AI ماڈل کی پیچیدگی، ٹریڈنگ اور مارکیٹ کی کارکردگی کا ارتقا

خلاصہ

یہ مقالہ دیکھتا ہے کہ پیچیدہ تعلقات کا تخمینہ لگانے والے کم لاگت AI نظام قیمتوں میں معلومات شامل کرنے کے ٹریڈنگ اسٹریٹیجی کے طریقے کو کیسے بدل سکتے ہیں۔ یہ سرمایہ کاروں کے عقائد اور ان کے ماڈلز اور بہتر بنائی گئی اسٹریٹیجیوں کی پیچیدگی کے ذریعے توازن پر مبنی قیمتوں کے عمل سے مارکیٹ کی کارکردگی کا خاکہ پیش کرتا ہے، تاکہ کارکردگی کی مختلف سطحوں میں فرق کیا جا سکے۔

مصنفین کے مطابق زیادہ مؤثر تخمینہ کاروں تک وسیع تر رسائی سے کم مؤثر ماڈلز والے ٹریڈرز کے لیے منافع بخش مواقع سے فائدہ اٹھانا مشکل ہو سکتا ہے۔ ان کا یہ بھی کہنا ہے کہ توازن پر مبنی وضاحتیں باہم تعامل کرنے والے شرکاء والی موافق مارکیٹ میں کارکردگی کی تبدیلی بیان کرنے کے لیے کافی نہیں، اور وہ توازن سے باہر کی حرکیات کو ایک چیلنج قرار دیتے ہیں۔ فراہم کردہ متن نظریاتی ہے: یہ ایک فریم ورک اور تحقیقی مسئلہ بیان کرتا ہے، مگر تجرباتی نتائج، مخصوص ٹریڈنگ قواعد یا اس بات کا ثبوت نہیں دیتا کہ AI اپنانے سے لازماً مارکیٹیں زیادہ مؤثر ہو جاتی ہیں۔ اس کے نتائج بیان کردہ شرائط اور اس بات پر منحصر ہیں کہ ماڈلز، عقائد اور موافقت کی نمائندگی کیسے کی گئی ہے۔

اہم خیالات

• ٹریڈنگ اسٹریٹیجیاں معلومات کو قیمتوں تک پہنچاتی ہیں، جس سے ماڈل کا معیار مارکیٹ کی کارکردگی سے جڑتا ہے۔
• کم لاگت AI تخمینہ کار زیادہ پیچیدہ اسٹریٹیجیاں ممکن بنا سکتے ہیں اور کم مؤثر ٹریڈرز کے مواقع گھٹا سکتے ہیں۔
• مقالہ مارکیٹ کی کارکردگی کی مختلف سطحوں میں فرق کرنے کے لیے توازن پر مبنی قیمتوں کے عمل اور سرمایہ کاروں کے عقائد استعمال کرتا ہے۔
• موافقت پذیر کثیر ایجنٹ مارکیٹیں توازن سے باہر جا سکتی ہیں، جو کارکردگی کے معیاری تجزیے کے لیے چیلنج پیدا کرتی ہیں۔
• فراہم کردہ وضاحت میں تجرباتی نتائج یا کوئی مخصوص ٹریڈنگ اسٹریٹیجی نہیں، صرف نظریاتی بحث ہے۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔