رفتن به محتوا
همه اسناد کتابخانه

تکامل استراتژی‌ها و پیچیدگی در بازار سهام مصنوعی

مقاله arXiv papers · نویسنده: Chun-Xia Yang et al.

خلاصه

این پژوهش بازاری مصنوعی و چندعاملی را توصیف می‌کند که در آن عاملان برای انتخاب معامله از حافظه محدود قیمت‌های گذشته استفاده می‌کنند. استراتژی‌های معاملاتی آن‌ها از طریق فرایندی خودآموز تغییر می‌کند و به مدل امکان می‌دهد تحول رفتار بازار را با افزایش جمعیت بررسی کند.

شبیه‌سازی‌ها در مقایسه با فرایندی نرمال، حرکت‌های بزرگ قیمت را به‌دفعات تولید می‌کنند. توزیع مرکزی بازده‌ها شکل لوی دارد و دنباله‌ها تقریباً به‌صورت نمایی بریده می‌شوند. نویسندگان همچنین معیاری برای پیچیدگی سامانه تعریف می‌کنند و با افزایش تعداد عاملان، از گذار به مرحله‌ای پیچیده‌تر از مرحله ساده‌تر گزارش می‌دهند. این نتایج حاصل شبیه‌سازی‌اند؛ متن نه کالیبراسیون با بازارهای واقعی دارد و نه جزئیات پارامترهای مدل را بیان می‌کند، بنابراین گستره ارتباط تجربی آن روشن نیست.

ایده‌های کلیدی

  • عاملان بر پایه تاریخچه محدود قیمت سهام و استراتژی‌های در حال تحول تصمیم می‌گیرند.
  • سازوکاری خودآموز استراتژی‌های عاملان را در گذر زمان تغییر می‌دهد.
  • بازار شبیه‌سازی‌شده نسبت به فرایند نرمال رویدادهای بزرگ قیمت را به‌دفعات تولید می‌کند.
  • بازده‌ها توزیعی با مرکز شبیه لوی و برش دنباله تقریباً نمایی نشان می‌دهند.
  • با رشد جمعیت عاملان، پیچیدگی اندازه‌گیری‌شده سامانه از مرحله‌ای ساده‌تر به مرحله‌ای پیچیده‌تر می‌رود.

برچسب‌ها

متن کامل
# Study on Evolvement Complexity in an Artificial Stock Market


# Study on Evolvement Complexity in an Artificial Stock Market









An artificial stock market is established based on multi-agent . Each agent has a limit memory of the history of stock price, and will choose an action according to his memory and trading strategy. The trading strategy of each agent evolves ceaselessly as a result of self-teaching mechanism. Simulation results exhibit that large events are frequent in the fluctuation of the stock price generated by the present model when compared with a normal process, and the price returns distribution is Lévy distribution in the central part followed by an approximately exponential truncation. In addition, by defining a variable to gauge the "evolvement complexity" of this system, we have found a phase cross-over from simple-phase to complex-phase along with the increase of the number of individuals, which may be a ubiquitous phenomenon in multifarious real-life systems.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.