Joachim Wack
Werbung
Dipl. Kaufmann Joachim Wack Doktorandenseminar Simulationen SS 2002 Agent-Based Computational Economics: Simulations in Finance Doktorandenseminar Simulationen Sommersemester 2002 Joachim Wack Agenda Joachim Wack Doktorandenseminar Simulationen SS 2002 0. Agenda 1. Finanzmarktmodelle 2. Simulationplattform SWARM 3. Finanzwirtschaftliche Forschung mit SWARM 4. Fazit 5. Diskussion Joachim Wack Doktorandenseminar Simulationen SS 2002 1. Finanzmarktmodelle Joachim Wack Finanzmarktmodelle Doktorandenseminar Simulationen SS 2002 Das neoklassische Finanzmarktmodell • homogene rationale Erwartungen • homogene Information Marktverhalten: • keine Spekulationsblasen • geringes Handelsvolumen • gehandelter Preis = fundamentaler Preis Liquiditätsbedarf Konsum Portfolioumschichtung pt = E [dt+1 | It] + E [pt+1 | It] Joachim Wack Finanzmarktmodelle Doktorandenseminar Simulationen SS 2002 Reales Finanzmarktmodell heterogene rationale und irrationale Erwartungen heterogene, nicht für alle verfügbare Informationen und NOISE Marktverhalten: Spekulationsblasen, Crashes ... hohes Handelsvolumen gehandelter Preis =, < , > fundamentaler Preis Joachim Wack Finanzmarktmodelle Doktorandenseminar Simulationen SS 2002 Preisbestimmung unter Noise-Bedingungen: NOISE pt = j,t (E [dt+1 | Ijt] + E [pt+1 | Ijt]) Ijt: Marktinformationen des Agenten j zum Zeitpunkt t Joachim Wack Doktorandenseminar Simulationen SS 2002 2. Die Simulationsplattform SWARM Joachim Wack Doktorandenseminar Simulationen SS 2002 SWARM • 1995 Santa Fe Institut • objektorientierte Open-Source Agentenplattform • Umfangreiche Klassenbibliothek • Objective C / Java PC Grundkonstrukt: SWARM A A Agent Swarm A A A A A A A Joachim Wack Doktorandenseminar Simulationen SS 2002 3. Finanzwirtschaftliche Forschung mit SWARM Joachim Wack ASM Artificial Stock Market (ASM): • Santa Fe Institute • Finanzmarkt mit 2 Anlagemöglichkeiten • Mittelbarer Handel über Auktionator • Homogene Trader • Heterogene Erwartungen möglich • Lernende Agenten durch • Erfahrung und • genetischen Algorithmus Doktorandenseminar Simulationen SS 2002 ASM Joachim Wack Doktorandenseminar Simulationen SS 2002 fester Zins Risikolos Dividende Risiko Trader Preis exogen Information endogen Preisindikator Preistrend Auktionator Joachim Wack ASM Doktorandenseminar Simulationen SS 2002 Prädiktoren: 12 Bits: 1-6: Preisindiktoren; fundamentale Informationsbits 7-10: Preistrend; technische Informationsbits 11-12: Kontrollbits Werte: 0: Information trifft nicht zu 1: Information trifft zu #: Information nicht evaluiert Bsp.: ( # 1 # 0 # # # 1 # # # 1 0 ) / (0,8 ; 0) Präferenzliste Linearkombination des Erwartungswertes Joachim Wack ASM Genetischer Algorithmus • in festen Zeitabschnitten • Generierung neuer Prädiktoren • Austausch neuer gegen alte Prädiktoren • nach ausgiebigem Test eingesetzt Doktorandenseminar Simulationen SS 2002 Joachim Wack ASM Ergebnisse: Doktorandenseminar Simulationen SS 2002 gen. Alg. ~ 1000 Per. Laufzeit: 250000 Per. Langsam lernende Trader führen zu • geringem Handelsvolumen • Marktpreis = Fundamentaler Wert der Aktie • Induktive Verwendung rein fundamentaler Informationsbits Joachim Wack ASM Ergebnisse: Doktorandenseminar Simulationen SS 2002 gen. Alg. ~ 250 Per. Laufzeit: 250000 Per. Schnell lernende Trader führen zu • hohem Handelsvolumen • Marktpreis >;<;= fundamentalem Wert der Aktie • starke Verwendung technischer Informationsbits Joachim Wack Jares Modell Doktorandenseminar Simulationen SS 2002 Jares-Finanzmarkt-Modell: • Timothy E. Jares • Finanzmarkt mit 2 Anlagemöglichkeiten • Mittelbarer Handel über Auktionator • Heterogene Trader • 2 Trader-Klassen: • Fundamental Trader • Noise Trader • Heterogene Erwartungen Jares Modell Joachim Wack Information Market Statistician Doktorandenseminar Simulationen SS 2002 Information Noise Trader Fundamental Trader Information Gebote Gebote Market Maker MktModelSwarm Joachim Wack Jares Modell Doktorandenseminar Simulationen SS 2002 Trader-Klassen: Fundamental Trader Fundamental Trader Handeln streng nach dem Prinzipien der rationalen Erwartung Glaube an einen effizienten Markt Erroneous fundamental Trader Wie Fundamental Trader nur mit stochastischem Fehler Efficient Market Traders Glauben an den effizienten Markt Missachtung der fundamentalen Werte Buy and Hold Trader Versuchen Aktien so lange wie möglich zu halten Joachim Wack Jares Modell Doktorandenseminar Simulationen SS 2002 Trader-Klassen: Noise Trader Optimistic Trader Wie Erroneous Trader nur immer mit positivem Fehler Pessimistic Trader Wie Erroneous Trader nur immer mit negativem Fehler Trend Chaser Richtet sich immer nach dem aktuellen Preistrend Jares Modell Joachim Wack Doktorandenseminar Simulationen SS 2002 Ergebnisse: • nie Dominanz von Fundamental Trader • Trendchaser werden eliminiert • Optimistic oder Pessimistic Trader dominieren den Markt korrelierende Annahmen ! Überwiegende Dominanz der Optimistic Trader Aktie immer > 0 Selbste rfüllun g Joachim Wack Jares Modell Doktorandenseminar Simulationen SS 2002 Ergebnisse: • Short Selling / Margin Buying: – Handelsvolumen steigt – Trend Chaser und Pessimistic Trader eliminiert • Ohne Noise Trader - Klasse: – Erroneous Trader übernehmen „Noise-Trader-Rolle“ – Fundamental Trader setzen sich langfristig durch Joachim Wack Modellvergleich Doktorandenseminar Simulationen SS 2002 Gemeinsamkeiten: • SWARM • reale Finanzmärkte • 2 Anlagemöglichkeiten (keine Risikodiversifizierung) • Simulation heterogener Erwartungen • Mittelbarer Handel über Auktionator Modellvergleich Joachim Wack Unterschiede ASM Doktorandenseminar Simulationen SS 2002 Jares-Modell TRADER verschiedene Trader Klassen LERNEN keine Lernfähigkeit genetischer Algorithmus IMPULSE Short Selling / Margin Buying Noise Trader auswählbarer Auktionator AUKTIONATOR fester Auktionator identische Trader Lernfähig unterschiedliche Dividendenermittlung ... Joachim Wack Modellintegration Jares-Modell in Doktorandenseminar Simulationen SS 2002 ASM Neue Subklassen der BFAgent-class: Fundamental Trader: • reine fundamental Trader Prädiktoren: nur fundamentalen Informationsbits • Erroneous Fundamental Trader fehlerhafte Prädiktoren oder Fehlergenerator in gen. Algorithmus Joachim Wack Modellintegration Doktorandenseminar Simulationen SS 2002 Noise Trader: • Trend Chaser Prädiktoren: nur technische Informationsbits • Optimistic Trader Fehler wie bei E F T, zufällig positive Trends Beachtung nur der positiven technischen Informationsbits • Pessimistic Trader Fehler wie bei E F T; zufällig negative Trends Beachtung nur der negativen technischen Informationsbits Gruppenauswertung der Traderklassen Joachim Wack Modellintegration ASM in Doktorandenseminar Simulationen SS 2002 JaresModell • Erzeugung der neuen BFAgent- Traderklasse • Modifikation des Agent ini-files • Integration der „World“ Klasse • Integration bzw. Anpassung zahlreicher Funktionen (z.B. Dividende, Schnittstelle zum Auktionator etc.) • Integration in Auswertungstools Joachim Wack Modellintegration ASM in Doktorandenseminar Simulationen SS 2002 JaresModell Alternative: Generierung eines neuen Tradertyp • in Anlehnung an den ASM-Trader • mit genetischen Algorithmus und • Lernfähigkeit Joachim Wack Doktorandenseminar Simulationen SS 2002 4. Fazit Joachim Wack Fazit Doktorandenseminar Simulationen SS 2002 ASM: Implementieren von „lernen“ in den Finanzmarkt aber: Lerneffekt stark vereinfacht Jares: Einführung von Noise in den Finanzmarkt aber: Noise Trader stark vereinfacht Zukünftige Aufgabe: Modellintegration Joachim Wack Doktorandenseminar Simulationen SS 2002 Agent-Based Computational Economics: Simulations in Finance Diskussion
