Адаптивный моделист
 | |
| Оригинальный автор(ы) | Джим Уиткам |
|---|---|
| Разработчик(и) | В другом месте |
| Первоначальный выпуск | 26 августа 2005 г |
| Стабильная версия | 1.6.0 / 20 июля 2020 г [1] |
| Операционная система | Окна |
| Платформа | .Net Framework 4.8 |
| Доступно в | Английский |
| Тип | Программное обеспечение для финансовых рынков |
| Лицензия | Фримиум |
| Веб-сайт | www |
Altreva Adaptive Modeler — это программное приложение для создания агентских имитационных моделей финансового рынка с целью прогнозирования цен на акции или другие ценные бумаги, торгуемые на реальном мировом рынке. [2] Технология, которую он использует, основана на теории агентной вычислительной экономики (ACE), вычислительном исследовании экономических процессов, моделируемых как динамические системы взаимодействующих гетерогенных агентов .
Adaptive Modeler компании Altreva и другие агентные модели используются для моделирования финансовых рынков, чтобы охватить сложную динамику большого количества инвесторов и трейдеров с разными стратегиями, разными временными рамками торговли и разными инвестиционными целями. [3] Агентные модели, основанные на гетерогенных и ограниченно рациональных (обучающихся) агентах, показали, что они способны объяснить эмпирические особенности финансовых рынков лучше, чем традиционные финансовые модели, основанные на репрезентативных рациональных агентах. [4]
Технология
[ редактировать ]Программное обеспечение создает агентскую модель для конкретной акции, состоящую из совокупности трейдерских агентов и виртуального рынка. Каждый агент представляет собой виртуального трейдера/инвестора и имеет свои собственные правила торговли и средства. Затем модель развивается шаг за шагом следующим образом: на каждом этапе импортируется новая (историческая) реальная рыночная цена. Все агенты оценивают свои торговые правила и размещают заказы на виртуальном рынке. Затем виртуальный рынок определяет клиринговую цену и выполняет все соответствующие ордера. Клиринговая цена принимается в качестве прогноза реальной рыночной цены следующего шага. (Таким образом, виртуальный рынок служит рынком прогнозирования на один шаг вперед для реального рынка). Этот процесс повторяется для каждой новой полученной реальной рыночной цены. Между тем, правила торговли развиваются посредством особой адаптивной формы генетического программирования . Таким образом, прогнозы основаны на поведении всего рынка, а не только на наиболее эффективном торговом правиле. Это призвано повысить надежность модели и ее способность адаптироваться к меняющимся рыночным обстоятельствам. [5]
Чтобы избежать переобучения (или подгонки кривой ) к историческим данным - и в отличие от многих других методов, используемых в торговом программном обеспечении, таких как оптимизация торговых правил путем повторного тестирования , генетических алгоритмов и нейронных сетей - Adaptive Modeler не оптимизирует торговые правила на исторических данных. Вместо этого его модели постепенно развиваются на основе доступных данных о ценах, так что агенты испытывают каждое изменение цен только один раз (как в реальном мире). Также нет разницы в обработке исторических и новых ценовых данных. Таким образом, нет конкретной причины ожидать, что проверенная на исторических данных эффективность модели лучше, чем ее будущая эффективность (в отличие от случаев, когда торговые правила были оптимизированы на исторических данных). Таким образом, исторические результаты можно считать более значимыми, чем результаты, продемонстрированные методами, основанными на оптимизации. [6]
Примеры и варианты использования
[ редактировать ]В примере модели индекса S&P 500 : [7] Adaptive Modeler демонстрирует значительную избыточную доходность с поправкой на риск после транзакционных издержек. На проверенных исторических данных о ценах за период 58 лет (1950–2008 гг.) была достигнута совокупная среднегодовая доходность 20,6%, за которой следовала совокупная среднегодовая доходность 22,2% в течение следующих 6 лет вне выборки. (2008-2014).
Adaptive Modeler использовался в исследовании, чтобы продемонстрировать возросшую сложность торговых правил в модели эволюционного прогнозирования в критический период истории компании. [8]
При исследовании прибыльности технической торговли на валютных рынках исследователи, использующие Adaptive Modeler, обнаружили экономически и статистически значимую избыточную доходность за пределами выборки (после транзакционных издержек) для шести наиболее торгуемых валютных пар. Результаты оказались выше, чем при использовании традиционных эконометрических моделей прогнозирования. [9]
Adaptive Modeler также использовался для изучения влияния различных уровней рациональности трейдера на свойства и эффективность рынка . [10] Было обнаружено, что искусственные рынки с более умными трейдерами (по сравнению с рынками с менее умными трейдерами или трейдерами с нулевым интеллектом ) показали лучшие показатели прогнозирования, хотя также имели более высокую волатильность и меньший объем торгов (что согласуется с более ранними результатами). Рынки с более умными трейдерами также лучше всего воспроизводили стилизованные факты реальных финансовых рынков.
В качестве примера виртуальной разумной жизни в сложной системе (такой как фондовый рынок) Adaptive Modeler использовался как иллюстрация простых агентов, взаимодействующих сложным ( нелинейным ) способом для прогнозирования цен на акции. [11]
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ «Альтрева Ньюс» . altreva.com . Проверено 24 марта 2021 г.
- ^ «Лаборатории и демо-версии ACE Comp» . Факультет экономики Университета штата Айова . Проверено 29 октября 2014 г.
- ^ Джубин, Бренда (17 октября 2009 г.). «Чтение рынков: идеи из финансовой литературы» . Проверено 29 октября 2014 г.
- ^ ЛеБарон, Блейк (2006). «Агентские финансовые рынки: сочетание стилизованных фактов со стилем». Поствальрасианская макроэкономика . стр. 221–236. CiteSeerX 10.1.1.125.997 . дои : 10.1017/CBO9780511617751.013 . ISBN 9780511617751 .
- ^ «Альтрева технология» . Альтрева . Проверено 29 октября 2014 г.
- ^ «Адаптивный моделист» . Альтрева . Проверено 29 октября 2014 г.
- ^ «Примеры моделей» . Альтрева . Проверено 29 октября 2014 г.
- ^ Низкая корреляция между дивидендами и доходностью: дело Alitalia. Архивировано 15 февраля 2010 г. в Wayback Machine . Федерико Чеккони и Стефано Заппакоста, IASTED Proceeding Modeling and Simulation, 2008.
- ^ Новое свидетельство прибыльности технической торговли . Виктор Манахов и Роберт Хадсон, Экономический бюллетень, 2013, том 33, выпуск 4.
- ^ Манахов Виктор (2014). «Влияние когнитивных способностей трейдера на свойства фондового рынка». Интеллектуальные системы в бухгалтерском учете, финансах и менеджменте . 21 : 1–18. дои : 10.1002/isaf.1348 .
- ^ «Применение экстренного поведения на финансовых рынках» (PDF) . ООО Зло . Проверено 29 октября 2014 г.