コンテンツへスキップ
ライブラリの全資料

予測市場の板再生による取引エージェントのバックテスト

記事 arXiv papers · 著者: Avi Arora et al.
原文を読む

サマリー

この文書では、予測市場におけるアルゴリズム取引エージェントと言語モデル取引エージェントを評価するベンチマークを提示します。板の更新、取引、契約のライフサイクルイベント、決済から過去のエピソードを構築し、戦略が一貫した市場環境の流れに直面するよう決定論的に再生します。エージェント用インターフェースにより、従来型のアルゴリズムもツールを使う言語モデルもシミュレーションに参加できます。

シミュレーターはメイカーとテイカーの約定に加えて手数料もモデル化し、取引摩擦と決済リスクを考慮した結果の評価を可能にします。暗号資産、天候、スポーツ市場に基づく4つのエピソードを説明しています。ベースラインの結果では、単純なエージェントは取引コストや決済結果によって損失を被る可能性がある一方、手数料を考慮する戦略は変動の大きいエピソードで競争力を保てることが示されています。証拠はこの4つのエピソードと記載されたベースラインに限られ、要約には詳しい成績や他市場での結果に関する広範な主張はありません。

主なアイデア

  • 過去の市場データを決定論的に再生し、一貫した条件でエージェントを比較できます。
  • 板データ、取引、契約のライフサイクルイベント、決済をまとめてエピソードを構成します。
  • シミュレーターはメイカーとテイカーの挙動、および手数料をモデル化します。
  • 単純な取引はコストや決済損失によって成績が悪化する可能性があります。
  • 手数料を考慮したアルゴリズムは変動の大きいエピソードで競争力があると報告されていますが、証拠は4市場に限られます。

タグ

バックテスト注文執行市場マイクロストラクチャーリスク管理イベントドリブン
全文
# PredictionMarketBench: A SWE-bench-Style Framework for Backtesting Trading Agents on Prediction Markets


# PredictionMarketBench: A SWE-bench-Style Framework for Backtesting Trading Agents on Prediction Markets









Prediction markets offer a natural testbed for trading agents: contracts have binary payoffs, prices can be interpreted as probabilities, and realized performance depends critically on market microstructure, fees, and settlement risk. We introduce PredictionMarketBench, a SWE-bench-style benchmark for evaluating algorithmic and LLM-based trading agents on prediction markets via deterministic, event-driven replay of historical limit-order-book and trade data. PredictionMarketBench standardizes (i) episode construction from raw exchange streams (orderbooks, trades, lifecycle, settlement), (ii) an execution-realistic simulator with maker/taker semantics and fee modeling, and (iii) a tool-based agent interface that supports both classical strategies and tool-calling LLM agents with reproducible trajectories. We release four Kalshi-based episodes spanning cryptocurrency, weather, and sports. Baseline results show that naive trading agents can underperform due to transaction costs and settlement losses, while fee-aware algorithmic strategies remain competitive in volatile episodes.

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。