[논문 리뷰] Scalability and Optimisation of a Committee of Agents Using Genetic Algorithm

Tshilidzi Marwala, Philippe De Wilde외 6명|arXiv (Cornell University)|2007. 05. 12.

Stock Market Forecasting Methods참고 문헌 6인용 수 17

한 줄 요약

이 논문은 주식 시장 시뮬레이션을 위한 확장 가능한 다중 에이전트 시스템을 제안한다. 신경망 기반 에이전트로 구성된 위원회가 유전 알고리즘을 통해 최적화되어 주식 예측 및 거래를 수행한다. 이 시스템은 에이전트 및 플레이어 수에 비례하여 선형적으로 계산 성능가 증가하며, 다우존스, 나스닥, S&P 500 지수 전반에서 단일 에이전트가 거래 결정에서 독점적 우위를 점하지 못하도록 보장한다.

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.

연구 동기 및 목표

• 학습 가능한 에이전트의 위원회를 활용하여 주식 시장 역학의 확장 가능하고 공정한 시뮬레이션을 개발하기 위해.
• 다중 에이전트 환경에서 에이전트 아키텍처를 최적화하여 거래 성능을 향상시키는 데 도전하기 위해.
• 랜덤 참가 순서 및 균형 잡힌 의사결정 규칙을 적용하여 단일 에이전트가 시장에서 지배적 우위를 점하지 못하도록 보장하기 위해.
• 에이전트 및 플레이어 수 증가에 따라 시스템의 계산 확장성 평가하기 위해.
• 실제 주식 지수인 다우존스, 나스닥, S&P 500에 대해 시스템 검증하기 위해.

제안 방법

• 에이전트 위원회의 집단이 시뮬레이션된 주식 시장 환경의 게임 플레이어로 모델링된다.
• 각 에이전트는 현재 시장 데이터를 기반으로 향후 주가를 예측하기 위해 신경망을 사용한다.
• 에이전트의 아키텍처 및 파라미터를 지속적으로 최적화하기 위해 유전 알고리즘이 적용된다.
• 거래 결정은 규칙 기반 시스템을 따르며, 가격 상승 예측 시 매수, 하락 예측 시 매도한다.
• 플레이어는 전략적 우위를 방지하기 위해 거래 라운드에서 랜덤으로 섞인 순서로 참가한다.
• 시뮬레이션은 다우존스, 나스닥, S&P 500 세 가지 주요 주식 지수에서 수행되며, 전반적인 성능이 측정된다.

실험 결과

연구 질문

• RQ1 다중 에이전트 시스템에서 에이전트 및 플레이어 수 증가에 따라 계산 시간은 어떻게 변화하는가?
• RQ2 에이전트 아키텍처에 대한 유전 알고리즘 기반 최적화가 시뮬레이션된 시장에서 거래 성능을 향상시킬 수 있는가?
• RQ3 시스템은 단일 에이전트가 거래 결정에서 독점적 우위를 점하지 못하도록 방지하는가?
• RQ4 에이전트 위원회 크기와 시뮬레이션된 주식 시장에서의 시스템 확장성 간의 관계는 무엇인가?
• RQ5 거래 규칙과 랜덤 참가 순서가 시장의 공정성과 결과 안정성에 어떤 영향을 미치는가?

주요 결과

• 에이전트 및 플레이어 수와 시뮬레이션을 실행하기 위해 필요한 총 계산 시간 사이에 선형 관계가 관찰되었다.
• 참가 순서의 무작위성과 균형 잡힌 의사결정 규칙으로 인해 단일 플레이어나 에이전트가 시장에서 독점적 우위를 점하지 못했다.
• 시스템은 다우존스, 나스닥, S&P 500 세 가지 주요 주식 지수에서 거래 행동을 성공적으로 시뮬레이션했다.
• 유전 알고리즘 최적화가 에이전트 아키텍처를 효과적으로 조정하여 예측 및 거래 성능을 향상시켰다.
• 다중 에이전트 프레임워크는 확장성을 입증하였으며, 계산 부하가 시스템 크기에 비례하여 증가하였다.
• 모델은 공정성과 경쟁 균형을 유지하였으며, 구조적 또는 절차적 우위 없이도 어떤 에이전트도 일관되게 다른 이들을 압도하지 못했다.