本論文は,確率的収益を持つ資産市場における異種学習エージェントの性能を分析する。特に、ベイジアン学習者と後悔のない学習者の市場競争を比較し、各アプローチがより効果的な条件を特定することに焦点を当てています。驚いたことに、低い後悔は生存に十分ではないことがわかりました。エージェントは、$ O（\ log T）$と同じくらい低い後悔を持っていても、有限辞書と正しいモデルの正の事前確率を持つベイジアンと競合すると消えることがあります。一方、ベイジアン学習は脆弱ですが、後悔のない学習は環境に関する知識が少なくて済むため、より強力です。 2つのアプローチの強みと弱点に基づいて、ベストの堅牢性と分布の変化に対する適応性を向上させるベイジアンアップデートを活用するバランスのとれた戦略を提案し、最高の利点を組み合わせた学習方法に向けて一歩踏み出しました.この方法は一般的で効率的で、実装が容易です。最後に、経済学で研究された生存と市場支配の概念と後悔最小化フレームワークとの間の関係を正式に確立し、これらの理論を結び付けます。さらに広範囲にわたって、本研究は、異種の学習エージェントのダイナミクスと市場への影響の理解に貢献しています。
