全部版块 我的主页
论坛 经济学人 二区 外文文献专区
595 19
2022-05-30
英文标题:
《Can Agent-Based Models Probe Market Microstructure?》
---
作者:
Donovan Platt, Tim Gebbie
---
最新提交年份:
2017
---
英文摘要:
  We extend prior evidence that naively using intraday agent-based models that involve realistic order-matching processes for modeling continuous-time double auction markets seems to fail to be able to provide a robust link between data and many model parameters, even when these models are able to reproduce a number of well-known stylized facts of return time series. We demonstrate that while the parameters of intraday agent-based models rooted in market microstructure can be meaningfully calibrated, those exclusively related to agent behaviors and incentives remain problematic. This could simply be a failure of the calibration techniques used but we argue that the observed parameter degeneracies are most likely a consequence of the realistic matching processes employed in these models. This suggests that alternative approaches to linking data, phenomenology and market structure may be necessary and that it is conceivable that one could construct a useful model that does not directly depend on the nuances of agent behaviors, even when it is known that the real agents engage in complex behaviors.
---
中文摘要:
我们扩展了先前的证据,即天真地使用包含真实订单匹配过程的日内基于代理的模型来建模连续时间双重拍卖市场,似乎无法在数据和许多模型参数之间提供可靠的联系,即使这些模型能够再现返回时间序列的一些众所周知的程式化事实。我们证明,虽然植根于市场微观结构的基于代理的日内模型的参数可以进行有意义的校准,但那些仅与代理行为和激励相关的参数仍然存在问题。这可能只是所用校准技术的失败,但我们认为,观测到的参数退化很可能是这些模型中采用的实际匹配过程的结果。这表明,连接数据、现象学和市场结构的替代方法可能是必要的,并且可以想象,可以构建一个有用的模型,该模型不直接依赖于代理行为的细微差别,即使已知真实代理参与复杂行为。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Computational Finance        计算金融学
分类描述:Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法,包括蒙特卡罗,偏微分方程,格子和其他数值方法,并应用于金融建模
--
一级分类:Quantitative Finance        数量金融学
二级分类:Trading and Market Microstructure        交易与市场微观结构
分类描述:Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构,流动性,交易和拍卖设计,自动化交易,基于代理的建模和做市
--

---
PDF下载:
-->
二维码

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

全部回复
2022-5-30 21:38:05
基于代理的模型能否探测市场微观结构?D、 F.普拉特* 1,2和T.J.Gebbie1,2,3约翰内斯堡奎里拉布威特沃特斯兰德大学计算机科学和应用数学学院-量化突发事件、风险和信息开普敦大学统计科学系开普敦分校AbstractParameters基于市场微观结构的日内代理模型可以进行有意义的校准,所使用的校准技术失败,但我们认为,观察到的参数退化是连接数据、现象学和市场结构的最具替代性的方法,可能是必要的,即使已知真实代理人参与复杂的行为,也可能是代理人的行为。关键词:基于代理的建模、校准、复杂性、市场微观结构、层次因果关系JEL分类:C13·C52·G101。
二维码

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

2022-5-30 21:38:09
简介:新出现的各种模型能够复制财务回报的程式化事实,这主要是因为它们取代了高斯回报分布的经验和有效市场假设,并引入了代理行为中的假设(LeBaron 2005)。对这类模型的价值和有效性持怀疑态度,尤其是与当前的验证技术有关(Hamill和Gilbert,尤其是那些复制连续双重性以产生回归时间序列的人,他们复制了大量经验观察到的程式化事实,这是一个巨大的挑战。回归时间序列的事实同样好,导致模型比较和精确识别哪些机制导致了上述程式化事实的困难(Barde 2016)。这与增加模型验证调查的担忧相结合。els到事务数据,试图获取*通讯作者,dfplatt@mweb.co.zathat库卡卡(Kukacka)和巴鲁尼克(Barunik)(2016)提出的法布雷蒂(Fabretti)的工作中,可以说一个经验测量的序列和一个模拟的序列来自《关税协定》(thegations)。课程包括Farmer和Joshi(2002),并使用这些方法进行校准,产生令人满意的结果。尽管如此,FabApproxing连续双重拍卖所采用的方法也相对稀少。何时以及在多大程度上可以使用聚合属性市场(aggregate propertiesmarkets)这一潜在问题仍然悬而未决。ABMs已被用于成功提取每日采样频率上总回报数据的隐藏结构(Fabretti 2013),但这仍然是大量数据。Fabretti(2013)inPlatt和Gebbie(2016)的校准框架,试图在持续的双重拍卖市场中校准高频和低频交易。
二维码

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

2022-5-30 21:38:12
该模型具有各种各样的特性,这些特性在更复杂的日内模型中很常见,例如机械地匹配订单,而不是在(2006)模型或其附近进行市场清算。返回时间序列样式化的事实,但当受到既定校准程序的影响时,仍然会出现参数退化。只有经过有意义校准的参数。这本来是有意的。如果在参数之间的联系并使监管和结构推断集驱动模型行为至关重要时,通过这样的参数值来确定KET,这可能被视为有问题的。我们之前的调查发现,参数、峰度和广义赫斯特指数都是众所周知的程式化事实。这些退化的来源是其大多数交易员在未咨询限额订单簿(LOB)当前状态的情况下对价格的不同理解,而是使用几何随机游走来近似市场价格,这项工作基本上是不完整的,关键在于模型本身。这最终导致我们在以下调查中考虑两个关键问题:和Gebbie 2016),是否有可能尽管与代理行为有关,但相关的参数可以进行有意义的校准?是否未在ABM中明确建模,例如通过校准来检测订单流量相关性?我们试图通过将之前考虑的校准方法(Platt和Gebbie 2016)应用到另一个众所周知的日内ABM方法模型来阐明这些问题。文献中的一个重要先例是Farmer等人(2005年)的Gument,该先例表明,明显的错误可以匹配观测流量和价格过程参数,因此没有考虑一个更复杂的模型子集。Preis等人模型a。模型概述我们考虑Preiset al首先提出的模型。
二维码

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

2022-5-30 21:38:15
(2006),后来由Preiset al.(2007)详细阐述。参考图1,该模型由一系列T蒙特卡罗步骤组成。市场订单信息匹配订单,确定新的中间价结果,如图1所示:模型中代理类型和交互的说明主动流动性提供商首先提交限额或提交市场订单,从而产生大量交易。LOB按照LOB中的最佳出价(最高价格的购买订单)和最佳询价(最低价格的销售订单)的平均值执行所有交易。在一系列市场价格中,每个蒙特卡罗步骤一个。输入标准MC步骤SMC步骤1至T-1MC步骤T,退出标准MC步骤图2:蒙特卡罗步骤我们在后续小节中概述了整体模拟。对于任何给定的蒙特卡罗步骤,近似为ybαNAcproviders。上述每个ordersqprovider=。由当前放置深度参数λ(t)书挖掘,即当前最佳出价pb和当前最佳询问pa,其中limitbuy订单的价格由P=pa给出-1.-η(1)和限价销售订单的价格由P=pb+1+η(2)ηdom编号给出,根据η=b生成-λ(t)ln(u)c(3)和u~ U(0,1)。变化,并与后续小节中更详细的购买概率决策者(t)和初始放置深度参数λ直接相关。它由λ(t)=λ给出1个+qtaker(t)-shqtaker(t)-我Cλ(4) 其中,cλ是一个整数参数,h[qtaker-]iqtaker(t)蒙特卡罗在主[qtaker]之前单独步骤-].与Mandes(2015)提出的放置机制形成对比。订单。这是通过随机可解性δ来实现的。初始化以生成包含10个初始蒙特卡罗步骤的可行订单,其中PA=pb=存在同情接受者活动。
二维码

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

2022-5-30 21:38:19
这对应于大约ybαNAclimitorders的位置。tionNAubuNAc1,是一个购买订单,其概率为qtaker(t),qtaker(0)=。结果是从LOB中删除最佳出价,而购买市场订单只执行LOB,因为所有订单的大小都是1。qproviderqtaker(t)作为均值回复随机游动,带有meanqtaker()概率+| qtaker(t)-|.3、标定实验设计。数据所有校准实验中使用的数据集2016)格式,显示逐笔交易、报价和拍卖报价系列。每分钟的最终报价中间价,其中报价的中间价作为与该报价相关的价格给出,与previlog prices一样,previlog prices是我们试图校准模型的系列。从9:10到16:50,任何一笔交易都会进行最后拍卖。总计2300个一分钟价格条,从周一到周五,每天交易460分钟。Platt和Gebbie(2016)也考虑了这一点。B、 校准框架如前所述,我们采用Fabretti(2013)toprices所述的校准框架。根据数据和对数测得的均值、标准差、峰度、Kolmogorov-Smirnov(KS)检验和广义时间序列。(2006)型号。我们的目标是最小化这个目标函数启发式(Gilli和Winker 2003)。我们在不做任何修改的情况下复制了之前的实现,再次利用了5这是Fabretti(2013)方法的技术要求,Platt和Gebbie(2016)对此进行了详细讨论。在配备2个Intel Xeon E5-2683 CPU的HP Z840工作站的2×=32个工作线程上进行并行化,使得更多的MonteCarlo复制在计算上相对于估计方差的减少过于昂贵。蒙特卡罗复制,由于计算约束。校准结果a。
二维码

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…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群