[论文解读] The Problem of Calibrating an Agent-Based Model of High-Frequency Trading

Donovan Platt, Tim Gebbie|arXiv (Cornell University)|Jun 5, 2016

Complex Systems and Time Series Analysis被引用 5

一句话总结

本文批判了在高频交易基于代理的模型（ABMs）中仅通过匹配典型事实进行验证的普遍做法，表明此类模型存在参数退化问题，且难以准确校准到真实交易数据。本文主张通过严格的统计方法对实证数据进行校准，作为实现金融市场上有效、可靠ABM验证的必要步骤。

ABSTRACT

Agent-based models, particularly those applied to financial markets, demonstrate the ability to produce realistic, simulated system dynamics, comparable to those observed in empirical investigations. Despite this, they remain fairly difficult to calibrate due to their tendency to be computationally expensive, even with recent advances in technology. For this reason, financial agent-based models are frequently validated by demonstrating an ability to reproduce well-known log return time series and central limit order book stylized facts, as opposed to being rigorously calibrated to transaction data. We thus apply an established financial agent-based model calibration framework to a simple model of high- and low-frequency trader interaction and demonstrate possible inadequacies of a stylized fact-centric approach to model validation. We further argue for the centrality of calibration to the validation of financial agent-based models and possible pitfalls of current approaches to financial agent-based modeling.

研究动机与目标

• 调查基于典型事实的验证在高频交易基于代理的模型中的局限性。
• 证明即使模型能够恢复典型事实，仍可能存在根本性的校准问题和参数退化。
• 主张对实证交易数据进行严格校准，是金融市场上有效ABM验证的必要条件。
• 提出应从定性、基于典型事实的匹配，转向以数据为驱动的定量校准，作为模型验证的黄金标准。
• 强调应警惕将模型行为视为有意义的潜在风险，因为这种行为可能源于偶然的参数匹配，而非结构上的真实性。

提出的方法

• 本研究将既有的金融ABM校准框架应用于一个简单的高频与低频交易者互动模型。
• 通过使用统计指标比较模拟的收益率时间序列与实证交易数据，评估模型性能。
• 通过敏感性分析识别参数退化，揭示出多个参数组合可产生相似的典型事实。
• 采用自下而上的基于代理的建模方法，明确设定交易者的订单提交与执行规则。
• 通过事件驱动的仿真测试模型，以反映连续双边拍卖市场机制。
• 本研究将传统基于典型事实的验证与所提出的校准驱动验证方法进行对比，强调与真实数据的统计相似性。

实验结果

研究问题

• RQ1 高频交易的基于代理的模型能否在恢复典型收益率时间序列特征的同时，仍存在校准问题？
• RQ2 参数退化在多大程度上削弱了在参数变化下观察到的模型行为的有效性？
• RQ3 为何以典型事实为中心的验证方法不足以验证金融市场的日内基于代理的模型？
• RQ4 如何对基于代理的模型进行严格校准，以确保其逼真性？
• RQ5 使用简化的、闭式解的价格机制对日内ABM校准有何影响？

主要发现

• 该模型成功再现了如肥尾收益率分布和波动率聚集等关键典型事实，但存在显著的参数退化。
• 多个不同的参数集合可产生相似的典型事实，表明模型行为并非由校准唯一确定。
• 尽管通过了典型事实检查，该模型在经过严格校准后，仍无法匹配真实交易数据的统计特性。
• 参数退化使得参数变化带来的洞察不可靠，因为变化可能并非反映结构差异，而是偶然匹配的结果。
• 仅依赖典型事实验证是不足的，可能掩盖模型结构与校准中的根本缺陷。
• 本研究主张将实证数据校准作为模型验证的必要组成部分，而典型事实验证仅作为辅助检查。