[论文解读] A Continuous Time Asynchronous Model of the Stock Market; Beyond the LLS Model

M. Shatner, Lev Muchnik+2 more|ArXiv.org|May 25, 2000

Complex Systems and Time Series Analysis参考文献 4被引用 7

一句话总结

本文提出了一种连续时间、异步的基于代理的股票市场模型，其中数以百万计具有独特决策函数的个体交易者通过中心化的订单匹配机制相互作用。通过使用基于栈的算法管理交易者的唤醒时间、决策延迟和订单执行，该模型捕捉了实时市场动态——尤其是时机和订单流——超越了LLS模型的局限，实现了价格行为和交易者策略（如图表主义、基本面主义和噪声交易）的逼真模拟。

ABSTRACT

In order to simulate the complex phenomena manifested in stock markets, we introduce a continuous asynchronous model in which millions of individual traders interact through a central orders matching mechanism, just as it happens in real stock markets. Each trader has a unique decision function, which allows him/ her to trade at any time, to react to external news, to respond to price changes (or volume, volatility, etc.), and to consider the "fundamental price". As a simple example we consider three "generic" decision functions, which correspond to three trader profiles: Noisy, Fundamentalist and Chartist.

研究动机与目标

• 通过将个体交易者建模为异步代理并独立决策，开发更逼真的股票市场动态模拟。
• 通过引入交易的精确时间点来克服先前模型（如LLS）的局限，因为时间点对于捕捉真实市场的特征至关重要。
• 通过可配置的决策函数实现多样化的交易者行为，包括基本面主义者、图表主义者和噪声交易者，每类均具有独特的响应规则。
• 实现一种高效且可扩展的模拟框架，能够在实时计算时间内处理数百万名交易者。

提出的方法

• 该模型采用基于栈的架构管理交易者状态：休眠栈（非活跃交易者）、决策栈（正在评估市场状况的活跃交易者）和已转移订单栈（等待进入市场的订单）。
• 交易者根据自定义触发条件（如时间间隔、价格变动、新闻事件）唤醒，实现真正独立于全局时钟的异步行为。
• 订单为限价单，包含价格和数量，按价格排序于买入/卖出栈中；当最佳卖价低于最佳买价时执行，执行价格由较早提交的订单决定。
• 每位交易者应用唯一的决策函数：随机交易者以概率方式选择头寸，基本面主义者根据市场价格与噪声基本面价格的偏离程度进行交易，图表主义者则使用过去价格的多项式外推。
• 仅当事件发生时，市场世界时钟才推进，确保计算效率，避免模拟空闲时间。
• 该模型支持可配置参数，如价格波动率（Sigma）、基本面价格波动（Sigma_FP）和订单延迟时间，支持灵活的情景测试。

实验结果

研究问题

• RQ1 与同步或离散时间模型相比，异步连续时间基于代理的模型在多大程度上提升了股票市场模拟的真实性？
• RQ2 在连续时间市场中，仅通过简单的基于规则的决策函数，基本面主义者、图表主义者和噪声交易者等多样化交易行为在多大程度上能够自然涌现？
• RQ3 通过异质代理之间的相互作用，该模型能否再现真实市场的关键经验特征，如波动率聚集和非高斯收益分布？
• RQ4 在缺乏同步交易日程的情况下，交易时机和订单提交时机如何影响市场微观结构和价格形成？
• RQ5 基于栈的算法在实时模拟数百万名具有独特决策规则的交易者时，其计算效率和可扩展性如何？

主要发现

• 基于栈的架构实现了高效、实时的模拟，可处理数百万名异步决策的交易者，计算循环中无空闲等待时间。
• 该模型成功捕捉了交易时机和订单流相关性的重要性，这些因素对于复现以往模型常忽略的真实市场动态至关重要。
• 可通过可配置参数实现三种不同的交易者类型——噪声交易者、基本面交易者和图表交易者，从而支持异质市场行为。
• 基本面交易者使用对基本面价格的噪声估计，并根据市场价格与感知基本面价值之间的偏差调整头寸规模。
• 图表交易者使用最近N个市场价格的多项式拟合来预测未来价格，并据此调整订单，订单规模与预期价格变动成正比。
• 该模型计算效率高，得益于事件驱动计算和优化的栈处理，可在数秒内模拟数百万名交易者的一整年市场活动。