장중 시장 모델 보정과 XGBoost

기사 arXiv papers · 저자: Kang Gao et al.

요약

이 글은 장중 가격 움직임을 재현하도록 확장된 Chiarella 에이전트 기반 시장 모델을 보정하는 방법인 XGB-Chiarella를 소개합니다. 시뮬레이션 시장에는 펀더멘털, 모멘텀, 노이즈 트레이더가 포함됩니다. 기존 Expectation-Maximisation 접근법으로 모델 매개변수를 추정하는 대신, 에이전트 기반 시뮬레이션을 효율적으로 근사하는 대리 모델로 XGBoost를 사용합니다.

저자들은 대리 모델이 시뮬레이션을 근사하며, 이 모델의 보정이 기존 매개변수 추정 방법보다 과거의 정형화된 사실에 더 잘 부합한다고 보고합니다. 또한 연구한 분 단위 수준에서는 트레이더 범주마다 에이전트 하나만으로도 세 거래소 주식의 현실적인 가격 시계열을 생성할 수 있다고 보고합니다. 이 결과는 논문에서 설명한 모델과 보정에 관한 것입니다. 요약에는 상세한 검증 지표나 생성된 가격이 미래 수익률을 예측한다는 증거가 없습니다. 저자들은 이 프레임워크가 실무자가 가격 형성과 리스크 관리를 살펴보는 데 도움이 될 수 있다고 제안합니다.

핵심 아이디어

확장된 Chiarella 모델은 펀더멘털, 모멘텀, 노이즈 트레이더를 나타냅니다.
XGBoost 대리 모델을 사용해 에이전트 기반 시뮬레이션을 보정합니다.
논문은 기존 추정 접근법보다 과거 정형화된 사실에 더 잘 부합한다고 보고합니다.
이 모델은 세 거래소의 주식에 분 단위 시간 규모로 적용됩니다.
보고된 가격의 현실성만으로 예측 기반 트레이딩 가치가 입증되는 것은 아닙니다.

This article presents XGB-Chiarella, a powerful new approach for deploying agent-based models to generate realistic intra-day artificial financial price data. This approach is based on agent-based models, calibrated by XGBoost machine learning surrogate. Following the Extended Chiarella model, three types of trading agents are introduced in this agent-based model: fundamental traders, momentum traders, and noise traders. In particular, XGB-Chiarella focuses on configuring the simulation to accurately reflect real market behaviours. Instead of using the original Expectation-Maximisation algorithm for parameter estimation, the agent-based Extended Chiarella model is calibrated using XGBoost machine learning surrogate. It is shown that the machine learning surrogate learned in the proposed method is an accurate proxy of the true agent-based market simulation. The proposed calibration method is superior to the original Expectation-Maximisation parameter estimation in terms of the distance between historical and simulated stylised facts. With the same underlying model, the proposed methodology is capable of generating realistic price time series in various stocks listed at three different exchanges, which indicates the universality of intra-day price formation process. For the time scale (minutes) chosen in this paper, one agent per category is shown to be sufficient to capture the intra-day price formation process. The proposed XGB-Chiarella approach provides insights that the price formation process is comprised of the interactions between momentum traders, fundamental traders, and noise traders. It can also be used to enhance risk management by practitioners.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.

XGBoost로 장중 에이전트 기반 시장 모델 보정

요약

핵심 아이디어

태그