Altreva Adaptive Modeler es una aplicación de software para crear modelos de simulación del mercado financiero basados en agentes con el propósito de pronosticar precios de acciones u otros valores negociados en el mercado del mundo real. [2] La tecnología que utiliza se basa en la teoría de la economía computacional basada en agentes (ACE), el estudio computacional de los procesos económicos modelados como sistemas dinámicos de agentes heterogéneos en interacción .
![]() | |
Autor (es) original (es) | Jim Witkam |
---|---|
Desarrollador (es) | Altreva |
Versión inicial | 26 de agosto de 2005 |
Lanzamiento estable | 1.6.0 / 20 de julio de 2020 [1] |
Sistema operativo | Ventanas |
Plataforma | .Net Framework 4.8 |
Disponible en | inglés |
Tipo | Software de mercados financieros |
Licencia | Freemium |
Sitio web | www |
Adaptive Modeler de Altreva y otros modelos basados en agentes se utilizan para simular los mercados financieros para capturar la dinámica compleja de una gran diversidad de inversores y operadores con diferentes estrategias, diferentes marcos de tiempo de negociación y diferentes objetivos de inversión. [3] Los modelos basados en agentes basados en agentes heterogéneos y racionalmente delimitados (aprendizaje) han demostrado ser capaces de explicar las características empíricas de los mercados financieros mejor que los modelos financieros tradicionales que se basan en agentes racionales representativos . [4]
Tecnología
El software crea un modelo basado en agentes para una acción en particular, que consta de una población de agentes comerciales y un mercado virtual. Cada agente representa a un comerciante / inversor virtual y tiene sus propias reglas de negociación y fondos. Luego, el modelo se desarrolla paso a paso de la siguiente manera: en cada paso se importa un nuevo precio de mercado real (histórico). Todos los agentes evalúan su regla comercial y colocan pedidos en el mercado virtual. A continuación, el mercado virtual determina el precio de compensación y ejecuta todas las órdenes correspondientes. El precio de compensación se toma como previsión del precio de mercado real del siguiente paso. (Por lo tanto, el mercado virtual sirve como un mercado de predicción de un paso adelante para el mercado real). Este proceso se repite para cada nuevo precio de mercado real recibido. Mientras tanto, las reglas comerciales evolucionan a través de una forma adaptativa especial de programación genética . Por lo tanto, los pronósticos se basan en el comportamiento de todo el mercado en lugar de solo en la regla comercial de mejor desempeño. Esto tiene la intención de aumentar la robustez del modelo y su capacidad para adaptarse a las circunstancias cambiantes del mercado. [5]
Para evitar el sobreajuste (o el ajuste de curvas ) a los datos históricos, y a diferencia de muchas otras técnicas utilizadas en el software comercial , como la optimización de las reglas comerciales mediante backtesting repetido , algoritmos genéticos y redes neuronales , Adaptive Modeler no optimiza las reglas comerciales en datos históricos. En cambio, sus modelos evolucionan gradualmente sobre los datos de precios disponibles para que los agentes experimenten cada cambio de precio solo una vez (como en el mundo real). Además, no hay diferencia en el procesamiento de datos de precios históricos y nuevos. Por lo tanto, no hay ninguna razón específica para esperar que el rendimiento histórico probado de un modelo sea mejor que su rendimiento futuro (a diferencia de cuando las reglas de negociación se han optimizado con datos históricos). Por tanto, los resultados históricos pueden considerarse más significativos que los resultados demostrados por técnicas basadas en la optimización. [6]
Ejemplos y casos de uso
En un modelo de ejemplo para el índice S&P 500 , [7] Adaptive Modeler demuestra un significativo exceso de rendimiento ajustado al riesgo después de los costos de transacción. Sobre la base de datos de precios históricos contrastados que cubren un período de 58 años (1950-2008), se logró un rendimiento anual promedio compuesto del 20,6%, seguido de un rendimiento anual promedio compuesto del 22,2% durante los siguientes 6 años fuera de la muestra. (2008-2014).
Adaptive Modeler se utilizó en un estudio para demostrar una mayor complejidad de las reglas comerciales en un modelo de pronóstico evolutivo durante un período crítico de la historia de una empresa. [8]
En un estudio de la rentabilidad del comercio técnico en los mercados de divisas , los investigadores que utilizaron Adaptive Modeler encontraron rendimientos en exceso fuera de la muestra económica y estadísticamente significativos (después de los costos de transacción) para los seis pares de divisas más negociados. Los rendimientos fueron superiores a los obtenidos por los modelos tradicionales de previsión econométrica. [9]
Adaptive Modeler también se utilizó para estudiar el impacto de los diferentes niveles de racionalidad del comerciante en las propiedades y la eficiencia del mercado . [10] Se encontró que los mercados artificiales con comerciantes más inteligentes (en comparación con los mercados con comerciantes menos inteligentes o de inteligencia cero ) mostraron un mejor desempeño de pronóstico, aunque también experimentaron una mayor volatilidad y un menor volumen de negociación (consistente con hallazgos anteriores). Los mercados con comerciantes más inteligentes también replicaron mejor los hechos estilizados de los mercados financieros reales.
Como ejemplo de vida virtual inteligente en un sistema complejo (como un mercado de valores), se utilizó Adaptive Modeler como una ilustración de agentes simples que interactúan de una manera compleja ( no lineal ) para pronosticar los precios de las acciones. [11]
Ver también
Referencias
- ^ "Noticias de Altreva" . altreva.com . Consultado el 24 de marzo de 2021 .
- ^ "Laboratorios y demostraciones de ACE Comp" . Departamento de Economía, Universidad Estatal de Iowa . Consultado el 29 de octubre de 2014 .
- ^ "Lectura de los mercados: conocimientos de la literatura financiera" . Brenda Jubin, Ph.D. 2009-10-17 . Consultado el 29 de octubre de 2014 .
- ^ LeBaron Blake (2006). Mercados financieros basados en agentes: combinar hechos estilizados con estilo . Macroeconomía post walrasiana . págs. 221-236. CiteSeerX 10.1.1.125.997 . doi : 10.1017 / CBO9780511617751.013 . ISBN 9780511617751.
- ^ "Tecnología Altreva" . Altreva . Consultado el 29 de octubre de 2014 .
- ^ "Modelador adaptativo" . Altreva . Consultado el 29 de octubre de 2014 .
- ^ "Modelos de ejemplo" . Altreva . Consultado el 29 de octubre de 2014 .
- ^ Correlaciones bajas entre dividendos y devoluciones: el caso de Alitalia Archivado el 15 de febrero de 2010 en Wayback Machine . Federico Cecconi y Stefano Zappacosta, IASTED Proceeding Modeling and Simulation 2008.
- ^ Nueva evidencia de rentabilidad comercial técnica . Viktor Manahov y Robert Hudson, Economics Bulletin, 2013, Volumen 33, Número 4.
- ^ Manahov Viktor (2013). "LAS IMPLICACIONES DE LAS HABILIDADES COGNITIVAS DEL COMERCIANTE EN LAS PROPIEDADES BURSÁTILES". Sistemas inteligentes en Contabilidad, Finanzas y Gestión . 21 : 1–18. doi : 10.1002 / isaf.1348 .
- ^ "Aplicación del comportamiento emergente en los mercados financieros" (PDF) . El mal Ltd . Consultado el 29 de octubre de 2014 .