订单簿、金融市场和自组织临界性

2022-5-10 21:44:53

订单簿、金融市场和自组织批判性Alessio Emanuele Biondo*, Alessandro Pluchino+，Andrea Rapisarda摘要：我们提出了一种简单的订单机制，通过自组织临界动态和收益分布的厚尾来监管艺术金融市场。该模型显示了个人模仿在决定交易决策中所起的作用，同时将典型的总体市场行为作为“自我填充预言”进行了卓有成效的复制。我们还讨论了随机交易者作为抑制市场波动的可能分散解决方案的作用。PACS编号：89.65。生长激素，05.65+b1简介金融市场的特点是许多相互关联的异质代理人相互作用，他们相互交易，并通过反馈机制遵循自己的期望。由此产生的聚合行为表现出复杂的特征、不可预测性和极端事件的发生。社会经济系统可以作为复杂的实体来研究，方法和概念来自统计和理论物理学[1-3]。这种方法有助于利用行为异质性的思想来研究金融市场，在模仿和个体心理学方面为市场参与者之间的互动发挥特殊作用[4-7]。在具有不同信息集的复杂网络结构中运行的代理人的行为变化正好证明社会经济系统的经验现象需要新的替代方法。例如，最近几篇关于社会经济系统效率的论文[8-10]，特别是金融市场效率的论文[11-14]都显示了随机策略的有益作用。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:44:59

要么买入，要么卖出，甚至在完全没有交易的情况下等待的决定。我们将明确指出，由管理者之间的信息级联产生的羊群现象[30]是金融雪崩的潜在机制。与其他描述金融市场羊群行为的尝试不同[31,32]，我们的方法通过回顾描述地震动力学的自组织临界（SOC）模型的一些特征，考虑了来自信息积累的压力[33]。我们目前的模型建立在[29]的基础上，添加了一个订单簿机制，该机制通过供需匹配来确定资产价格，就像在真实市场中一样。通过这种方式，不同种类的异质交易者通过根据信息、模仿和预期效用决定的个人策略进行互动。有一个非常成熟的文学分支，研究订单簿的特征和动态。事实上，订单簿设计是让金融市场在日常生活中得以发展的机制：订单的下达方式及其对当前价格的影响，买卖价差在一笔又一笔交易中被取消的方式，订单执行的规模和时间，等等。这些研究的例子见[34-38]。关于市场微观结构的文献研究了不同的市场机制，如asin[39–44]等。在本文中，我们从订单簿的一个简单表示开始：限价订单总是以最佳价格执行，简化假设只有一项资产存在，并且只能下1股订单。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:04

此外，我们不考虑取消订单，因为我们假设在任何时间步，每个交易者都决定是购买还是出售，并最终提交相应的订单。在之前的一项研究[29]中，金融市场的自组织临界性（SOC）模型已经提出，其中包含相互作用的因素和传染机制。在那里，价格的形成强烈基于一种外来的噪音源。相反，本文提出的模型代表了进一步发展的第一步，因为它用更现实的交易微观结构取代了外部噪音，从而诱导价格形成。根据我们所知，该模型将羊群效应在总体层面上的影响与订单匹配结合起来，代表着首次尝试将真实金融市场的两个基本方面嵌入到一个独特的框架中：总体传染效应和个人订单安排。本文的结构如下：第2节描述了模型；第3节讨论了模拟结果；第四部分是结论和政策建议。2 OB-CFP模型该模型建立在[29]中提出的CFP模型的基础上，并添加了一个订单机制来模拟金融市场的运行。这就是我们将其命名为订单驱动的传染金融定价（OB-CFP）的原因。在接下来的小节中，将描述模型的所有元素，从交易者的定义到他们的性格，到他们的互动类型等等，直到总体动态。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:08

在每一个时间步，模型都遵循这一演变过程：作为第一步，所有市场参与者对未来价格形成各自（异质）的预期；在第二步中，交易者根据个人的期望值选择他们的交易状态（持有、购买或出售）；作为第三个阶段，Allorder被组织在订单簿中，该订单簿负责将交易与bedone进行匹配；最后，新的总资产价格报告为上一交易价格和可能的市场失衡（需求过剩或供给过剩）的函数，正如在真实市场中发生的那样。第2.2小节将显示，当交易者必须决定自己的身份时，传染机制开始发挥作用，以便考虑到对市场的乐观或悲观看法的影响可能会产生买卖行为的信息级联。2.1订单动态让我们考虑一个理想的金融市场，其中只有一种资产存在，货币只有辅助功能，仅用于交易监管。人口由大量N个市场参与者组成，即交易员Ai（i=1，…，N）。在每次模拟开始时，它们被赋予一个同等价值的投资组合，由相同的初始货币量Mi=M组成(i）相同的资产初始数量Qi=Q(i）。因此，每个交易者的总财富Wi将被定义为：Wi=Mi+Qi·pt，其中pTi是t时资产的价格。存在两组交易者：（i）原教旨主义者，（ii）图表学家。然而，第三类交易者，即随机交易者，也将被考虑研究其在市场动态中的影响。在每一个时间步，交易者都会根据他们的群体表现出不同的行为。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:12

它们之间的差异并不新鲜：原教旨主义者假定存在一种基本价值观，并相信市场价格动态会倾向于这种价值观。因此，他们通过考虑基本价格pF之间的实际差异来形成预期（每个交易者的价格不同，在区间[pF]中随机选择）- θ、 pF+θ），其中pF是一个固定的全球基本价格）和最后一个市场价格pt：无论pF>pt（pF<pt），他们都预计市场价格会上升（下降）。当然，在高质量的情况下，预计会出现平稳动力学。因此，它们根据toE[pft+1]=pt+φ（pf）形成资产的预期价格- pt）+ （1）参数φ是一个敏感参数，它描述了收敛到基本价格和价格的预期速度是一个随机噪声项，在区间内随机选择(-σ、 σ），σ在模拟开始时固定，并以均匀概率提取。为了限制参数的数量，我们允许φ的值是固定的，但原则上，对于这一组的每个交易者，它可能是不同的。图表师根据对过去价格的检查来决定自己的行为。因此，属于这一组的每个交易者的预期价格是过去价格的函数：特别是，我们采用了一个时间窗口内的最后T价格的平均值，每个图表作者（T∈ [2，Tmax]）。因此，图表师将根据上一次市场价格与过去T-价格平均值pT之间的差异，形成“她”的预期价格。更准确地说，E[pct+1]=pt+κT（pt- pT）+ （2）同样在这种情况下，我们认为敏感性参数κ是一个常数，而是一个随机噪声项，如式（1）所示。最后，我们还考虑了随机交易代理。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-5-10 21:45:15

随机交易者是一种完全不关心先前价值或基本价值的投资者：这些市场参与者决定（以统一的概率）买入、卖出或持有，而不形成对pt+1价值的任何预期。在计算了自己的预期价格后，每个交易者决定自己的订单类型，即买入、卖出或持有，并采用相应的状态Si（投标人、询价人或持有人）。如果预期价格高于实际价格，则可以购买该资产，因为自有投资组合的预期价值相应较高。相反，如果一个商人看跌，她就会卖出。值得注意的是，在该模型中，引入了灵敏度thresholdτ，如果预期价格等于或有效地与最后一个价格接近，交易者将决定在不设定任何订单的情况下保持。当然，决定购买的交易者必须有正金额（Mi>0），同样，决定出售的交易者必须有正金额的资产（Qi>0）。一旦确定了个人状态，每个交易者都会通过选择交易的首选价格来在账簿中设置订单。在销售和购买的情况下，每个交易者为订单簿中的交易选择的价格（投标人的个人出价和询价人的个人要价）是激发同一交易者地位的预期的函数。更准确地说，个人出价将是一个真实（正）随机数，小于投标人的金额与其预期价格之间的最小值，而要价将是询价人的预期资产价格与实际全球资产价格之间的真实（正）随机数。我们将订单机制保持尽可能简单，并且只允许1-asset-share quantityorders。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-10 21:45:19

因此，a+1或-1数量与相应的投标或投标价格一起发布。出价按支付意愿的降序排列：这样，设定最高出价（即最佳出价）的交易方将位于列表的顶部，并在交易中享有优先权。相反，询价价格按接受意愿的递增顺序排列：接受意愿最低的交易者（设定所谓的“最佳询价”的交易者）将排在清单的首位，并在交易执行中享有优先权。然后，通过比较最佳出价和最佳出价进行匹配。询价人（Na）和投标人（Nb）之间实际发生的交易数量严格取决于此类比较。此外，我们允许存在一种反馈机制，这样，根据市场中不受约束的一方（即，不能用失去的对手进行交易的投标人或询价人）的存在，价格会得到一个成比例的变化ω。因此，在需求过剩的情况下（即投标人的数量大于询价人，因此其中一些人无法以期望的价格交易资产），资产价格将与过剩本身成比例增加。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:22

相反，当询价人的数量大于投标人时，价格会随着供应过剩而成比例下降。根据t时的所有这些变量，必须考虑几种不同的情况，以便在t+1:1）Na=0和Nb>0时设定总资产价格：不发生交易，新的全球资产价格将为pt+1=pt+δ·ω，其中ω=Nb是市场失衡，δ是衡量其对新价格影响的参数；2） Na>0且Nb=0：无交易发生，新的全球资产价格将为pt+1=pt- δ·ω，ω=Na；3） 0<Na<Nb但最佳出价<最佳出价：如图1（a）所示，没有交易发生，新的全球资产价格将为pt+1=pt+δ·ω，ω=Nb；图1：订单动态示例。在面板（a）和（c）中描述的缺少对应方的情况下，不执行任何交易。交易仅在面板（b）和（d）中描述的情况下执行。在所有情况下，市场失衡都会影响市场价格的未来动态。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-5-10 21:45:25

有关更多详细信息，请参阅文本。4） 0<Na<Nband best bid>best ask：根据订单簿中的报价和出价之间的匹配情况，确实发生了给定数量的交易，如图1（b）所示；第一笔交易发生在交易商之间，他们以最优惠的价格发布自己的订单，无论是从需求方还是从供应方，然后交易继续按照账簿中的顺序进行（按要求清单升序，按要求清单降序），直到出价高于要求价格，并且所有交易都按要求价格进行调节；最后，新的全球资产价格将是pt+1=pL+δ·ω，其中pli是最后一笔交易的要价，ω=Nb- 新界；5） 0<Nb<Nabut best bid<best ask：没有交易发生，如图1（c）所示，新的全球资产价格将为pt+1=pt- δ·ω，ω=Na；6） 0<Nb<Na和best bid>best ask：根据订单中存在的买卖价格之间的匹配情况，并遵循与Na<Nb情况相同的程序，确实发生了给定数量的交易，如图1（d）所示；最后，新的全球资产价格将为pt+1=pL- δ·ω，其中pli是最后一笔交易的要价，ω=Na- 新界。请注意，新的全球资产价格pt+1仅取决于之前的价格pt和订单动态中出现的市场不平衡。这是一个更现实的描述图2：该模型中采用的2D小世界网络，N=1600个代理（与inref[29]相同）。交易者分布在一个正方形格子上，在那里存在短期和长期联系。不同的颜色代表信息的层次：交易者越聪明，信息就越丰富。最初的信息水平是随机分布的。关于参考文献中公式4的价格形成。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:29

[29]，其中外部噪声源ω= + eβIav（t）是决定全球价格波动的基础。下一小节将专门展示价格形成过程如何受到交易者中表现出自组织临界性的内生羊群动态的影响。2.2聚合市场在聚合层面上，在我们的艺术金融市场中，交易者Ai（i=1，…，N）在一个小世界（SW）网络[12]中相互连接，该网络通常用于描述社会或经济背景下的现实社区。特别是，如图2所示，我们在这里考虑一个具有开放边界条件且平均度数<k>=4的二维正方格。更多详情请参见参考文献[12]。我们模拟市场中的每个代理都会收到两条信息流：一条是单独的（a），另一条是单独的（b），[12,14,29]。（a）所有交易者在每一个时间步都会收到来自外部来源的全球信息压力。与每个交易者相关联的是一个真实变量Ii（t）（i=1，2，…，N），它代表了时间t时的信息禀赋。最初，在t=0时，每个交易者的信息水平设置为区间[0，Ith]内的一个随机值，其中Ith=1.0是一个假定对所有代理相同的阈值。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-10 21:45:33

然后，在任何时间步t>0时，每个交易者积累的信息都会增加一个数量δIi，每个代理的数量不同，并在区间[0]内随机抽取（i- Imax（t））]；这可能导致一个或多个交易者超过其个人阈值Ith，从而触发羊群机制。图3：信息压力和传染级联。（b）另一方面，如果涉及雪崩，每个交易者都可能从网络中的单个邻居那里收到补充信息量，这与全局信息（a）是相加的；这可能会再次导致交易者积累足够的信息，超过她的个人阈值，并触发羊群机制。羊群机制是传染效应的根源，可能只涉及非随机交易者。一方面，原教旨主义者或图表学家（即非随机交易者）受到上述两种信息流的影响。当某个非随机traderAk（无论是原教旨主义者还是图表主义者）在给定时间t=tav超过她的阈值时，见图3（a），她会变得活跃，并向交易网络中的邻居发送关于她的状态Sk（询问者、投标者或持有者）的信息信号，见图3（b）。这种信息传递是根据以下简单的羊群机制[12]发生的，类似于地震动力学中的能量传递[33]：=>Ik→ 0号酒店→ Inn+αNnnIk，（3），其中“nn”表示活性剂Ak的最近邻集合。NN是直接邻域的数量，参数α控制动态过程中信息的耗散水平（α=1对应于保守情况，但在我们的模拟中，我们总是选择严格小于1的值）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:36

由于接收到的信息量，参与的非随机邻居中的某个人也可能变得活跃，并通过阈值水平：在这种情况下，如图3（c）所示，所有新活跃的交易者将模仿第一个代理的状态，然后按照等式3向其邻居发送自己的信号，依此类推。这样一来，一场信息量的雪崩将在tav时间发生，产生一系列具有相同身份的交易者。值得注意的是，正如前面所说，这种模仿并不意味着交易者的群体转换（从原教旨主义者到图表主义者，反之亦然），而只是他们交易地位的改变。另一方面，随机交易者只受外部信息压力的影响。它们既不会影响其他交易者，也不会受到他们的影响。因此，正如之前的研究[12,14,29]所表明的那样，它们的作用结果在抑制雪崩规模和减少传染效应方面至关重要。在下一节中，将结合这种放牧动力学和订单机制，以便采用完整的OB-CFP模型进行若干数值模拟。3模拟结果每个模拟都是通过以下一组有序步骤计算的。第一步。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:40

在t=0时，我们为模型的所有全球参数设置值：交易者总数（N）、初始价格（p）、全球基本价格（pF）和相应的变化（θ）、图表师时间窗口的最大延伸（Tmax）、对原教旨主义者和图表师的预测敏感性（φ）和κ）、信息耗散水平（α）、市场失衡权重（δ），随机噪声项的变化间隔（σ），选择状态的灵敏度阈值（τ）；在此阶段还设置了交易员个人参数的初始条件：信息水平、资产数量、货币和财富。第二步。模拟从一个合适的瞬态开始，在此期间，订单预订活动暂停，代理仅从外部来源接收全局信息，并在小世界晶格内的连接后交换个人信息：这允许系统在特定时间达到临界状态tSOC，任何规模的幂律分布信息雪崩都会发生。第三步。瞬态之后，即对于t>tSOC，订单簿动态开始起作用，遵循第2.1节的规则，全球资产价格时间序列从两个同时过程的叠加中出现：订单簿机制和SOC动态引起的传染。第一种方法允许根据两个买入和卖出价格列表之间的匹配以及由于未受激励的交易者导致的市场失衡来确定下一个资产价格，而第二种方法通过诱导具有相同身份（询问者、投标人或持有人）的（非随机）交易者的成群结队来影响第一种方法。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-5-10 21:45:44

这两个过程的结合能够对新兴的总价格pt产生现实的影响，其特点是收益的非高斯分布。首先，我们用一个由N=1600个代理人组成的小世界晶格进行单事件模拟，将800名原教旨主义者和800名图表学家分开，在这个阶段，没有随机交易者。我们为全局参数选择以下典型值：p=100，pF=120，θ=30，Tmax=15，φ=2.0，κ=2.0，α=0.95，δ=0.05，σ=30，τ=20。我们还通过随机选择信息级别Ii（0）来设置贸易商的初始条件∈ [0,1]对于i=1。。。，N、并将资产数量Q=50和初始货币金额M=35000（以任意单位表示）的值组合起来，对所有交易者来说都是相等的。因此，代理人的初始总财富为Wi=M+Q·p=40000，i、从单次运行（仅限于步骤1和2）中，可以为瞬态持续时间tSOC选择合适的值。如图4所示，10000个时间步足以让系统达到临界状态。因此，我们为所有模拟设置tSOC=10000。在接下来的数值模拟中没有考虑到这种瞬态时间，我们只考虑了在接下来的20000个时间步（步骤1-3）的临界状态下模拟的结果。图4：信息雪崩规模的时间序列。3.1周期性价格区域在图5的顶部面板中，我们展示了过渡期（即t>tSOC）后第一个120个时间步骤中全球资产价格的演变。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:50

可以清楚地看到，在大约20个时间步之后，系统迅速稳定下来，处于周期性状态，价格在112左右波动，中间值介于p=100和pF=120之间。这种奇怪的行为可以通过观察图5中较小的面板直观地解释，其中原教旨主义者和图表主义者的预期价格的频率分布显示在两个连续的时间步，t=100和t=101。首先，让我们考虑一下t=100的情况（左列）。在这里，原教旨主义者（中间面板）的大多数预期价格都高于旧的全球资产价格p=92.93（在面板中也以垂直线报告），而图表学家（底部面板）的预期价格则更平均地分布在该值周围。这意味着将有更多的竞标者而非竞标者（Nb>>Na）：因此，市场失衡（过度需求）将导致价格发生实质性的正向变化，其将上升至p=132.11。在下一个时间步，t=101（右栏），我们发现原教旨主义者（中间面板）的情况正好相反，他们的预期价格大多低于全球资产价格p（面板中也报告为避免线），而图表师（底部面板）的情况没有改变，他们的分布也不均匀，在这种情况下，围绕着全球价格p。这将产生一个实质性的供应过程（Na>>Nb），反过来，这将有力地将全球资产价格推低到p=92.37，使系统回到需求过剩的状态，等等。你也可以说，这里发生的事情是一种（非常现实的）自我充实的预言：价格上涨的预期确实发生了，以及价格下跌的预期。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:53

其结果是在顶部面板中观察到的价格的大周期性（相当稳健）波动。值得注意的是，在这种情况下，放牧动态并不显著，因为价格波动的较大幅度掩盖了雪崩传染效应造成的变化。图5：瞬态后全球资产价格的前110个值，即t>tSOC。SmallerPanel显示了交易员在两个非随机类别的预期价格中的分布。3.2间歇性价格区域全球资产价格的周期性波动持续约350个时间步。然后，突然间，它让位于一个完全不同的行为：如图6的顶部面板所示，振荡的振幅急剧降低，而其平均值增加（从大约110增加到大约135）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:45:57

因此，放牧动态可以开始以价格大幅、突然增加或减少的形式揭示其影响，从而形成稳定的干预机制。如图6的其他（中间和底部）面板所示，t>t的价格波动大幅降低*= 350基本上是由于原教旨主义者，尤其是图表主义者预期价格的变化范围突然稳定。与t=100和t=101时的类似分布（如图5所示）相比，t=1000和t=1001时的预期价格分布要稳定得多（原教旨主义者总是介于0和200之间，图表主义者总是介于100和175之间），在没有信息雪崩的情况下，这会抑制市场失衡，进而抑制价格波动。但是，有时，当传染效应通过在网络中引发兴奋或恐慌而突然改变相关数量交易者的地位时，随之而来的需求或供应过剩会导致价格上涨，这种情况在间歇机制中是显而易见的。图6：瞬态后全球资产价格的前1500个值，即t>tSOC。在图7的顶部面板中，我们最终绘制了全球资产价格pt的整个时间序列，t=1。。。，20000，以及相应的返回序列rt=log（pt+1）- 日志（pt）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-10 21:46:01

特别是，我们在这里考虑标准化回报，定义为rNORMt=（rt- rav）/rstdev，其中rav和rstdevare分别为整个收益序列的平均值和标准偏差。很明显，除了价格序列，t>t的回报率也是间歇性的*.这一点由图7底部面板所示的中间状态下标准化收益的概率密度函数（pdf）图证实：事实上，与具有单一方差的高斯分布（虚线曲线）相比，收益分布（圆圈）显示出明显的峰值和形成厚尾的趋势，即不动产类似分布的典型形状（见参考文献[29]）。数据可以通过q-高斯函数（整行）进行拟合，定义为Gq=a[1]- (1 - q） Bx]1/（1）-q），熵指数q=1.5（A=0.98，B=7），其测量偏离高斯行为的程度（在极限q=1下获得）[45]。请注意，q的值与之前的工作[29]中获得的值非常相似，指的是没有订单簿的CFP模型生成的收益分布。因此，这一新模型揭示了能够以更现实的价格形成机制展示相同的程式化事实。图7：瞬态后全球资产价格的完整时间序列（顶部面板），以及相应的标准化收益序列（中间面板）及其在间歇状态下的概率分布函数（底部面板）（圆圈）。蓝色虚线是单位标准偏差的高斯曲线，而红色曲线是q=1.5的q-高斯曲线。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-5-10 21:46:04

有关更多详细信息，请参阅文本。3.3交易员的资产数量、货币和财富分布让我们进一步看看图7所示的模拟运行，但现在，从交易员之间的资产、货币和财富分布的角度来看。考虑到，如前所述，没有足够资金的代理不能作为投标人，而资产数量为零的代理不能作为询价人。因此，在这两种情况下，他们都不能参与交易，我们预计这将对订单动态和全球资产价格演变产生明显的影响。在图8的左栏中，资产数量的分布以不同的时间步长（从上到下）报告。从t=0时的峰值初始柱状图开始，当所有交易者拥有相同的资产数量Q=50时，这种分布逐渐扩散：峰值减小并向左移动，而尾部出现并倾向于向右延伸。t=t左右*桃子触碰起源，越来越多的代理人开始失去他们所有的资产（Qi=0），而他们中的一小部分人积累资产，直到模拟结束时，只有大约200名代理人（所有原教旨主义者）的Qi>10（其中只有大约60人的Qi>400）。图8：不同时间段（从上到下：t=0、t=100、t=360、t=1000和t=20000）交易员的资产数量（左列）、货币（中列）和总财富（右列）的分布。相应地，货币分布（中间一栏）也在t>0时展开，以M=35000为中心的初始峰值开始减少，并略微向右移动，而货币减少的代理人的细尾巴慢慢向左移动。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:46:07

在模拟结束时（准确地说，t~ 15000），尾部到达原点，越来越多的交易者开始使用他们所有的资金，直到在模拟结束时，人们发现大约120名Mi<100的代理人（具体来说，他们都是Qi的原教旨主义者）~ 400). 将资产数量和金钱合并在一起，总财富分布（右栏）显示，以初始价值40000为中心的代理人数量持续达到峰值，而他们中只有大约三分之一的人最终拥有比开始时更多的财富：特别是，只有约200人，都是原教旨主义者，最终拥有超过50000人。总而言之，正如人们所料，原教旨主义者倾向于更加保守，积累资产，甚至冒着赔钱的风险，但总财富保持在较高水平。有趣的是，在t时，齐=0的交易者的峰值上升~ T*（见左栏中间部分）并非巧合：事实上，没有资产出售的代理人数量迅速增加，导致平均交易数量突然减少，这显然破坏了周期性制度，进而导致间歇性制度的崩溃。如图9（b）所示，平均交易量（t=0约为150）将随着时间的推移逐渐减少，直到t>350时，图9：1500个时间步中几个数量的时间演变比较：（从顶部到底部）资产价格（a）、交易数量（b）、投标人数量（c）和询问者数量（d）。在我们选择模型参数时，当平均交易数量低于100时，周期性和间歇性制度之间的过渡就会发生，然后在50左右结算。它很快就稳定在一个平台上，在模拟结束之前，它会继续在50左右振荡。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-5-10 21:46:10

投标人的数量Nb（c）和askers Na（d）也可以观察到类似的行为，其平均值也会随着时间的推移而减少，并且在t>350时趋于稳定。4随机交易者的作用在最后一节中，我们研究了在网络中引入一小部分随机交易者的影响，保持所有其他参数不变，包括代理总数（N=1600）。在之前的研究[12,14,29]中，随机交易者的作用已被证明在抑制羊群雪崩，从而降低价格波动（从而降低市场波动性）方面至关重要：在这种情况下，我们也证实了这一发现。在图10中，我们展示了单次运行模拟的结果，与前一节（如图7所示）中分析的结果完全相似，但在人工市场中有10%的随机交易者。因此，我们有160名随机交易员、720名原教旨主义者和720名图表学家。引入这种新型代理人，随机决定其身份（询问者、投标人或持有者），不参与放牧过程，其影响有两个方面：一方面，如图10顶部和中间面板所示，随机贸易商的存在图10：随机贸易商占10%的OB-CFP模型。瞬态后全球资产价格的时间序列（顶部面板），以及相应的标准化收益序列（中间面板）及其在间歇状态下的概率分布（底部面板）。有关更多详细信息，请参阅文本。延迟过渡到间歇状态（现在在t~ 1200); 另一方面，它也减少了大价格波动的发生，进而减少了回报分布的形状。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:46:15

从图10的底部面板可以看出，即使它仍然是峰值和非高斯分布，这样的分布显示，相对于在没有随机交易者的情况下获得的随机分布，尾部显著减少（图7中的q-高斯分布也被报告用于比较）。因此，在OB-CFP模型的背景下，随机交易也被证明具有积极作用，以减少市场价格波动。4结论在本文中，我们提出了一个新的模型，即OB-CFP模型，该模型基于订单驱动的艺术金融市场，具有异构代理。已经提供了对其现实结果的描述，特别是关于收益分布的厚尾、模仿行为的特征以及再现总体结果的能力，这些结果表明符合真实反馈驱动的市场动态——一种自我充实的预言。在许多方面，本文代表了之前研究[29]的一个富有成效的扩展，该研究引入了自组织临界性模型，以描述（并可能控制）金融市场中危机和泡沫动力学的发生。数值结果证实了之前的发现，尤其是随机交易策略的有益作用。在这里，我们嵌入了一个订单簿，以便购买/销售决策可以遵循更现实的分配机制。本文提出的基本创新点是，就我们所知，在文献中发现一个全球市场模型并不常见，该模型显示了自组织的临界行为，并通过操作指令簿嵌入了交易的微观结构。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:46:18

尽管第一个实验依赖于一个简单的机制，其中只考虑了一种资产的交易，但进一步的研究将致力于消除订单设置中的这一简化假设，以获得一个更完整的框架，质疑有效的市场稳定政策的适用性。确认本研究得到了卡塔尼亚大学FIR研究项目2014 N.ABDD94的部分支持。参考文献[1]R.N.Mantegna和H.E.Stanley《经济物理学导论：金融中的相关性和复杂性》，剑桥大学出版社，1999年。[2] D.赫尔宾，《定量社会动力学》，克卢沃，多德雷赫特，1995年。[3] D.赫尔宾，社会自组织，斯普林格，2012年。[4] H·A·西蒙，人类的典范；《社会与理性》，威利，1957年。[5] A Tversky and D Kahneman，《科学》，185（4157），1124-11311974年。[6] D.Kahneman和A.Tversky，《计量经济学：计量经济学学会杂志》，第263-2911979页。[7] N.Barberis和R.Thaler，《金融经济学手册》，11053-11282003年。[8] A.Pluchino，A.Rapisarda，C.Garofalo，Physica A，389（3），467-4722010。[9] A.Pluchino，A.Rapisarda，C.Garofalo，Physica A，390（20），3496–35112011。[10] A.Pluchino，C.Garofalo，A.Rapisarda，S.Spagano，M.Caserta，Physica A，390（21），3944–3954，2011年。[11] A.E.Biondo，A.Pluchino，A.Rapisarda，《统计物理杂志》，151（3-4），607-6222013。[12] A.E.比昂多，A.普卢奇诺，A.拉皮萨尔达，D.赫尔宾，物理评论E，88（6），0628142013。[13] A.E.比昂多，A.普鲁奇诺，A.拉皮萨尔达，D.赫尔宾，公共科学图书馆一号，8（7），e68344，2013年。[14] A.E.Biondo，A.Pluchino，A.Rapisarda，《当代物理学》，第55（4）页，2014年第318–334页。[15] D.Delli Gatti、S.Desiderio、E.Gaffeo、P.Cirillo和M.Gallegati，自下而上的宏观经济学，斯普林格科学；商业媒体，2011年。[16] B.LeBaron，基于代理的计算金融。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-10 21:46:21

计算经济学手册，12:1187–1233，2006。[17] T.Lux和F.Westerhoff，《自然物理学》，2009年第5（1）期，第2-3期。[18] W.A.Brock和C.H.Hommes，《经济和金融竞争力模型》，技术报告，1997年。[19] W.A.布洛克和C.H.霍姆斯，《计量经济学：计量经济学学会杂志》，651059-10951997年。[20] W A Brock and C H Hommes，《经济动力与控制杂志》，22（8-9），1235-12741998年。[21]C.Chiarella，《运筹学年鉴》，37（1），101–123，1992年。[22]C.Chiarella and X.Z.He，数量金融，1（5），509–5262001。[23]R.H.Day和W.Huang，经济行为与组织杂志，14（3），299–3291990。[24]R.Franke和R.Sethi，《经济学研究》，52（1），61-791998年。[25]霍姆斯，《金融市场作为非线性自适应进化系统》，泰勒和弗朗西斯，2001年。[26]T.Lux，《经济杂志》，第881-8961995页。[27]T.Lux，《经济行为与组织杂志》，33（2）：143–165，1998年。[28]T.Lux和M.Marchesi，《自然》杂志，397（6719），498-5001999年。[29]A.E.比昂多，A.普鲁奇诺，A.拉皮萨尔达，Phys。牧师。E、 2015年4月28日第92（4）页。[30]比克汉达尼，赫什莱弗，韦尔奇，《政治经济学杂志》，100（5）：992-10261992年。[31]S.Alfarano，T.Lux和F.Wagner，《经济动力与控制杂志》，32:101–136，2008年。[32]A.Kononovicius和V.Gontis，Europhys。Lett。，101, 2013.[33]Z.Olami，H.J.S.Feder和K.Christensen，Phys。牧师。E、 681992年。[34]Gopikrishnan，P.，Plerou，V.，Gabaix，X.和Stanley，H.E.Phys。牧师。E、 624493-44962000。[35]Challet，D.和Stinchcombe，R.Physica A，300285-2992001。[36]马斯洛夫，S.和米尔斯，M.Physica A，299234-246，2001年。[37]Bouchaud，J.-P.，Mzard，M.和Potters，M.定量金融，2251-256，2002年。[38]Potters，M.and Bouchaud，J.P.Physica A，387205-20342008。[39]加曼，M.B.《金融经济学杂志》，3257-2751976年。[40]凯尔，A.S。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝