Centrala begrepp
エージェントレンダーは、短期売り手に証券を貸し出すことで貸出料収入を最大化することを目指している。従来の固定的な価格設定ルールや機械学習モデルでは、市場動向の変化に適応できないため、コンテキストバンディットフレームワークを用いた動的な価格設定手法が有効である。
Sammanfattning
本論文は、証券貸借市場におけるエージェントレンダーの収益最適化問題に取り組んでいる。証券貸借市場は、中央集権的な注文板ではなく、双方向の取引が行われるeコマースのようなマーケットプレイスであるため、従来の自動売買アプローチは適切ではない。一方で、動的価格設定問題に対するアプローチは有効である可能性がある。
本研究では、コンテキストバンディットフレームワークを用いて、エージェントレンダーの価格設定を最適化する手法を提案している。具体的には以下の通り:
- 貸出料収入を最大化するための報酬関数を定義する。この関数は、取引成立の可能性(ブッキング選好度)と取引成立時の貸出料(ブッキング状況)の積で表される。
- 過去の取引データを用いて、オフラインでコンテキストバンディットアルゴリズムを評価する。
- 提案手法は、従来の固定的な価格設定ルールや機械学習モデルと比べて、少なくとも15%の収益向上が見込めることを示す。
このように、コンテキストバンディットフレームワークを用いることで、市場動向の変化に適応しつつ、エージェントレンダーの収益を最適化できることが明らかになった。
Statistik
証券貸借取引の貸出料は、市場の需給バランスによって大きく変動する。
エージェントレンダーの市場シェアが高い場合、より高い貸出料を設定できる。
借り手の入札価格が、エージェントレンダーの提示価格を下回る場合、取引は成立しない。
Citat
「従来の固定的な価格設定ルールや機械学習モデルでは、市場動向の変化に適応できないため、コンテキストバンディットフレームワークを用いた動的な価格設定手法が有効である。」
「提案手法は、従来の固定的な価格設定ルールや機械学習モデルと比べて、少なくとも15%の収益向上が見込める。」