Modelador adaptativo

Altreva Adaptive Modeler es una aplicación de software para crear modelos de simulación de mercados financieros basados ​​en agentes con el fin de pronosticar precios de acciones u otros valores que se negocian en el mercado real. ^{[ 2 ]} La tecnología que utiliza se basa en la teoría de la economía computacional basada en agentes (ACE), el estudio computacional de los procesos económicos modelados como sistemas dinámicos de agentes heterogéneos que interactúan .

El Modelador Adaptativo de Altreva y otros modelos basados ​​en agentes se utilizan para simular los mercados financieros y capturar la dinámica compleja de una gran diversidad de inversores y operadores con diferentes estrategias, diferentes marcos temporales de negociación y diferentes objetivos de inversión. ^{[ 3 ]} Los modelos basados ​​en agentes heterogéneos y con racionalidad limitada (agentes de aprendizaje) han demostrado ser capaces de explicar mejor las características empíricas de los mercados financieros que los modelos financieros tradicionales basados ​​en agentes racionales representativos . ^{[ 4 ]}

El software crea un modelo basado en agentes para una acción en particular, que consta de una población de agentes operadores y un mercado virtual. Cada agente representa a un operador/inversor virtual y tiene su propia regla de negociación y fondos. El modelo evoluciona paso a paso de la siguiente manera: En cada paso, se importa un nuevo precio de mercado real (histórico). Todos los agentes evalúan su regla de negociación y colocan órdenes en el mercado virtual. El mercado virtual determina el precio de liquidación y ejecuta todas las órdenes coincidentes. El precio de liquidación se toma como pronóstico para el precio de mercado real del siguiente paso. (Por lo tanto, el mercado virtual funciona como un mercado de predicción con un paso de anticipación para el mercado real). Este proceso se repite para cada nuevo precio de mercado real recibido. Mientras tanto, las reglas de negociación evolucionan a través de una forma adaptativa especial de programación genética . Los pronósticos se basan, por lo tanto, en el comportamiento de todo el mercado en lugar de solo en la regla de negociación con mejor rendimiento. Esto pretende aumentar la robustez del modelo y su capacidad de adaptación a las circunstancias cambiantes del mercado. ^{[ 5 ]}

Para evitar el sobreajuste (o ajuste de curvas ) a datos históricos, y a diferencia de muchas otras técnicas utilizadas en software de trading, como la optimización de reglas de trading mediante backtesting repetido , algoritmos genéticos y redes neuronales , Adaptive Modeler no optimiza las reglas de trading con datos históricos. En cambio, sus modelos evolucionan incrementalmente sobre los datos de precios disponibles, de modo que los agentes experimentan cada cambio de precio solo una vez (como en el mundo real). Además, no hay diferencia en el procesamiento de datos de precios históricos y nuevos. Por lo tanto, no hay ninguna razón específica para esperar que el rendimiento histórico de un modelo, probado con backtesting, sea mejor que su rendimiento futuro (a diferencia de cuando las reglas de trading se han optimizado con datos históricos). Por consiguiente, los resultados históricos pueden considerarse más significativos que los resultados demostrados por técnicas basadas en la optimización. ^{[ 6 ]}

En un modelo de ejemplo para el índice S&P 500 , ^{[ 7 ]} Adaptive Modeler demuestra rendimientos excedentes ajustados al riesgo significativos después de los costos de transacción. En datos históricos de precios probados retrospectivamente que cubren un período de 58 años (1950–2008) se logró un rendimiento anual promedio compuesto del 20,6%, seguido de un rendimiento anual promedio compuesto del 22,2% durante el siguiente período fuera de muestra de 6 años (2008-2014).

Adaptive Modeler se utilizó en un estudio para demostrar la creciente complejidad de las reglas de negociación en un modelo de pronóstico evolutivo durante un período crítico de la historia de una empresa. ^{[ 8 ]}

En un estudio sobre la rentabilidad del trading técnico en los mercados de divisas , investigadores que utilizaron Adaptive Modeler hallaron rendimientos excedentes fuera de muestra, económica y estadísticamente significativos (después de los costos de transacción), para los seis pares de divisas más negociados. Estos rendimientos fueron superiores a los obtenidos por los modelos de pronóstico econométricos tradicionales. ^{[ 9 ]}

También se utilizó Adaptive Modeler para estudiar el impacto de diferentes niveles de racionalidad del operador en las propiedades y la eficiencia del mercado . ^{[ 10 ]} Se encontró que los mercados artificiales con operadores más inteligentes (en comparación con los mercados con operadores menos inteligentes o sin inteligencia ) mostraron un mejor desempeño en la predicción, aunque también experimentaron mayor volatilidad y menor volumen de negociación (en consonancia con hallazgos anteriores). Los mercados con operadores más inteligentes también replicaron mejor los hechos estilizados de los mercados financieros reales.

Como ejemplo de vida inteligente virtual en un sistema complejo (como un mercado de valores), se utilizó Adaptive Modeler como ilustración de agentes simples que interactúan de manera compleja ( no lineal ) para pronosticar los precios de las acciones. ^{[ 11 ]}

• Comparación de software de modelado basado en agentes