arXiv
q-fin.TR · q-fin.CP
説明予測市場における組合せ裁定:論理的に関連する予測市場契約間の裁定機会を特定・定量化する研究
要約本論文は、論理的に関連する予測市場契約の間の裁定機会を特定し定量化する枠組みを提案し、許容される収益ベクトルの凸包の外にある価格には裁定が存在することを証明しています。整数計画法により最適な裁定ポートフォリオを求めています。取引所のメタデータと決済基準の意味解析により、約190万件の論理関係を抽出し、25万5千件を超える契約を対象としています。Polymarketの全深度オーダーブックを再生した模擬実験では、スプレッドと手数料を差し引いた後、決済済みポートフォリオで理想的な裁定者が毎週3.5%のリスクフリー収益を得られると示されています。関係の発見や執行にコストがかかる市場ほど、裁定機会が長く持続し、観測される参加者は少ないことが分かりました。
Hongjian Shi, Daojing Zhai
arXiv
cs.GT · econ.GN · math.OC
説明データ価値の源泉:消費者による開示、アクセス設計、プラットフォーム収益化
要約本論文は、手数料を徴収するプラットフォーム、差別化された二社の販売業者、プライバシーに敏感な消費者の相互作用をゲーム理論モデルで分析します。消費者の開示権がデータ購入の動機やプラットフォームのデータ提供インセンティブにどう影響するかを検討しています。強制的なデータ収集の下では、双方向のパーソナライズにより販売業者の収入が減る場合でも、プラットフォームは防御的な採用から収益を得られることが示されています。自発的な開示の下では、匿名購入と厳密に正のプライバシーコストにより、基準ケースでは一方的な開示は魅力的ではないとされています。
Hexiao Liu, Lijian Lu, Mingzheng Wang
arXiv
q-fin.TR · q-fin.PR
説明ベーシスのみの資金調達は配当に対して公正ではない:暗号資産株式パーペチュアルの決済設計
要約本論文は、暗号資産取引所で配当を支払う株式などを対象に上場されるパーペチュアル先物を扱う。取引所で一般的な、プレミアム指数に基づく資金調達方式は、任意の時点で売買する取引者に株主のキャッシュフローを再現できないと論じる。資金調達は基差の制御と決済という二つの役割を担うため、配当を伴う株式では両者が分離してしまう。予定された配当は測度論的な原子として扱う必要があり、公正性には離散的なイベント型の決済が必要だと結論づけ、取引所データでその点を確認している。
Donghwa Seo, Doohwi Cha, Seunghan Son ほか
★★★★☆ 注目
arXiv
q-fin.ST · cs.CL · cs.LG
説明後知恵なしでニュースを読む:NoLBERTトピックと株式リターンの横断面
要約本論文は、1976~1995年のテキストのみで事前学習したNoLBERTを、同一記事の段落による対照学習で文エンコーダに調整し、ニューストピックを構築しました。LDA、MiniLM、FinBERTと比較し、米国大型株上位1000銘柄のリターン予測に用いています。学習・選択・検証はそれぞれ2013~2019年、2020~2021年、2022~2024年のデータで行われました。検証で最良の手法は全ての頻度で損失を出しました。全読者・モデルを等ウェイトで組み合わせた場合の月次ネットシャープレシオは1.12で、ゼロ基準には有意ですが、価格のみのベンチマークには有意ではありません。
注目点1976-1995年の文章のみで事前学習したエンコーダでニュース話題を作り、事後バイアスを避けて120万記事で時系列の外挿検証を行うため、新規性と根拠は高い。
Kevin Foley, Jonathan Hartadi, Shivesh Prakash ほか
arXiv
cs.LG · cs.AI · q-fin.TR
説明OrderFlowDiT:指値注文供給の確率予測のための輸送正則化拡散トランスフォーマー
要約本論文は、現在の板情報と直近の注文フローを条件として、今後5分間に出される指値注文量の条件付き分布を研究している。著者らは、非正規化された売買価格別数量場を扱う条件付き拡散トランスフォーマー OrderFlowDiT を提案し、非平衡最適輸送(UOT)の補助損失で学習させている。また、価格配置・総量を考慮した輸送コストと予測不確実性を同時に評価する完全場評価の枠組みを構築している。米国株30銘柄の検証条件1950件では、UOT を加えることで平均二乗誤差のみで学習した場合に比べ、完全場輸送コストが45.8%、輸送エネルギースコアが26.1%改善し、全銘柄で両指標が向上した。
Jung Hun Phee, Tucker Balch
arXiv
cs.LG · cs.AI · cs.CL
説明LLMの財務予測における、モメンタム、コメントの論調、利益サプライズの影響比較
要約本論文は、20日間のモメンタム、情報価値のないコメントの論調、実際のEPSが操作されたコンセンサスを上回るかどうかを独立に反転させた合成の決算発表を構成し、6つの指示・チャット型言語モデルの予測回答への影響を調べています。測定しているのは条件付き回答前置スコアの対応する変化であり、較正された市場確率ではありません。多くのモデルで論調やモメンタムの影響がEPSを上回りましたが、回答符号化や文言などの統制により結果は限定的です。本研究は観測可能な入力への依存と数値認識を測るもので、内部の推論機構や実際の収益予測可能性を示すものではありません。
Alina Khaybullina