2019 Fiscal Year Research-status Report
Elucidation of qualitative changes in securities markets caused by accelerating transactions and AI
| Project/Area Number |
18K01692
|
|---|
| Research Institution | Osaka City University |
|---|
Principal Investigator |
中島 義裕 大阪市立大学, 大学院経済学研究科, 教授 (40336798)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
森 直樹 大阪府立大学, 工学(系)研究科(研究院), 教授 (90295717)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 人工市場 / HFT / U-Mart |
|---|
| Outline of Annual Research Achievements |
目的と手法：本研究の核心的問いは、「人間のみが行ってきた事象についてアルゴリズムやAIによる代替が進むことで何が生じるのか」というものである。HFTを代表とするアルゴリズム取引が存在感を増している東京株式市場を対象に、HFTが参入する前、HFT参入時、HFT参入後を比較する。実証分析と、HFT型アルゴリズム取引やAIエージェントによるシミュレーションを行う。
研究の方法と実績：本研究ではAI取引の増加と証券市場の複雑性の関係に焦点を当てる。下記の３つの方向から研究を進めている。
１つ目は、市場の複雑性に関する研究である。HFTで採用されているようなアルゴリズム取引の組成の違いが、市場の複雑性に与える影響を調べた上で、実際の市場の複雑性について実証分析を行う。2019年度は、市場の持つ複雑性を分析するため単純な10種類のテクニカルエージェントの組成比を維持した場合、生成された価格時系列の性質が市場規模において不変であることを示した。
２つ目は市場の複雑性を捉えるための分析手法の開発である。AI型取引エージェントが市場にもたらす影響を調べるため、相転移的な市場構造の変化と日常的なゆらぎを区別する手法が有効である。2019年は、観測により事後確率のみならず尤度も更新する拡張ベイズ推定法を提案した。
3つ目はこうした研究を進めるための人工市場シミュレーターの開発である。U-Martという人工市場システムを拡張し、本研究のシミュレーションを実施するため、U-Martシステムをライブラリ化するなどの汎用化を行っている。2019年度は、ザラバ方式の約定メカニズムの汎用化として、ブラインド・シングルプライスオークションを採用している電力市場の実装を行った。これは、AI型取引エージェントが最も利用されていると言われているダークプールの人工市場シミュレーションを行うための1ステップと言える。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
マルチエージェントシミュレーションによりアルゴリズム取引がもたらす市場の複雑性をとらえるための実験を行った。株式市場や為替市場などで使用されている伝統的なテクニカル指標に基づく１０種類の取引エージェントを作成し、株価指数先物市場の人工市場シミュレーションを行った。１０種類のエージェントが売買するタイミングは、異なっており市場状況に依存する。現物価格を外性的に与えた上で、その現物価格を追随させるエージェント組成の最小セットを与えた。エージェントの組成比を維持した時、与えられた現物価格に対し人工市場で得られた先物価格系列の追随性が規模において不変である事を示した。これは市場状況に応じた投資行動の組み合わせが不変であるならば、市場価格の変動パターンが不変である事を意味している。同様の実験系において、取引を通したエージェント間の資産の移動についても、システム規模による違いが生じない事を示した。
市場の複雑性をとらえる手段の一つとして拡張ベイズ推定法を提案した。これは状況変化が生じた場合において、特に離散的に状況変化が生じた際に、その変化を捉えることができる。これは冒頭暴落が、エージェントの行動がある種の同質化傾向を持つ事によって引き起こされる相転移現象であると考えた場合、その転移点の判定ツールとして用いることができる。これは政策的な市場介入のタイミングを与えるのを助ける。
ザラバ方式の約定メカニズムの汎用化として、ブラインド・シングルプライスオークションを採用している電力市場の実装を行った。AI型取引エージェントが最も利用されていると言われているのがダークプールである。ここでは同一の株式やデリバティブ取引される市場が複数あり市場制度や価格情報などの透明性が異なっている。ダークプールの市場制度や運用方法については明らかにされていない所もあるため、その第一歩として電力市場を取り上げた。
|
| Strategy for Future Research Activity |
2020年度は、エージェント組成の違い、特にHFT型アルゴリズム取引が市場に与える影響について実データと照らした比較研究を進める。これまでの研究で標準エージェントセットの組成に関して、スケールフリー性や長期記憶など株式市場のStylized Factとの関連を明らかにしている。また取引によって生じるエージェント間の資金変化に関する研究を進めている。この研究を発展させ、エージェント組成の多様性と価格変動の多様性の関係について明らかにする。特に、観測や行動の時間スケールが異なるエージェントが混在する市場に焦点を当てる。
株式市場のStylized Factが含意している事の一つとして、安定期と冒頭暴落期の混在があり、相転移現象との類似が指摘されている。
先に提案した拡張ベイズ推定では出現確率が変化する状況においてリアルタイムに推定することができる。拡張ベイズ推定では、推定を行う際に事後確率の調整と仮説選択の２つを用いるが、前者が漸近的な推定であるのに対し、後者が離散的な変化をとらえていると考えられる。これは、株価変動における相転移的変化をとらえる方法として用いることができることを示唆している。
2020年度は、エージェントのアルゴリズムの多様性と、エージェントの発注パターンの同質化や同期性と株価変動から観測される離散的、相転移的変化の関係を明らかにしたい。実証データを用いて、株価変動にみられる相転移的変化とオーダーフローにおける同質的、同期的発注パターンの関係を調べ、多様なエージェントからなる人工市場において上記を再現し、冒頭暴落を防ぐための方法を提案する。
|
| Causes of Carryover |
昨年度までに、大規模シミュレーションを行うためのPC環境を揃えており現在の株式市場のティックデータを用いた実証分析が必要である。その購入費用を見積もってみたところ来年度の補助金と合わせて執行することに、より高い研究成果が得られるデータを入手できることが判明したため。
3月に仙台市で開催が予定されていた進化経済学会年次大会への旅費としての支出を予定していたが、新型コロナウィルスの流行により大会が遠隔で実施されたため次年度に使用することとなった。
|
Research Products
(4 results)
