Loading article…
 | |
| 原作者 | ジム・ウィトカム |
|---|---|
| 開発者 | アルトレヴァ |
| 初回リリース | 2005年8月26日 |
| 安定リリース | 1.6.0 / 2020年7月20日[1] |
| オペレーティング·システム | ウィンドウズ |
| プラットフォーム | .Net フレームワーク 4.8 |
| 利用可能 | 英語 |
| タイプ | 金融市場ソフトウェア |
| ライセンス | フリーミアム |
| Webサイト | ホームページ |
Altreva Adaptive Modelerは、現実世界の市場で取引される株式やその他の証券の価格を予測する目的で、エージェントベースの金融市場シミュレーションモデルを作成するソフトウェアアプリケーションです。 [2]このアプリケーションで使用されるテクノロジーは、相互作用する異種エージェントの動的システムとしてモデル化された経済プロセスの計算研究であるエージェントベースの計算経済学（ACE）の理論に基づいています。
AltrevaのAdaptive Modelerやその他のエージェントベースモデルは、金融市場をシミュレートして、さまざまな戦略、さまざまな取引時間枠、さまざまな投資目標を持つ多様な投資家やトレーダーの複雑なダイナミクスを捉えるために使用されます。[3]異種および限定合理的（学習）エージェントに基づくエージェントベースモデルは、代表的な合理的エージェントに基づく従来の金融モデルよりも金融市場の実証的特徴をよりよく説明できることが示されています。[4]
テクノロジー
ソフトウェアは、特定の株式について、トレーダーエージェントの集団と仮想市場で構成されるエージェントベースのモデルを作成します。各エージェントは仮想トレーダー/投資家を表し、独自の取引ルールと資金を持っています。モデルは、次のように段階的に進化します。各ステップで、新しい（履歴）実際の市場価格がインポートされます。すべてのエージェントが取引ルールを評価し、仮想市場に注文を出します。次に、仮想市場が清算価格を決定し、一致するすべての注文を実行します。清算価格は、次のステップの実際の市場価格の予測として使用されます。（したがって、仮想市場は、実際の市場の 1 ステップ先の予測市場として機能します）。このプロセスは、受信された新しい実際の市場価格ごとに繰り返されます。その間、取引ルールは、特別な適応型の遺伝的プログラミングを通じて進化します。したがって、予測は、最もパフォーマンスの高い取引ルールだけでなく、市場全体の動作に基づいています。これにより、モデルの堅牢性と、変化する市場状況に適応する能力が向上します。[5]
履歴データへの過剰適合（または曲線適合）を避けるため、また、トレーディングソフトウェアで使用される他の多くの手法（反復バックテストによるトレーディングルールの最適化、遺伝的アルゴリズム、ニューラルネットワークなど）とは異なり、Adaptive Modeler は履歴データに基づいてトレーディングルールを最適化しません。代わりに、モデルは利用可能な価格データに基づいて段階的に進化し、エージェントがすべての価格変更を 1 回だけ経験するようにします（現実世界と同様）。また、履歴データと新しい価格データの処理に違いはありません。したがって、モデルのバックテストされた履歴パフォーマンスが将来のパフォーマンスよりも優れていると期待する特別な理由はありません（トレーディングルールが履歴データに基づいて最適化されている場合とは異なります）。したがって、履歴結果は、最適化に基づく手法によって示された結果よりも有意義であると考えることができます。[6]
例と使用例
S&P 500指数のサンプルモデルでは、[7] Adaptive Modelerは取引コスト控除後のリスク調整後超過収益率の大幅な向上を示しています。58年間（1950～2008年）のバックテストされた過去の価格データでは、年平均20.6%の複合収益率が達成され、その後の6年間のサンプル外期間（2008～2014年）では年平均22.2%の複合収益率が続きました。
Adaptive Modelerは、企業の歴史における重要な時期に進化予測モデルにおける取引ルールの複雑性が増大したことを示す研究で使用されました。[8]
外国為替市場におけるテクニカル取引の収益性に関する研究において、アダプティブ・モデラーを使用した研究者らは、最も取引されている6つの通貨ペアについて、経済的かつ統計的に有意なサンプル外超過収益（取引コスト控除後）を発見した。この収益は、従来の計量経済予測モデルによって達成された収益を上回っていた。[9]
Adaptive Modelerは、トレーダーの合理性の異なるレベルが市場の特性と効率に与える影響を研究するためにも使用されました。[10]より知能の高いトレーダーがいる人工市場は（知能の低いトレーダーや知能がゼロのトレーダーがいる市場と比較して）予測パフォーマンスが向上しましたが、ボラティリティが高く、取引量が少ないこともわかりました（以前の調査結果と一致しています）。より知能の高いトレーダーがいる市場は、実際の金融市場の様式化された事実を最もよく再現しました。
複雑なシステム（株式市場など）における仮想知的生命の例として、Adaptive Modelerは、株価を予測するために複雑な（非線形の）方法で相互作用する単純なエージェントの例として使われました。 [11]
参照
参考文献
- ^ 「Altreva News」. altreva.com . 2021年3月24日閲覧。
- ^ 「ACE Comp Labs and Demos」。アイオワ州立大学経済学部。 2014年10月29日閲覧。
- ^ Jubin, Brenda (2009年10月17日). 「市場を読む - 金融文献からの洞察」. 2014年10月29日閲覧。
- ^ LeBaron, Blake (2006). 「エージェントベースの金融市場: 様式化された事実とスタイルのマッチング」.ポストワルラス派マクロ経済学. pp. 221– 236. CiteSeerX 10.1.1.125.997 . doi :10.1017/CBO9780511617751.013. ISBN 9780511617751。
- ^ 「Altreva technology」Altreva 2014年10月29日閲覧。
- ^ 「Adaptive Modeler」。Altreva 。 2014年10月29日閲覧。
- ^ 「サンプルモデル」 Altreva . 2014年10月29日閲覧。
- ^ 配当と収益の相関関係が低い: アリタリア航空の事例 Archived February 15, 2010, at the Wayback Machine . Federico Cecconi and Stefano Zappacosta, IASTED Proceeding Modelling and Simulation 2008.
- ^ テクニカル取引の収益性に関する新たな証拠。Viktor Manahov および Robert Hudson、Economics Bulletin、2013 年、第 33 巻、第 4 号。
- ^ Manahov Viktor (2014). 「トレーダーの認知能力が株式市場の特性に与える影響」。会計、財務、管理におけるインテリジェントシステム。21 : 1– 18。doi :10.1002/isaf.1348。
- ^ 「金融市場における創発的行動の応用」（PDF）。Evil Ltd. 2014年10月29日閲覧。