要約
有価証券貸付は金融市場構造の重要な部分であり、代理貸し手は長期機関投資家が貸付手数料と引き換えに空売り者に有価証券を貸し出すのを支援します。
市場内の代理貸し手は、可能な限り最高の金利で証券を貸し出すことで収益の最適化を目指しています。
通常、このレートは、ハードコーディングされたビジネス ルールまたは標準の教師あり機械学習モデルによって設定されます。
これらのアプローチは多くの場合、拡張が難しく、変化する市場状況に適応できません。
集中指値注文帳を備えた従来の証券取引所とは異なり、証券貸付市場は電子商取引市場と同様に組織されており、代理店の貸し手と借り手が双方向で合意された任意の価格で取引できます。
この類似性は、電子商取引における動的価格設定の問題に対処するための典型的な方法の使用が証券貸付市場において効果的である可能性があることを示唆しています。
我々は、既存のコンテキストバンディットフレームワークが証券貸付市場でうまく利用できることを示します。
実際の履歴データに対するオフライン評価を使用して、コンテキスト バンディット アプローチが、生成される総収益に関して、通常のアプローチよりも一貫して少なくとも 15% 優れていることを示します。
要約(オリジナル)
Securities lending is an important part of the financial market structure, where agent lenders help long term institutional investors to lend out their securities to short sellers in exchange for a lending fee. Agent lenders within the market seek to optimize revenue by lending out securities at the highest rate possible. Typically, this rate is set by hard-coded business rules or standard supervised machine learning models. These approaches are often difficult to scale and are not adaptive to changing market conditions. Unlike a traditional stock exchange with a centralized limit order book, the securities lending market is organized similarly to an e-commerce marketplace, where agent lenders and borrowers can transact at any agreed price in a bilateral fashion. This similarity suggests that the use of typical methods for addressing dynamic pricing problems in e-commerce could be effective in the securities lending market. We show that existing contextual bandit frameworks can be successfully utilized in the securities lending market. Using offline evaluation on real historical data, we show that the contextual bandit approach can consistently outperform typical approaches by at least 15% in terms of total revenue generated.
arxiv情報
| 著者 | Jing Xu,Yung-Cheng Hsu,William Biscarri |
| 発行日 | 2024-10-01 16:33:36+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google