Agent-Based Computational Economics: Simulations in Finance Doktorandenseminar Simulationen Sommersemester 2002 Joachim Wack Dipl. Kaufmann Joachim Wack Doktorandenseminar Simulationen SS 2002

Agenda 0. Agenda 1. Finanzmarktmodelle 2. Simulationplattform SWARM 3. Finanzwirtschaftliche Forschung mit SWARM 4. Fazit 5.Diskussion Joachim WackDoktorandenseminar Simulationen SS 2002

Joachim WackDoktorandenseminar Simulationen SS Finanzmarktmodelle

Finanzmarktmodelle Joachim WackDoktorandenseminar Simulationen SS 2002 Das neoklassische Finanzmarktmodell homogene rationale Erwartungen homogene Information Marktverhalten: keine Spekulationsblasen geringes Handelsvolumen gehandelter Preis = fundamentaler Preis p t = E [d t+1 | I t ] + E [p t+1 | I t ] Liquiditätsbedarf Konsum Portfolioumschichtung

Finanzmarktmodelle Joachim WackDoktorandenseminar 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

Finanzmarktmodelle Joachim WackDoktorandenseminar Simulationen SS 2002 Preisbestimmung unter Noise-Bedingungen: NOISE p t = j,t (E [d t+1 | I jt ] + E [p t+1 | I jt ]) I jt :Marktinformationen des Agenten j zum Zeitpunkt t

Joachim WackDoktorandenseminar Simulationen SS Die Simulationsplattform SWARM

Joachim WackDoktorandenseminar Simulationen SS Santa Fe Institut objektorientierte Open-Source Agentenplattform Umfangreiche Klassenbibliothek Objective C / Java Grundkonstrukt: SWARM A A A A A A Swarm A A A Agent PC

Joachim WackDoktorandenseminar Simulationen SS Finanzwirtschaftliche Forschung mit SWARM

ASM Joachim WackDoktorandenseminar Simulationen SS 2002 Finanzmarkt mit 2 Anlagemöglichkeiten Mittelbarer Handel über Auktionator Homogene Trader Heterogene Erwartungen möglich Lernende Agenten durch Erfahrung und genetischen Algorithmus Artificial Stock Market (ASM): Santa Fe Institute

ASM Joachim WackDoktorandenseminar Simulationen SS 2002 fester Zinsendogen exogen PreistrendPreisindikator Information Trader Auktionator Dividende Preis Risiko Risikolos

ASM Joachim WackDoktorandenseminar Simulationen SS 2002 Prädiktoren: Werte: 0: Information trifft nicht zu 1: Information trifft zu #: Information nicht evaluiert 12 Bits: 1-6: Preisindiktoren; fundamentale Informationsbits 7-10: Preistrend; technische Informationsbits 11-12:Kontrollbits Bsp.: ( # 1 # 0 # # # 1 # # # 1 0 ) / (0,8 ; 0) Linearkombination des Erwartungswertes Präferenzliste

ASM Joachim WackDoktorandenseminar Simulationen SS 2002 Genetischer Algorithmus in festen Zeitabschnitten Generierung neuer Prädiktoren Austausch neuer gegen alte Prädiktoren nach ausgiebigem Test eingesetzt

ASM Joachim WackDoktorandenseminar Simulationen SS 2002 Ergebnisse: geringem Handelsvolumen Marktpreis = Fundamentaler Wert der Aktie Induktive Verwendung rein fundamentaler Informationsbits gen. Alg. ~ 1000 Per. Laufzeit: Per. Langsam lernende Trader führen zu

ASM Joachim WackDoktorandenseminar Simulationen SS 2002 Ergebnisse: hohem Handelsvolumen Marktpreis >;<;= fundamentalem Wert der Aktie starke Verwendung technischer Informationsbits gen. Alg. ~ 250 Per. Laufzeit: Per. Schnell lernende Trader führen zu

Jares Modell Joachim WackDoktorandenseminar Simulationen SS 2002 Finanzmarkt mit 2 Anlagemöglichkeiten Mittelbarer Handel über Auktionator Heterogene Trader 2 Trader-Klassen: Fundamental Trader Noise Trader Heterogene Erwartungen Jares-Finanzmarkt-Modell: Timothy E. Jares

Jares Modell Joachim WackDoktorandenseminar Simulationen SS 2002 Fundamental Trader Noise Trader Market Statistician MktModelSwarm Market Maker Gebote Information

Jares Modell Joachim WackDoktorandenseminar Simulationen SS 2002 Trader-Klassen: Fundamental Trader Fundamental Trader Handeln streng nach dem Prinzipien der rationalen Erwartung Glaube an einen effizienten Markt Buy and Hold Trader Versuchen Aktien so lange wie möglich zu halten Efficient Market Traders Glauben an den effizienten Markt Missachtung der fundamentalen Werte Erroneous fundamental Trader Wie Fundamental Trader nur mit stochastischem Fehler

Jares Modell Joachim WackDoktorandenseminar Simulationen SS 2002 Trader-Klassen: Noise Trader Optimistic Trader Wie Erroneous Trader nur immer mit positivem Fehler Trend Chaser Richtet sich immer nach dem aktuellen Preistrend Pessimistic Trader Wie Erroneous Trader nur immer mit negativem Fehler

Jares Modell Joachim WackDoktorandenseminar Simulationen SS 2002 Ergebnisse: nie Dominanz von Fundamental Trader Trendchaser werden eliminiert Optimistic oder Pessimistic Trader dominieren den Markt Überwiegende Dominanz der Optimistic Trader korrelierende Annahmen Aktie immer > 0 Selbste rfüllun g !

Jares Modell Joachim WackDoktorandenseminar 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

Modellvergleich Joachim WackDoktorandenseminar Simulationen SS 2002 SWARM reale Finanzmärkte 2 Anlagemöglichkeiten (keine Risikodiversifizierung) Simulation heterogener Erwartungen Mittelbarer Handel über Auktionator Gemeinsamkeiten :

Modellvergleich Joachim WackDoktorandenseminar Simulationen SS 2002 Unterschiede unterschiedliche Dividendenermittlung... identische Trader verschiedene Trader Klassen TRADER Lernfähig keine Lernfähigkeit LERNEN Short Selling / Margin Buying Noise Trader genetischer Algorithmus IMPULSE auswählbarer Auktionator fester Auktionator AUKTIONATOR ASMJares-Modell

Modellintegration Joachim WackDoktorandenseminar Simulationen SS 2002 Fundamental Trader: reine fundamental Trader Prädiktoren: nur fundamentalen Informationsbits Erroneous Fundamental Trader fehlerhafte Prädiktoren oder Fehlergenerator in gen. Algorithmus Neue Subklassen der BFAgent-class: Jares-Modell in ASM

Modellintegration Joachim WackDoktorandenseminar 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

Modellintegration Joachim WackDoktorandenseminar Simulationen SS 2002 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 Jares- Modell ASM in

Modellintegration Joachim WackDoktorandenseminar Simulationen SS 2002 Generierung eines neuen Tradertyp in Anlehnung an den ASM-Trader mit genetischen Algorithmus und Lernfähigkeit Alternative: Jares- Modell ASM in

Joachim WackDoktorandenseminar Simulationen SS Fazit

Fazit Joachim WackDoktorandenseminar 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 WackDoktorandenseminar Simulationen SS 2002 Agent-Based Computational Economics: Simulations in Finance Diskussion