فعالیت سازندگان بازار: رویکرد رفتاری و مبتنی بر عامل

هدف از این مقاله تأیید چگونگی تأثیر ویژگی های رفتاری و اجتماعی بر تصمیمات سازندگان بازار و شناسایی تأثیر چنین تصمیماتی بر حجم تجارت ، سطح قیمت و گسترش پیشنهادات مشاهده شده در بازار است. بسیاری از مدل های ریزساختاری کلاسیک رفتار منطقی سازندگان بازار را توضیح می دهند. ما می توانیم دو گروه اصلی از چنین مدل هایی را تشخیص دهیم: مدل های مبتنی بر اطلاعات و مدل های مبتنی بر موجودی. از یک سو ، مدل های مبتنی بر اطلاعات بر نقش عدم تقارن اطلاعاتی بین سازندگان بازار و معامله گران آگاه تأکید می کنند. از طرف دیگر ، مدل های مبتنی بر موجودی رفتار سازندگان بازار را با وضعیت فعلی موجودی ها مرتبط می کنند. به طور خاص ، هدف سازنده بازار این است که یا از ورشکستگی جلوگیری شود یا صرفاً حفظ تعادل موجودی باشد. با این حال ، مشخص است که این فقط عوامل منطقی نیست که ممکن است بر رفتار اقتصادی تأثیر بگذارد. به ویژه ، بر اساس ادبیات ، ما تصریح می کنیم که چنین صفات شخصی مانند نگرش ریسک ، تحریک پذیری ، رفتار اجتماعی و احساس انصاف ممکن است بر رفتار سازندگان بازار تأثیر بگذارد. برای تأیید این موضوع ، ما یک سری آزمایشات را با هدف تجزیه و تحلیل رابطه بین این عوامل و رفتار سازنده بازار انجام دادیم. شرکت کنندگان در این آزمایشات نقش سازنده بازار را در بازار گزینه های شبیه سازی شده ایفا کردند. داده های تجربی به ما این امکان را می دهد تا چگونگی تأثیر صفات رفتاری بر تصمیمات فردی تأثیر بگذارند. با این حال ، به دلیل تعامل از دست رفته بین سازندگان بازار در طول آزمایش ، داده ها ما را قادر نمی سازد تا تجزیه و تحلیل کنیم که چگونه این صفات بر پارامترهای بازارهای مشاهده شده جمع شده ، مانند حجم معاملات و میانگین گسترش در یک بازار رقابتی تأثیر می گذارد. بنابراین ، ما یک مدل رسمی مبتنی بر عامل را پیشنهاد می کنیم که امکان بررسی چگونگی تأثیر عوامل رفتاری بر متغیرهای بازار مانند قیمت و حجم با استفاده از شبیه سازی را فراهم می کند.

روی نسخه خطی کار می کنید؟

1. معرفی

نقش سازنده بازار تأمین نقدینگی است ، با آماده بودن برای تجارت با سایر شرکت کنندگان در بازار (در طی کل دوره معاملاتی). سازندگان بازار در مورد قیمت ها تصمیم می گیرند: قیمت پیشنهادی (قیمتی که سازنده بازار آماده خرید دارایی است) و قیمت درخواست (قیمتی که سازنده بازار مایل به فروش است). تحقیقات و ادبیات تجربی گسترده ای در مورد رفتار منطقی سازندگان بازار وجود دارد (Hasbrouck 2007 ؛ Madhavan 2002). از این نظر از دو نوع اصلی مدل استفاده می شود: مبتنی بر اطلاعات و مبتنی بر موجودی ، د جونگ و رندی (2009) و اوهارا (1997). گروه اول مدل ها تصمیمات استراتژیک سازندگان بازار را هنگام برخورد با سایر معامله گران تجزیه و تحلیل می کنند. یکی از ویژگی های اصلی چنین معامله گران این است که آنها در مورد قیمت احتمالی آینده دارایی (که اغلب به عنوان معامله گران آگاه و ناآگاهانه/سر و صدا طبقه بندی می شوند) در مقایسه با تولید کننده بازار ، سطح مختلفی از اطلاعات را در اختیار دارند ، به گونه ای که عدم تقارن اطلاعات بین بازار وجود داردسازندگان و بازرگانان ، گلوستن و میلگروم (1985). گروه دوم مدل ها نقش موجودی ها را تجزیه و تحلیل می کنند ، با فرض اینکه حفظ تعادل بین دارایی و موجودی های پولی هدف اصلی سازنده بازار است (استول 1978). گارمن (1976) در یک مقاله اصلی در مورد مدل های مبتنی بر موجودی ، فرض می کند که هدف سازنده بازار جلوگیری از ورشکستگی است. بنابراین ، سازندگان بازار سعی می کنند هر دو درآمد خود را به حداکثر برسانند و از ورشکستگی خودداری کنند. خط مشی چارچوب بهینه برای این چارچوب مدل توسط Amihud و مندلسون (1980) ارائه شده است. تجزیه و تحلیل آنها نشان می دهد که موقعیت ترجیحی برای سازنده بازار وجود دارد و پیشنهاد و درخواست قیمت ها یکنواخت (کاهش) با تعادل موجودی است. به طور خاص ، برای یک نشانگر بهینه است که به طور یکنواخت قیمت سؤال را افزایش دهد (به منظور کاهش فروش) و همزمان افزایش قیمت پیشنهاد (به منظور افزایش خرید) در صورت منفی بودن موجودی موجودی. به طور مشابه ، برای یک نشانگر بهینه است که به طور یکنواخت قیمت سؤال (به منظور افزایش فروش) را کاهش دهد و همزمان قیمت پیشنهاد را کاهش دهد (به منظور کاهش خرید) در صورت مثبت بودن موجودی موجودی. میزان تعدیل قیمت های لازم برای افزایش و کاهش معاملات ممکن است متفاوت باشد. چنین سیاستی هم هدف از حداکثر رساندن سود و هم حفظ مانده موجودی است. از آنجا

ما از این چارچوب برای تجزیه و تحلیل نتایج استفاده خواهیم کرد.

عوامل رفتاری ، مانند ادراک اطلاعات قبلی (تعصب خوش بین/بدبینانه) یا ادراک سر و صدای سیگنال خصوصی (تعصب بیش از حد/تعصب) نیز ممکن است بر رفتار سازندگان بازار تأثیر بگذارد. با این وجود چنین عواملی ممکن است علاوه بر تأثیرگذاری بر حجم معاملات و قیمت ها ، به عملکرد بهتری نسبت به تولید کنندگان کاملاً منطقی منجر شود.(2014). به همین ترتیب ، هریس و پانچاپاژسان (2005) محتوای اطلاعاتی کتابهای سفارش و نحوه استفاده از تولید کنندگان بازار از چنین اطلاعاتی را مطالعه می کنند. در مقابل ، Chakrabarty و Moulton (2012) نقش محدود کننده ظرفیت توجه را بر رفتار سازندگان بازار مطالعه می کنند.

بر اساس ادبیات ، ما تصریح می کنیم که صفات شخصی مانند مهارت های عددی ، نگرش به ریسک ، تحریک پذیری و رفتار اجتماعی (احساس انصاف) نیز ممکن است بر رفتار سازندگان بازار تأثیر بگذارد. بنابراین ، ما یک سری آزمایشات را برای اندازه گیری میزان این صفات شخصی انجام دادیم. به طور خاص ، ما از یک کار ریسک آنالوگ بالون استفاده کردیم (Lejuez et al. 2002) ، یک بازی Ultimatum (هارل و سانفی 2010) و یک بازی پاسخ (Brocklebank و همکاران 2011) ، علاوه بر اندازه گیری سطح محافظه کاری (گارتیو همکاران 1991) ، سطح تحریک پذیری (وایتساید و لینام 2001 ؛ سایدرز و همکاران 2007) ، و هر دو مهارت عددی عینی و ذهنی (لیپکوس و همکاران 2001 ؛ فاجرلین و همکاران 2007). به منظور تجزیه و تحلیل رابطه بین این عوامل و رفتار سازنده بازار ، ما همچنین به شرکت کنندگان آزمایشی اجازه دادیم که نقش سازندگان بازار را در یک محیط شبیه سازی شده ایفا کنند. شرکت کنندگان با قراردادهای مالی معامله می کردند: گزینه های تماس و تماس.

رفتار بازارسازان اغلب به صورت تجربی در زمینه نقدینگی مورد مطالعه قرار می گیرد، به عنوان مثال. Korajczyk and Murphy (2018) و Goldstein and Hotchkiss (2019) یا مقررات بازار، به عنوان مثال. Cimon and Garriott (2019). از آنجایی که در طول آزمایش، شرکت کنندگان در یک بازار غیررقابتی (بازی در برابر رایانه) بازی می کردند، ما از رویکرد شبیه سازی برای تجزیه و تحلیل تأثیر ویژگی های رفتاری بر نقدینگی مشاهده شده (اندازه گیری شده با اسپرد پیشنهاد و تقاضا) استفاده کرده ایم. حجم معامله در یک محیط رقابتی (سازندگان بازار با یکدیگر رقابت می کنند). به طور خاص، ما یک مدل مبتنی بر عامل با عوامل ناهمگن و مجموعه ای از قوانین تصمیم گیری بر اساس نتایج تجربی ساخته ایم. استفاده از یک رویکرد مبتنی بر عامل همچنین به ما امکان داد تا تأثیر ویژگی های رفتاری را تا حدی بیشتر از آنچه در طول آزمایش ممکن بود بررسی کنیم.

ساختار مقاله به شرح زیر است. در بخش بعدی طرح آزمایش و نتایج به دست آمده را ارائه می کنیم. سپس رسمی سازی های پیشنهادی از تأثیر ویژگی های رفتاری بر رفتار بازارسازان را همراه با طراحی مدل مبتنی بر عامل و نتایج ارائه می کنیم. نتیجه گیری در بخش پایانی آورده شده است.

2 رویکرد رفتاری

ما ابتدا یک سری آزمایش های آزمایشگاهی را برای مشاهده و اندازه گیری رفتار بازارسازان پانوشت 1 در یک بازار شبیه سازی شده و همچنین بزرگی ویژگی های شخصی منتخب انجام دادیم. سپس با استفاده از روش های اقتصادسنجی، رابطه بین رفتار بازارسازان مشاهده شده و ویژگی های شخصی آنها را بررسی کردیم.

2. 1 طراحی آزمایش

1. برای مشاهده رفتار سازندگان بازار، ما از پلتفرم volcube (Market Squared Ltd 2010) استفاده کردیم که یک پلت فرم اختصاصی برای آموزش بازارسازان بالقوه در بازارهای گزینه است. کاربران در طول جلسات آموزشی با تعداد معینی از قراردادهای اختیاری اروپایی معامله می کنند. موقعیت قرارداد اختیار فعلی، ریسک، پارامترهای ریسک اختیار (به اصطلاح یونانی)، و همچنین سود/زیان فعلی و بالقوه در طول جلسه مشاهده می شود. یک کاربر نقش یک بازارساز را ایفا می کند و در مورد قیمت های پیشنهادی و درخواستی، همراه با حجم معاملات مربوطه تصمیم می گیرد. این کار در قالب یک گفتگوی ساختاریافته انجام می شود. به عنوان مثال، ما به طور خلاصه یک گفتگوی نمونه بین بازارساز (MM) و یک معامله گر کامپیوتری (T) را ارائه می کنیم.
2. 1. T: 100 آوریل قرار می دهد؟- یک معامله گر درخواست قیمت یک گزینه از گزینه های اروپایی با قیمت اعتصاب 100 و بلوغ در ماه آوریل می کند.
3. 2. میلی متر: 3. 14/3. 16 ، 125 توسط 125 - یک سازنده بازار پیشنهاد می کند 125 قرارداد گزینه را با قیمت 3. 14 خریداری کند یا 125 قرارداد گزینه را با قیمت 3. 16 بفروشد.
4. 3. T: من می توانم 3. 16 برای 300 پرداخت کنم - یک معامله گر قصد خود را برای خرید 300 قرارداد گزینه در 3. 16 فاش می کند.

4. MM: فروش 100 آوریل در 3. 16 - یک سازنده بازار 100 قرارداد گزینه را در 3. 16 به فروش می رساند.

• یک بازی واحد (یا جلسه معاملاتی) 25 دور طول می کشد ، اگرچه اگر شرکت کننده از حد خطر فراتر رود ، ممکن است زودتر به پایان برسد. این اتفاق می افتد که ارزش مطلق یک موقعیت سازنده بازار (مثبت وقتی که سازنده بازار موقعیت طولانی و منفی دارد) برای چندین دور معاملاتی متوالی از حد مجاز فراتر می رود. ما فعالیت سازنده بازار را از نظر پیشنهاد اندازه گیری می کنیم و از گسترش به نقل از ، ریسک گرفته شده و معاملات نتیجه می گیریم. علاوه بر این ، ما مجموعه ای از آزمایش های کلاسیک را انجام دادیم که در کتابخانه تست نرم افزار Inquisit (Millisecond Software LLC 1999) در دسترس است.
• کار ریسک آنالوگ بالون (Lejuez et al. 2002): یک شرکت کننده یک بالون رایانه ای را به صورت گام به گام پمپ می کند. هر پمپ اضافی ممکن است درآمدهای افزایشی را فراهم کند ، اما همچنین خطر ترکیدن بادکنک را افزایش می دهد ، با از دست دادن نتیجه تمام درآمد انباشته شده در آن نقطه. یک شرکت کننده برای جمع آوری درآمد در هر زمان رایگان است. وقتی بالون ترکید ، میانگین تعداد پمپ های بالون را اندازه گیری کردیم. این تعداد متوسط تمایل به ریسک پذیری را اندازه گیری می کند.
• بازی Ultimatum ، Harlé و Sanfey (2010): یک شرکت کننده تصمیم می گیرد که چگونه یک امتیاز ثابت را بین خود یا خود و یک شرکت کننده دیگر به اشتراک بگذارد ، که ممکن است پیشنهاد را بپذیرد یا رد کند. شرکت کنندگان هر دو نقش را بازی کردند: پیشنهاد دهنده و پاسخ دهنده. مقدار متوسط پیشنهادی حس انصاف را اندازه گیری می کند ، در حالی که میانگین مقدار رد شده واکنش به ناعادلانه بودن را اندازه گیری می کند.
• بازی پاسخ ، Brocklebank و همکاران.(2011): یک شرکت کننده بین دو گزینه تصمیم می گیرد. در گزینه اول ، یک شرکت کننده در مورد میزان امتیاز برای او و یک بازیکن همکار تصمیم می گیرد. در گزینه دوم ، یک شرکت کننده اجازه می دهد تا بازیکن بین دو گزینه تصمیم بگیرد (هر گزینه با میزان امتیازاتی که شرکت کننده و یک بازیکن دریافت می کنند مشخص می شود). کل امتیازات به دست آمده در این بازی توانایی تفکر استراتژیک را اندازه گیری می کند.

وظیفه مهره ، گاری و همکاران.(1991): یک شرکت کننده دو اورن را مشاهده می کند که هر دو حاوی مهره ای از دو رنگ معین هستند. در هر اورن ، دو رنگ احتمالی مهره ها به نسبت های مختلف وجود دارد. یک به یک ، مهره های انتخاب شده از یک U خاص به یک شرکت کننده ارائه می شود ، که نمی داند از URN برای انتخاب مهره ها استفاده می شود. تعداد مهره های لازم برای شرکت کننده در مورد تصمیم گیری در مورد کدام یک از مهره ها از اقدامات محافظه کاری انتخاب می شود.

• علاوه بر این ، ما نسخه های رایانه ای رایانه ای از پرسشنامه های زیر را توزیع کردیم:
• مقیاس رفتار تحریک آمیز UPPS-P ، وایتساید و لینام (2001) ؛Cyders و همکاران.(2007) ، که پنج صفت را اندازه گیری می کند: فوریت منفی (عمل به شدت تحت احساسات منفی) ، فوریت مثبت (عمل به سختی تحت احساسات مثبت) ، عدم پیش بینی ، عدم پشتکار و احساس. ما از یک اقتباس لهستانی از مقیاس ، Poprawa (2016) استفاده کرده ایم.
• مقیاس ONS (مهارت های عددی عینی) ، لیپکوس و همکاران.(2001)

مقیاس SNS (مهارت های عددی ذهنی) ، Fagerlin و همکاران.(2007)

تمام اقدامات صفات شخصیتی بین 0 تا 1 عادی شد ، به گونه ای که حداقل مقدار مشاهده شده به 0 مقیاس داده شود و حداکثر مقدار به 1 تبدیل شود.

2. 2 داده ها و روش های آزمایش

دانش آموزان یک بازار مالی عمده در دوره مهندسی مالی در ترم تابستان سال 2016 در آزمایشات شرکت کردند. آموزش در این دوره به دانشجویان ارائه می شد. سرانجام ، ما از داده های جمع آوری شده در طول رقابت معاملاتی که در پایان دوره برای دانشجویان در تاریخ 15 ژوئن 2016 سازماندهی شده بود ، استفاده کردیم. اگرچه مشارکت داوطلبانه بود ، اما چنین مشارکت (از جمله نتایج حاصل از آن) نکات اضافی و متعاقباً نمرات بالاتر را ارائه می داد. این یک عامل انگیزه قوی برای دانش آموزان بود. 68 دانش آموز (40 زن و 28 مرد) در این رقابت شرکت کردند که در کل 10. 967 دیالوگ مشاهده شد. گروه دانشجویی با توجه به سن ، همگن بود ، همه به جز چند دانش آموز در سن مشابه ، 21 سال سن داشتند. آزمایش های همراه مربوطه در مارس و آوریل 2016 با استفاده از نرم افزار Inquisit (Millisecond Software LLC 1999) انجام شد ، در حالی که پرسشنامه های UPPS-P ، ONS و SNS در مورد صفات رفتاری در آوریل 2016 با استفاده از نرم افزار Limesurvey (GMBH 2012) جمع آوری شد. تمام آزمایشات در Cracow انجام شد.

ما برای تجزیه و تحلیل تأثیر صفات رفتاری بر ویژگی های منتخب رفتار سازنده بازار ، یک سری از مدل های مخلوط خطی عمومی (مک کالوچ و نوهاوس 2005) استفاده کردیم. مدل های نهایی با استفاده از معیار اطلاعات Akaike انتخاب شدند. ما از بسته R GLMMTMB (بروکس و همکاران 2017) برای برآورد مدل و R Package Mumin (Mumin 2019) برای انتخاب مدل نهایی استفاده کردیم.

• به طور خاص ، ما ابعاد زیر رفتار سازنده بازار را با استفاده از تحلیل رگرسیون تجزیه و تحلیل کردیم:
• عرض گسترده کل: تفاوت بین قیمت ASK و پیشنهاد با موقعیت تعادل صفر (بهینه)
• نرخ تعدیل گسترش برای دلسرد کردن معاملات ناخواسته: سازندگان بازار که دارای موقعیت کوتاه و منفی هستند ، به طور متناسب قیمت درخواست را افزایش می دهد تا از فروش بیشتر دلسرد شود. به طور مشابه ، سازندگان بازار که دارای موقعیت طولانی و مثبت هستند ، قیمت پیشنهاد را برای دلسرد کردن خرید بیشتر کاهش می دهد
• نرخ تعدیل گسترش برای تشویق معاملات مورد نظر: سازندگان بازار دارای موقعیت کوتاه و منفی ، به طور متناسب قیمت پیشنهاد را برای تشویق خرید به منظور تعادل موقعیت خود افزایش می دهند. به همین ترتیب ، سازندگان بازار که دارای موقعیت طولانی و مثبت هستند ، قیمت درخواست را برای تشویق فروش به همین منظور کاهش می دهند
• احتمال پذیرش پیشنهادات با قیمت های کمتر مطلوب: کارگزاران ممکن است قیمت سازنده بازار را بپذیرند ، و آنها را موظفند معامله کنند ، یا یک پیشخوان را که بدتر است ، از دیدگاه سازنده بازار ، یعنی پایین تر از درخواست یا بالاتر از پیشنهادی که در ابتدا نقل شده است ، ارسال کنند. سازنده بازاربه عبارت ساده تر ، یک کارگزار هنوز هم می خواهد گزینه ای را بخرد اما با قیمت پایین تر از قیمت نقل شده در ابتدا توسط Market Maker. از طرف دیگر ، یک کارگزار ممکن است هنوز بخواهد گزینه ای را بفروشد اما با قیمت بالاتر از قیمت نقل شده در ابتدا توسط یک سازنده بازار.

سهم حجم اضافی پذیرفته شده: کارگزاران ممکن است با یک حجم معامله بالاتر از آنچه که در ابتدا توسط سازنده بازار ارائه می شود ، پیشنهاد کنند. اگرچه سازندگان بازار فقط موظفند حجم پیشنهادی را در ابتدا تجارت کنند ، اما با این وجود می توانند هر حجمی را تا حد تعیین شده توسط پیشنهاد کارگزار تجارت کنند.

انتخاب ابعاد از ملاحظات نظری در مورد رفتار سازنده بازار منطقی (Amihud and Mendelson 1980) و ساختار دیالوگ ها در بازی الهام گرفته شده است. گسترش توسط یکی از پارامترهای خطر گزینه (VEGA) عادی می شود ، زیرا تنظیم گسترش به مقدار یک وگا در طول آموزش توصیه می شود.

2. 3 نتایج آزمایش

Based on Amihud and Mendelson (1980), we have assumed that both the ask and bid curves are monotonic, with values 0 and 2 (− 2) respectively, at the risk limits. This ensures that risk limits caot be exceeded for an assumed demand function. We assumed the following functional form of the bid and ask curves, as described in Eq. 1, x stands for the ratio of the position value to the absolute value of the risk limit and admits values from the closed interval (left[ -1,1 ight] ) , moreover we consider (n>0) .

نتایج فردی تجزیه و تحلیل رگرسیون در جداول 1 ، 2 ، 3 ، 4 و 5 ارائه شده است. به عنوان مثال ، در بررسی نتایج رگرسیون ارائه شده در جدول 1 آشکار می شود که احساس انصاف باعث کاهش نقل قول شده می شود (به نقل از بهترقیمت سازندگان بازار ، بدتر از آن برای کارگزاران با آنها است) ، و همچنین تفکر استراتژیک (گسترش پایین تر به معنای احتمال پذیرش بالاتری است). از طرف دیگر ، سطح بالاتری از مهارت های عددی عینی ، گسترش نقل شده را افزایش داد.$ $ شروع کنید$$

text = - text times mathopen | x mathclose |^ n-1 quad text = - text times mathopen | x mathclose |^n + 1 end

در ابتدا ، ما مقادیر بالقوه متفاوتی از پارامتر n را در نظر گرفتیم ، یعنی (n in lbrace 1/10،1/9 ، ldots ، 9،10 rbrace ). ما همچنین در ابتدا مقادیر بالقوه مختلفی را برای پارامتر حد خطر در نظر گرفتیم (r_l in lbrace 3،5،7،9 rbrace ) و مقادیر بالقوه مختلف برای تعداد دور بازی شده ، مشخص شده توسط (r_m in lbrace25،50 ، ldots ، 475،500 rbrace ). سرانجام ، ما مقدار پارامتر N را روی 3 تنظیم می کنیم ، زیرا برای این پارامتر ارزش تولید کننده سود در بیشتر سناریوهای تعریف شده توسط مقادیر پارامترها (r_l ) و (r_m ) حداکثر بود. سپس مقدار حد خطر را (r_l = 5 ) و تعداد دور بازی شده (r_m = 200 ) ثابت کردیم. این دو مقدار پارامتر به گونه ای انتخاب شدند که احتمال عدم پذیرش یک سازنده بازار که به محدودیت ها می رسد وجود دارد. پیشنهاد و درخواست منحنی برای مقدار انتخاب شده پارامتر n در شکل 2 ارائه شده است. ما سپس تأثیر صفات رفتاری بر رفتار سازنده بازار را با تنظیم پیشنهاد بازار ساز و از بر این اساس سؤال کردیم ، جدول 16 را ببینید. 2 ، sigma /2) ) ، جایی که ( sigma ) یک پارامتر است. (r

جدول 16 پیشنهادات مختلف را برای صفات رفتاری مختلف بخواهید

ما از یک متغیر تصادفی U برای نشان دادن فوریت مثبت استفاده کرده ایم (یک سازنده بازار هنگام داشتن موقعیت تجاری که نزدیک به موقعیت کاملاً متعادل است) به طور نادرست نقل می کند) ، فوریت منفی (یک سازنده بازار به طور نادرست هنگام داشتن موقعیت تجاری که نزدیک به آن است نقل می کندموقعیت محدودیت ریسک) ، عدم پیش بینی (یک سازنده بازار به طور نادرست در طول تجارت نقل می کند اما با همان سطح عدم دقت بدون در نظر گرفتن موقعیت تجارت فعلی) و عدم پشتکار (یک سازنده بازار به طور نادرست نقل می کند ، با عدم دقت با زمان تجارت افزایش می یابد)بشرما همچنین از پیشنهادات اصلاح شده استفاده کرده ایم و از منحنی های سؤال شده استفاده کرده ایم: یک ثابت - 1 برای جستجوی احساس (یک سازنده بازار به طور فعال سعی نمی کند از رسیدن به محدودیت های خطر جلوگیری کند) ، جلوگیری از ریسک (یک سازنده بازار سعی می کند از داشتن موقعیت تجاری نزدیک به خطر جلوگیری کندمحدودیت بیش از حد) ، عدم وجود تفکر استراتژیک (یک سازنده بازار پیشنهاد را تنظیم می کند و منحنی ها را با برخی از تأخیر ، به طور خاص یک موقعیت خیلی دیر) و انصاف می پرسد (یک سازنده بازار به ارزش گسترده ای 1 می چسبد ، که به نظر می رسد عادلانه و عادلانه استبنابراین پیشنهاد را تنظیم نمی کند و منحنی ها را به اندازه کافی سؤال نمی کند).

ما اکنون رفتار سازندگان بازار منطقی و غیر منطقی و رفتار معاملاتی آنها را برای پنج مقدار پارامتر ( sigma ) شبیه سازی کرده ایم. برای هر یک از هشت نوع عامل (منطقی یا مغرضانه - تحت تأثیر یکی از صفات رفتاری در نظر گرفته شده) ما 100000 شبیه سازی را با اعداد تصادفی مختلف اجرا کرده ایم. برای هر شبیه سازی ، ما میانگین سود در هر دور معاملات را اندازه گیری کردیم و اینکه آیا سازنده بازار در یک شبیه سازی معین از محدودیت ریسک فراتر رفته است (در این صورت ، یک سازنده بازار تجارت را متوقف می کند و ورشکسته می شود). نتایج شبیه سازی در جداول 17 ، 18 ، 19 و 20 ارائه شده است.

جدول 17 متوسط سود در هر دور معاملات برای نوع نماینده و مقادیر مختلف ( sigma )

جدول 18 انحراف استاندارد سود در هر دور معاملات برای نوع نماینده و مقادیر مختلف ( sigma ) جدول 19 احتمال خراب کردن برای نوع عامل و مقادیر مختلف ( sigma ) جدول 20 انحراف استاندارد از احتمال ویرانی برای نوع عامل و مقادیر مختلف ( sigma ) جدول 21 سود در هر دور معاملات بسته به نوع تعصب ، ( sigma = 0. 5 )

جدول 22 احتمال خراب کردن بسته به نوع تعصب ، ( sigma = 0. 5 )

ما می توانیم مشاهده کنیم که هر یک از تعصبات ذکر شده ممکن است با همان احتمال ویرانی (به عنوان مثال فوریت مثبت) به نتایج بدتری منجر شود یا ممکن است منجر به نتایج بهتر شود اما با افزایش احتمال ویرانی (به عنوان مثال جستجوی احساس).

ما همچنین وضعیتی را در نظر گرفته ایم که یک سازنده بازار ممکن است در همان زمان تعصبات زیادی داشته باشد. ساده ترین راه برای مدل سازی چنین وضعیتی فرض بر این است که یک پیشنهاد نهایی/درخواست ASK ، میانگین وزنی گسترش پیشنهادات/درخواست است که توسط یک سازنده بازار فرضی نقل شده است که فقط یک تعصب واحد دارد (b = sum _^ b_i w_i ) و به ترتیب (a = sum _^ a_i w_i ). وزنه ها اهمیت نسبی (شدت) تعصب داده شده را تعیین می کنند. البته مکانیسم های پیچیده تری نیز امکان پذیر است ، مانند مواردی که شامل سلسله مراتب تعصب است.

به طور خاص ، ما 200 سازنده بازار فرضی با وزن های مختلف تعصب ایجاد کردیم. ما از دنباله SOBOL برای این منظور استفاده کرده ایم ، مشابه آنچه در بخش شرح داده شده است. 3. 1برای گسترش بیشتر ، برای هر بردار 9 عنصر متوالی توالی SOBOL (X_I ) ، ما با تحول زیر وزنهای مربوطه را ساخته ایم (W_i = x_i/ sum _^ x_i ). وزن اول (W_1 ) سهم عقلانیت را در تصمیمات سازندگان بازار نشان می دهد. این متغیر در رگرسیون خطی برای جلوگیری از همسایه بودن حذف شد. ما فقط مورد را با پارامتر ( sigma = 0. 5 ) در نظر گرفتیم. نتایج رگرسیون در جداول 21 و 22 ارائه شده است. تصویر کلی مشابه است ، یعنی اینکه آن سوگیری هایی که منجر به سود متوسط بالاتر در هر دور می شوند - جستجوی جبران ، عدم وجود تفکر استراتژیک و انصاف - همچنین منجر به احتمال بالاتری می شودخراب کردن برای سازندگان بازار.

حقوق و مجوزها

دسترسی آزاد این مقاله تحت مجوز بین المللی Creative Commons Attribution 4. 0 مجوز است ، که اجازه می دهد تا زمانی که اعتبار مناسبی را به نویسنده اصلی (ها) و منبع بدهید ، به استفاده ، اشتراک ، سازگاری ، توزیع و تولید مثل اجازه دهید. پیوندی به مجوز Creative Commons ارائه دهید و نشان دهید که آیا تغییرات ایجاد شده است. تصاویر یا سایر مطالب شخص ثالث در این مقاله در مجوز Creative Commons مقاله گنجانده شده است ، مگر اینکه در یک خط اعتباری به مطالب در غیر این صورت مشخص شود. اگر مطالب در مجوز Creative Commons در مقاله گنجانده نشده باشد و استفاده در نظر گرفته شده شما توسط مقررات قانونی مجاز نیست یا از استفاده مجاز فراتر می رود ، باید مستقیماً از مجوز از دارنده حق چاپ استفاده کنید. برای مشاهده نسخه ای از این مجوز ، به http://creativeecommons. org/licenses/by/4. 0/ مراجعه کنید.

در مورد این مقاله

این مقاله را ذکر کنید

• Czupryna ، M. فعالیت سازندگان بازار: رویکرد رفتاری و مبتنی بر عامل. Cent Eur J Oper Res 30 ، 303-322 (2022). https://doi. org/10. 1007/S10100-020-00686-6
• منتشر شده: 02 ژوئن 2020
• تاریخ صدور: مارس 2022

doi: https://doi. org/10. 1007/S10100-020-00686-6

این مقاله را به اشتراک بگذارید

هرکسی که لینک زیر را با آن به اشتراک بگذارید قادر به خواندن این محتوا خواهد بود:

لینک اشتراکی دریافت کنید

با عرض پوزش ، یک لینک قابل اشتراک در حال حاضر برای این مقاله در دسترس نیست.

کپی به کلیپ بورد

ارائه شده توسط SPRINGER NATURE SHAREDIT SICTIONATION CONTENT

• کلید واژه ها
• بازار ساز
• مدل سازی مبتنی بر عامل