Multi-Agent Simulation of Stock Market with Netlogo

Abstract

Multi-agent systems representing artificial stock markets are supposed to offer us a mechanism to evaluate the behavior of agents with diverse capacities (traders) in the stock market. The real stock market is a tremendously complicated system, and genuine stock market traders base their present conduct partially on prior experience and partly on perceived market characteristics based on their past individual behavior. Standard analytical and statistical methods struggle to explain and forecast this complex link between behavior and results. In recent years, using multi-agent-based models to study the stock market has become a promising research area, because this methodology reflects the nature of the stock market, where heterogeneous investors with various expectations and different levels of rationality interact with each other through the market. In this MS thesis study, the objective is to develop a multi-agent-based simulated stock market where the basic market scenario, such as stock prices and trading volumes, is given extraneously. Inside the simulated stock market, artificial traders will coevolve using individual learning and social learning. In this respect, agents with different capabilities, such as zero-intelligent traders, fundamentalist traders, and intelligent traders, will heterogeneously share the same environment and interact to maximize their objectives. The expected results of this study can be listed as understanding the role and affected of different agent types in the stock market, market stability, market volatility, and predictability of market prices using the simulation results. Keywords: Netlogo, Agent-Based Simulation, Stock-Market, Financial Analysis, Clustering, Artificial Intelligence, Multi-Agents

Yapay borsaları tanımlayan çok aracılı sistemlerin, borsada farklı yeteneklere sahip aracıların (tüccarlar) davranışlarını analiz etmenin bir yolunu sağlaması bekleniyor. Gerçek borsa çok karmaşık bir sistemdir ve gerçek borsadaki tüccarlar mevcut davranışlarını kısmen geçmiş deneyimlerine ve kısmen de geçmiş bireysel davranışlarına dayalı olarak algılanan piyasa özelliklerine dayandırırlar. Davranış ve sonuçlar arasındaki bu karmaşık ilişkiyi anlamak ve standart analitik ve istatistiksel araçlarla tahmin etmek zordur. Son yıllarda, hisse senedi piyasasını incelemek için çok etmen tabanlı modellerin kullanılması, bu metodolojinin, çeşitli beklentilere ve farklı rasyonalite seviyelerine sahip heterojen yatırımcıların birbirleriyle etkileşime girdiği hisse senedi piyasasının doğasını yansıtması nedeniyle umut verici bir araştırma alanı haline gelmiştir. pazar aracılığıyla. Bu yüksek lisans tez çalışmasında amaç, hisse senedi fiyatları ve işlem hacimleri gibi temel piyasa senaryosunun harici olarak verildiği çok etmen tabanlı simüle edilmiş bir hisse senedi piyasası geliştirmektir. Simüle edilmiş borsa içinde yapay tüccarlar, bireysel öğrenme ve sosyal öğrenme yoluyla birlikte gelişecektir. Bu bağlamda, sıfır akıllı tüccarlar, köktendinci tüccarlar ve akıllı tüccarlar gibi farklı yeteneklere sahip aracılar, heterojen bir şekilde aynı ortamı paylaşacak ve amaçlarını en üst düzeye çıkarmak için etkileşime gireceklerdir. Bu çalışmanın beklenen sonuçları, simülasyon sonuçları kullanılarak hisse senedi piyasasındaki farklı acente türlerinin rolü ve etkisi, piyasa istikrarı, piyasa oynaklığı ve piyasa fiyatlarının tahmin edilebilirliği olarak sıralanabilir. Anahtar Kelimeler: Netlogo, Etmen Tabanlı Simülasyon, Borsa, Finansal Analiz, Kümeleme, Yapay Zeka, Çoklu Etmenler