شبکه های تعامل و دارایی بازرگانان بازارهای مالی: یک رویکرد مبتنی بر عامل

یک بازار سهام مصنوعی Multiasset مبتنی بر اطلاعات که توسط انواع مختلف سهام و جمع آوری شده توسط عوامل ناهمگن مشخص می شود و به منظور تعیین تأثیرات شبکه های نمایندگان بر ساختار بازار ارائه و مورد مطالعه قرار می گیرد. نمایندگان در شبکه هایی سازماندهی می شوند که وظیفه تشکیل احساسات عوامل را بر عهده دارند. در بازار ، نمایندگان دارایی های خطرناک را در ازای پول نقد تجارت می کنند و احساسات خود را با استفاده از تعامل که توسط نمودارهای پراکنده وصل می شوند ، به اشتراک می گذارند. یک سازنده بازار مرکزی (مکانیسم پاکسازی خانه) روند قیمت هر سهام را در تقاطع تقاضا و منحنی های عرضه تعیین می کند. مجموعه ای از شاخص های ساختار بازار مبتنی بر حقایق اصلی تک دارایی ها و حقایق تلطیف چندگانه ، به منظور بررسی اثرات شبکه های نمایندگان تعریف شده است. نتایج به مقاومت ساختاری ذاتی بازار سهام اشاره می کند. در حقیقت ، این شبکه به منظور بایگانی توانایی تولید مثل واقعیت های اصلی تلطیف شده ضروری است ، اما همچنین بازار دارای برخی از خصوصیات مستقل از شبکه است و به ظرافت ثروت معامله گران بستگی دارد.

1. معرفی

در دسترس بودن داده های مالی با استفاده از همکاری زمینه های مختلف مانند مهندسی ، فیزیک ، ریاضیات و اقتصاد ، مطالعه بازارهای مالی را امکان پذیر کرده است [1-5]. این رویکرد چند رشته ای جدید بر حدود رویکرد کلاسیک غلبه می کند و دانش را در مورد فرآیندهای قیمت بهبود می بخشد و واقعیت های به اصطلاح سبک را کشف می کند ، یعنی اصلی ترین خصوصیات آماری بازارهای مالی. به طور خاص ، با تمرکز بر توزیع زمان Intertrade بین معاملات مالی مختلف ، آثار قبلی حضور توزیع Weibull را نشان داده اند [6]. علاوه بر این ، مطالعه تجربی نشان داده است که پویایی قیمت و حجم معاملات ، از جمله نوسانات در افق های زمانی مختلف ، تحت تأثیر همبستگی ها و الگوهای زمانی زمان intertrade است. علاوه بر این ، قوانینی که تعامل بین عوامل را تنظیم می کند به شدت به مکانیسم های نظارتی هر بازار جداگانه بستگی دارد [7]. به منظور ارزیابی همبستگی ها و شناسایی و تعیین ادغام در بین نهادهای دینامیکی ، مانند نمایندگان موجود در بورس ، روشهای ویژه ای تهیه شده است [8 ، 9]. به طور کلی ، با توجه به رویکرد کلاسیک ، مدل های ساده قابل تحلیلی قابل تحلیلی با یک نماینده ، کاملاً منطقی ، سنگهای گوشه اصلی بوده اند و ریاضیات ابزار اصلی تجزیه و تحلیل بوده است. در مقابل ، رویکرد علم پیچیدگی بازارهای مالی را به عنوان سیستم های پیچیده ای در نظر می گیرد که تعداد زیادی از عوامل ناهمگن در آن تعامل دارند. به طور خاص ، بازارها با استفاده از استراتژی های قانون شست توسط عوامل ناهمگن و ناهمگن محدود می شوند. این رویکرد با مدلهای شبیه سازی مبتنی بر عامل و روشهای محاسباتی و عددی به ابزاری مهم برای تجزیه و تحلیل تبدیل شده است [10]. بنابراین ، تعدادی از بازارهای مالی مصنوعی و شبیه به رایانه با هدف تبدیل شدن به یک چارچوب برای انجام آزمایش های محاسباتی متولد شده اند. به دنبال کار پیشگام که در موسسه سانتافه انجام شده است [11-13] ، تعداد زیادی از محققان الگویی را برای بازارهای مصنوعی ارائه داده اند که توسط عوامل ناهمگن دارای قابلیت های یادگیری و بهینه سازی است [14 ، 15]. علاوه بر این ، بازارهای مالی مصنوعی یک چارچوب مفید برای بررسی نقش عوامل کلاهبرداری و فساد در بازارهای مالی است ، یعنی اینکه چگونه عوامل کلاهبرداری بر بازارها تأثیر می گذارند [16]. به خصوص،

تجزیه و تحلیل تجربی نشان می دهد که فساد بر نرخ رشد اقتصادی و سرمایه گذاری خارجی تأثیر می گذارد [17]. برای بررسی دقیق در مورد مدل های میکروسکوپی ("مبتنی بر عامل") بازارهای مالی [18 ، 19] را ببینید.

در این مقاله ، با استفاده از بازار سهام مصنوعی Genoa (GASM) که در Genoa توسعه یافته است ، تأثیر خواص ساختاری شبکه های تعامل معامله گران بر نتیجه ظهور در بازارهای مالی مورد بررسی قرار گرفته است. به طور خاص ، با شروع بازار مصنوعی تک دارایی های مبتنی بر اطلاعات ، نسخه بازار سهام مصنوعی MultiAssets از GASM استفاده شده است [20-23]. به منظور بررسی این رابطه ، بازار توسط عوامل ناهمگن جمع می شود که به عنوان گره ای از نمودارهای پراکنده دیده می شوند. بازار با انواع مختلف سهام و نمایندگان دارایی های خطرناک تجارت در ازای پول نقد مشخص می شود. نمایندگان اطلاعات خود را با استفاده از تعامل هایی که توسط نمودارها تعیین می شوند ، به اشتراک می گذارند. علاوه بر میزان پول نقد و دارایی های متعلق به آن ، هر نماینده با احساساتی مشخص می شود که اطلاعات نماینده را در مورد بازار و دنیای عامل خلاصه می کند. این احساسات در یک عنصر تأثیر روند بازار ، تأثیر نمایندگان همسایگان و تمایل به بازار را شامل می شود. نمایندگان مشمول انتخاب نمونه کارها در مورد تعداد و نوع اوراق بهادار خطرناک هستند. استراتژی تخصیص مبتنی بر احساسات و ثروت است. یک سازنده بازار مرکزی (مکانیسم پاکسازی خانه) روند قیمت هر سهام را در تقاطع تقاضا و منحنی های عرضه تعیین می کند.

در این مقاله مطالعه ای در مورد چگونگی تأثیر شبکه های معامله گران و در نتیجه اجزای احساسات بر ساختار بازار ارائه شده است. به طور خاص ، این مقاله به بررسی تأثیر تغییرات در شبکه های تعامل معامله گران در بازار مالی می پردازد. به منظور انجام این تحقیق ، پنج "شاخص ساختار بازار" مختلف تعریف شده است. این شاخص ها با توجه به واقعیت های اصلی یک متغیره و چند متغیره تلفیقی تعریف شده اند. در مورد فرآیندهای تک متغیره ، سه واقعیت اصلی تلطیف شده به عنوان مرجع ، ریشه واحد فرآیندهای قیمت ، توزیع دم چربی بازده و خوشه بندی نوسانات است. با توجه به محیط Multiassets ، مجموعه حقایق تلطیف شده شامل خصوصیات آماری ماتریس همبستگی متقابل بازده [24-26] و ماتریس واریانس-کواریانس قیمت ها است [27] که به ترتیب به عوامل استاتیک و پویا اشاره می کنند.

بنابراین ، شاخص های تعریف شده تعداد I هستند

فرآیندها ، تعداد فرآیندهای هتروسکوژیک ، تعداد فرآیندهای دارای دم چربی ، تعداد بخش ارائه شده در بازار و تعداد روندهای مشترک. آزمایش های محاسباتی مقاومت ساختاری ذاتی از بازار سهام را نشان می دهد. در حقیقت ، برخی از ویژگی های بازار "ساختاری" است و به محدودیت بودجه نمایندگان بستگی دارد ، در حالی که برخی دیگر از ویژگی های نوظهور شبکه تعامل معامله گران هستند.

این مقاله به شرح زیر سازماندهی شده است: بخش 2 مدل و بخش 3 "شاخص های ساختار بازار" را ارائه می دهد و بخش 4 آزمایش های محاسباتی و بخش 5 بحث در مورد نتایج را نشان می دهد. سرانجام ، بخش 6 نتیجه گیری از مطالعه را ارائه می دهد.

2. مدل GASM

2. 1نمای کلی از مدل GASM

مدل ارائه شده در این مقاله غنی سازی بازار سهام مصنوعی Genoa (GASM) است که در دانشگاه جنوا ساخته شده است [20 ، 28]. GASM یک بورس مصنوعی مبتنی بر عامل است که پایه آن در ابتدا شامل عوامل ناهمگن است که دارایی های خطرناک را در ازای پول نقد تجارت می کنند [29]. آنها به عنوان معامله گران نقدینگی مدل می شوند. یعنی فرآیند تصمیم گیری با میزان محدود منابع مالی (پول نقد + سهام) که در اختیار دارند محدود می شود. در ابتدای شبیه سازی ، پول نقد و سهام به طور تصادفی بین عوامل توزیع می شود.

2. 2شبکه های نمایندگان

به منظور بررسی اثرات شبکه های نمایندگان در بازارهای مالی ، برای هر سهام ارائه شده در بازار ، عوامل ناهمگن در نمودارها سازماندهی شده اند و به ویژه با توجه به نمودار تصادفی کارگردانی ، جایی که عوامل گره ها هستند وشاخه ها تعامل بین عوامل را نشان می دهند. نمودارها مسئول تغییر در احساسات عامل هستند. نمودارها هدایت می شوند. یعنی تعامل ها یک طرفه فرض می شوند (یعنی اگر عامل باشد

-ت تأثیرگذار را تحت تأثیر قرار می دهد

-Th لزوماً عام ل-Th تأثیر می گذارد Agen t-th) و با یک قدرت مشخص می شود

با فرض یک عدد واقعی مثبت. به طور کلی ، به دلیل وجود نمودار کارگردانی ، هر دو درجه گره خروجی ، مربوط به شاخه های خروجی یک گره معین ، و یک درجه گره ورودی ، مربوط به شاخه های ورودی ، باید تعریف شود.

مأمورین طبق قانون ZIPF سازماندهی می شوند. برای هر سهام یک عامل به طور تصادفی به مجموعه ای از عوامل دیگر متصل می شود که تعداد و قدرت آنها (از اتصال) به طور معکوس متناسب با رتبه وی است ، یعنی عوامل ثروتمندتر بر تعداد بیشتری از عوامل با قدرت بالاتر تأثیر می گذارند. در نتیجه ، توزیع درجه خروجی بر روی گره ها به قوانین قدرت تنظیم می شود و توزیع درجه ورودی نیز منجر به قوانین قدرت می شود. هر نماینده اعتقاد متفاوتی در مورد

دارایی بسته به رتبه خود. نماینده با یک احساسات مشخص می شود

(یعنی تعداد واقعی در فاصله

) این نشان دهنده تمایل به سرمایه گذاری در دارایی است

بشریک احساسات متوسط مثبت نشانگر تمایل به خرید است ، در حالی که یک احساسات متوسط منفی با تمایل به فروش مطابقت دارد. نمودارها مسئول تغییر در احساسات عامل هستند. در هر مرحله زمانی

، اطلاعات از طریق بازار پخش می شود و احساسات عامل به روز می شود.

مجموعه ای از عوامل باشد که بر رفتار Trader I برای دارایی تأثیر می گذارد و