[論文レビュー] Scalability and Optimisation of a Committee of Agents Using Genetic Algorithm

Tshilidzi Marwala, Philippe De Wilde+6 more|arXiv (Cornell University)|May 12, 2007

Stock Market Forecasting Methods参考文献 6被引用数 17

ひとこと要約

本稿では、株式市場シミュレーションのスケーラブルなマルチエージェントシステムを提案する。委員会形式のニューラルネットワークベースのエージェントが遺伝的アルゴリズムによって最適化され、株価の予測と取引が行われる。このシステムはエージェントおよびプレイヤー数に対して線形の計算スケーリングを示し、ダウ・ヨーンズ、ナスダック、S&P 500指数において、取引意思決定において単一のエージェントが独占的優位を獲得しないことを保証する。

ABSTRACT

A population of committees of agents that learn by using neural networks is implemented to simulate the stock market. Each committee of agents, which is regarded as a player in a game, is optimised by continually adapting the architecture of the agents using genetic algorithms. The committees of agents buy and sell stocks by following this procedure: (1) obtain the current price of stocks; (2) predict the future price of stocks; (3) and for a given price trade until all the players are mutually satisfied. The trading of stocks is conducted by following these rules: (1) if a player expects an increase in price then it tries to buy the stock; (2) else if it expects a drop in the price, it sells the stock; (3)and the order in which a player participates in the game is random. The proposed procedure is implemented to simulate trading of three stocks, namely, the Dow Jones, the Nasdaq and the S&P 500. A linear relationship between the number of players and agents versus the computational time to run the complete simulation is observed. It is also found that no player has a monopolistic advantage.

研究の動機と目的

• 学習エージェントの委員会を用いて、スケーラブルで公平な株式市場ダイナミクスのシミュレーションを開発すること。
• マルチエージェント環境におけるエージェントアーキテクチャの最適化という課題に取り組み、取引パフォーマンスの向上を図ること。
• ランダムな参加順序とバランスの取れた意思決定ルールを適用することで、単一のエージェントが市場を支配するのを防ぐこと。
• エージェントおよびプレイヤー数の増加に伴うシステムの計算スケーラビリティを評価すること。
• 実世界の株価指数（ダウ・ヨーンズ、ナスダック、S&P 500）を用いてシステムを検証すること。

提案手法

• エージェントの委員会の集団が、シミュレーテッド株式市場環境におけるゲームプレイヤーとしてモデル化される。
• 各エージェントは、現在の市場データに基づいて将来の株価を予測するためのニューラルネットワークを用いる。
• 遺伝的アルゴリズムが、エージェントのアーキテクチャおよびパラメータを継続的に最適化するために適用される。
• 取引意思決定はルールベースのシステムに従う：価格上昇が予測される場合は購入、下落が予想される場合は売却。
• プレイヤーは戦略的優位性を避けるために、参加順序をランダムにシャッフルして取引ラウンドに参加する。
• シミュレーションは、パフォーマンスがすべての指標で測定される、3つの主要株価指数（ダウ・ヨーンズ、ナスダック、S&P 500）で実行される。

実験結果

リサーチクエスチョン

• RQ1 マルチエージェントシステムにおけるエージェントおよびプレイヤー数の増加に伴い、計算時間はどのようにスケーリングするか？
• RQ2 エージェントアーキテクチャの遺伝的アルゴリズムベースの最適化は、シミュレーテッド市場における取引パフォーマンスの向上に寄与するか？
• RQ3 システムは、取引意思決定において単一のエージェントが独占的優位を獲得することを防いでいるか？
• RQ4 エージェントの委員会サイズと、シミュレーテッド株式市場におけるシステムのスケーラビリティの関係は何か？
• RQ5 取引ルールおよびランダムな参加順序は、市場の公平性および結果の安定性にどのように影響するか？

主な発見

• エージェントおよびプレイヤー数と、シミュレーション実行に要する合計計算時間の間に線形関係が観察された。
• 参加順序のランダム化とバランスの取れた意思決定ルールのおかげで、特定のプレイヤーまたはエージェントが市場で独占的優位を獲得することはなかった。
• システムは、ダウ・ヨーンズ、ナスダック、S&P 500という3つの主要株価指数における取引行動を効果的にシミュレートした。
• 遺伝的アルゴリズムによる最適化は、エージェントアーキテクチャの適応を有効に実現し、予測および取引パフォーマンスの向上に寄与した。
• マルチエージェントフレームワークはスケーラビリティを示し、計算負荷がシステムサイズに比例して増加した。
• 構造的・手順的優位性がないため、公平性と競争のバランスが維持され、特定のエージェントが一貫して他を上回ることはない状態が保たれた。