Agent-based financial modelling: a promising alternative to the standard representative-agent approach

LTŠiame straipsnyje trumpai pristatoma agentų elgsena pagrįsto finansinio modeliavimo literatūra, didžiausią dėmesį skiriant dirbtinės finansų rinkos modeliams. Atrankioje apžvalgoje pateikiami modeliai suskirstyti į dvi bendras kategorijas: tai - modeliai, kuriuose agentų elsena pagrįsta aiškiai nustatytomis taisyklėmis, bei modeliai, pasižymintys agentų mokymusi ir sistemos lygmens adaptacija. Straipsnyje išreiškiama nuostata, kad kuriant finansinius modelius reikia tinkamai atsižvelgti į rinkos kompleksiškumą, agentų heterogeniškumą, ribotą racionalumą ir adaptyvius (tačiau ne pernelyg primityvius) lūkesčius. Čia taip pat argumentuojama, kad protinga adaptacija dideliu neabrėžtumu pasižyminčioje aplinkoje yra esminis modeliavimo aspektas, kuris padėtų suvokti svarbiausius finansų rinkų funkcionavimo principus. Tuo tikslu šiame pradiniame susijusių tyrimų etape trumpai idėjiniu lygmeniu nagrinėjama konkreti dirbtinės intelekto teorijos sritis - paskatinamasis mokymasis, kuris iš principo galėtų pasiūlyti ekonomiškai priimtinus mokymosi ir sisteminės adaptacijos algoritmus.

ENIn this paper we provide a brief introduction to the literature on agent-based financial modelling and, more specifically, artificial stock market modelling. In the selective literature review two broad categories of artificial stock market models are discussed: models based on hard-wired rules and models with learning and systemic adaptation. The paper discusses pros and cons of agent-based financial modelling as opposed to the standard representative-agent approach. We advocate the need for the proper account of market complexity, agent heterogeneity, bounded rationality and adaptive (though not simplistic) expectations in financial modelling. We also argue that intelligent adaptation in highly uncertain environment is key to understanding actual financial market behaviour and we resort to a specific area of artificial intelligence theory, namely reinforcement learning, as one plausible and economically appealing algorithm of adaptation and learning. Keywords: Agent-based financial modelling, artificial stock market, complex dynamical system, market efficiency agent heterogeneity, reinforcement learning.