基于Agent的股票交易研究

发布时间：2020-05-19 17:07

【摘要】：本文通过Swarm模拟平台,运用基于Agent的模型研究股票交易系统。基于Agent的人工股市采用自下而上的模拟方法建立相互交互的多Agent模型。系统的实现基于著名的Santa Fe研究院人工股市模型,该模型已成为众多研究者研究的指标之一。人工股市从复杂系统的研究角度对股票市场进行审视,研究金融市场微观层面的交易者行为与宏观经济行为之间的关系。股票交易模型建立在金融市场微观结构的数学方程基础之上,在研究方法上采用了与计算机技术相结合的仿真方法,这种研究方法具有一定的创新性。 本文利用Java语言实现的Swarm 2.2.3平台建立基于金融市场微观结构、行为金融理论和多Agent仿真建模技术的人工股市。Swarm平台是一个程序类库,通过针对通用的模块接口进行编程,从而可实现多种不同的基于Agent的模型。本文对股票市场进行了数学建模,比如对Agent的预期、需求、规则、进化和市场环境进行了数学描述。对于模型中的关键实现环节采用统一建模语言(UML)描述人工股票市场的主要设计架构,并展示了实际的模拟运行结果。系统通过遗传算法模拟Agent的进化过程,运用自我学习机制,Agent可以把适用性较好的规则共享给其它交易者使用,同时淘汰掉适用性不好的规则,并产生新的更好的规则。人工股市模型通过设置模型的各种模拟参数进行模拟实验,在图形界面下观察市场形成的整体动态进化过程、Agent的行为以及Agent与Agent之间的相互作用的影响,并对模拟结果进行了分析。根据结果分析,观察到个体自我学习的机制,表明了模拟的虚拟市场是合理的,该模型符合实际现象,从而验证了模型的有效性。
【图文】：

4.1.1 Agent 类Agent 类的作用是设定 Agent 的主要相关属性。包含了 Agent 对股票的需求、股息、初始资金、利率、最少股票数量、股票价格、盈利、现金、买卖方向、财富等属性和需求约束、税收实现等方法。图 4-1 展示了用 UML 表示的 Agent 类的定义与其关联的 Package 图。

4.1.2 ASMModelParams 类ASMModelParams 类的作用是用来设定股票市场模型的各个初始参数，，包含了股息振幅、供求比例、Agent 拥有的股票与现金数量、股息、利率、股票价格、Agen数量、做市商参数、随机种子、税收区间等属性。这些参数的设定值将直接影响模拟运行的结果。图 4-2 展示了用 UML 表示的 ASMModelParams 类的定义与其关联的Package 图。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F224;F830.91

【引证文献】

相关硕士学位论文 前1条

1 朱新龙;基于多主体的股票市场建模与分析[D];南京信息工程大学;2012年

本文编号：2671211