技術的サマリー：GeomHerd

1. 問題定義

市場参加者が行動を同調させ、集団的に行動する「同調行動（Herding）」は、市場の脆弱性とシステムリスクの主要な駆動因子である。同調行動を定量化する既存のアプローチは、実現リターン（例：クロスセクショナル絶対偏差、CSAD）や開示された取引フロー（例：LSV 機関投資家の不均衡）といった下流の観測可能な指標に依存している。これらの手法は本質的に事後的であり、観測の遅延に悩まされている。すなわち、協調がすでに価格変動や公的提出書類に波及した後にのみ、それを検出するものである。

近年、離散リッチ曲率を用いた幾何学的アプローチが市場ストレス分析に応用されているが、これらは通常価格相関グラフ上で動作し、同じボトルネックを内在している。本論文は、根本的な問いを提起する。同調行動がリターンに現れる前に、**エージェントの協調プロセスそのもの（上流の構造的な情報）**の進化幾何学を直接定量化し、先行するシグナルを生成することは可能か？

2. 手法：GeomHerd フレームワーク

GeomHerd は、エージェント相互作用グラフ上で協調を直接定量化することで観測の遅延を回避する、先行する幾何学的フレームワークである。

2.1 基盤とグラフ構築

本フレームワークは、各トレーダーがパーソナ条件付き LLM によってインスタンス化される、異質なLLM 駆動型マルチエージェント金融シミュレーター（具体的には Cividino-Sornette 連続スピンモデル、CWS モデル）を利用する。これにより、完全に観測可能な行動ストリームが得られる。

• ノード: 個々のエージェント（$N=66$）。
• エッジ: ウィンドウ化された行動合意に基づいて構築される。重み $w_t(i, j)$ は、ウィンドウ $T_w=100$ におけるエージェント $i$ と $j$ の間の同一行動（例：買い/保有/売り）の頻度である。
• スパース化: エッジは、$w_t(i, j) > 0.5$ の場合にのみ保持され、均一なベースライン以上の意味のある合意が保証される。
• グラフのダイナミクス: グラフは $\Delta t = 10$ ステップごとに再構築される。

2.2 幾何学的コア：離散リッチ曲率

本フレームワークは、遅延ウォーク遷移カーネルを用いて、エージェントグラフ上でOllivier-Ricci 曲率（$\kappa_{OR}$）を計算する。

• 符号分解: 曲率は、コミュニティ間ブリッジのトポロジーに基づいて 2 つの異なるシグナルに分解される。
  1. 正の曲率（$\bar{\kappa}^+_{OR}$）: クロー内部の協調を捉える。エージェントが互いに模倣するにつれて、その近傍が重なり合い、正の曲率が増加する。これは情報カスケードの開始を示す。
  2. 負の曲率（$\beta^-$）: コミュニティ間ブリッジを捉える。強く負の曲率は、異なるクラスターを接続するエッジを特定し、感染の伝播を示唆する。
• 検出ロジック:
  • $\bar{\kappa}^+_{OR}$ は、レベルシフトを特定するために片側CUSUM検出器を用いて監視される。
  • $\beta^-$ は、非ガウスノイズに対して頑健なブリッジ出現の傾向を検出するために、組み合わせたCUSUMとKendall-$\tau$ 傾き検定を用いて監視される。

2.3 先行する記述子

• 特異点時間（$\tau_{sing}$）: フレームワークは離散リッチフロー下でグラフを進化させ、最初の「ネックピンチ（特異点）」までの時間を記録する。これは静的なクラスタリングとは異なり、崩壊への近接性を示す動的かつ先行する記述子として機能する。
• 有効語彙（$V_{eff}$）: エージェントの行動言語のエントロピーを測定する情報理論的シグナル。$V_{eff}$ は、カスケード中にエージェントが行動を均質化すると収縮する。

2.4 理論的基盤

本論文は、幾何学的指標と古典的な CSAD 統計量を結びつける平均場ブリッジ（命題 1）を確立する。標準的な仮定（平均場集中、線形価格影響）の下では、CSAD が $\bar{\kappa}_{OR}$ に対して単調減少することを導出する。これにより、幾何学的シグナルは確立された金融文献に理論的に位置づけられる。

3. 主要な貢献

1. 基盤の転換: 同調行動の検出の場を、下流の価格相関グラフから上流のエージェント相互作用グラフへシフトさせ、LLM 駆動型シミュレーターにおける完全に観測可能な行動ストリームを活用する。
2. 符号分解された幾何学: 同調行動（正の曲率、クロー内部の密度）と感染（負の曲率、クラスター間ブリッジ）を明示的に分離し、補完的な警報シグナルを提供する。
3. 先行するフロー: 静的なクラスタリング演算子ではなく、崩壊への近接性を示す動的なスカラーとして、リッチフロー特異点時間（$\tau_{sing}$）を導入する。
4. 理論的リンク: 幾何学的曲率と古典的な CSAD リターン分散統計量を結びつけるスケーリング恒等式を提供する。

4. 実験結果

実験は CWS 連続スピン基盤（400 軌道）で行われ、Vicsek 自己駆動粒子モデルへのドメイン外転送によって検証された。

• リードタイム:
  • 主要検出器（$\bar{\kappa}^+_{OR}$）は、精度重視の動作点において、秩序パラメータ同調イベント（$\tau^*$）の178 ステップ前の中央値で発火する。
  • 再現率重視の動作点では、中央値のリードは272 ステップに延長する。
  • 感染検出器（$\beta^-$）は、重要な軌道の 65% を、中央値318 ステップのリードで再現する。
  • 共発火軌道において、エージェントグラフシグナルは、プールされた中央値40 ステップ先行して価格相関ベースラインに先立つ。
• 一貫性:
  • 幾何学的シグナルは CSAD と符号一貫性がある（曲率とリターン分散の間の負の相関）。
  • エージェントグラフシグナルは、買い/売り不均衡が蓄積する前に行動クローが検出可能であるため、共発火軌道において LSV 取引フロー統計量に先行する。
• 予測有用性:
  • 曲率条件付き予測ヘッド（$\bar{\kappa}_{OR}, \tau_{sing}, V_{eff}$ のトリプレットを使用）は、価格のみおよび検出器条件付きベースラインと比較して、カスケードウィンドウの対数リターンの平均絶対誤差（MAE）を低減する。
• 一般化:
  • 幾何学的シグネチャはドメイン外でVicsek モデルへ転送され、AUROC 0.99 で秩序ある状態と無秩序な状態を分離する。これは、シグネチャが金融固有のアーティファクトではなく、普遍的な集団協調を反映していることを示唆する。
• アブレーション:
  • 二値エッジ構築が重要であり、コサイン類似性の変種は同調行動を検出できない。
  • 符号分解が不可欠であり、これを除去するとシグナルは消失する。

5. 意義と主張

本論文は、GeomHerd が金融リスク監視における根本的な「観測可能性ギャップ」に対処することで、先行する同調行動の定量化を進展させると主張する。エージェント相互作用グラフを予測可能な世界として扱うことで、本フレームワークは、実現リターンに現れる前に出現する協調の構造的トポロジーを捉える。

著者は、GeomHerd が単なる新しい統計量ではなく、以下の点において先行する警告システムであると強調している。

1. 集計市場ベースラインよりもはるかに早く同調行動を予期する。
2. 内部協調（クロー形成）と外部感染（ブリッジ伝播）を区別する。
3. 異なる物理的および金融的基盤に一般化する。
4. 条件付け特徴量として使用された場合、下流の予測精度を向上させる。

この研究は、幾何学的深層学習（リッチフロー）と古典的金融理論（CSAD/LSV）の間の架け橋として位置づけられ、エージェント相互作用のミクロ構造レベルでシステム安定性を監視するメカニズムを提供する。