Модель «Genoa Artificial Stock Market»
В 2000 году Michele Marchesi и Marco Raberto разработали принципиально новый тип модели рынка ценных бумаг, которую они назвали GASM (Genoa Artificial Stock Market) [78]. В отличие от модели Sante Fe, в GASM запросы и транзакции являются автономными объектами, как в реальной жизни. Однако, в общем система продолжает быть очень примитивной: в ней только 18 классов, описывающих виртуальный мир. Также была упрощена модель принятия решений: теперь у всех трейдеров одинаковая стратегия, согласно которой они размещают запросы на покупку и продажу акций в произвольное время.
Рис. 1.7. График изменения цены акции в модели GASM
В модели GASM, как и в Santa Fe, время течёт дискретно, с шагом один день. Нет такого понятия, как время действия ордера: маркет-мейкер находит совпадения между имеющимися ордерами, и просто отбрасывает те, для которых не найдены совпадения. Маркет-мейкер «идеализирован»: он обладает неограниченными запасами денежных средств и акций, чтобы покрывать запросы трейдеров согласных с его ценой.
В результате, в данной модели график изменения дневных доходов выглядит достаточно реалистично (Рис. 1.7), но его распределение – но его распределение почти повторяетнормальное распределение (Рис. 1.8), что говорит о неадекватности данной модели. Также в рамках данной модели был проведён эксперимент с использованием двух типов трейдеров одновременно: оптимистов и пессимистов. Распределение стало больше похоже на распределение Коши, но у него не было толстых хвостов и характерного пика.
Рис. 1.8. Распределение дневных доходов трейдеров в модели GASM
Инновационность данной модели заключается в том, что толстые хвосты на графике распределения доходов трейдеров удалось получить даже при отсутствии симуляции интеллекта у агентов, как следствие применения лимитных запросов без каких либо предположений о поведении агентов. В предыдущих экспериментах Michele Marchesi и Marco Rabertoискусственный рынок с механизмом периодической обработки ордеров не показывал толстые хвосты на графике распределения доходов, если предварительно не было сделано предположений о высоких колебаниях на графике распределения активов трейдеров. Это открытие говорит о том, что архитектура рынка влияет ключевую роль в образовании толстых хвостов на графике распределения доходов.
Также авторы показали, что если заставить агентов предположить, что время ожидания между посылкой ордеров распределено по экспоненциальному закону, то оно в итоге таким и окажется. Более того, эмпирический анализ, проведённый Марко Роберто над акциями компании General Electric на Нью-йоркской бирже, показал, что время подачи запросов действительно распределено по экспоненциальному закону.
Это является одной из закономерностей мультиагентных моделей: если подавляющее чисто агентов считает, что некий параметр должен иметь какое-то конкретное значение, то он чаще всего таким и становится. Другие трейдеры (которые находятся в меньшинстве) могут либо серьёзно заработать на этой предсказуемости, либо обанкротится, если не смогут вовремя адаптироваться.
Программная реализация модели
Michele Marchesi реализовал модель GASM на языке Smalltalk, но так и не опубликовал её исходный код. В связи с этим не было возможным провести опыты над этой моделью и каким-либо образом верифицировать результаты его исследований.