Войти
 | |
| Автор (ы) | Джим Уиткам |
|---|---|
| Разработчик (и) | Altreva |
| Первый выпуск | 26 августа 2005 г.; 15 лет назад (2005-08-26) |
| Стабильный выпуск | 1.6.0 / 20 июля 2020 г.; 2 месяца назад (2020-07-20) |
| Операционная система | Windows |
| Платформа | .Net Framework 4.8 |
| Доступно на | английском языке |
| Тип | |
| Лицензия | Freemium |
| Веб-сайт | www.altreva.com |
Altreva Adaptive Modeler - это программное приложение для создания агентных имитационных моделей финансового рынка. для целей прогнозирования цен на акции или другие ценные бумаги, торгуемые на реальном мировом рынке. Используемая технология основана на теории агентно-вычислительной экономики (ACE), компьютерном исследовании экономических процессов, моделируемых как динамические системы взаимодействующих разнородных агентов.
Adaptive Modeler Альтревой и других Агентные модели используются для моделирования финансовых рынков, чтобы уловить сложную динамику большого разнообразия инвесторов и трейдеров с разными стратегиями, разными временными рамками торговли и разными инвестиционными целями. Агентные модели, основанные на гетерогенных и ограниченно рациональных (обучающихся) агентах, показали, что они могут объяснить эмпирические особенности финансовых рынков лучше, чем традиционные финансовые модели, основанные на репрезентативные рациональные агенты.
Программное обеспечение создает агентную модель для конкретной акции, состоящую из совокупности агентов-трейдеров и виртуального рынка. Каждый агент представляет виртуального трейдера / инвестора и имеет свои собственные средства. Затем модель шаг за шагом развивается следующим образом: на каждом этапе импортируется новая (историческая) реальная рыночная цена. Все агенты оценивают свои правила торговли и размещают заказы на виртуальном рынке. Затем виртуальный рынок определяет клиринговую цену и выполняет все соответствующие ордера. Клиринговая цена принимается как прогноз реальной рыночной цены следующего шага. (Таким образом, виртуальный рынок служит рынком на шаг вперед прогнозирования для реального рынка). Этот процесс повторяется для каждой новой полученной реальной рыночной цены. Между тем, правила торговли развиваются посредством специальной адаптивной формы генетического программирования. Таким образом, прогнозы основаны на поведении всего рынка, а не только на наиболее эффективных торговых правилах. Это призвано повысить надежность модели и ее способность адаптироваться к меняющимся рыночным условиям.
Чтобы избежать переобучения (или подгонки кривой ) к историческим данным - и в отличие от многих других методов, используемых в таких, как оптимизация торговых правил путем повторного бэктестирования, генетических алгоритмов и нейронных сетей, Adaptive Modeler не оптимизирует торговые правила на исторических данных. данные. Вместо этого его модели постепенно развиваются по имеющимся ценовым данным, так что агенты воспринимают каждое изменение цены только один раз (как в реальном мире). Также нет разницы в обработке исторических и новых ценовых данных. Следовательно, нет никаких особых причин ожидать, что историческая производительность модели, протестированная на исторических данных, будет лучше, чем ее будущая производительность (в отличие от того, когда торговые правила были оптимизированы на исторических данных). Таким образом, исторические результаты можно считать более значимыми, чем результаты, продемонстрированные методами, основанными на оптимизации.
В примерной модели для индекса SP 500, Adaptive Modeler демонстрирует значительную избыточную доходность с поправкой на риск после транзакционных издержек. На основе проверенных исторических данных о ценах за 58-летний период (1950–2008 гг.) Была достигнута совокупная среднегодовая доходность в размере 20,6%, за которой следует совокупная среднегодовая доходность в размере 22,2% в течение следующих 6 лет вне выборки. (2008-2014).
Adaptive Modeler использовался в исследовании для демонстрации повышенной сложности торговых правил в модели эволюционного прогнозирования в критический период истории компании.
В исследовании прибыльности технических торгуя на валютных рынках, исследователи с помощью Adaptive Modeler обнаружили экономически и статистически значимую избыточную доходность вне выборки (после транзакционных издержек) для шести наиболее торгуемых валютных пар. Доходность была выше, чем при использовании традиционных эконометрических моделей прогнозирования.
Adaptive Modeler также использовался для изучения влияния различных уровней рациональности трейдера на свойства рынка и эффективность. Было обнаружено, что искусственные рынки с более умными трейдерами (по сравнению с рынками с менее умными или трейдерами с нулевым интеллектом ) показали улучшенные характеристики прогнозирования, но также испытали более высокую волатильность и меньший объем торгов (в соответствии с более ранними результатами). Рынки с более умными трейдерами также лучше всего воспроизводили стилизованные факты реальных финансовых рынков.
В качестве примера в сложной системе (например, фондовой бирже) Adaptive Modeler использовался в качестве иллюстрации простых агентов, взаимодействующих в сложной (нелинейной ) способ прогнозирования цен на акции.
