agent-based computational economics: simulations in finance doktorandenseminar simulationen...
TRANSCRIPT
Agent-Based Computational Economics:
Simulations in Finance
Doktorandenseminar
Simulationen
Sommersemester 2002
Joachim Wack
Dipl. KaufmannJoachim Wack
DoktorandenseminarSimulationenSS 2002
Agenda
0. Agenda
1. Finanzmarktmodelle
2. Simulationplattform SWARM
3. Finanzwirtschaftliche Forschung mit SWARM
4. Fazit
5. Diskussion
Joachim Wack DoktorandenseminarSimulationenSS 2002
Joachim Wack DoktorandenseminarSimulationenSS 2002
1. Finanzmarktmodelle
FinanzmarktmodelleJoachim Wack Doktorandenseminar
SimulationenSS 2002
Das neoklassische Finanzmarktmodell
• homogene rationale Erwartungen• homogene Information
Marktverhalten:• keine Spekulationsblasen• geringes Handelsvolumen• gehandelter Preis = fundamentaler Preis
pt = E [dt+1 | It] + E [pt+1 | It]
LiquiditätsbedarfKonsumPortfolioumschichtung
FinanzmarktmodelleJoachim Wack Doktorandenseminar
SimulationenSS 2002
Reales Finanzmarktmodell
heterogene rationale und irrationale Erwartungenheterogene, nicht für alle verfügbare Informationen und
NOISE
Marktverhalten:Spekulationsblasen, Crashes ...hohes Handelsvolumengehandelter Preis =, < , > fundamentaler Preis
FinanzmarktmodelleJoachim Wack Doktorandenseminar
SimulationenSS 2002
Preisbestimmung unter Noise-Bedingungen:
NOISE
pt = j,t (E [dt+1 | Ijt] + E [pt+1 | Ijt])
Ijt: Marktinformationen des Agenten j zum Zeitpunkt t
Joachim Wack DoktorandenseminarSimulationenSS 2002
2. Die SimulationsplattformSWARM
SWARMJoachim Wack Doktorandenseminar
SimulationenSS 2002
• 1995 Santa Fe Institut• objektorientierte Open-Source Agentenplattform• Umfangreiche Klassenbibliothek• Objective C / Java
Grundkonstrukt: SWARM
A
A
AA
A
A
Swarm
A
A
A
Swarm
Agent
PC
Joachim Wack DoktorandenseminarSimulationenSS 2002
3. Finanzwirtschaftliche Forschung mit SWARM
ASMJoachim Wack Doktorandenseminar
SimulationenSS 2002
• Finanzmarkt mit 2 Anlagemöglichkeiten• Mittelbarer Handel über Auktionator• Homogene Trader• Heterogene Erwartungen möglich• Lernende Agenten durch
• Erfahrung und• genetischen Algorithmus
Artificial Stock Market (ASM):
• Santa Fe Institute
ASMJoachim Wack Doktorandenseminar
SimulationenSS 2002
fester Zins
endogenendogen
exogenexogen
PreistrendPreisindikator
Information
Trader
Auktionator
Dividende
Preis
Risiko
Risikolos
ASMJoachim Wack Doktorandenseminar
SimulationenSS 2002
Prädiktoren:
Werte:0: Information trifft nicht zu 1: Information trifft zu#: Information nicht evaluiert
12 Bits:1-6: Preisindiktoren; fundamentale Informationsbits7-10: Preistrend; technische Informationsbits 11-12: Kontrollbits
Bsp.: ( # 1 # 0 # # # 1 # # # 1 0 ) / (0,8 ; 0)
Linearkombination des Erwartungswertes
Präferenzliste
ASMJoachim Wack Doktorandenseminar
SimulationenSS 2002
Genetischer Algorithmus
• in festen Zeitabschnitten
• Generierung neuer Prädiktoren
• Austausch neuer gegen alte Prädiktoren
• nach ausgiebigem Test eingesetzt
ASMJoachim Wack Doktorandenseminar
SimulationenSS 2002
Ergebnisse:
• geringem Handelsvolumen
• Marktpreis = Fundamentaler Wert der Aktie
• Induktive Verwendung rein fundamentaler Informationsbits
gen. Alg. ~ 1000 Per.Laufzeit: 250000 Per.
Langsam lernende Trader führen zu
ASMJoachim Wack Doktorandenseminar
SimulationenSS 2002
Ergebnisse:
• hohem Handelsvolumen
• Marktpreis >;<;= fundamentalem Wert der Aktie
• starke Verwendung technischer Informationsbits
gen. Alg. ~ 250 Per.Laufzeit: 250000 Per.
Schnell lernende Trader führen zu
Jares ModellJoachim Wack Doktorandenseminar
SimulationenSS 2002
• Finanzmarkt mit 2 Anlagemöglichkeiten• Mittelbarer Handel über Auktionator
• Heterogene Trader• 2 Trader-Klassen:
• Fundamental Trader• Noise Trader
• Heterogene Erwartungen
Jares-Finanzmarkt-Modell:
• Timothy E. Jares
Jares ModellJoachim Wack Doktorandenseminar
SimulationenSS 2002
Fundamental Trader Noise Trader
Market Statistician
MktModelSwarm
Market Maker
GeboteGebote
Information Information
Information
Jares ModellJoachim Wack Doktorandenseminar
SimulationenSS 2002
Trader-Klassen: Fundamental Trader
Fundamental TraderHandeln streng nach dem Prinzipien der rationalen ErwartungGlaube an einen effizienten Markt
Buy and Hold TraderVersuchen Aktien so lange wie möglich zu halten
Efficient Market TradersGlauben an den effizienten MarktMissachtung der fundamentalen Werte
Erroneous fundamental TraderWie Fundamental Trader nur mit stochastischem Fehler
Jares ModellJoachim Wack Doktorandenseminar
SimulationenSS 2002
Trader-Klassen: Noise Trader
Optimistic TraderWie Erroneous Trader nur immer mit positivem Fehler
Trend ChaserRichtet sich immer nach dem aktuellen Preistrend
Pessimistic Trader Wie Erroneous Trader nur immer mit negativem
Fehler
Jares ModellJoachim Wack Doktorandenseminar
SimulationenSS 2002
Ergebnisse:
• nie Dominanz von Fundamental Trader
• Trendchaser werden eliminiert
• Optimistic oder Pessimistic Trader dominieren den Markt
Überwiegende Dominanz der Optimistic Trader
korrelierende Annahmen
Aktie immer > 0
Selbsterfüllu
ng!
Jares ModellJoachim Wack Doktorandenseminar
SimulationenSS 2002
Ergebnisse:
• Short Selling / Margin Buying:
– Handelsvolumen steigt– Trend Chaser und Pessimistic Trader eliminiert
• Ohne Noise Trader - Klasse:
– Erroneous Trader übernehmen „Noise-Trader-Rolle“– Fundamental Trader setzen sich langfristig durch
ModellvergleichJoachim Wack Doktorandenseminar
SimulationenSS 2002
• SWARM
• reale Finanzmärkte
• 2 Anlagemöglichkeiten (keine Risikodiversifizierung)
• Simulation heterogener Erwartungen
• Mittelbarer Handel über Auktionator
Gemeinsamkeiten:
ModellvergleichJoachim Wack Doktorandenseminar
SimulationenSS 2002
Unterschiede
unterschiedliche Dividendenermittlung ...
identische Trader verschiedene Trader Klassen
TRADER
Lernfähigkeine
LernfähigkeitLERNEN
Short Selling /Margin BuyingNoise Trader
genetischer Algorithmus IMPULSE
auswählbarer Auktionator
fester Auktionator
AUKTIONATOR
ASM Jares-Modell
ModellintegrationJoachim Wack Doktorandenseminar
SimulationenSS 2002
Fundamental Trader:
• reine fundamental Trader Prädiktoren: nur fundamentalen Informationsbits
• Erroneous Fundamental Traderfehlerhafte Prädiktoren oderFehlergenerator in gen. Algorithmus
Neue Subklassen der BFAgent-class:
Jares-Modell in ASM
ModellintegrationJoachim Wack Doktorandenseminar
SimulationenSS 2002
Noise Trader:
• Trend ChaserPrädiktoren: nur technische Informationsbits
• Optimistic TraderFehler wie bei E F T, zufällig positive TrendsBeachtung nur der positiven technischen Informationsbits
• Pessimistic TraderFehler wie bei E F T; zufällig negative TrendsBeachtung nur der negativen technischen Informationsbits
Gruppenauswertung der Traderklassen
ModellintegrationJoachim Wack Doktorandenseminar
SimulationenSS 2002
• Erzeugung der neuen BFAgent- Traderklasse
• Modifikation des Agent ini-files
• Integration der „World“ Klasse
• Integration bzw. Anpassung zahlreicher Funktionen (z.B. Dividende, Schnittstelle zum Auktionator etc.)
• Integration in Auswertungstools
Jares-Modell ASM in
ModellintegrationJoachim Wack Doktorandenseminar
SimulationenSS 2002
Generierung eines neuen Tradertyp
• in Anlehnung an den ASM-Trader• mit genetischen Algorithmus und• Lernfähigkeit
Alternative:
Jares-Modell ASM in
Joachim Wack DoktorandenseminarSimulationenSS 2002
4. Fazit
FazitJoachim Wack Doktorandenseminar
SimulationenSS 2002
ASM:Implementieren von „lernen“ in den Finanzmarktaber: Lerneffekt stark vereinfacht
Jares:Einführung von Noise in den Finanzmarktaber: Noise Trader stark vereinfacht
Zukünftige Aufgabe:
Modellintegration
Joachim Wack DoktorandenseminarSimulationenSS 2002
Agent-Based Computational Economics: Simulations in Finance
Diskussion