Home Ciencia y Tecnología Anatomía de un mercado simulado: modelado de comportamiento de comerciantes algorítmicos

Anatomía de un mercado simulado: modelado de comportamiento de comerciantes algorítmicos

37
0

Resumen, reconocimientos y declaraciones y declaraciones

  1. Introducción

  2. Antecedentes y trabajo relacionado

    2.1 Simulación del mercado financiero basado en agentes

    2.2 episodios de bloqueo flash

  3. Estructura de modelo y configuración de modelo 3.1

    3.2 Comportamientos comerciales comunes

    3.3 comerciante basic (FT)

    3.4 Dealer de impulso (MT)

    3.5 Dealer de ruido (NT)

    3.6 fabricante de mercado (mm)

    3.7 Dinámica de simulación

  4. Calibración y validación del modelo y objetivo de calibración 4.1: datos y hechos estilizados para una simulación realista

    4.2 Flujo de trabajo de calibración y resultados

    4.3 Validación del modelo

  5. Escenarios de Flash Crash 2010 y 5.1 Simulando Flash Historic Flash

    5.2 Flash Crash en diferentes condiciones

  6. Mini escenarios de Flash Crash y 6.1 Introducción del comerciante de picos (ST)

    6.2 Mini Análisis de bloqueo flash

    6.3 Condiciones para mini escenarios de bloqueo flash

  7. Conclusión y trabajo futuro

    7.1 Resumen de logros

    7.2 Obras futuras

Referencias y apéndices

3 Estructura del modelo

Esta sección presenta la configuración y los componentes del simulador de mercado financiero de alta frecuencia basado en agentes propuestos.

3.1 Configuración del modelo

3.2 Comportamientos comerciales comunes

Los comerciantes en nuestro modelo de simulación tienen algunos comportamientos en común, por ejemplo, enviar y cancelar pedidos. Podemos suponer que hay un cierto tipo de agente llamado “agente base”, y todos los comerciantes en nuestro modelo heredan las funcionalidades de este agente base. Específicamente, todos los comerciantes en el modelo tienen comportamientos comunes de la siguiente manera.

• Cada operador tiene un parámetro θ, que controla la probabilidad de enviar un orden límite. El valor de θ depende del tipo de operadores y también varía durante la simulación, pero el comportamiento dado un valor θ es común para todos los tipos de operadores. Es decir, para cada paso de simulación, si p ∈ U (0, 1)[4] <θ, el comerciante colocará una orden límite, de lo contrario no se toma medidas. Tenga en cuenta que el lado específico del pedido (comprar o vender) depende del tipo de comerciante y las condiciones del mercado. El valor de θ podría ser cero para algunos comerciantes, lo que significa que los comerciantes correspondientes no envían órdenes de límite.

• Cada operador tiene un parámetro µ. La función de µ es idéntica al parámetro θ, excepto que µ controla la probabilidad de enviar una orden de mercado. Related a θ, el valor de µ es diferente para diferentes tipos de comerciantes y varía para diferentes marcas de tiempo. Para cada paso de simulación, si p ∈ U (0, 1) <µ, el comerciante colocará un orden de mercado, de lo contrario no se toman medidas. El lado específico de la orden de mercado también depende del tipo de comerciante y las condiciones del mercado. Related a θ, el valor de µ también puede ser cero para algún tipo explicit de operadores.

• Cada tipo de operador tiene un parámetro δ. Independientemente del precio y el lado del pedido, cada orden límite tiene una probabilidad de cancelación de δ en cada paso de simulación. El valor de δ depende del tipo de comerciante que coloca el orden, y se calibra utilizando datos de mercado históricos para crear comportamientos de la cargos de pedidos límite realistas. En el modelo presentado, todos los comerciantes comparten el mismo valor para δ excepto los fabricantes de mercado, que tienen un valor más alto de δ. Esto refleja el hecho de que los pedidos presentados por los fabricantes de mercado tienden a tener una tasa de cancelación / reemplazo mucho más alta.

• En el modelo propuesto, los comerciantes de impulso a corto plazo, los comerciantes de impulso a largo plazo y los comerciantes de ruido tienen un parámetro llamado ρ, que controla la relación entre el número de órdenes de mercado y los pedidos limitados realizados por el mismo comerciante. Es decir, para cada operador de estos tres tipos, existe una relación fija entre θ y µ: µ = θ ∗ ρ. Esta relación permite una relación realista entre el número de órdenes de mercado y los pedidos limitados en el mercado financiero simulado y el valor de ρ se selecciona de acuerdo con los datos de pedidos históricos.

• El volumen V para cada pedido es de 100, independientemente del orden límite o el orden de mercado.

A pesar de los comportamientos comunes del comerciante, cada tipo de operador sigue diferentes heurísticas comerciales y tiene diferentes valores para los parámetros asociados. Por ejemplo, los comerciantes fundamentales solo presentan órdenes de mercado. Los fabricantes de mercado presentan órdenes límite en el tiempo de negociación regular. Solo después de que se alcance el límite de inventario, los fabricantes de mercado presentarán órdenes de mercado para reducir su riesgo de inventario. Los tipos restantes de operadores presentan tanto órdenes limitadas como órdenes de mercado durante las horas de negociación, con el objetivo de mantener una relación fija entre el número de órdenes límite y el número de órdenes de mercado. El resto de la sección describe las heurísticas del comportamiento comercial para cada tipo de operador con más detalle. Las descripciones para todos los parámetros involucrados en el modelo propuesto se resumen en el Apéndice A.

3.3 comerciante basic (FT)

Autores:

(1) Kang Gao, Departamento de Computación, Imperial Faculty London, Londres SW7 2az, Reino Unido y Simudyne Restricted, Londres EC3V 9DS, Reino Unido ([email protected]);

(2) Perukrishnen Vytelingum, Simudyne Restricted, Londres EC3V 9DS, Reino Unido;

(3) Stephen Weston, Departamento de Computación, Imperial Faculty London, Londres SW7 2az, Reino Unido;

(4) Wayne Luk, Departamento de Computación, Imperial Faculty London, Londres SW7 2az, Reino Unido;

(5) CE Guo, Departamento de Computación, Imperial Faculty London, Londres SW7 2az, Reino Unido.


fuente

LEAVE A REPLY

Please enter your comment!
Please enter your name here