コンテンツへスキップ
ライブラリの全資料

AIモデルの複雑さ、取引、市場効率性の変化

記事 arXiv papers · 著者: Paolo Barucca et al.
原文を読む

サマリー

この論文は、複雑な関係を近似する低コストのAIシステムが、トレード戦略における情報の価格への反映をどう変えるかを考察します。市場効率性を均衡価格過程の枠組みで捉え、投資家の信念とモデルや最適化された戦略の複雑さを用いて、効率性の水準を区別しています。

著者らは、より高性能な近似モデルを幅広く利用できるようになると、効果の低いモデルを使うトレーダーには収益機会の活用が難しくなる可能性を論じています。また、相互作用する参加者がいる適応的な市場では、均衡に基づく説明だけでは効率性の変化を十分に記述できず、非均衡の動学が課題になると主張しています。提示された文章は概念的なもので、枠組みと研究課題を示していますが、実証結果、具体的な取引ルール、AIの導入が必ず市場効率性を高めるという証拠はありません。結論は記載された条件と、モデル、信念、適応をどう表現するかに依存します。

主なアイデア

  • トレード戦略は情報を価格に反映し、モデルの質と市場効率性を結び付けます。
  • 低コストのAI近似モデルにより、より複雑な戦略が可能になり、効果の低いトレーダーの機会が減る可能性があります。
  • 市場効率性の水準を区別するため、均衡価格過程と投資家の信念を用いています。
  • 複数の主体が適応する市場は均衡から外れることがあり、標準的な効率性分析に課題をもたらします。
  • 提示された説明は概念的な議論であり、実証結果や具体的な取引戦略は示していません。

タグ

機械学習市場マイクロストラクチャー統計
全文
# How low-cost AI universal approximators reshape market efficiency


# How low-cost AI universal approximators reshape market efficiency









The efficient market hypothesis (EMH) famously stated that prices fully reflect the information available to traders. This critically depends on the transfer of information into prices through trading strategies. Traders optimise their strategy with models of increasing complexity that identify the relationship between information and profitable trades more and more accurately. Under specific conditions, the increased availability of low-cost universal approximators, such as AI systems, should be naturally pushing towards more advanced trading strategies, potentially making it harder and harder for inefficient traders to profit. In this paper, we leverage on a generalised notion of market efficiency, based on the definition of an equilibrium price process, that allows us to distinguish different levels of model complexity through investors' beliefs, and trading strategies optimisation, and discuss the relationship between AI-powered trading and the time-evolution of market efficiency. Finally, we outline the need for and the challenge of describing out-of-equilibrium market dynamics in an adaptive multi-agent environment.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。