BSE：一种极限指令簿证券交易所的最小模拟

2022-6-10 18:01:12

BSE：极限订单股票交易所的最小模拟Dave Cliffe布里斯托尔大学计算机科学系英国布里斯托尔BS8 1UB。csdtc@bristol.ac.ukABSTRACTThis本文描述了布里斯托尔证券交易所（BSE）的设计、实现和成功使用。BSE是一个基于限额指令簿（LOB）的集中金融市场的一个级别的最小模拟，如主要证券交易所的iscommonly。构建证券交易所的动机是，世界上大多数主要金融市场都实现了自动化，以前由人类交易员负责的交易活动现在由高速自主自动交易系统执行。旨在了解这种新型金融市场动态的研究受到以下事实的阻碍：现实世界中任何一家运营的金融交易所都不可能允许在该市场开放并实时运行的情况下对其进行实验性探索，迫使研究人员主要从过去交易数据的时间序列进行研究。同样，对能够创建下一代自动交易系统的工程师进行大学级别的教育，要求他们在足够真实的教学环境中有实际的学习经验。如下文所述，BSE解决了这两个需求：自2012年以来，它已成功用于英国一所顶尖大学的教学和研究，并且BSE程序代码可在GitHub上免费获得开源。关键词：教育模拟、金融市场、自动交易。本文介绍了一个模拟金融交易所的设计、实现和成功使用，用于大学教学和研究。

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

2022-6-10 18:01:20

模拟交易所（simulatedexchange）实现了与美国纽约证券交易所（NYSE）或纳斯达克（ASDAQ）以及英国伦敦证交所（LSE）等主要国家金融交易所相同的中央动态数据结构（限额指令簿或LOB）。exchangesimulator由布里斯托尔大学开发，名为布里斯托尔证券交易所（BSE）。BSE的编写是为了便于新手程序员使用和理解；而且它不需要强大的硬件来运行（它在流行的Raspberry Pi低成本单板计算机上愉快地缓慢执行）。BSE是用Python（v.2.7）编写的，完整的源代码已在GitHub存储库中免费提供。疯牛病与传统金融市场模拟器之间的关键区别在于，疯牛病的交易者可以直接影响交易发生的价格，当需求超过供应时，会推高价格，当供应超过需求时，会推低价格。在疯牛病中，t+1时的价格不仅仅是历史时间序列上记录的任何价格，而是直接取决于t时活跃在市场上的交易者的行为和互动。本文稍后将对此进行更详细的解释和探讨。疯牛病的产生主要是因为观察到世界上许多主要金融市场现在都有很高的自动化水平，人类交易员已经被自主算法交易系统所取代，俗称“机器人交易员”或简称“算法交易员”。

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

2022-6-10 18:01:23

早期的自动交易系统通常被引入来执行简单的日常交易活动，这不值得要求高薪的人类交易者去做，但随着时间的推移，机器人交易者的能力，尤其是他们可以吸收和处理的数据量，和/或他们能够对市场变化做出反应的更高速度，这意味着机器人交易员可以以更低的成本超越人类交易员。那时，简单地考虑经济效率意味着机器人在许多市场上激增，而涉及到人类交易对手在执行点进行谈判的交易数量急剧下降。向自动交易的转变改变了主要金融市场的动态，并对在自动交易系统的设计和构建以及自动市场的分析和管理方面受过大学教育的人产生了需求。BSE是自动化市场的一个简单的最小抽象，包括许多众所周知的机器人交易算法的参考实现。本文第2节给出了拍卖、金融市场和LOB的背景信息。然后，第3节描述了BSE的LOB、机器人贸易商阵列，以及如何使用机器人贸易商来填充市场并与viaTo互动，并将于2018年9月17日至19日在匈牙利布达佩斯举行的第30届欧洲建模与仿真研讨会（EMSS-2018）上发表。LOB。之后，第4节讨论了在布里斯托尔大学教学和研究中使用疯牛病及其机器人交易员的经验。背景在许多人类社会中，数百年或数千年来，买卖双方在市场上会面并讨价还价。

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

2022-6-10 18:01:26

在讨价还价时，卖方陈述他或她想要出售的报价，买方通常会以低于报价的出价进行回应。卖方可能会稍微降低报价；买方可能会稍微提高出价；他们会重复这些价格调整，直到达成协议或单打独斗。在经济学语言中，“拍卖”一词是指买卖双方共同商定交易价格，用金钱换取商品或服务的手段。讨价还价是拍卖的一种形式。还有许多其他不同类型的拍卖，这里我们只简要回顾五种，但我们的回顾以最具经济意义的拍卖方式结束，正如世界上大多数主要金融市场所使用的那样。一种著名的拍卖类型是英国拍卖，卖家保持沉默，买家宣布提高出价，直到只剩下一个买家，然后买家获得交易。这是一种流行的出售艺术品和牲畜的方式。英国拍卖的一个更具技术性的名称是首价升幅拍卖，因为首价（最高）成为交易价格。相比之下，如果你曾经购买过oneBay的任何东西，你就会知道那里的很多拍卖都是出价，但都是以第二价格进行的：也就是说，你通过出价最高赢得了交易，但你支付的价格是第二高出价者的出价。而且，当你在购物中心购物时，你也在拍卖。

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

2022-6-10 18:01:29

这就是经济学家所说的“公布出价拍卖”：卖家说出（或“公布”）他们的出价，买家只需按照该价格出价或不出价即可。然而，如果你去阿姆斯特丹或鹿特丹尝试购买郁金香或水仙花球茎（荷兰的一家大企业），你会看到几乎完全相反的过程。在荷兰花卉拍卖会上，买家保持沉默，而卖家从最初的高出价开始，然后逐渐降低出价，直到买家介入接受交易。这是一次有吸引力的出价拍卖。在世界上许多主要的金融市场中，所采用的拍卖方式与基本波动过程密切相关。这很像在onemarket中同时进行升价和降价拍卖。这被称为连续双重拍卖（ContinuousDouble Auction，简称CDA）。在CDA中，买方可以随时宣布出价，卖方可以随时宣布出价。我们在此将投标和报价统称为报价。在此期间，任何卖方都可以随时接受任何买方的投标；任何买方都可以随时接受卖方的报价。当报价被交易对手接受时，交易将完成，报价的价格将成为该交易的交易价格。CDA是一个连续的异步过程，它不需要集中的拍卖商，但它确实需要某种方式来记录已经做出但尚未交易的出价和报价：这是我们将在本文中详细介绍的限额订单簿（LOB）。

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…

2022-6-10 18:01:32

在市场术语中，“限价指令”是一种报价，只有在找到愿意以报价预先规定的限价进行交易的交易对手时，才会执行该报价：这与其他类型的指令不同，这些指令是以提交订单时市场将承受的任何价格立即执行的。CDA引起了经济学家的兴趣，因为即使交易员数量非常少，交易价格也很快接近理论市场均衡价格。均衡价格是最符合市场需求量和供应量的价格，从这个意义上说，它是市场最有效的价格。CDA还具有实用价值，因为数万亿美元通过基于CDA的国家和国际市场——不动产、股票（股票和股票）、外汇、固定收益（政府债券等可交易债务合同，在英国称为金边债券，在美国称为国库券）和衍生品合同流动。尽管仍有一些交易所，人类交易员在中央交易场进行实际会面，并大声发出口头出价和报价，但在许多主要市场中，交易员通过基于屏幕的电子市场进行远程互动，在交易所上以特定价格发布特定数量的报价。LOB显示的数据汇总了所有突出的出价和报价，即发起报价的交易员尚未取消的“实时”报价。在市场术语中，报价也被称为ask，LOB通常被描述为有两个方面：投标方和ask方。

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

2022-6-10 18:01:44

投标方按降序显示未完成投标订单的价格，以及每种价格下的可用数量，因此最佳（最高）投标位于账簿顶部。任务侧按升序显示未完成任务的价格，以及每个任务价格下的可用数量，因此最佳（最低）任务位于书的顶部。因此，例如，如果有两名交易员各自寻求以每股不超过1.50美元的价格购买XYZ公司的30股股票，一名交易员希望以1.52美元的价格购买10股；同时，如果有一位交易员以1.55美元的价格卖出20股，另一位交易员以1.62美元的价格卖出50股，那么XYZ的LOB将如图1所示：交易员会说XYZ的定价为“152-55”，而出价-出价价差为0.03美元。LOB上显示的信息称为“Level2”或“市场深度”数据。相比之下，“1级”市场数据仅显示bestbid和ask的价格和规模（数量），以及所交易工具最近记录交易的价格和规模。有些人喜欢在家用电脑上进行“日内交易”，他们通常使用更严格的数据进行操作，例如工具上一次交易价格的时间序列，或中间价格，即当前最佳出价和最佳出价之间的点（因此在本例中，XYZ的中间价格为1.535美元）。数据越丰富，从商业金融数据提供商处购买的成本就越高。投资银行和对冲基金的专业交易员经常使用完整的二级数据，但这些机构的研发工程师的资源要比资金微薄的大学学院（universityacademics）好得多。

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

2022-6-10 18:01:47

购买教学或研究所需数量的二级数据记录对于日常学术用途来说通常是非常昂贵的。图1：说明性限额指令簿（LOB）：带有股票代码XYZmight的虚拟股票的LOB如何显示在交易员屏幕上。左侧（浅色文本）列显示书籍的投标方，数量然后价格，按价格降序排列；右侧（黑色文本）列按价格升序显示询价方、价格然后是数量。有关进一步讨论，请参阅文本。然而，即使这些历史数据是免费的，我们也无法研究所谓的市场影响，即特定交易者或交易者群体的行为会影响可交易工具的价格。例如，如果交易员卖出大量IBM股票，增加的供应将压低IBM股票的后续价格（假设分配的东西，尤其是IBMstock的需求水平保持不变）。在教学或研究环境中，历史价格时间序列数据库无法显示市场影响：如果交易员根据时间t的IBM股票价格决定出售1亿只IBMshares，则时间t+1的价格，即历史数据库中可用的下一个时间序列价格，不会受到IBM股票突然大幅上涨的影响；也就是说，不会有市场影响效应。

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

kedemingshi

2022-6-10 18:01:50

然而，我们希望从研究的角度探索理解市场影响，我们希望学生也能体验他们处理市场影响的系统。出于这些原因，并基于早期指导博士生和博士后研究人员构建更复杂和复杂的金融市场模拟以用于研究和教学的经验（参见Stotter等人，2013、2014；De Luca，2016），我设计并实施了一个基于LOB的金融市场的简单最小模拟。因为我在布里斯托尔大学工作，我给这个模拟器取名为布里斯托尔证券交易所，简称BSE。3、BSE：布里斯托尔证券交易所（BRISTOL STOCK Exchange）EBSE已成功用作一种研究工具，主要用于应用深度学习神经网络（DLNN）机器学习方法的实验研究，以创建适应不断变化的市场环境并从市场经验中学习的机器人交易员，第4节将进一步讨论。在这种情况下，将SE的用户视为实验者或研究者是明智的。疯牛病最初是作为一种资源在布里斯托尔大学的一门硕士学位课程上进行教学开发的，并被成功地用作该课程的教学资源：有关疯牛病在教学中的应用的进一步讨论，请参见Cliff（2018）。在教学内容中，BSE的使用者更适合被称为教育者（将BSE设置为用于教学，以实现学生的学习成果的人）或asa学生（即使用BSE扩展对当代金融市场系统的学习和理解的人）。

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

2022-6-10 18:01:53

在下面的文本中，用户将被用作与疯牛病相关的实验者、研究者、教师和学生的通用术语。BSE具有以下特点：o虽然真正的金融交易所通常会同时维护数十、数百或数千种类型的可交易项目（即不同的库存或不同的商品）的LOB，但BSE只有一个LOB，用于记录单一匿名类型的可交易项目中的限额订单。o疯牛病允许用户控制疯牛病市场中各种供需动态的规格BSE包括许多预先编码的机器人交易算法，这些算法来自过去30年来有关自动交易的文献。这允许用户探索基于LOB的CDamarket的动态，而无需编写自己的robottrading算法BSE是用广泛使用的编程语言Python 2.7精心编写的一种简单、易懂、单线程的最小模拟，因此，只有初级编程经验的学生可以很容易地尝试改变现有系统的各个方面，或者通过添加自己的机器人交易算法来扩展它。自2012年10月以来，BSEsouce代码已作为开源代码从Github代码库中提供，并已被下载多次，许多个人参与了系统编辑和扩展的上传。第3.1节更详细地描述了BSE LOB；第3.2节简要概述了目前BSE中可用的机器人贸易商阵列；第3.3节讨论了如何组织市场会议，一些机器人交易员通过LOB在疯牛病中进行互动；第3.4节通过定义进入市场的客户订单流，详细说明了如何规定市场的供应和需求。3.1.

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

2022-6-10 18:01:56

BSE限额指令簿（LOB）BSE是金融交易所在单个可交易证券中运行限额指令簿（LOB）的最小模拟。它抽象掉或只是忽略了在真正的金融变革中可以发现的许多复杂性。特别是，交易者可以在任何时候发布新的订单，立即替换交易者之前在LOB上的任何订单：也就是说，任何onetrader在任何时候在LOB上最多只能有一个订单。此外，按照目前的配置，BSE假设交易者和交易所之间的通信延迟，并且还方便地假设，在任何一个交易者发出更改LOB的订单后，由更新触发的任何交易都会立即解决，更新的LOB会在任何其他交易者发出另一个订单之前分发给所有交易者：即，所有LOB更新都假定在零延迟时进行。在所有交易者都是人类的时代，LOB的计算机化更新执行速度比人类的反应时间快得多，因此可以安全地假设传统有线或无线电信链路上的传输延迟为零，就像疯牛病一样。然而，现在在主要市场上活跃的许多贸易商不再是人类，而是高速自动化系统，传输能力可能会有很大影响。这只是疯牛病主要简化现实世界状况的一个方面。现实世界的交易所和市场确实比疯牛病复杂得多。

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

何人来此

2022-6-10 18:01:59

然而，BSE中包含的抽象使其成为前沿研究的真正有用的平台。BSE在Python v.2.7中编写为一个单线程流程，旨在以批处理模式运行，将数据写入文件以供后续分析，而不是通过交互式图形用户界面（GUI）动态更新显示的单步操作。基于GUI的版本正在开发中，但即使这样，用户也需要切换到批处理模式，从数百或数千个重复的市场模拟实验中生成统计上可靠的数据，如第3.3节所述。为了便于发布，并帮助新Python用户，目前所有BSE都可以放在一个源代码文件中：BSE。py是最新的主要版本，可从流行的GitHub开源存储库下载（BSE，2012）。疯牛病。py的编写很容易理解；它肯定不会为效率赢得任何奖项；可能不适合eleganceeither。大约有1000行代码。BSE创建的输出数据文件。py都是由ASCIIcomma分隔的值（即.csv类型的文件），因为这种格式可以很容易地由所有的popularspreadsheet程序（如Microsoft Excel）导入，也可以很容易地由更复杂的统计分析系统导入，如Matlab或R提供的系统。通过检查BSE代码，您可以看到Exchange可以准确地保存哪个交易员提交了哪个订单，这样当两个交易员进行交易时，簿记可以是一个，但它“发布”给交易员的LOB慎重地披露了大量数据，以匿名化交易员的身份。这正是现实世界中LOB-basedexchanges所做的。

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

2022-6-10 18:02:02

Exchange类的publish方法使用Exchange内部数据结构中的值将市场的LOB数据构建为Python字典结构，其中包含时间、LOB的bid端和LOB的ask端，分别称为bid LOB和ask LOB。Bid和Ask LOB也是字典结构。每个LOB显示：当前最佳价格；可能的最差价格（即最低允许投标价格或最高允许报价：这些值可用于交易算法，即用于制作“存根报价”：本文件后面给出了一个示例）；订单数量；然后是匿名LOB本身。匿名LOB是一种列表结构，每个投标和投标都按价格顺序排序。列表中的每个项目都是一系列项目：一个价格，以及以该价格出价或出价的股票数量。LOB上未显示当前没有出价或要价的价格。交易员发布的报价具有traderidentification（TID）代码、报价类型（bid或ask）、价格、数量和时间戳。在当前版本的BSE中，为了更加简单，数量始终为1。在此文档中，我们将报价显示为一个列表：[TID，类型，价格，数量，时间]，因此，如果交易员T22在开市后10秒的时间t=1.55美元买入一股，我们将报价写为：[T22，bid，155,10010]。图2显示了一个LOB初始为空的示例，在连续的行上，LOB在ITS更新后显示，以响应该行上显示的引号。请注意，在图2中，t=21时发出的订单来自交易员T11，因此取代了T11之前在t=2时发出的订单，这就是为什么0.22美元的出价从t=21时的出价LOB中删除的原因。

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

可人4

2022-6-10 18:02:05

在这一阶段，出价askspread（即最佳出价和最佳出价之间的差额）为0.32美元。图2:LOB数据结构响应连续订单的变化。顶行显示最初为空的LOB，作为bid侧列表（中列）和ask侧列表（右列）。连续的行显示到达的订单序列（左列）以及更新后LOB的结果状态，以表示每个订单：请参阅文本以了解更多讨论。在金融市场术语中，如果交易者想以当前最佳出价卖出，这被称为“搭便车”；如果交易者想以当前最好的askprice买入，这被称为“解约”。这两个都是“跨越传播”的例子。所以，为了继续我们的示例，让我们假设交易员T02决定取消提问。在BSE中，这是由交易者发出跨越价差的指令发出的信号，即发出价格高于当前最佳ask的出价，然后在发出交叉指令时，交易以LOB上的任何最佳价格进行。“因此，继续图2中的事件序列，如果t=25s，交易者02通过出价0.67美元提高了ask，更新后的LOB将如图3所示。图3：说明LOB的变化，以响应t=25s发出的报价，一个跨越价差的报价，从而提升了最佳ask。请注意，如图2所示，T02已经对LOB进行了较早的出价，这是两个pri中的一个ced在27日，所以当BSE在t=25秒时收到T02的新出价67时，它首先删除了之前的出价（即，新订单取代了旧订单），然后交易系统检测到出价超过了最佳ask（从交易员T03在t=18秒时发送的订单中定价为62），因此交易所也从LOB中删除了该ask。

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

何人来此

2022-6-10 18:02:08

随后，交易所和交易者立即进行一些记账：交易所在其“磁带”（交易所订单的时间序列记录）上记录交易价格和时间；交易的两个交易对手，交易员T02和T03，各自更新他们的“记录”（他们所进行交易的本地记录）：这些使用“磁带”和“记录”是金融市场交易员的常用术语。“3.2 BSE Robot TradersBSE包括各种简单的自动交易算法（或“Robot traders”）示例。这些都是自动执行系统：也就是说，它们自动执行在何处发出的订单。在投资银行业中，从事这项工作的人工称为“sales traders”：humansales trader等待客户的订单到达，然后在市场上执行该订单：也就是说，salestrader只是执行订单，而没有对客户的买卖决定给出任何建议或评论。最简单的是，客户订单将说明客户想要交易的工具（例如，哪些股票或股份），她是想买还是卖，有多少，以及她想要的价格。如果客户希望尽快完成交易，她应该指定市场订单，即现在就以市场上最好的价格（即LOB）完成交易。但是，如果客户愿意等待，那么她可以指定一个限价单、一次购买的最高价格或一次销售的最低价格，然后销售交易员的工作就是等待，直到交易完成的条件合适为止。限价指令的执行是salestrader可以赚钱的地方。

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

可人4

2022-6-10 18:02:11

例如，假设客户发送了一份订单，说明她想以不低于10.00美元的价格出售XYZ公司的一份股票，此时XYZ的价格为9.90美元，但价格一直在稳步上涨：如果销售交易员等待一段时间，并在XYZ涨到10.50美元时执行订单，交易员可以将10.00美元退还给客户，然后再收取额外的0.50美元，利润率为5%，作为交易费用；但是，如果交易者在XYZ价格达到10美元的准确时刻执行此订单，那么客户的订单已经得到满足，但没有额外的钱，交易没有保证金，交易者无法分享。类似地，对于购买ata限价15.00美元以上的客户订单，如果交易员可以以13.00美元的价格购买来代替执行订单，则需要保留或分享2.00美元的“利润”，利润率为13%。因此，疯牛病中的简单机器人交易员都可以被视为计算机化的销售交易员：他们接受客户的限价订单，并尽最大努力在市场上以高于客户提供的限价的价格执行订单（这是他们不应低于的价格，也不应高于的价格）。客户订单发给BSE中的交易员，然后交易员将自己的报价作为出价或询价发布到市场中，试图获得比客户指定的限价更好的价格。BSE是以面向对象的Python编写的。

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

2022-6-10 18:02:15

ageneric Trader类指定了任何机器人都需要实现的核心方法的存根实现，例如机器人如何计算其将作为订单发送给LOB的下一个报价的价格（getorder（）），如何更新任何学习变量以响应marketevents（respond（）），或者执行订单时需要进行的簿记和记录更新（bookkeep（））。“然后，BSE中每种特定类型的机器人交易者的定义继承了这些通用方法，并根据需要对其进行扩展。为了BSE代码的简洁，每种类型的机器人交易者都有一个最多四个字符的标识符，类似于股票代码。BSE中当前可用的机器人交易者算法有：o赠品（GVWY）：一个完全愚蠢的机器人，它发布的报价与其限价相同，从而最大限度地增加了找到另一个交易员进行交易的机会，但保证在其报价产生交易结果的情况下，诺普洛菲特也会这样做。GVWY交易员不使用任何LOB数据。o零智力约束（ZIC）：戈德·桑德（Gode&Sunder）的ZIC交易者的一种实施，在其1993年的开创性论文中介绍，该论文表明，当通过市场机制效率的通用衡量标准进行评估时，ZIC交易者占据的市场与人类交易者占据的可比市场一样有效Shaver（SHVR）：这是一个非常简单的交易，与GVWY不同，它实际上使用LOB数据。

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

2022-6-10 18:02:18

如果是销售订单，SHVR算法只需查看LOB上的最佳ask，并通过报价少一便士（即0.01：BSE中最小的货币单位）来降低价格，只要价格不低于销售订单的限价。类似地，如果使用购买订单，SHVR所报的比价比当前最佳出价高出一便士，只要该价格不超过购买订单的限价狙击手（SNPR）：在圣达菲研究所组织的一场著名的早期实验市场自动交易公开竞赛中，托德·卡普兰（ToddKaplan）向一个交易机器人提交了一份报告，该机器人大部分时间都在无所事事，“潜伏在后台”，然后，如果市场即将关闭，或者如果买卖价差缩小到足够小的价值，卡普兰的策略进入市场是为了“窃取交易”。这一策略，现在被称为卡普兰的狙击手，赢得了比赛：更多细节见Rust et al.（1992）。在BSE中，SHVRS的代码扩展到包括基本的狙击能力：BSE SNPR机器人读取一个系统范围的全局变量，该变量指示市场时段剩余时间的百分比，潜伏一段时间，然后随着时间的推移，迅速增加其在最佳价格下的拥有量。oZero Intelligence Plus（ZIP）：ZIP交易算法（Cliff，1997）旨在解决ZIC交易员的缺点。ZIP交易者使用简单的机器学习和浅层启发式决策树来动态改变itaims在当前工作的订单上实现的利润。2001年，Das等人。

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

2022-6-10 18:02:22

在IBM的实验报告中，他们证明ZIP和alsoIBM自己的“MGD”算法是由Gjerstad&Dikhaut（1998）首次报告的analgorithm修改而来的，可以优于人类交易员控制的实验室实验自适应积极性（AA）：Vytelingum（2006）在其博士研究中对ZIP算法进行了重大扩展，添加了一个积极性变量，该变量决定了贸易商提高利润的速度，并且该变量会随着时间的推移自适应地改变，以响应市场中的事件。AA已被证明在ZIP和MGD等优先排序算法中占据主导地位（Vytelingum、Cliff和Jennings，2008）。在laterwork（De Luca&Cliff，2011）中，AA被证明不仅主导着所有其他算法交易策略，而且还主导着人类交易员。BSE GitHub存储库（BSE，2012）中提供了这些机器人交易员的Python源代码。3.3与机器人贸易商一起使用LOB BSE市场会话的核心是一个while循环，每个时间步重复一次，直到达到预先指定的时间限制。在每个循环周期中，都会发生以下情况：o通过调用BSE customer\\u orders（）方法，检查是否需要将任何新的客户订单分发给任何交易员。对该方法的调用包括一个参数order\\u schedule，该参数指定如何生成客户订单的各个方面，例如新订单是随机到达还是定期到达，销售订单和购买订单之间的余额是多少，以及每个订单的价格是如何生成的。

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

2022-6-10 18:02:25

价格可以是常数，或者根据时间的确定函数生成，或者从随机函数随机生成：可以很容易地构造条件异方差价格生成函数通过调用交易员的sgetorder（）方法，随机选择一个交易员发出当前响应：这将返回value None，表示交易员当前没有发出报价，或者返回报价，即要添加到LOB的新订单；如果是这种情况，则BSE通过名为process\\u order（）的方法处理订单然后，通过调用BSE的publish\\u LOB（）方法，将更新的LOB提供给所有交易员。o如果处理订单导致交易，相关交易人员会通过调用bookkeep（）进行必要的簿记，更新他们的记录簿每个交易者都有机会通过调用交易者的respond（）方法来更新影响其交易行为的内部值。在这之前，需要调用populate\\u market（）方法来填充市场，这是确定交易员数量和每个交易员类型的地方。因此，BSE模拟器的核心环路类似于图4所示的代码。为了进行适当的严格评估，在现实的各种市场条件下比较不同的交易机器人，有必要运行多个统计上独立的会话序列，然后根据结果计算适当的汇总统计数据，并/或对结果进行适当的统计显著性测试。这在疯牛病中很容易做到。

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

2022-6-10 18:02:28

然而，要确定哪一位机器人交易员在众多不同的供需计划中表现最佳，以及机器人类型的数量和比例不同，可能需要进行大量的单独市场试验。在教学环境中，这是一个优势：BSE定期生成超大数据集的能力可以用来激励学生学习管理、可视化和分析大型数据集的“大数据”工具和技术。3.4. 在BSEDe Luca et al.（2011）和Cartlidge&Cliff（2012）中，改变供需计划讨论了在模拟市场中探索交易代理的必要性，这些模拟市场比机器人交易者相互交互和/或与人类交易者交互的初步实验研究中使用的更为现实。当前版本的BSE可以配置为运行“传统”经济实验，在静态均衡供应/需求计划和周期性同时补充订单之间切换，但也可以配置为连续“点滴式”补充，以及供需计划中的细粒度动态变化，因此也是在市场均衡中。BSE允许客户订单以连续的随机流到达，而不是周期性地让每个交易员在同一时刻收到新的客户订单。

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

2022-6-10 18:02:31

这种对客户订单的全面定期补充是因弗农·史密斯（InvernonSmith）在（Smith，1962年）报告的开创性（随后获得诺贝尔奖）实验中引入的，此后许多实验者都使用了该实验，但是，有充分的理由希望探索模拟实验，而不是不断补充：在许多现实世界的市场中，在大多数时候，订单流是订单不断随机流入市场的过程。有关这方面的更多讨论，请参见Cliff&Preist（2001），De Luca et al.（2011）。图4：疯牛病市场时段的主回路。有关更多说明，请参阅文本。4、BSE-IN-USEBSE成立于2012年，旨在满足我们对一个单元/模块的教学需求，该单元/模块目前被称为互联网经济和金融技术，可供布里斯托尔大学硕士生使用。自那以后的六年里，大约有250名硕士生在课程作业中使用了BSEin，通常要求学生开发和测试自己的机器人交易员。在一些年里，作业要求学生创建一个销售机器人（如上所述），而在另一些年，学生创建一个专有的交易机器人，该机器人从一笔钱开始，然后自己买卖，试图通过以高于购买价格的价格出售所购买的每件东西来获利。学生对使用疯牛病的反馈普遍很积极，该模块的几名毕业生已经在主要投资银行和对冲基金找到了长期工作。有关疯牛病在教学中使用的更多详细讨论，请参见（Cliff，2018）。图5:BSEmarkets的交易价格时间序列样本，供需变化剧烈。改变市场的均衡价格。横轴是以秒为单位的时间；纵轴是价格。

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

2022-6-10 18:02:34

数据点是单个事务。平衡价格由水平虚线表示：在第一分钟=1.00美元，然后在t=60时出现顶部=2.50美元的冲击变化，然后再过一分钟，平衡价格在t=120顶部=1.00美元处再次发生冲击变化。在每个时间序列中，交易者对均衡价格的阶跃变化的反应是明确的，因为均衡价格在att=60上升，在t=120下降。每个市场有40个买家和40个卖家：上图显示了GVWY交易员市场的结果；较低的图形显示是由ZIP交易员市场造成的。最近，疯牛病已被用作研究工作的基础，最近在（le Calvez&Cliff2018）中进行了描述，探讨了如何利用深度学习神经网络（DLNNs：参见Krizhevsky等人，2012）在CDAmarkets中复制适应性交易者的行为。DLNNs是一种当代机器学习技术，已成功证明其在广泛的高挑战性应用领域中表现得出奇地好，但通常只有在传统标准下非常庞大的数据集上进行培训时才能表现良好。

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

2022-6-10 18:02:37

正如Tibrewal（2017）首次证明的那样，BSE可以很容易地在DLNN培训所需的数量中生成数据，他展示了通过培训DLNN网络在BSE中复制特定ZIP机器人贸易活动的成功结果，从而证明DLNN可以学习在基于LOB的CDAmarkets中进行贸易；le Calvez（2018）最近复制了Tibrewal\'swork，并通过展示一位DLNN trainedrobot交易员成功运营、在疯牛病现场交易、有时表现优于生成培训数据的交易员，对其进行了扩展：有关更多详细信息，请参阅le Calvez&Cliff（2018）。为了说明这一点，图6显示了在疯牛病中启动22750个连续独立实验序列所需的顶级Pythoncode，每个实验持续5分钟的模拟时间，使用不同比例的ZIP、ZIC、GVWY和SHVR机器人，将市场上的贸易商总数固定在32个（16个工作购买订单和16个工作销售订单），为每种可能的排列记录50个单独的实验，从所有32名交易员都是同一类型的同质市场，到四种机器人策略中每种都有8名交易员运行的情况。要明确这一点，需要不到40行代码：有兴趣学习市场动态或评估自己设计的机器人交易算法性能的学生可以在图6所示的代码级别上操作：他们不需要了解BSE LOB的实施细节或已编码的机器人交易商阵列；所有这些细节都被抽象出来了，学生只需了解如何与BSE LOB的接口以及通用Trader对象类的接口进行交互。5.

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

2022-6-10 18:02:40

讨论和进一步的工作快速浏览网络，可以发现各种各样的股票市场模拟器，其中许多是针对想要评估自动化策略的日间交易员。这些模拟程序几乎总是被设计用来处理股票价格的历史数据：通过对历史数据的回溯测试，可以估计一个自动交易策略如果在现场运行会赚（或损失）多少钱。显然，疯牛病与此类交易模拟器有很大不同，但这有很好的理由。很少有TradingSimulator处理2级数据（即使用完整的LOB，逐单更改），获取此类数据的成本通常非常高。更根本的是，基于历史市场数据的交易模拟师通常无法模拟市场影响，在这种情况下，购买或出售大量工具会改变需求和/或供应曲线，从而改变工具的均衡价格。从这个意义上说，传统的交易模拟器要求交易者（人类或自动化的）仅作为价格接受者，在timet以屏幕上显示的任何价格进行交易，无论历史数据显示该工具在timet交易的价格如何。无论他们在时间t卖出1股还是1000万股，卖出后的价格仍将是历史数据显示的时间t+1时的价格。然而，事实上，1000万股左右的股票几乎肯定会压低价格，而出售一股股票根本不会。与交易机器人处理历史数据不同，疯牛病中的交易机器人可以成为价格制定者：他们的活动可以改变供求，他们可以产生并必须应对市场影响。

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

可人4

2022-6-10 18:02:43

从这个意义上讲，疯牛病的情况更像是一个现代的“黑池”，一个私人在线交易所，在这里，相对较少的交易者聚集在一起进行大额交易：黑池的参与者通常是为大型银行或基金管理公司工作的交易者，交易大量可交易工具。然而，与实际市场相比，系统中缺少任何延迟可能是最大的问题。在交易所引入模拟延迟相对容易（因此，交易员在时间t接收到的LOB数据实际上更早地反映了时间t–t的LOB状态），我们还可以产生“通信延迟”，以便当atrader在时间t发出订单时，它在某个时间t+t后才到达交易所，但在单线程模拟中，要准确地建模每个交易者的处理延迟，需要做大量的工作。也就是说，在当前版本的BSE中，每个贸易商只要想处理其respond（）方法，就可以得到它想要的时间，而在现实中，很多工作都是为了尽可能降低自动交易系统的响应时间，同时仍然能够产生有利可图的行为。为了更好地模拟真实市场系统，我们需要切换到多线程实现，和/或将BSE配置为多虚拟机或物理机上的分布式客户机-服务器体系结构。这仍然是进一步工作的下一步。致谢Ash Booth博士将Vytelingum（2006）AA robottrader策略的Python代码添加到BSE GitHub存储库中，他当时在南安普顿大学，现在是汇丰银行人工智能主管；我非常感谢阿什对疯牛病的贡献。

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

2022-6-10 18:02:46

还要感谢所有其他通过完整请求、编辑和分叉在GitHub上为疯牛病做出贡献的人。图6：顶级Python代码，用于对GVWY、SHVR、ZIC和ZIP类型的32名交易员（16名买家和16名卖家）进行实验；四类交易者的比率在所有可能的非零值中系统地变化，并针对每个特定比率进行50次独立试验。图5中所示的主BSE循环被包装到一个作为market\\u session（）调用的方法中。这里的嵌套循环导致总共执行22750次试验，在单个CPU上需要几个小时的连续计算。由于每次试验都是独立的，因此这项任务的并行性令人尴尬：原则上，22750台单独的机器（例如，从云服务提供商按小时付费租用的虚拟机/实例数量）可以并行执行必要的计算，只需几秒钟。参考BSE，2012年。GitHub开源代码库athttp://github.com/davecliff/BristolStockExchange/Cartlidge，J.和Cliff，D.，2012年。探索实验性人类算法市场中的“机器人相变”。英国政府科学办公室，《远见项目：金融市场中计算机交易的未来》，Driver ReviewDR 25。https://bit.ly/2llHjbh.Cliff，D.，1997年。市场环境中谈判行为的最低情报代理。HP实验室技术报告HPL-97-91。www.hpl。hp。com/techreports/97/HPL-97-91。pdfCliff，D.和Preist C.，2001年。无穷无尽的日子：关于实验单周期CDAmarkets的稳定性。HP实验室技术报告HPL-2001-325。www.hpl。hp。com/techreports/2001/HPL-2001-325。pdfCliff，D.，2018年。一个免费的开源限购书籍模拟器，用于教学和研究。

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

2022-6-10 18:02:49

提交至2018年11月在印度班加罗尔举行的IEEE计算智能系列研讨会金融工程计算智能（CIFEr）轨道。Das，R.、Hanson，J.、Kephart，J.、Tesauro，G.，2001年。连续双重拍卖中的代理-人交互。《人工智能国际联合会议论文集》（IJCAI\'01）。le Calvez，A.，2018年。学习成为一名金融交易者：在连续双重拍卖中探索神经网络。布里斯托尔大学计算机科学系硕士论文。le Calvez，A.和Cliff，D.，2018年。深度学习可以在金融市场的限价订单中复制适应性交易者。提交至2018年11月在印度班加罗尔举行的IEEE ComputationalIntelligence系列研讨会上的金融工程计算智能（CIFEr）跟踪。De Luca，M.，&Cliff，D.，2011年。人类代理人拍卖相互作用适应性攻击性代理人占主导地位。《人工智能国际联合会议论文集》（IJCAI-2011）。De Luca，M.，Cartlidge，J.，Szostek，C.，和Cliff，D.，2012年。研究人类交易者和算法交易系统之间的相互作用。英国政府科学办公室，《远见项目：金融市场计算机交易的未来》，DriverReview DR13。https://bit.ly/2llv52c.DeLuca，M.，2016年。自适应算法交易系统。布里斯托尔大学计算机科学系博士论文。Gjerstad，S.&Dickhaut，J.，1998年。价格形成不可重复拍卖。游戏与经济行为，22（1）：1-29。Gode，D.&Sunder，S.，1993年。零智力交易者市场的配置效率：市场作为个人理性的部分替代品。

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