如何评估交易策略：单代理市场重播或

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《How to Evaluate Trading Strategies: Single Agent Market Replay or
  Multiple Agent Interactive Simulation?》
---
作者：
Tucker Hybinette Balch, Mahmoud Mahfouz, Joshua Lockhart, Maria
  Hybinette, David Byrd
---
最新提交年份：
2019
---
英文摘要：
  We show how a multi-agent simulator can support two important but distinct methods for assessing a trading strategy: Market Replay and Interactive Agent-Based Simulation (IABS). Our solution is important because each method offers strengths and weaknesses that expose or conceal flaws in the subject strategy. A key weakness of Market Replay is that the simulated market does not substantially adapt to or respond to the presence of the experimental strategy. IABS methods provide an artificial market for the experimental strategy using a population of background trading agents. Because the background agents attend to market conditions and current price as part of their strategy, the overall market is responsive to the presence of the experimental strategy. Even so, IABS methods have their own weaknesses, primarily that it is unclear if the market environment they provide is realistic. We describe our approach in detail, and illustrate its use in an example application: The evaluation of market impact for various size orders.
---
中文摘要：
我们展示了多代理模拟器如何支持评估交易策略的两种重要但不同的方法：市场重播和交互式基于代理的模拟（IABS）。我们的解决方案很重要，因为每种方法都提供了暴露或隐藏主题策略缺陷的优缺点。市场重播的一个关键弱点是，模拟市场没有实质性地适应或响应实验策略的存在。IABS方法使用背景交易代理群体为实验策略提供了一个人工市场。由于背景代理商将市场条件和当前价格作为其策略的一部分，因此整个市场对实验策略的存在作出响应。即便如此，IABS方法也有其自身的弱点，主要是不清楚它们提供的市场环境是否现实。我们详细描述了我们的方法，并在一个示例应用程序中说明了它的使用：评估各种规模订单的市场影响。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Trading and Market Microstructure        交易与市场微观结构
分类描述：Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构，流动性，交易和拍卖设计，自动化交易，基于代理的建模和做市
--
一级分类：Computer Science        计算机科学
二级分类：Computer Science and Game Theory        计算机科学与博弈论
分类描述：Covers all theoretical and applied aspects at the intersection of computer science and game theory, including work in mechanism design, learning in games (which may overlap with Learning), foundations of agent modeling in games (which may overlap with Multiagent systems), coordination, specification and formal methods for non-cooperative computational environments. The area also deals with applications of game theory to areas such as electronic commerce.
涵盖计算机科学和博弈论交叉的所有理论和应用方面，包括机制设计的工作，游戏中的学习（可能与学习重叠），游戏中的agent建模的基础（可能与多agent系统重叠），非合作计算环境的协调、规范和形式化方法。该领域还涉及博弈论在电子商务等领域的应用。
--

---
PDF下载：
-->

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：交易策略 Experimental Quantitative Coordination Applications

如何评估交易策略：单代理市场重播还是多代理交互模拟？Tucker Hybinette BalchMahmoud Mahfouz2 Joshua LockhartMaria Hybinette David Byrdabstract评估交易策略的两种重要但不同的方法：市场重播和基于交互的模拟（InteractiveAgent-Based Simulation，IABS）。我们的解决方案很重要，因为每种方法都提供了暴露或隐藏主题策略中缺陷的优势和劣势。MarketReplay的一个关键弱点是，模拟市场没有实质性地适应或响应实验策略的存在。IABS方法为实验策略提供了一个艺术市场，使用背景交易代理群体。由于背景代理将市场条件和当前价格作为其策略的一部分，因此整个市场对实验策略的存在作出响应。即便如此，IABMethods也有自己的弱点，主要是不清楚它们提供的市场环境是否现实。我们描述了我们的方法intion：评估各种规模订单的市场影响。1、风险基金“上线”前的背景及相关工作。当然，一个关键原因是要确保该战略可能是可行的，或者至少不会亏损。值得一提的是，并非所有的交易策略都旨在通过价格变动创造利润，有些策略是J。P、 Morgan Arti-ficial Intelligence Research，美国新泽西州纽约市。P、 摩根艺术情报研究所，伦敦，联合王国电子工程系，帝国理工学院伦敦计算机科学系，乔治亚理工学院计算学院。收件人：Tucker Balch<Tucker。balch@jpmorgan.com>.养老基金管理层可能已经得出结论，它为该资产触发了一个出售订单。

如果该订单作为市场销售订单发送到交易所，价格可能会超出他们的期望。因此，经纪商和银行会随着时间的推移创造更多的机会。一般来说，我们希望提供一个机器人研究。研究问题：我们如何利用历史数据交易策略？是目前最流行的方法。通过市场重播，历史数据将显示给实验策略，作为选择在特定时间买入或卖出backtestertester。我们将在第2.2节中描述一些此类回溯测试（或MarketReplay）技术。从评估的角度来看，市场重播具有实验性的交易策略。例如，在learningploit中，如果市场确实适应或响应，则不存在特定的价格历史或条件。有可能是乐观的，在一个“反应迅速”的真实市场中，它的表现可能不会那么好。使用基于交互代理的模拟（IABS），通过使用数十个或数千个“背景代理”填充模拟来创建一个艺术市场环境每个后台代理都遵循自己的私有策略，可能是随机的，进行买卖，或者如何评估交易策略：单代理市场重播还是多代理交互模拟？图1：。限制订单簿示例。德尔斯。然后，实验策略可以以不同的结果顺序对实验策略进行体验和调整；实验策略可用于策略评估。因此，IABS可以提供比仅使用历史数据更全面的评估。1.1. 限购书籍对我们的工作至关重要。在买入的情况下，不应超过交易所促成的买入，也不应超过交易者愿意立即接受可获得的最佳价格。

图1显示了limitbook之间的差异（交易所对每项交易的资产都有一个订单簿）。限额指令簿（LOB）代表了给定时间内交易所交易工具的供需概况（见图1）。它是按价格级别组织的所有未完成买卖限额订单的电子记录。LOB分为两侧；最低要价（最佳要价）和最高出价（最佳出价）之间的差额称为“价差”中间价是最佳出价和要价的平均值。最后，“流动性”指的是在不显著影响工具价格的情况下买卖的便利性。非常流动的工具往往有一个紧密的排列，排列顺序以亚微秒为间隔。匹配引擎用于匹配传入的买卖订单。这通常遵循其价格的价格/时间优先级规则。多个订单在到达时具有相同的价格。值得注意的是，本文允许进行交流。经济学和统计文献中的重要报道。该调查（Gould等人，2013年）提供了一个详细的交易动态，该动态是由知情和不知情交易者（Kyle，1985年）与数学模型（Poisson（Cont等人，2010年）和Hawkes过程（Toke，2011年）相互作用产生的。（Lehalle&Laruelle，2018）提供了一份内部文献，并包含在（Bouchaud，2010）和（ContLiquidition model（平方根定律））中，该模型考虑了价差成本、每日波动率、每日交易量和交易股数，以估计市场影响。

然而，这只考虑了与文献中存在的每日模型数量相关的贸易规模，这些模型遵循（Grinold&Kahn，在（Gatheral，2010）中解释）提出的模型的动力学，以及使用两个函数建模的阿方西和希迪斯，其中一个描述了间接的市场影响，另一个是decaykernel。在（Alfonsi et al.，2010）中，作者指出如何评估交易策略：单代理市场重播还是多代理交互模拟？最优清算策略是桶形的，包括在开始时下两组订单，并在拟定交易持续时间结束时以恒定的订单投放率。1.2. 回溯测试方法回溯测试交易策略允许使用历史数据在模拟环境中评估策略的性能。背景测试人员有不同的复杂程度。回溯测试的简单形式包括使用中间价格或最后交易价格作为执行评估策略的历史价格。这种方法忽视了一个事实，即实际上，交易执行的价格不是中间价或历史价格，而是取决于交易方向的最佳出价或要价。另一个问题集中在假设执行的交易不会影响复杂的回测方法将实施一些形式的交易规模和其他变量，以说明使用市场重播机制实施回测器，该机制确实提出了一些MAR的实验策略，克服了静态历史数据描述的问题。1.3. 基于交互式多Agent的复杂系统仿真Agent建模涉及将系统的每个组成参与者表示为一个自治Agent。

这些代理被设计为以某种方式相互作用和交互，以使其行为接近建模的复杂系统。这种建模已被应用于金融市场的研究，市场参与者以在艺术模拟市场中交易的代理为代表。不同的模型作为代理，并允许在模拟市场的范围内进行交互，从而产生动态，旨在准确再现市场中的典型交易周期。事实上，某些程式化的经验事实和资产回报的厚尾分布，以及波动率聚类（Cont，2001），已经显示在这种基于管理的模拟环境中出现（Preis等人，2006）。另请参见，（Paddrik et al.，2012），其中基于代理的建模被用作测试平台，以测试2010年“FlashCrash”现象的假设原因。关于应用于学习代理市场研究的基于代理的建模技术的丰富参考资料。他们表明，此类代理可以通过欺骗来操纵此类市场中的价格，证明了使用这些基于代理的方法来理解真实市场中的此类行为的有效性。1.4. Zero Intelligence Agents（Gode&Sunder，1993）描述了一系列自动市场参与者，他们提交随机的买卖订单。在这项开创性的工作中，考虑了两种类型的代理：市场配置效率来自参与者的策略，即个人策略被整个市场所包含。ZI代理的后续使用侧重于市场结构与参与者策略的分离，以允许对结构组件进行隔离分析。例如，Bollerslevand Domowitz（Bollerslev&Domowitz，1993）使用一组ZI代理来分析限制订单最大深度的结构影响。

随着时间的推移，ZI代理的“纯随机”方面逐渐放松，例如，使用最近平均交易价格研究资产价格泡沫和崩溃的“近零情报”代理（Duffy&¨Unver，2006）和基于最近订单流保持价值信念以改善特定条件下市场趋同的“零情报+”代理（Cliff&Bruten，1997）。作为产生合理基线的“背景”代理，基于对预言值序列的嘈杂观察，具有贝叶斯基本价值信念的代理，每个代理每单位的私人估价，以及“战略参数”η其期望盈余，以换取即时、有保证的执行。有关基于代理的计算经济学中零智能历史的更多信息，请参阅Dan Ladley的《卓越评论》（Ladley，2012）。1.5. 基于阿比德斯交互代理的模拟器在本节中，我们参考了阿比德斯仿真框架（Byrd et al.，2019），该框架的名称和引文模糊，以便同行评审匿名。peerHow之后评估交易策略：单代理市场重播还是多代理交互模拟？审查后，对阿比德的引用将替换为适当的框架名称，并将包括实际引用。基于代理的交互式离散事件模拟器，用于支持此类调查。ABIDES模拟平台具有纳秒级分辨率，能够模拟历史中的特定日期，无论是作为纯回放回溯测试，还是通过网关访问嘈杂的历史数据，模拟可变的电子网络延迟和代理计算延迟，并要求所有代理通过类似于纳斯达克使用的标准化消息协议进行单独通信。

它还提供了一个新实验想法的遗传部署层次。我们利用阿比德斯的能力，获取相同的历史市场数据、交易所代理和交易代理，并轻松地将非交互式回溯测试结果与基于交互式代理的结果进行正面比较。对于当前的一组实验，我们比较了将随机均值回复过程作为单一股票基本价值进行噪声观测的历史数据。历史回溯测试在真实世界的时间尺度上运行，而基于均值回复过程的代理运行不确定的时间单位。2、方法2.1。基于代理的模拟中的回溯测试本文的一个贡献是，我们展示了如何使用市场重播进行模拟。特别是，我们使用三个代理实现了回溯测试：交易所代理纳斯达克（exchange agentNasdaq）或纽约证券交易所（NYSE），一个提供代表待评估交易策略的代理的市场重播代理。在不同的时间和规模买卖市场订单，以评估对中间价的短期和长期影响。用于复制特定日期的订单簿演变的数据。在我们的实验中，我们使用了一个订单流，实现为消息流，其中包含一条记录，记录了订单放置的时间、方向、大小、价格和订单类型（提交、取消、部分取消、可见和隐藏执行）。数据由Lobster提供（Huang&Polak，2011）。提交的资料中，有22222份卖出限价订单和19333份买入限价订单。41554个新限额订单到达之间的平均时间为866 ms，38791个取消订单和部分取消订单到达之间的平均时间为928 ms。作为我们分析的一部分，我们绘制了图2中的价格水平-数量图。图2：。价格水平体积图。

黑线代表中间价，每个点是不同价格水平的价格，历史订单簿文件由市场重播代理引用，以生成复制期初订单簿所需的新限额订单列表。这是必要的，因为订单流不包含导致订单的订单由使用售后市场开放的交易所代理处理，订单流按顺序处理，订单提交给交易所代理，模拟时间达到与每个历史订单相关的时间戳。鉴于订单流包含可见和隐藏的执行消息，必须通过取消或部分取消订单簿中相应的未完成订单来解释这些消息。实验代理被配置为以类似于市场重播代理的方式参与模拟。2.2. 事件研究作为我们评估实验策略方法的一部分，我们利用事件研究。事件研究之所以被称为事件研究，是因为它们在分析aHow对评估交易策略的影响方面很有用：单代理市场重播还是多代理交互模拟？（a） 实验代理下购买订单（b）实验代理下销售订单图3。观察到实验代理以两倍于最佳出价或询价的价格下市场订单对中间价的影响特定的时间事件或事件类别对敏锐性的影响。《经济学调查》（economicssurvey，CraigMackinlay，1997）中的事件研究历史悠久，其使用可追溯到1933年。进行事件研究的一般程序如下，每个步骤都给出了示例。首先，获取一个列表样本，确定新闻来源何时披露了有关执行起诉的消息，或者通过计算股票价格序列跌破某个周期性移动平均值的时间。

第二，从事件发生前不久到事件发生后的某一时间，在窗口中“删减”度量系列的时段：例如，从公司不法行为新闻发布的前一天到后几天。第三，将每个事件置于相对时间零点，负X轴表示事件发生之前的时间。第四，规范化每个子类别，使其在事件发生时相对于基准水平；例如，将每个股票价格子系列除以事件发生时的价格，因此“时间零点”的所有价格都正好是1，与该价格的偏差表示事件发生时的累计回报。最后，计算并可视化一组标准化股票价格子系列的平均值和标准差，以了解新事件的可能影响。事件研究是我们在当前分析中研究实验性“影响交易者”效应的主要工具之一。我们将影响交易者进入市场定义为事件，并跨多个不同的变量（时间、日期、交易规模）分析aequity的“典型”效应。3、Backtester市场影响实验心理代理针对市场重播代理下订单进行了两个实验：在第一个实验中，我们通过让实验代理将订单大小设置为最佳ask大小的200%来评估大型市场购买订单的影响。买卖中间点记录在订单前后，并用于分析。该实验在一天的不同时间重复100次，所得数据合并成一个单一事件研究。我们对销售订单重复了相同的过程。本实验选择的时间范围为09:45:00和09:53:15之间，每5秒钟下一次订单。每个模拟都单独运行，在实验中，我们遵循类似的设置。然而，我们改变了实验代理下的订单大小。