Options
Using Agent-Based Modeling to Explore the Dynamics of Financial Markets and the Potential for Regulation
Witte, Björn-Christopher (2012): Using Agent-Based Modeling to Explore the Dynamics of Financial Markets and the Potential for Regulation, Bamberg: opus.
Author:
Publisher Information:
Year of publication:
2012
Pages:
Supervisor:
Language:
English
Remark:
Bamberg, Univ., Diss. - Information about the publication of the articles contained can be found in the appendix (as of September 2012).
Licence:
Abstract:
Die kumulative Dissertation umfasst fünf Beiträge im Bereich der Agenten-basierten Modellierung von Finanzmärkten. Die einzelnen Beiträge lassen sich wie folgt skizzieren:
• Beitrag 1 analysiert den Einfluss der Häufigkeit der Veröffentlichung von wirtschaftlichen Fundamentaldaten auf die Marktdynamik und -effizienz.
• Beitrag 2 überträgt die Fragestellung von Beitrag 1 auf drei bestehenden Finanzmarktmodelle. Ziel ist eine Überprüfung der Robustheit der Ergebnisse und ein tieferes Verständnis für die relevanten Variablen.
• Der Effekt der Wettbewerbsbedingungen auf die Risikoneigung von Wettbewerbern ist Gegenstad von Beitrag 3. Hierzu wird ein evolutionäres Modell unter Verwendung eines genetischen Algorithmus entwickelt. Als praktisches Beispiel wird der berufliche Wettbewerb zwischen Fond-Managern betrachtet.
• In Beitrag 4 wird ein Model vorgestellt, in welchem intelligente Händler systematische Muster im Preisverlauf selbstständig erkennen und ausbeuten. Dies führt zu einer chaotischen Entwicklung der Preisdynamik – einer wichtigen statistischen Eigenschaft realer Finanzmärkte. Die Intelligenz der Agenten wird durch ein künstliches neuronales Netz (ANN) realisiert.
• Beitrag 5 ist im Auftrag der Bank of England entstanden. Untersuchungsziel ist der Einfluss von High-Frequency Trading (computergesteuerter Hochgeschwindigkeitshandel) auf die Finanzmärkte. Das verwendete Modell verfügt über eine vergleichsweise realistische Nachbildung des Handelsmechanismus und wurde anhand von acht Indikatoren quantitativ validiert.
• Beitrag 1 analysiert den Einfluss der Häufigkeit der Veröffentlichung von wirtschaftlichen Fundamentaldaten auf die Marktdynamik und -effizienz.
• Beitrag 2 überträgt die Fragestellung von Beitrag 1 auf drei bestehenden Finanzmarktmodelle. Ziel ist eine Überprüfung der Robustheit der Ergebnisse und ein tieferes Verständnis für die relevanten Variablen.
• Der Effekt der Wettbewerbsbedingungen auf die Risikoneigung von Wettbewerbern ist Gegenstad von Beitrag 3. Hierzu wird ein evolutionäres Modell unter Verwendung eines genetischen Algorithmus entwickelt. Als praktisches Beispiel wird der berufliche Wettbewerb zwischen Fond-Managern betrachtet.
• In Beitrag 4 wird ein Model vorgestellt, in welchem intelligente Händler systematische Muster im Preisverlauf selbstständig erkennen und ausbeuten. Dies führt zu einer chaotischen Entwicklung der Preisdynamik – einer wichtigen statistischen Eigenschaft realer Finanzmärkte. Die Intelligenz der Agenten wird durch ein künstliches neuronales Netz (ANN) realisiert.
• Beitrag 5 ist im Auftrag der Bank of England entstanden. Untersuchungsziel ist der Einfluss von High-Frequency Trading (computergesteuerter Hochgeschwindigkeitshandel) auf die Finanzmärkte. Das verwendete Modell verfügt über eine vergleichsweise realistische Nachbildung des Handelsmechanismus und wurde anhand von acht Indikatoren quantitativ validiert.
The present cumulative dissertation comprises five contributions in the area of agent-based modeling of financial markets. The contributions can be outlined as follows:
• Contribution 1 focuses the influence of the frequency of publication of fundamental information on market dynamics and efficiency.
• Contribution 2 investigates the question of Contribution 1 with respect to three existing financial market models. The goal is to stress test the robustness of the results and to create a more profound understanding of relevant variables.
• Contribution 3, analyzes the influence of competitive conditions on the risk-preference of agents. The study is based on an evolutionary model which uses a genetic algorithm. As a practical example, the professional competition between fund-managers is considered.
• In Contribution 4, a model is developed in which intelligent agents are able to identify systematic patterns in prices and to exploit them. This behavior produces a chaotic evolution of prices – a central statistical property of financial markets. Artificial intelligence is achieved by means of an Artificial Neuronal Network.
• Contribution 5 has been created on behalf of the Bank of England. The goal is to identify the influence of high frequency trading on market dynamics. The model used in this study is characterized by a relatively realistic mechanism of trading and is validated in a quantitative way against eight statistical indicators.
• Contribution 1 focuses the influence of the frequency of publication of fundamental information on market dynamics and efficiency.
• Contribution 2 investigates the question of Contribution 1 with respect to three existing financial market models. The goal is to stress test the robustness of the results and to create a more profound understanding of relevant variables.
• Contribution 3, analyzes the influence of competitive conditions on the risk-preference of agents. The study is based on an evolutionary model which uses a genetic algorithm. As a practical example, the professional competition between fund-managers is considered.
• In Contribution 4, a model is developed in which intelligent agents are able to identify systematic patterns in prices and to exploit them. This behavior produces a chaotic evolution of prices – a central statistical property of financial markets. Artificial intelligence is achieved by means of an Artificial Neuronal Network.
• Contribution 5 has been created on behalf of the Bank of England. The goal is to identify the influence of high frequency trading on market dynamics. The model used in this study is characterized by a relatively realistic mechanism of trading and is validated in a quantitative way against eight statistical indicators.
GND Keywords: ; ; ; ;
Kreditmarkt
Mehragentensystem
Kapitalmarkt
Wettbewerb
Mathematisches Modell
Keywords: ; ; ; ;
Financial Markets
Agent-based Modeling
Frequency of Publication
Competition
High-Frequency Trading
DDC Classification:
RVK Classification:
Type:
Doctoralthesis
Activation date:
October 22, 2012
Permalink
https://fis.uni-bamberg.de/handle/uniba/479