[论文解读] ABIDES: Towards High-Fidelity Market Simulation for AI Research

David R. Byrd, Maria Hybinette+1 more|arXiv (Cornell University)|Apr 26, 2019

Distributed and Parallel Computing Systems参考文献 7被引用 35

一句话总结

ABIDES 是一个基于代理的离散事件市场仿真器，设计用于 AI 研究，实现可配置延迟和历史日期回放的高保真、纳秒级精度交易仿真。

ABSTRACT

We introduce ABIDES, an Agent-Based Interactive Discrete Event Simulation environment. ABIDES is designed from the ground up to support AI agent research in market applications. While simulations are certainly available within trading firms for their own internal use, there are no broadly available high-fidelity market simulation environments. We hope that the availability of such a platform will facilitate AI research in this important area. ABIDES currently enables the simulation of tens of thousands of trading agents interacting with an exchange agent to facilitate transactions. It supports configurable pairwise network latencies between each individual agent as well as the exchange. Our simulator's message-based design is modeled after NASDAQ's published equity trading protocols ITCH and OUCH. We introduce the design of the simulator and illustrate its use and configuration with sample code, validating the environment with example trading scenarios. The utility of ABIDES is illustrated through experiments to develop a market impact model. We close with discussion of future experimental problems it can be used to explore, such as the development of ML-based trading algorithms.

研究动机与目标

• 为市场应用的 AI 研究提供一个可配置的开源平台。
• 实现对具有现实延迟和计算延迟的连续双拍卖市场的高保真仿真。
• 允许回放和操作历史市场日期，以实现受控实验。
• 通过集中、时间同步的代理日志记录来支持可解释性和学习。
• 通过背景代理现实性和大订单对市场影响的案例研究，展示实用性。

提出的方法

• 基于代理的离散事件内核，具有纳秒级时间分辨率和对每个代理的当前时间跟踪。
• 通过经过验证的 NASDAQ 风格 ITCH/OUCH 协议栈进行基于消息的代理间通信。
• 具有完整日志记录、订单匹配和因延迟而产生的滑点的交易所与买卖簿建模。
• 可配置的成对网络延迟和计算延迟，以模拟共址和延迟效应。
• 使用 NumPy 和 Pandas 的开源 Python 实现，带有可配置的实验启动器和代理层级。
• 案例研究包括背景代理的现实性以及带有单一大型订单的市场影响实验。

实验结果

研究问题

• RQ1 我们如何创建一个高保真、适用于 AI 研究的开源市场仿真器？
• RQ2 需要哪些延迟和计算延迟配置才能产生现实的市场微观结构和代理行为？
• RQ3 历史日期回放和受控扰动是否能够在市场动态上实现因果实验？
• RQ4 在现实的多代理环境中，大型市场订单如何影响价格，利润如何随交易规模增长？
• RQ5 有哪些特性能够在市场仿真中实现对学习代理的可解释性与分析？

主要发现

• ABIDES 可以在填充背景代理与交易所交互时再现历史日的日内价格行为。
• 单个大型市场订单（影响代理）会产生可衡量的市场影响，且影响随交易者的“贪婪”参数和交易规模的增大而增大。
• 来自冲击交易的利润随着出价增大而增加，但随着交易规模增大每股利润可能下降。
• 市场影响研究显示对价格和随后的交易模式有明显影响，便于跨日的事件对齐分析。
• 该平台提供详细的事件日志，有助于对学习代理策略的可解释性。
• 动量风格和背景代理展示了将 ML/AI 代理集成到现实市场仿真的可行性。