Trading Graph Neural Network

要約

このペーパーでは、新しいアルゴリズム – トレーディングネットワークの資産価格に対する資産機能、ディーラー機能、および関係機能の影響を構造的に推定できる新しいアルゴリズム – トレーディンググラフネットワーク（TGNN）を提案します。
従来のシミュレートされたモーメント方法（SMM）と最近の機械学習技術の強度、グラフニューラルネットワーク（GNN）を組み合わせています。
予測精度のネットワーク中心性測定を備えた既存の縮小形式の方法よりも優れています。
この方法は、任意の構造を持つネットワークで使用でき、トレーダーと資産の両方の不均一性を可能にします。

要約(オリジナル)

This paper proposes a new algorithm — Trading Graph Neural Network (TGNN) that can structurally estimate the impact of asset features, dealer features and relationship features on asset prices in trading networks. It combines the strength of the traditional simulated method of moments (SMM) and recent machine learning techniques — Graph Neural Network (GNN). It outperforms existing reduced-form methods with network centrality measures in prediction accuracy. The method can be used on networks with any structure, allowing for heterogeneity among both traders and assets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google