Adaptiv modellerare
 | |
| Originalförfattare | Jim Witkam |
|---|---|
| Utvecklare | Altreva |
| Initial release | 26 augusti 2005 |
| Stabil frisättning | 1.6.0 / 20 juli 2020
|
| Operativ system | Windows |
| Plattform | .Net Framework 4.8 |
| Tillgänglig i | engelsk |
| Typ | Programvara för finansmarknader |
| Licens | Freemium |
| Hemsida | |
Altreva Adaptive Modeler är en mjukvaruapplikation för att skapa agentbaserade simuleringsmodeller för finansmarknader i syfte att prognostisera priser på verkliga världsmarknadshandlade aktier eller andra värdepapper. Tekniken den använder är baserad på teorin om agentbaserad beräkningsekonomi (ACE), beräkningsstudien av ekonomiska processer modellerade som dynamiska system av interagerande heterogena agenter .
Altrevas Adaptive Modeler och andra agentbaserade modeller används för att simulera finansiella marknader för att fånga den komplexa dynamiken hos en stor mångfald av investerare och handlare med olika strategier, olika handelstidsramar och olika investeringsmål. Agentbaserade modeller baserade på heterogena och avgränsat rationella (lärande) agenter har visat sig kunna förklara de empiriska egenskaperna hos finansiella marknader bättre än traditionella finansiella modeller som bygger på representativa rationella agenter.
Teknologi
Programvaran skapar en agentbaserad modell för en viss aktie, bestående av en population av handlare och en virtuell marknad. Varje agent representerar en virtuell handlare/investerare och har sin egen handelsregel och fonder. Modellen utvecklas sedan steg för steg på följande sätt: Vid varje steg importeras ett nytt (historiskt) verkligt marknadspris. Alla agenter utvärderar sin handelsregel och lägger order på den virtuella marknaden. Den virtuella marknaden bestämmer sedan clearingpriset och utför alla matchande order. Clearingpriset tas som prognosen för nästa stegs verkliga marknadspris. förutsägelsemarknad med ett steg framåt för den verkliga marknaden). Denna process upprepas för varje nytt mottagen verkligt marknadspris. Samtidigt utvecklas handelsreglerna genom en speciell adaptiv form av genetisk programmering . Prognoserna baseras alltså på hela marknadens beteende istället för bara den bäst presterande handelsregeln. Detta syftar till att öka modellens robusthet och dess förmåga att anpassa sig till förändrade marknadsförhållanden.
För att undvika överanpassning (eller kurvanpassning ) till historiska data - och till skillnad från många andra tekniker som används i handelsprogram som optimering av handelsregler genom upprepad backtesting , genetiska algoritmer och neurala nätverk - optimerar Adaptive Modeler inte handelsregler på historisk data. Istället utvecklas dess modeller stegvis över tillgängliga prisdata så att agenter upplever varje prisförändring endast en gång (som i den verkliga världen). Det finns heller ingen skillnad i behandlingen av historiska och nya prisdata. Därför finns det ingen specifik anledning att förvänta sig att en modells tillbakatestade historiska prestanda är bättre än dess framtida prestanda (till skillnad från när handelsregler har optimerats på historisk data). De historiska resultaten kan därför anses mer meningsfulla än resultat som demonstreras av tekniker baserade på optimering.
Exempel och användningsfall
I en exempelmodell för S&P 500- index visar Adaptive Modeler betydande riskjusterad överavkastning efter transaktionskostnader. På bakåttestade historiska prisdata som täcker en period på 58 år (1950–2008) uppnåddes en sammansatt genomsnittlig årlig avkastning på 20,6 %, följt av en sammansatt genomsnittlig årlig avkastning på 22,2 % under den följande 6-årsperioden utanför urvalsperioden (2008-2014).
Adaptive Modeler användes i en studie för att visa ökad komplexitet av handelsregler i en evolutionär prognosmodell under en kritisk period av ett företags historia.
I en studie av lönsamheten för teknisk handel på valutamarknaderna fann forskare som använde Adaptive Modeler ekonomiskt och statistiskt signifikant överavkastning utanför urvalet (efter transaktionskostnader) för de sex mest omsatta valutaparen. Avkastningen var överlägsen den som uppnåddes med traditionella ekonometriska prognosmodeller.
Adaptive Modeler användes också för att studera effekten av olika nivåer av handlarrationalitet på marknadsegenskaper och effektivitet . Det visade sig att konstgjorda marknader med mer intelligenta handlare (jämfört med marknader med mindre intelligenta eller nollintelligens handlare ) visade förbättrad prognosprestanda, även om de också upplevde högre volatilitet och lägre handelsvolym (i överensstämmelse med tidigare resultat). Marknaderna med mer intelligenta handlare replikerade också de stiliserade fakta om verkliga finansmarknader bäst.
Som ett exempel på virtuellt intelligent liv i ett komplext system (som en aktiemarknad) användes Adaptive Modeler som en illustration av enkla agenter som interagerar på ett komplext ( ickelinjärt ) sätt för att prognostisera aktiekurser.
Se även
- ^ "Altreva News" . altreva.com . Hämtad 2021-03-24 .
- ^ "ACE Comp Labs och Demos" . Institutionen för ekonomi, Iowa State University . Hämtad 29 oktober 2014 .
- ^ "Att läsa marknaderna - Insikter från finansiell litteratur" . Brenda Jubin, Ph.D. 2009-10-17 . Hämtad 29 oktober 2014 .
- ^ LeBaron Blake (2006). Agentbaserade finansmarknader: Matcha stiliserade fakta med stil . Post Walrasian Macroeconomics . s. 221–236. CiteSeerX 10.1.1.125.997 . doi : 10.1017/CBO9780511617751.013 . ISBN 9780511617751 .
- ^ "Altreva-teknik" . Altreva . Hämtad 29 oktober 2014 .
- ^ "Adaptiv modellerare" . Altreva . Hämtad 29 oktober 2014 .
- ^ "Exempel på modeller" . Altreva . Hämtad 29 oktober 2014 .
- ^ Låga korrelationer mellan utdelningar och avkastning: Alitalias fall arkiverat 15 februari 2010, på Wayback Machine . Federico Cecconi och Stefano Zappacosta, IASTED Proceeding Modeling and Simulation 2008.
- ^ Nytt bevis på teknisk handelslönsamhet . Viktor Manahov och Robert Hudson, Economics Bulletin, 2013, volym 33, nummer 4.
- ^ Manahov Viktor (2013). "Konsekvenserna av handlarens kognitiva förmågor på aktiemarknadens egenskaper". Intelligenta system inom redovisning, ekonomi och förvaltning . 21 : 1–18. doi : 10.1002/isaf.1348 .
- ^ "Tillämpa framväxande beteende på finansmarknaderna" (PDF) . Evil Ltd. Hämtad 29 oktober 2014 .