基于智能体金融仿真理解日内价格形成过程：扩展 chiarella 模型的校准
计算金融
2022-08-31 v1 综合金融
摘要
本文提出 XGB-Chiarella，一种部署智能体模型以生成逼真日内人工金融价格数据的强力新方法。该方法基于智能体模型，并由 XGBoost 机器学习代理校准。遵循扩展 Chiarella 模型，该智能体模型中引入了三类交易智能体：基本面交易者、动量交易者与噪声交易者。特别地，XGB-Chiarella 侧重于配置仿真以准确反映真实市场行为。不同于使用原始期望最大化（Expectation-Maximisation）算法进行参数估计，该基于智能体的扩展 Chiarella 模型使用 XGBoost 机器学习代理进行校准。结果表明，所提方法中学习到的机器学习代理是真实智能体市场仿真的准确代理。所提校准方法在历史与仿真程式化事实之间的距离上优于原始期望最大化参数估计。在相同的底层模型下，所提方法能够生成在三个不同交易所上市的多只股票中的逼真价格时间序列，这表明日内价格形成过程具有普适性。对于本文所取时间尺度（分钟），每类一个智能体即足以捕捉日内价格形成过程。所提 XGB-Chiarella 方法提供的见解是：价格形成过程由动量交易者、基本面交易者与噪声交易者之间的相互作用构成。它也可被从业者用于增强风险管理。
引用
@article{arxiv.2208.14207,
title = {Understanding intra-day price formation process by agent-based financial market simulation: calibrating the extended chiarella model},
author = {Kang Gao and Perukrishnen Vytelingum and Stephen Weston and Wayne Luk and Ce Guo},
journal= {arXiv preprint arXiv:2208.14207},
year = {2022}
}
备注
Published in WILMOTT Magazine: May 2022 issue. arXiv admin note: text overlap with arXiv:2208.13654