[论文解读] Agent-based simulation of a financial market

Marco Raberto, Silvano Cincotti+2 more|RePEc: Research Papers in Economics|Mar 29, 2001

Complex Systems and Time Series Analysis被引用 9

一句话总结

本文提出了一种名为Genoa的代理型人工金融市场，该模型包含异质性代理人，在资源约束下交易单一资产，并采用现实的订单匹配机制。通过引入依赖波动率的限价单和随机订单聚集机制，该模型在无需复杂代理人策略或货币创造的前提下，成功再现了金融市场的关键典型事实：肥尾收益分布与波动率聚集现象。

ABSTRACT

This paper introduces an agent-based artificial financial market in which heterogeneous agents trade one single asset through a realistic trading mechanism for price formation. Agents are initially endowed with a finite amount of cash and a given finite portfolio of assets. There is no money-creation process; the total available cash is conserved in time. In each period, agents make random buy and sell decisions that are constrained by available resources, subject to clustering, and dependent on the volatility of previous periods. The model herein proposed is able to reproduce the leptokurtic shape of the probability density of log price returns and the clustering of volatility. Implemented using extreme programming and object-oriented technology, the simulator is a flexible computational experimental facility that can find applications in both academic and industrial research projects.

研究动机与目标

• 开发一种计算灵活的基于代理的虚拟金融市场，真实模拟在资源约束下的价格形成机制。
• 在最小化代理人复杂度的前提下，复现金融时间序列的典型事实，特别是肥尾收益分布与波动率聚集现象。
• 避免货币创造，确保总现金量守恒，以反映真实市场摩擦与代理人资源限制。
• 利用面向对象与极限编程技术，构建模块化、可扩展的仿真平台，供学术界与工业界实验使用。
• 探究代理人不确定性与市场波动率如何通过依赖历史波动率的限价机制相互作用。

提出的方法

• 代理人被赋予有限的现金与资产持有量，并通过受可用资源约束的随机买入/卖出订单进行交易。
• 卖出订单的限价基于正态分布的乘数：$ s_i = p(h)/N_i(\mu,\sigma_i) $，其中 $ \mu = 1.01 $。
• 订单数量为当前持有量的随机比例：$ a_i^s = [r_i \cdot A_i(h)] $，其中 $ r_i \sim U[0,1] $。
• 市场采用双拍卖清算机制，通过买卖订单匹配确定价格，价格由供需平衡决定。
• 通过使限价对历史价格波动率敏感，诱导波动率聚集现象，从而在波动剧烈时期增加不确定性。
• 系统通过反馈机制实现均值回归，使财富分布趋于均衡，稳定价格于均衡水平附近。

实验结果

研究问题

• RQ1 一个具有有限资源与基础交易规则的简单代理模型，能否复现金融收益的肥尾分布？
• RQ2 依赖波动率的限价定价机制如何影响人工市场中波动率聚集的出现？
• RQ3 资源约束与订单聚集在多大程度上影响模拟价格动态的真实性？
• RQ4 在无货币创造且存在清算机制的前提下，是否会导致价格行为呈现均值回归特征？
• RQ5 模型规模如何影响模拟时间序列中波动率聚集的持续性？

主要发现

• 模拟的对数收益分布呈现出幂律尾部，当 $|Ret| > 2 $ 时，斜率为 $-3.69 \pm 0.02$，与实证金融数据高度吻合。
• 绝对收益的自相关性显示长程依赖性，指数衰减系数为 $-(0.91 \pm 0.03) \times 10^{-2}$，表明存在波动率聚集现象。
• 原始收益无显著自相关性，与市场有效性一致，且无明显可预测的价格趋势。
• 该模型在无需复杂代理人学习或优化规则的前提下，成功复现了肥尾分布与波动率聚集现象。
• 在大规模模拟中，波动率聚集现象减弱，表明其对群体规模与系统规模效应敏感。
• 该模型的均值回归价格动态源于反馈机制，该机制通过平衡各代理人之间的现金与资产持有量而形成。