Имитационное моделирование передачи информации между биржами на основе мультиагентной модели
DOI:
https://doi.org/10.22213/2410-9304-2023-4-88-94Ключевые слова:
информационный шок, рыночный шок, СИМУЛЯТОР РЫНКА, агентно-ориентированное моделирование, фондовый рынок, биржа, имитационное моделирование, мультиагентное моделированиеАннотация
В статье обоснована актуальность решения задачи моделирования биржи как информационной системы, аккумулирующей заявки участников рынка и исполняющей их. Объектом исследования является процесс передачи информации между биржами. Предметом исследования является использование имитационной мультиагентной модели для изучения процесса передачи информации между биржами. В работе проанализированы возможности построения имитационной модели для анализа редких явлений на финансовом рынке с помощью мультиагентного подхода. Обосновано, что такой подход позволяет учесть те особенности сложных динамических систем, для которых либо не разработаны эффективные аналитические подходы, либо невозможно провести необходимые численные эксперименты. Предложенная логика симулятора рынка основана на выделении неких классов трейдеров, которые могут отличаться логикой принятия своих решений на бирже, для этого описана схема взаимодействий агентов в модели биржи. На примере моделирования передачи информационных и рыночных шоков между рынками изучены возможности предлагаемого симулятора. Использование предложенной модели на практике позволяет анализировать редкие явления, возникающие на бирже, которые нельзя описать аналитически, но их воссоздание посредством имитационной модели позволит их изучить. Изучение редких явлений на бирже с помощью имитационного моделирования позволяет получать разные варианты результатов явлений при разных наборах параметров модели (агентов), то есть проводить параметрическое моделирование, с одной стороны, и улучшить методы прогнозирования таких явлений, с другой стороны. Полученные результаты можно использовать для моделирования других рыночных явлений, их анализа и проверки гипотез по управлению ими.Библиографические ссылки
Peress J., Schmidt D. Glued to the TV: Distracted noise traders and stock market liquidity // The Journal of Finance. 2020. 75 (2). Pp. 1083-1133.
Zhou W., Zhong G. Y., Li J. C. Stability of financial market driven by information delay and liquidity in delay agent-based model // Physica A: Statistical Mechanics and Its Applications. 2022. 600. Pp. 127-526.
Gao K. et al. High-frequency financial market simulation and flash crash scenarios analysis: an agent-based modelling approach // arXiv preprint arXiv:2208.13654. 2022.
King M. A. and Wadhwani S. Transmission of volatility between stock markets. Review of Financial Studies, vol. 3, no. 1, pp. 5-33, 1990.
Омран Ш. Оценка волатильности на российском рынке акций: эмпирический анализ // Банковские услуги. 2020. № 6. С. 21-26.
Rand W., Stummer C. Agent-based modeling of new product market diffusion: an overview of strengths and criticisms // Annals of Operations Research. 2021. 305 (1-2). Pp. 425-447.
Aloud M. et al. Modeling the High-Frequency FX Market: An Agent-Based Approach //Computational Intelligence. 2017. 33 (4). Pp. 771-825.
Clack C. D., Court E., Zaparanuks D. Dynamic Coupling and Market Instability //arXiv preprint arXiv:2005.13621. 2020.
Walter C. 2006. Les martingales sur les marchés financiers. Revue de Synthèse, vol. 127, no 2, p. 379.
Oriol N., Veryzhenko I. Market structure or traders' behavior? A multi agent model to assess flash crash phenomena and their regulation // Quantitative Finance. 2019. 19 (7). Pp. 1075-1092.
Giglio S. et al. Inside the mind of a stock market crash. National Bureau of Economic Research, 2020. № w27272.
Mandel A., Veetil V. The economic cost of COVID lockdowns: an out-of-equilibrium analysis // Economics of Disasters and Climate Change. 2020. 4. Pp. 431-451.
McGroarty F. et al. High frequency trading strategies, market fragility and price spikes: an agent based model perspective // Annals of Operations Research. 2019. Т. 282. С. 217-244.
Court E. The instability of market-making algorithm - an agent based simulation in Miranda" MEng dissertation, Dept.ComputerScience, UCL, 2013. 97 p.
Чернышев С. А. Классификация общих шаблонов проектирования мультиагентных систем // Программные продукты и системы. 2022. Т. 35, № 4. С. 670-679.
Герасимова Е., Яворский Р. Моделирование тестовых сценариев поведения участников биржевой торговли // Инструменты и методы анализа программ: Международная научно-практическая конференция. Кострома, 2014.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Ринат Василович Файзуллин, Петр Павлович Лукьянченко
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.