인공 주식 시장의 전략 진화

기사 arXiv papers · 저자: Chun-Xia Yang et al.

요약

이 연구는 행위자들이 과거 가격에 대한 제한된 기억을 바탕으로 거래를 선택하는 다중 행위자 인공 주식 시장을 설명합니다. 자기학습 과정을 통해 트레이딩 전략이 변하며, 이 모형으로 참여자 수가 늘어날 때 시장 거동이 어떻게 바뀌는지 살펴봅니다.

시뮬레이션에서는 정규 과정에 비해 큰 가격 변동이 자주 나타납니다. 수익률 분포의 중심부는 레비형을 띠고 꼬리에서는 대략 지수적으로 잘립니다. 저자들은 시스템 복잡도 지표도 정의하고 행위자 수가 늘면서 단순한 국면에서 더 복잡한 국면으로 전환한다고 보고합니다. 이는 시뮬레이션 결과입니다. 발췌문에는 실제 시장에 맞춘 보정이나 모형 매개변수의 세부 정보가 없어 실증적 적용 범위는 분명하지 않습니다.

핵심 아이디어

행위자들은 제한된 주가 이력과 변화하는 전략을 바탕으로 행동합니다.
자기학습 메커니즘으로 시간이 지나면서 행위자들의 전략이 바뀝니다.
시뮬레이션 시장에서는 정규 과정에 비해 큰 가격 변동이 자주 발생합니다.
수익률은 레비형 중심부와 대략 지수적인 꼬리 절단을 보입니다.
행위자 수가 증가하면 측정된 시스템 복잡도가 단순한 국면에서 더 복잡한 국면으로 바뀝니다.

# 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.

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

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

인공 주식 시장의 전략 진화와 복잡성

요약

핵심 아이디어

태그