[논문 리뷰] Application of multi-agent games to the prediction of financial time-series

Neil F. Johnson, David Lamper외 3명|RePEc: Research Papers in Economics|2001. 05. 15.

Complex Systems and Time Series Analysis인용 수 4

한 줄 요약

이 논문은 역사적 가격 데이터를 기반으로 제3자 게임을 훈련시켜 금융 시계열 이동을 예측하기 위해 그랜드 카르노닉 희소 게임 기반의 다중 에이전트 게임 모델을 제안한다. 이 방법은 향후 가격 변화에 대해 비정규 분포를 띠며 시간에 따라 변하는 확률 분포를 생성하며, 다음 단계 이동에 대해 약 54%의 예측 정확도를 달성하고, 10단계 시간 간격 동안 예측된 구간 내에서 극단적 가격 움직임을 성공적으로 예측하여 무작위 전략보다 뛰어난 성능을 보였다.

ABSTRACT

We report on a technique based on multi-agent games which has potential use in the prediction of future movements of financial time-series. A third-party game is trained on a black-box time-series, and is then run into the future to extract next-step and multi-step predictions. In addition to the possibility of identifying profit opportunities, the technique may prove useful in the development of improved risk management strategies.

연구 동기 및 목표

• 시장 참가자 행동을 모방한 다중 에이전트 게임 역학을 활용해 금융 시계열에 대한 예측 프레임워크를 개발하기 위해.
• 자기조직화된 시장 변동성을 적응 전략을 가진 에이전트 기반 게임을 통해 모델링하고 예측할 수 있는지 조사하기 위해.
• 역사적 가격 데이터를 기반으로 훈련된 제3자 게임의 예측 능력을 다음 단계 및 다단계 가격 이동에 대해 평가하기 위해.
• 활성 전략의 불균형과 가격 변화 간의 통계적 상관관계를 통해 극단적 가격 움직임을 사전에 예측할 수 있는지 평가하기 위해.
• 집단적 에이전트 예측 성능을 개별 에이전트 및 무작위 보행 기준선과 비교하기 위해.

제안 방법

• 역사적 가격 데이터를 기반으로 제3자 다중 에이전트 게임을 훈련시키며, 다수의 전략을 보유한 에이전트와 신뢰도 기준값에 따라 거래하는 그랜드 카르노닉 희소 게임 프레임워크를 사용한다.
• 구매 예측을 위한 활성 전략 수 S₁과 매도 예측을 위한 활성 전략 수 S₀를 추적하여 가격 변화의 대체 지표로 S₀₋₁ = S₀ - S₁를 추정한다.
• 예측의 분산을 추정하기 위해 활성 전략 수의 총합 S₀₊₁ = S₀ + S₁를 사용하며, 예측 오차는 S₀₊₁에 비례한다.
• 관측된 가격 변화 ΔP(t)와 설명 변수 S₀₋₁ 사이의 선형 관계를 수립하고, 설명되지 않은 분산은 S₀₊₁의 함수로 모델링한다.
• 모든 가능한 제3자 게임의 향후 경로를 시뮬레이션하여 향후 가격 변화의 확률 분포를 생성함으로써 j단계 예측의 예측 구간을 도출한다.
• 예측 성능을 검증하기 위해 실제 시계열 데이터의 가격 변화와 예측된 확률 분포(평균 및 신뢰구간)를 비교한다.

실험 결과

연구 질문

• RQ1 역사적 금융 시계열 데이터를 기반으로 훈련된 제3자 다중 에이전트 게임이 무작위 전략보다 더 높은 정확도로 향후 가격 이동을 예측할 수 있는가?
• RQ2 다중 에이전트 게임 프레임워크 내에서 활성 전략의 불균형을 활용해 극단적 가격 움직임을 어느 정도 사전에 예측할 수 있는가?
• RQ3 예측된 확률 분포의 통계적 성질(예: 비정상 분포, 왜곡도)이 실제 금융 데이터의 성질과 어떻게 비교되는가?
• RQ4 다중 에이전트 게임에서 집단적 에이전트 행동이 개별 에이전트 행동보다 더 뛰어난 예측 성능을 보이는가?
• RQ5 단지 역사적 가격 데이터만을 사용하여 다단계 시간 간격에 걸쳐 향후 가격 변화의 부호와 크기를 신뢰성 있게 예측할 수 있는가?

주요 결과

• 다중 에이전트 게임은 다음 단계 예측 성공률 약 54%를 달성하여 랜덤 확률(50%)을 뛰어넘는다.
• 모델은 시뮬레이션된 시계열에서 주요 가격 하락의 부호와 크기를 10단계 시간 간격 전에 좁고 날카로운 구간으로 생성함으로써 성공적으로 예측했다.
• 약 50%의 큰 가격 이동이 좁은 예측 구간 동안 발생하여 극단적 사건의 높은 예측 가능성성을 시사한다.
• 예측된 확률 분포는 비정상 분포를 띠며 시간에 따라 변하는 왜곡도를 보였으며, 실제 금융 시장의 통합 사실과 일치한다.
• 에이전트가 집단적으로 행동할 경우, 개별 에이전트 전략보다 모델 성능이 뛰어나 집단 역학에서 기인한 잠재적 예측 지능이 드러났다.
• 모델은 실제 데이터와 일관성을 유지했다: 예측이 관측된 가격 움직임과 모순되지 않았으며, 모든 극단적 변화가 예측된 구간 내에서 예측되었다.