Nicht erst seit dem Platzen der Blase an den Technologiebörsen und den wenig aussichtsreichen Entwicklungen an den Renten-, Rohstoff- und Währungsmärkten stellt sich für viele von uns die Frage, welche Mechanismen einen solchen Markt bewegen. Was beeinflusst die Preise? Wann wird Angebot und Nachfrage befriedigt und wie entstehen Marktbewegungen und Trends? Die Markteffizienz-Theorie , Black/Scholes-Modell und das Capital Asset Pricing Modell bieten hierfür eine solide wissenschaftliche Basis, sind jedoch entweder extrem aggregiert oder erklären nur einzelne Teile des Ganzen, vereinen aber nie die gesamten Erkenntnisse in einem Modell. Aufbauend auf diese Theorien versucht die Finanzmarktsimulation das zu tun und schlussendlich die Re¬alität in einem Modell wieder zu spiegeln.
Betrachtungsgegenstand sind in dieser Arbeit die Finanzmärkte. Börsen- und Devisenmärkte bieten die besten Möglichkeiten der Nachbildung, da sie nicht nur, weit verbreitet sind, sondern weil hier enormes Datenmaterial zur Verfügung gestellt wird, das zur Modellierung und für den Vergleich des Modells zur Realität von großer Wichtigkeit ist. Dieses Datenmaterial umfasst sowohl Preise, Kurse und Dividendenzahlungen, als auch Daten zu Volatilitäten. Ziel dieser Forschungsdisziplin ist es nicht, Voraussagen anstellen zu können. Vielmehr ist von Interesse, welche Einzelkomponenten notwendig sind, um ein solch komplexes Gebilde zu replizieren.
Die Multi-Agenten-Systeme sind nicht nur in der Finanzwelt zur Problemlösung etabliert, auch in anderen Branchen werden Agentensysteme verwendet.
Inhaltsverzeichnis
1. Einleitung
2. Agenten-basierte Systeme
2.1 Abgrenzung von Agenten, Agenten-Systemen und Multi-Agenten
2.2 Warum werden Multi-Agenten-Modelle für Finanzmarktsimulationen verwendet?
3. Entwicklung eines Kriterienkataloges zur Vergleichbarkeit unterschiedlicher Modelle
3.1 Analyse der Agenten und Zerlegung in Einzelfaktoren
3.2 Der Markt und seine Einzelfaktoren
3.3 Die Umwelt oder die ökonomische Welt
3.4 Initialisierungsannahmen der Modelle
4. Analyse der Modelle anhand des entwickelten Kriterienkataloges
4.1 Modell nach Figlewski
4.2 Modell nach Kim & Markowitz
4.3 Modell nach Day & Huang
4.4 Modell nach Arifovic
4.5 Modell nach Grossman & Stiglitz
4.6 Modell nach LeBaron
4.7 Modell nach Beltratti & Margarita
4.8 Modell nach Levy, Levy & Solomon
4.9 Das „Oxford“ Modell
4.10 Modell nach Chiarella & Iori
5. Zusammenfassung / Fazit
Zielsetzung & Themen
Diese Arbeit zielt darauf ab, einen systematischen Überblick über bestehende Multi-Agenten-Modelle in der Finanzmarktsimulation zu geben, um deren Vergleichbarkeit durch die Entwicklung eines Kriterienkataloges zu ermöglichen und als Orientierungshilfe für zukünftige Forschungsarbeiten zu dienen.
- Grundlagen der Agenten-basierten Systeme
- Entwicklung eines Kriterienkataloges zur Modellvergleichbarkeit
- Analyse und Strukturierung der Markteinflussfaktoren
- Detaillierte Evaluation ausgewählter Multi-Agenten-Modelle
- Identifikation von Gemeinsamkeiten und methodischen Unterschieden
Auszug aus dem Buch
3.1 Analyse der Agenten und Zerlegung in Einzelfaktoren
Hinter jedem Kauf oder Verkauf steht eine Entscheidung, deshalb ist es wichtig einen Überblick über die Entscheidungsmechanismen zu erlangen. Die Bandbreite reicht von simplen reaktiven bis hin zu komplex agierenden Agenten. Hierauf wird später detaillierter eingegangen.
Unabhängig davon, welche Variante in ein Modell implementiert ist, so ist eine Betrachtung der Informationskanäle elementar, also die Fragestellung, woher der Agent seine Informationen erhält, oder welche Quellen dem Agenten zur Verfügung stehen. Es gibt Agenten, die auf Informationen – beispielsweise Nachrichten – reagieren, es gibt aber auch diejenigen, die sich an das Verhalten von anderen Agenten eines Systems anpassen und deren Entscheidungen imitieren. Wiederum andere erhalten eine Nachricht, die sie anhand einer Tabelle genau interpretieren können. Diese Art von Informationsverarbeitung erfolgt mithilfe des Classifier System. Hierbei erkennt der Agent, welche Bedingungen am Markt herrschen. Je nach Modellierung erhält der Agent Parameter für eine Schätzung für die nächste Periode. Wie Informationen aufgenommen werden bzw. was sie auslösen, ist dann wiederum abhängig von der Zielsetzung des Agenten. Verschiedene Modelle haben unterschiedliche Ansätze hierfür und auch die Zielsetzungen, was es zu maximieren oder zu übertreffen gilt, reichen vom Maximieren einer Nutzenfunktion über das Maximieren des Wohlstandes bis hin zum Übertreffen einer Vergleichsgröße (Benchmark).
Zusammenfassung der Kapitel
1. Einleitung: Einführung in die Finanzmarktsimulation und Begründung der Relevanz von Multi-Agenten-Systemen zur Modellierung komplexer Marktphänomene.
2. Agenten-basierte Systeme: Definition und Abgrenzung grundlegender Begriffe sowie Erläuterung, warum Multi-Agenten-Ansätze für die Lösung komplexer Probleme in Finanzmärkten geeignet sind.
3. Entwicklung eines Kriterienkataloges zur Vergleichbarkeit unterschiedlicher Modelle: Herleitung von Kategorien wie Agenten-Merkmale, Marktformen, ökonomische Umwelt und Initialisierung zur strukturierten Vergleichbarkeit.
4. Analyse der Modelle anhand des entwickelten Kriterienkataloges: Anwendung des erstellten Kriterienkataloges auf zehn ausgewählte wissenschaftliche Modelle zur Evaluation ihrer spezifischen Ansätze.
5. Zusammenfassung / Fazit: Synthese der Erkenntnisse aus der Modellanalyse und Ausblick auf zukünftige Entwicklungen im Forschungsfeld.
Schlüsselwörter
Finanzmarktsimulation, Multi-Agenten-Modelle, Markteffizienz, Künstliche Intelligenz, Classifier System, Genetische Algorithmen, Marktbereinigung, Risikoeinschätzung, Komplexität, Handelsstrategien, Small-World-Netzwerk, Agenten-basiertes System, Entscheidungsmechanismen, Finanzmärkte, Modellvergleich.
Häufig gestellte Fragen
Worum geht es in dieser Bachelorarbeit grundsätzlich?
Die Arbeit analysiert und evaluiert Multi-Agenten-Modelle im Kontext der Finanzmarktsimulation, um zu verstehen, wie komplexe Marktmechanismen durch agentenbasierte Ansätze abgebildet werden können.
Welche zentralen Themenfelder werden behandelt?
Zentral sind die Untersuchung von Entscheidungsmechanismen der Agenten, verschiedene Marktmechanismen, die ökonomische Umwelt und die initialen Modellannahmen.
Was ist das primäre Ziel der Arbeit?
Das Hauptziel ist die Entwicklung eines Kriterienkataloges, um die Vielzahl existierender Multi-Agenten-Modelle vergleichbar zu machen und als Orientierungshilfe für weitere wissenschaftliche Arbeiten in diesem Bereich zu dienen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt eine komparative Literatur- und Modellanalyse, bei der ein Kriterienkatalog als systematischer Vergleichsrahmen entwickelt und auf zehn bekannte Modelle angewendet wird.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die theoretische Fundierung der Agenten-Systeme, die Erstellung des Kriterienkataloges und die konkrete Analyse von zehn spezifischen Modellen, von Figlewski bis Chiarella & Iori.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Wichtige Begriffe sind insbesondere Multi-Agenten-Modelle, Marktbereinigung, Classifier System, Genetische Algorithmen und die Differenzierung zwischen Fundamentalisten und Chartisten.
Was unterscheidet die im Buch analysierten Marktmechanismen?
Die Modelle unterscheiden sich primär durch die Art der Preisbildung, etwa durch Preisanpassungen, Marktbereinigungspreise, den Einsatz von Orderbüchern oder zufälligen Handel.
Warum ist die Analyse der "Umwelt" oder "ökonomischen Welt" in den Modellen wichtig?
Sie liefert Aufschluss darüber, wie Agenten miteinander kommunizieren und Informationen austauschen, was wesentlich zur Beurteilung der Realitätsnähe eines Modells beiträgt.
- Arbeit zitieren
- Torsten Beerweiler (Autor:in), 2006, Finanzmarktsimulation - Analyse und Evaluation von Multi-Agenten-Modellen, München, GRIN Verlag, https://www.grin.com/document/71763
