Agent-Based Computational Economics: Simulations in Finance Doktorandenseminar Simulationen Sommersemester 2002 Joachim Wack Dipl. Kaufmann Joachim Wack

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


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


SimulationenSS 2002

Reales Finanzmarktmodell

heterogene rationale und irrationale Erwartungenheterogene, nicht für alle verfügbare Informationen und

NOISE

Marktverhalten:Spekulationsblasen, Crashes ...hohes Handelsvolumengehandelter Preis =, < , > fundamentaler Preis


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


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


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


SimulationenSS 2002

fester Zins

endogenendogen

exogenexogen

PreistrendPreisindikator

Information

Trader

Auktionator

Dividende

Preis

Risiko

Risikolos


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


SimulationenSS 2002

Genetischer Algorithmus

• in festen Zeitabschnitten

• Generierung neuer Prädiktoren

• Austausch neuer gegen alte Prädiktoren

• nach ausgiebigem Test eingesetzt


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


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


SimulationenSS 2002

Fundamental Trader Noise Trader

Market Statistician

MktModelSwarm

Market Maker

GeboteGebote

Information Information

Information


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


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


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!


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


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


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


SimulationenSS 2002

Generierung eines neuen Tradertyp

• in Anlehnung an den ASM-Trader• mit genetischen Algorithmus und• Lernfähigkeit

Alternative:

Jares-Modell ASM in


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


Agent-Based Computational Economics: Simulations in Finance

Diskussion

Documents

Agent-Based Computational Economics: Simulations in Finance Doktorandenseminar Simulationen Sommersemester 2002 Joachim Wack Dipl. Kaufmann Joachim Wack