Évolution des stratégies et complexité d’un marché boursier artificiel

Résumé

Cette étude décrit un marché boursier artificiel multi-agents dans lequel les agents s’appuient sur une mémoire limitée des prix passés pour choisir leurs transactions. Leurs stratégies de trading évoluent par un processus d’auto-apprentissage, ce qui permet au modèle d’examiner l’évolution du comportement du marché à mesure que la population augmente.

Les simulations produisent fréquemment de fortes variations de prix par rapport à un processus normal. Les rendements présentent une distribution centrale de forme lévyenne, avec une troncature approximativement exponentielle dans les queues. Les auteurs définissent également une mesure de la complexité du système et rapportent une transition d’une phase plus simple vers une phase plus complexe à mesure que le nombre d’agents augmente. Il s’agit de résultats de simulation ; l’extrait ne fournit ni calibrage sur les marchés réels ni détails sur les paramètres du modèle, de sorte que sa portée empirique reste incertaine.

Idées clés

• Les agents fondent leurs actions sur un historique limité des cours boursiers et des stratégies en évolution.
• Un mécanisme d’auto-apprentissage fait évoluer les stratégies des agents au fil du temps.
• Le marché simulé produit fréquemment de fortes variations de prix par rapport à un processus normal.
• Les rendements présentent un centre de type lévyen et une troncature approximativement exponentielle des queues.
• La complexité mesurée du système passe d’une phase plus simple à une phase plus complexe lorsque la population d’agents augmente.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.