コンテンツへスキップ
ライブラリの全資料

CGANによる市場反応型の合成市場シミュレーション

記事 arXiv papers · 著者: Andrea Coletta et al.
原文を読む

サマリー

この論文は、過去データを再生するバックテストの限界を扱っています。こうしたバックテストでは、戦略の行動に市場がどう反応するかをモデル化できません。異なる戦略を持つトレーダー間の相互作用を表現する方法としてマルチエージェントシミュレーションを説明し、実験用のトレードエージェントをシミュレーション市場で検証できるようにします。実務上の課題は、個々のエージェントに関する詳細な過去データが一般に非公開または入手不能であり、現実的な較正が難しいことです。

提案手法では、条件付き敵対的生成ネットワークを集計済みの過去データで学習させ、実験用エージェントに応じて注文を生成する合成の「世界」エージェントを作ります。生成器はABIDES金融市場シミュレーターに統合されています。著者らは大規模なシミュレーションを実施し、市場の反応性と現実性を捉えるための様式化された事実について、提案手法が先行研究を上回ったと報告しています。説明では具体的な事実、データセット、市場、パフォーマンス指標は特定されておらず、シミュレーション結果だけでは生成環境が実市場の動きを予測できるとは示せません。

主なアイデア

  • 過去データの再生によるバックテストでは、戦略の注文に対する市場の反応をモデル化できません。
  • マルチエージェントシミュレーションは、異なる戦略を持つトレーダー間の相互作用を表現できます。
  • この手法では、集計済みの過去データで学習させた条件付き敵対的生成ネットワークを使います。
  • 合成の世界エージェントが、実験用のトレードエージェントに応じて注文を生成します。
  • システムはABIDESに統合され、現実性に関する様式化された事実の改善が報告されています。

タグ

機械学習バックテスト市場マイクロストラクチャー注文執行統計
全文
# Towards Realistic Market Simulations: a Generative Adversarial Networks Approach


# Towards Realistic Market Simulations: a Generative Adversarial Networks Approach









Simulated environments are increasingly used by trading firms and investment banks to evaluate trading strategies before approaching real markets. Backtesting, a widely used approach, consists of simulating experimental strategies while replaying historical market scenarios. Unfortunately, this approach does not capture the market response to the experimental agents' actions. In contrast, multi-agent simulation presents a natural bottom-up approach to emulating agent interaction in financial markets. It allows to set up pools of traders with diverse strategies to mimic the financial market trader population, and test the performance of new experimental strategies. Since individual agent-level historical data is typically proprietary and not available for public use, it is difficult to calibrate multiple market agents to obtain the realism required for testing trading strategies. To addresses this challenge we propose a synthetic market generator based on Conditional Generative Adversarial Networks (CGANs) trained on real aggregate-level historical data. A CGAN-based "world" agent can generate meaningful orders in response to an experimental agent. We integrate our synthetic market generator into ABIDES, an open source simulator of financial markets. By means of extensive simulations we show that our proposal outperforms previous work in terms of stylized facts reflecting market responsiveness and realism.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。