T. We also establish a fundamental trade-off via a lower bound, by proving that tighter round-by-round inventory limits strictly force higher minimum regret.
• Abstract（参考訳）: 市場は入札を設定し、買い手や売り手に対して価格を求めることで取引を効率化している。 シーケンシャルな市場メイキングでは、取引は価格の閾値に基づいて独立して行われ、市場メーカはTラウンドよりもバランスの取れた低リスク在庫を維持する必要がある。 本稿では,未確認の買い手と売り手による収益の最大化を,後悔の最小化を用いて検討する。 市場メーカが貿易成功や失敗しか見ていない場合、アルゴリズムは後悔し、在庫は2/3のパワーに比例する。 我々はまた、より厳密なラウンド・バイ・ラウンドの在庫制限が極端に最小限の後悔を強いることを証明することによって、下限を通した基本的なトレードオフを確立する。

関連論文リスト

• Optimal Regret for Online Market Making with Limit Order Book [9.270366214140076]
  マーケットメイキングにおけるオンライン学習について検討し、各ラウンドにおいて、マーケットメーカが入札を行い、市場価格と入ってくるトレーダーのプライベートバリュエーションを観察する前に価格を問う。 この設定では、Maranら2026は、取引が起こらない場合にのみトレーダーのバリュエーションが明らかにされるリミットオーダーブックによって動機付けられたフィードバックモデルを導入している。 この保証は、$widetildemathcalO(sqrtT)$の高確率後悔境界を確立することで改善する。
  論文  参考訳（メタデータ） (2026-10-07T08:51:54Z)
• Online Market Making and the Value of Observing the Order Book [44.5487486690729]
  本研究では,学習者が連続して入札を行い,単一資産の価格を求めるオンライン市場形成問題について検討する。 リアルリミットオーダーブックにインスパイアされたアクション依存フィードバックモデルを導入する。 この追加情報が、問題の学習可能性に根本的に変化することを示します。
  論文  参考訳（メタデータ） (2026-05-19T09:26:01Z)
• Fair Online Bilateral Trade [20.243000364933472]
  各取引が終わった後、プラットフォームは各トレーダーが現在の価格を受け入れたかどうかのみを学習するときに、取引から公平に利益を得るための後悔の完全な特徴を提示する。 それぞれのインタラクションの後に、プラットフォームが真のトレーダーのバリュエーションを観察できることを許す。
  論文  参考訳（メタデータ） (2024-05-22T18:49:11Z)
• A Parametric Contextual Online Learning Theory of Brokerage [8.049531918823758]
  トレーダー間のブローカーのオンライン学習問題における文脈情報の役割について検討する。 このシーケンシャルな問題では、各ステップで、2人のトレーダーが取引したい資産に関する秘密のバリュエーションを持って到着します。 学習者(ブローカー)は、資産と市場条件に関するコンテキストデータに基づくトレーディング(またはブローカー)価格を提案する。 そして、トレーダーは、彼らの評価額がブローカー価格よりも高いか低いかに基づいて、購入または販売する意思を明らかにします。
  論文  参考訳（メタデータ） (2024-05-22T18:38:05Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
  分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。 そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。 これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。 我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
  論文  参考訳（メタデータ） (2023-02-01T17:21:40Z)
• A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design [158.0041488194202]
  多相第2価格オークションにおけるリザーブ価格の最適化について検討する。 売り手の視点からは、潜在的に非現実的な入札者の存在下で、環境を効率的に探索する必要がある。 第三に、売り手のステップごとの収益は未知であり、非線形であり、環境から直接観察することさえできない。
  論文  参考訳（メタデータ） (2022-10-19T03:49:05Z)

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。