[논문 리뷰] How to Evaluate Trading Strategies: Single Agent Market Replay or Multiple Agent Interactive Simulation?

Tucker Hybinette Balch, Mahmoud Mahfouz외 3명|arXiv (Cornell University)|2019. 06. 28.

Complex Systems and Time Series Analysis참고 문헌 19인용 수 11

한 줄 요약

이 논문은 같은 환경 내에서 거래 전략 평가를 위한 통합 시뮬레이션 프레임워크를 제안한다. 이 프레임워크는 시장 재생과 상호작용 기반 에이전트 시뮬레이션(IABS)을 동시에 지원하며, 실험 전략에 대해 동적으로 반응하는 배경 거래 에이전트(배경 ZI 에이전트)의 집단을 통합함으로써, 기존의 수동적이고 반응하지 않는 시장을 가정하는 전통적 시장 재생 대비 더 현실적이고 지속적인 가격 영향을 드러낸다. 특히 대규모 주문의 경우 더욱 두드러진다.

ABSTRACT

We show how a multi-agent simulator can support two important but distinct methods for assessing a trading strategy: Market Replay and Interactive Agent-Based Simulation (IABS). Our solution is important because each method offers strengths and weaknesses that expose or conceal flaws in the subject strategy. A key weakness of Market Replay is that the simulated market does not substantially adapt to or respond to the presence of the experimental strategy. IABS methods provide an artificial market for the experimental strategy using a population of background trading agents. Because the background agents attend to market conditions and current price as part of their strategy, the overall market is responsive to the presence of the experimental strategy. Even so, IABS methods have their own weaknesses, primarily that it is unclear if the market environment they provide is realistic. We describe our approach in detail, and illustrate its use in an example application: The evaluation of market impact for various size orders.

연구 동기 및 목표

• 기존의 시장 재생 방식에서 시뮬레이션된 시장이 실험 전략에 반응하지 않아 성능 추정치가 과도하게 낙관적인 경향이 있다는 한계를 해결하기 위해.
• 더 강력한 전략 평가를 위해 시장 재생과 상호작용 기반 에이전트 시뮬레이션(IABS)을 모두 지원하는 시뮬레이션 프레임워크를 개발하기 위해.
• 기본 백테스팅에 비해 대규모 주문에 대해 더 현실적인 환경을 제공하는가를 조사하기 위해.
• 수동(재생) 및 능동(IABS) 시장 조건 하에서 대규모 시장 주문의 장기적 가격 영향을 평가하기 위해.
• 이벤트 스터디 방법론을 사용하여 두 시뮬레이션 패러다임에서 대규모 주문 이후의 가격 변화 안정성과 지속성을 비교하기 위해.

제안 방법

• 기존의 상호작용 기반 에이전트 시뮬레이션(IABS) 프레임워크를 시간 순서대로 이력 주문도서 데이터를 재생함으로써 시장 재생 기능도 지원하도록 개선한다.
• 가격 변화와 주문 유입에 반응하는 이질적이고 상태 기반 전략을 가진 배경 거래 에이전트(배경 ZI 에이전트)의 집단을 구현한다.
• 가격/시간 우선순위 매칭과 주문 취소 기능을 포함한 한정지정가도서(LOB) 모델을 사용하여 현실적인 시장 마이크로구조 동역학을 시뮬레이션한다.
• 실험 전략으로 단일 대규모 시장 주문을 도입하고, 이를 재생 및 IABS 모드에서 모두 실행한다.
• 이벤트 스터디 방법론을 적용하여 주문 이전 및 이후의 가격 경로를 비교함으로써 가격 영향을 측정한다.
• 평가 함수와 리스크 파rameter(예: η)를 가진 ZI 에이전트를 사용하여 전략적 행동을 모델링하며, 현재 스프레드에서의 보장된 실행까지 고려한다.

실험 결과

연구 질문

• RQ1 대규모 주문에 대한 시장 반응이 수동적 시장 재생과 능동적 상호작용 기반 에이전트 시뮬레이션(IABS) 간에 어떻게 다를까?
• RQ2 IABS 환경이 전통적 시장 재생보다 더 지속적인 가격 영향을 생성하는가? 이는 기존의 시장 영향 모델과 일치하는가?
• RQ3 IABS 내의 배경 에이전트들이 실험 전략에 대해 행동을 적응시키며 시장 평형을 어떻게 변화시키는가?
• RQ4 통합된 시뮬레이션 프레임워크가 현실성이나 일관성을 훼손하지 않고도 시장 재생과 IABS 평가를 모두 지원할 수 있는가?
• RQ5 ZI 에이전트의 동적 행동(예: 주문 취소 및 상태 기반 평가)이 대규모 주문에 대한 전체 시장 반응에 어떻게 영향을 미치는가?

주요 결과

• 시장 재생에서는 대규모 주문 이후 가격이 빠르게 기준 수준으로 되돌아가며, 이는 일시적인 영향을 시사하며 실제 시장 행동과 다를 수 있다.
• IABS에서는 주문 이후 가격이 새로운 지속 가능한 수준에 안정화되며, 이는 장기적 또는 영구적인 가격 영향을 나타내며 기존의 시장 영향 모델과 일치한다.
• IABS 내의 ZI 에이전트들은 보유량과 시장 조건의 변화에 따라 평가를 동적으로 조정하고 주문을 배치함으로써 새로운 시장 평형에 도달한다.
• ZI 에이전트가 한도 가격을 변경하지 않더라도 스프레드와 실행 보장(파arameter η를 통해)로 인해 행동이 변화하며 시장 역학이 변형된다.
• IABS 내의 반응형 배경 에이전트 존재는 수동 재생보다 더 현실적이고 종합적인 시장 영향 평가를 가능하게 한다.
• 결과적으로 IABS는 재생 방식이 포착하지 못하는 전략적 시장 피드백을 반영하므로, 대규모 주문을 포함한 전략 평가에 더 적합하다는 것이 제안된다.