[論文レビュー] ABIDES: Towards High-Fidelity Market Simulation for AI Research

David R. Byrd, Maria Hybinette+1 more|arXiv (Cornell University)|Apr 26, 2019

Distributed and Parallel Computing Systems参考文献 7被引用数 35

ひとこと要約

ABIDES は AI 研究のために設計されたエージェントベースの離散イベント市場シミュレータで、構成可能な待機遅延と履歴日付のリプレイを備えた高忠実度・ナノ秒精度の取引シミュレーションを実現します。

ABSTRACT

We introduce ABIDES, an Agent-Based Interactive Discrete Event Simulation environment. ABIDES is designed from the ground up to support AI agent research in market applications. While simulations are certainly available within trading firms for their own internal use, there are no broadly available high-fidelity market simulation environments. We hope that the availability of such a platform will facilitate AI research in this important area. ABIDES currently enables the simulation of tens of thousands of trading agents interacting with an exchange agent to facilitate transactions. It supports configurable pairwise network latencies between each individual agent as well as the exchange. Our simulator's message-based design is modeled after NASDAQ's published equity trading protocols ITCH and OUCH. We introduce the design of the simulator and illustrate its use and configuration with sample code, validating the environment with example trading scenarios. The utility of ABIDES is illustrated through experiments to develop a market impact model. We close with discussion of future experimental problems it can be used to explore, such as the development of ML-based trading algorithms.

研究の動機と目的

• 市場アプリケーションのための configurable でオープンソースのプラットフォームを提供する。
• 現実的な待機遅延と計算遅延を伴う高忠実度の連続ダブルオークション市場のシミュレーションを実現する。
• 実験を制御可能にするための歴史的な市場日付のリプレイと操作を可能にする。
• 中央集権的で時刻同期されたエージェントログを用いた学習と説明可能性をサポートする。
• 背景エージェントの現実性と大口注文の市場影響に関するケーススタディを通じて有用性を示す。

提案手法

• ナノ秒時間解像度とエージェントごとの現在時刻追跡を備えたエージェントベースの離散イベントカーネル。
• 検証済みの NASDAQ 風 ITCH/OUCH プロトコルスタックによるエージェント間のメッセージベース通信。
• 完全なログ記録、板情報のマッチング、遅延に由来するスリippage を含む取引所と板のモデリング。
• 共置と遅延効果を模擬するための構成可能な対になるネットワーク遅延と計算遅延。
• NumPy と Pandas を用いたオープンソースの Python 実装と、構成可能な実験ブートストラッパーとエージェント階層。
• 背景エージェントの現実性と単一の大口注文による市場影響実験を含むケーススタディ。

実験結果

リサーチクエスチョン

• RQ1 AI 研究に適した高忠実度のオープンソース市場シミュレータをどう作るか。
• RQ2 現実的な市場マイクロストラクチャとエージェント挙動を生み出すのに必要な待機と計算遅延の設定は何か。
• RQ3 過去日付のリプレイと制御された摂動は市場ダイナミクスの因果実験を可能にするか。
• RQ4 大規模な市場注文が現実的なマルチエージェント環境で価格にどのような影響を与え、取引サイズと利益はどのようにスケールするか。
• RQ5 市場シミュレーションにおける学習エージェントの説明性と分析を可能にする機能は何か。

主な発見

• ABIDES は、背景エージェントが取引所と相互作用する日中の価格挙動を履歴データの再現日で再現できる。
• 単一の大口市場注文（影響エージェント）は測定可能な市場影響を生み出し、影響はトレーダーの「欲張り」パラメータと取引サイズとともに増加する。
• 影響取引の利益は入札が大きくなるにつれて増えるが、1株あたりの利益は取引サイズが大きくなると減少することがある。
• 市場影響の研究は価格とその後の取引パターンに明確な影響を示し、日を超えたイベント対応分析を可能にする。
• このプラットフォームは学習エージェントのポリシーの説明性を促進する詳細なイベントログを提供する。
• モメンタム型エージェントと背景エージェントは、機械学習/AI エージェントを現実的な市場シミュレーションに統合する実現可能性を示している。