Имитационное моделирование рынка ценных бумаг на основе мультиагентного подхода тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Федеряков, Александр Сергеевич

  • Федеряков, Александр Сергеевич
  • кандидат технических науккандидат технических наук
  • 2010, Москва
  • Специальность ВАК РФ05.13.18
  • Количество страниц 243
Федеряков, Александр Сергеевич. Имитационное моделирование рынка ценных бумаг на основе мультиагентного подхода: дис. кандидат технических наук: 05.13.18 - Математическое моделирование, численные методы и комплексы программ. Москва. 2010. 243 с.

Оглавление диссертации кандидат технических наук Федеряков, Александр Сергеевич

ВВЕДЕНИЕ.- 5

ГЛАВА I. АНАЛИЗ РАЗЛИЧНЫХ ПОДХОДОВ К МОДЕЛИРОВАНИЮ РЫНКА ЦЕННЫХ БУМАГ.-12

1.1. Рынок ценных бумаг.-121.1.1. Ценные бумаги и акции.-121.1.2. Оценка стоимости акций.-131.1.3. Фундаментальный анализ.-17

1.1.4. Технический анализ.-19

1.2. Теории функционирования рынка ценных бумаг.- 22

1.2.1. Теория эффективного рынка.-221.2.2. Теория случайных блужданий.-241.2.3. Теория хаоса.-281.3. Классические и современные подходы к моделированию рынка ценных бумаг.- 30

1.3.1. Классические модели рынка ценных бумаг.-311.3.2. Поведенческие модели рынка ценных бумаг.-321.3.3. «Эффект толпы».-361.3.4. Эффект нерационального поведения трейдеров.-391.4. Мультиагентные системы.- 42

1.4.1. Характеристики мультиагентных систем.-441.4.2. Принятие решений рациональным агентом.-451.4.3. Коллективное принятие решений в стратегических играх.-491.4.4. Координация совместных действий.-521.4.5. Обучение агентов.-561.4.6. Эффект эмерджентного интеллекта.- 58

1.5. Модели рынка ценных бумаг, использующие мультиагентный подход.- 60

1.5.1. Модель «Santa Fe» и её вариации.-601.5.2. Модель «Genoa Artificial Stock Market».- 64

1.5.3. Библиотека «МоТог» и система «Имитрейд».-661.5.4. Платформа «ArTificial Open Market».-691.6. Требования к функциональности проектируемого программного комплекса.- 70

ГЛАВА II. РАЗРАБОТКА АРХИТЕКТУРЫ ВИРТУАЛЬНОГО РЫНКА ЦЕННЫХ БУМАГ И МУЛЬТИАГЕНТНОГО ПРОГРАММНОГО КОМПЛЕКСА.- 73

2.1. Математическая модель виртуально рынка.- 73

2.1.1. Виртуальный мир и виртуальные агенты.- 73

2.1.2. Новостная среда.- 75

2.1.3. Роли и стратегии.- 762.1.4. Активы агентов.-772.1.5. Ордера и транзакции.-792.1.6. Система обработки ордеров.-802.1.7. Движение денежных средств при совершении транзакций.-822.1.8. Расчёт статистических характеристик рынка ценных бумаг.-872.1.9. Математическая формулировка задачи исследования.-892.2. Требования к архитектуре системы.- 90

2.2.1. Концепция компонентной разработки.-90

2.2.2. Сокрытие деталей реализации.- 91

2.1.3. Гибкость и модифицируемость.-92

2.2.3. Масштабируемость и эксплуатационная надежность.'.-922.2.4. Производительность.-932.3. Технологии и концепции, использованные при разработке программного комплекса.- 94

2.3.1. Архитектурные концепции.-942.3.2. UML и визуальное моделирование.-952.3.3. Применение скриптовой системы.-972.4. Архитектура программного комплекса.- 99

2.4.1. Выбор платформы для мультиагентной системы.-992.4.2. Взаимосвязь приложения, пакетов и компонентов.-1012.4.3. Виртуальный мир.-1042.4.4. Стандартные классы системы.-1082.4.5. Планы и стратегии.-1142.4.6. Запросы и транзакции.-121

2.4.7. Механизм формирования цен.-123

ГЛАВАIII. АНАЛИЗ РАБОТЫ СИСТЕМЫ.-125

3.1. Описание работы программного комплекса.-125

3.1.1. Функциональность.-1263.1.2. Входные данные.-1273.1.3. Выходные данные.-129

3.1.4. Организация экспериментов.-1333.2. Оценка степени соответствия виртуального рынка реальному.-135

3.2.1. Соблюдение пропорций.-1363.2.2. Наличие трендов и фигур.-1423.2.3. Сходство статистических характеристик изменения цен и . ' объёма торгов.:.-147

3.2.4. Фрактальность рыночных процессов.-161

3.2.5. Реакция рынка на действия отдельных агентов.-1643.3. Эксперименты, проведенные над виртуальным рынком.-167

3.3.1. Зависимость размера спрэда от склонности к риску трейдеров.-1673.3.2. Влияние фундаментальных трейдеров на динамику котировок акций.-171

3.4. Практическое применение программного комплекса.-180

3.4.1. Архитектура системы поддержки принятия решений.-1803.4.2. Математические критерии оценки качества прогнозов.-1843.4.3, Анализ работы системы поддержки принятия решений.-1883.4.4. Технико-экономическое обоснование.-1923.4.5. Преимущества и недостатки программного комплекса, выявленные в процессе эксплуатации.-194

3.4.6. Другие перспективы практического применения.-1973.4.7. Перспективы для дальнейших исследований и разработок.-199

Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Введение диссертации (часть автореферата) на тему «Имитационное моделирование рынка ценных бумаг на основе мультиагентного подхода»

Актуальность темы исследования. Рынок ценных бумаг является незаменимым инструментом, позволяющим производить инвестиции в ценные бумаги и оценивать стоимость активов. Даже в период кризиса трудно преуменьшить его значение для экономики страны и мира, ведь акционерами различных компаний являются десятки миллионов жителей планеты.

Активную роль на рынке ценных бумаг играют банки и инвестиционные компании. Для них очень важна проблема прогнозирования цен на рынке ценных бумаг, особенно в период кризисов, когда возрастает волатильность и увеличиваются риски. Для лучшего понимания рыночных механизмов банкам необходимо программное средство, которое бы учитывало фундаментальные показатели компаний-эмитентов, технические индикаторы, постоянно поступающие новости, настроения других трейдеров. Это позволило бы повысить качество принимаемых банками решений, что укрепило бы их положение на рынке. А это основа развития экономики страны.

Степень разработанности проблемы. Существует ряд инструментов, призванных помочь инвесторам исследовать рыночные процессы и принимать решения о сделках на рынке ценных бумаг. Из них самыми известными являются MetaTrader, MetaStock, Ami Broker, Dynamic Trader, AJIOP-Трейд, Omni Trader, Omega TradeStation. Эти инструменты позволяют проводить мониторинг и анализ рынка в режиме реального времени, а также совершать сделки прямо со своего рабочего места. Некоторые системы снабжены встроенными языками программирования, которые позволяют расширять их функциональность и создавать программы-советники. Такие программы в нужный момент времени подсказывают, какие операции над ценными бумагами надо совершать, однако использование лишь технических индикаторов снижает качество их прогнозов.

Множество интернет-порталов (например «Yahoo Finance» и «Trade The News») специализируются на предоставлении биржевых новостей в режиме реального времени. Но такие порталы не дают советов относительно того, какие ценные бумаги покупать, или дают за высокую плату.

Одним из методов решения задачи повышения качества прогнозов является разработка системы поддержки принятия решений, использующей технологию мультиагентного моделирования. Программные агенты могут имитировать реальных трейдеров, проводя операции на виртуальном рынке ценных бумаг. В результате их взаимодействия виртуальный мир по своим показателям становится похожим на реальный, что позволяет использовать результаты симуляции для задач прогнозирования.

Этим вопросом занимались, начиная с конца 80-х годов, LeBaron В., Palmer R., Cohen, Maier, Schwartz и Whitcomb, Kim и Markowitz, Beltratti и Margarita, Marengo и Tordjman, Rieck, Giansante S., Yue W., Marchesi M., Raberto M. и другие. В последнее время этим вопросом заинтересовались и российские исследователи: Романов В.П., Воронцов К.В.

Несмотря на значительное количество работ по данной тематике, реальных проектов, использующих мультиагентный подход для моделирования рынка, очень мало. Разработки, на которые ссылаются авторы статей и книг, либо неопубликованы, либо опубликованы без исходного кода, либо имеют существенные архитектурные ограничения, не позволяющие дальше их развивать.

Целью исследования является разработка улучшенной модели рынка ценных бумаг, а также мультиагентного программного комплекса, реализующего эту модель. Эти разработки должны повысить точность прогнозов динамики цен акций, что улучшит качество принимаемых инвесторами решений и, в конечном итоге, принесёт дополнительную прибыль их работодателям: банкам и инвестиционным компаниям.

В соответствии с поставленной целью в работе были определены и решались следующие задачи:

1) На основе анализа существующих моделей разработана новая модель рынка ценных бумаг с применением мультиагентного подхода.

2) Разработан набор требований к новому, более совершенному программному комплексу, используемому для моделирования рыночных процессов.

3) Выполнено проектирование архитектуры приложения, позволяющего взаимодействовать с виртуальным рынком. На её основе разработан программный комплекс, используя среду программирования Borland Developer Studio 2006 и CASE-средство ModelMaker.

4) Разработана система критериев степени соответствия виртуального и реального рынков, а также методологию проведения экспериментов над виртуальным рынком.

5) Выполнена серия экспериментов над виртуальным рынком с целью определения степени его соответствия реальному рынку. Изучено, как выбор стратегии принятия решений агентами влияет на динамику котировок акций и другие экономические показатели.

6) Выполнена интеграция программного комплекса в систему поддержки принятия решений для трейдеров. Проведена оценка точности прогнозов программного комплекса и экспертов по набору статистических критериев.

7) Изучены другие варианты практического применения программного комплекса, а также перспективы для дальнейших исследований и разработок.

Объектом исследования является рынок ценных бумаг и закономерности, которые проявляются на нём.

Предмет исследования - мультиагентные технологии, модель виртуального рынка ценных бумаг, программный комплекс «FIMAS».

Теоретической основой исследования послужили труды российских и зарубежных специалистов по виртуальным рынкам ценных бумаг, а также книги, статьи и тезисы конференций по экономической теории, финансам, рынкам ценных бумаг, мультиагентным системам, теории проектирования сложных программных комплексов.

Методы исследования. В работе применялись методы системного, экономико-статистического, фрактального анализа, модальной логики, теории вероятностей, математической статистики, теории графов.

Информационной базой обоснования концептуальных положений исследования явились статистические данные по итогам работы различных рынков ценных бумаг, эмпирические данные, материалы периодических изданий. Для обработки информации использовались общенаучные приёмы анализа, обобщения и сравнения, системный подход, абстрактно-логический, экономико-статистический и расчётно-конструктивный методы. Научная новизна

• Разработан новый тип модели рынка ценных бумаг и программный комплекс «FIMAS», реализующий эту модель. Особенности архитектуры виртуального рынка: о Впервые реализован механизм обработки поступающих ордеров в режиме реального времени. В других моделях используется «волновая» модель обработки ордеров, которая менее соответствует процессам, происходящим на реальном рынке ценных бумаг, о Значительно расширена иерархия классов, что позволило реалистичнее смоделировать взаимодействие агентов между собой и с внешней средой. Например, в модели GASM всего 18 классов, тогда как в «FIMAS» более 120 классов. Также в новой реализации биржа больше не является ядром виртуального мира, она всего лишь одна из участников экономических отношений, о Алгоритмы, которые применяют виртуальные трейдеры для принятия решений, более реалистичны по сравнению с алгоритмами аналогичных систем. Агенты сохраняют историю своих сделок, могут самообучаться и по мере приобретения опыта переходить на более оптимальные стратегии принятия решений. В отличие от существующих моделей, трейдеры принимают решения о покупке / продаже акций не обязательно раз в день: некоторые могут целый день играть на краткосрочных колебаниях, в то время как другие предпочитают долгосрочные инвестиции. В результате существенно повысилась адекватность программного комплекса по сравнению с аналогичными разработками.

• Впервые на виртуальном рынке были зафиксированы следующие закономерности, присущие реальному рынку ценных бумаг: о эффект следования реальной цены за фундаментальной; о полное соответствие графика распределения цены и объёма торгов; о эффект банкротства 90% трейдеров-новичков и выживания остальных 10%; о классический пример из теории игр, когда в результате сговора агенты могли получать большую прибыль, о виртуальный рынок отличался слабой и умеренной эффективностью. Практическая значимость

• Впервые мультиагентный программный комплекс данного класса был использован как инструмент поддержки принятия решений. До этого подобные модели разрабатывались лишь для академических целей. Существуют и другие возможные применения модели: расчет экономического эффекта от инвестиционных решений, обучение персонала стратегиям работы на рынках ценных бумаг, как инструмент поддержки принятия решений на валютных рынках.

• Исходный код ядра программы, включая процессы обработки транзакций и алгоритмы принятия решений агентами, открыт для публичного ознакомления и использования. Это является ценным материалом для специалистов, которые хотели бы продолжить работу в данном направлении, так как большинство подобных программных комплексов опубликованы без исходного кода.

На защиту выносятся

• Разработанная модель рынка ценных бумаг, алгоритмы принятия решений агентами, механизм ценообразования на виртуальном рынке.

• Мультиагентный программный комплекс, предоставляющий доступ к виртуальному рынку из внешней среды; система поддержки принятия решений для трейдеров.

• Методология и результаты сравнительного анализа виртуальных и реальных рынков ценных бумаг.

Апробация работы. Основные результаты диссертационного исследования были представлены на четырёх научных конференциях: «Ситуационные центры: модели, технологии, опыт практической реализации» (Москва, 2006; Москва, 2007) и «Computational Finance and its Applications» (Лондон, 2006; Кадиз, 2008).

Материалы диссертационного исследования отражены в шести публикациях (3 статьи в иностранных журналах, 3 в российских, 2 из которых входят в список ВАК) общим объёмом около 5,4 п.л.

Разработанный программный комплекс внедрён в систему поддержки принятия решений для трейдеров в ООО «ТК Фотон» и ООО «Таулинк», что подтверждают соответствующие акты о внедрении.

Объем и структура работы. Поставленная в работе цель позволила сформировать следующую структуру исследования. Диссертация состоит из введения, трех глав, выводов, списка литературы и приложений. Диссертация содержит 212 страниц основного машинописного текста, 100 формул, 56 рисунков, 13 таблиц, 26 приложений. Библиография включает 84 наименований, из них 37 иностранных источника.

Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Федеряков, Александр Сергеевич

ЗАКЛЮЧЕНИЕ

Данная диссертационная работа посвящена разработке программного комплекса для моделирования рынка ценных бумаг с применением мультиагентного подхода. В рамках этой цели были решены следующие задачи:

• Проведён анализ различных подходов и инструментов для моделирования рынка ценных бумаг. Рассмотрены особенности мультиагентного подхода, а также ряд других технологий и концепций, незаменимых при проектировании систем данного класса.

• Разработана математическая и программная модели мультиагентного рынка ценных бумаг. С помощью CASE-средства ModelMaker была спроектирована архитектура программного комплекса на языке визуального моделирования UML.

• На основе этой архитектуры разработан программный комплекс «FIMAS». Работа велась в среде Borland Developer Studio 2006 на языке программирования Delphi. На данный момент программный комплекс «FIMAS» является самым передовым программным продуктом, использующим мультиагентный подход для имитации работы рынка ценных бумаг.

• Введён ряд критериев для оценки степени соответствия виртуального рынка реальному. Система «FIMAS», а также некоторые другие мультиагентные модели рынков ценных бумаг проанализированы на соответствие этим критериям. На основе ряда наблюдений и экспериментов была доказана высокая степень адекватности данной модели реальному рынку.

• Разработан модуль, использующий мультиагентную модель рынка для прогнозирования будущих котировок ценных бумаг. Выявлена высокая точность прогнозов программного комплекса «FIMAS» по сравнению с прогнозами экспертов.

• Описаны другие варианты практического применения программного комплекса, а также перспективы для дальнейших исследований и разработок.

В ходе диссертационного исследования получены следующие научные результаты:

1) Впервые был произведён сравнительный анализ реального и виртуального рынков ценных бумаг по такому обширному набору критериев, включая соблюдение пропорций, наличие трендов и фигур, критерии согласия Пирсона, Колмогорова, Романовского, Ястремского и фрактальный анализ. Критерии показали высокую степень соответствия виртуального рынка «FIMAS» реальным аналогам.

2) Было установлено, что виртуальный мир адекватно реагировал на внешние новостные воздействия. Это происходило благодаря тому, что фундаментальные трейдеры, в отличие от шумовых трейдеров, полагались на экономические индикаторы, игнорируя «случайные» блуждания. Впервые было установлено, что наиболее реалистичные результаты в среднесрочной перспективе получаются тогда, когда количество фундаментальных и новостных трейдеров составляет 60-80% от всех трейдеров. Это доказывает, что на реальных рынках именно они, а не спекулянты, оказывают решающее влияние на динамику котировок акций.

3) На виртуальном рынке удалось воспроизвести классический пример из теории игр, когда в результате сговора агенты смогли получить большую прибыль. Также эксперименты подтвердили правило, что примерно 10% новичков выживают после первых несколько месяцев торговли на рынке ценных бумаг.

-2044) Впервые мультиагентный программный комплекс данного класса был использован как инструмент поддержки принятия решений. В этой роли он продемонстрировал высокую точность прогнозов в среднесрочном периоде. Это позволило экспертам принимать более взвешенные решения, что в конечном итоге привело к увеличению прибыли компании.

По результатам проведенного исследования можно сделать следующие выводы и рекомендации:

1) Несмотря на то, что виртуальная биржа не соблюдала все пропорции реальных бирж и виртуальные агенты использовали очень примитивные стратегии, благодаря эффекту синергии она показывала статистические характеристики, очень близкие к реальным. Это подтверждает, что применение мультиагентных систем позволяет существенно увеличить точность имитационных моделей, хоть и является более трудозатратным методом.

2) В рамках выбранного подхода не удалось имитировать взлёты и обвалы на рынке ценных бумаг кроме как через манипулирование новостями. Одно из возможных объяснений этого факта состоит, что на рынке нет «эффекта бабочки», и он отражает лишь процессы в реальном секторе экономики, а также страхи и надежды инвесторов. Считаю, что ключ к решению этой проблемы лежит в области исследования нерациональных мотивов поведения трейдеров.

3) Выявлено, что виртуальный рынок по своим характеристикам относится скорее к умеренным и слабо эффективным рынкам. Именно такие рынки, а не эффективные являются наиболее распространенными в реальном мире. Дальнейшее изучение процессов, происходящих на виртуальном рынке, может помочь найти причину этой закономерности.

Список литературы диссертационного исследования кандидат технических наук Федеряков, Александр Сергеевич, 2010 год

1. Арженовский С.В., Молчанов И.Н. Статистические методы прогнозирования: Учебное пособие для аспирантов. - Ростов-на-Дону: Издательсто РГЭУ «РИНХ», 2001. - 74 с. - 1.BN 5-7972-0379-0.

2. Аскинадзи В.М. Инвестиционные стратегии на рынке ценных бумаг. -М.: Маркет ДС, 2004. 106 с. - ISBN 5-7958-0091-0.

3. Бердникова Т. Акционерное общество на рынке ценных бумаг. М.: Финстатинформ, 1997. - 142 с. - ISBN 5-7866-0014-9.

4. Бережная Е., Бережной В. Математические методы моделирования экономических систем. М.: Финансы и статистика, 2005. - 432 с. -ISBN 5-279-02940-8.

5. Бретт М. Как читать финансовую информацию. — М.: Проспект, 2004. -464 с. ISBN 5-7986-0085-8.

6. Вериженко И. Artificial Open Market // http://atom.univ-lillel.fr/

7. Вильяме Б., Грегори-Вильяме Дж. Торговый хаос II. М.: ИК "Аналитика", 2005. - 208 с. - ISBN 5-93855-032-7.

8. Воронцов К. В. МоТог Библиотека имитационного моделирования биржевых торгов // http://www.forecsys.com/ru/site/tech/MoTor/

9. Воронцов К. В. «Имитационное моделирование реальных биржевых торгов»// ИММОД-2003: 1-ая Всеросс. конф.: Докл. — Спб., 2003. — С. 25-29.

10. Воронцов К. В., Пшеничников С. Б. «Имитационное моделирование торгов: новая технология биржевых тренажеров»// Индикатор. — 2002. — No. 2(42).

11. Н.Воронцов К. В. ММВБ: учебная имитационная торговая система «Имитрейд» // http://www.forecsys.com/ru/site/projects/imitreid/

12. Дорси В. Анатомия биржевого рынка. Методы оценки уверенности и ожиданий трейдеров и рыночных тенденций. СПб. : Питер, 2005. - 395 с. - ISBN 5-469-00645-Х.

13. Жуков Е. Рынок ценных бумаг. Учебник. Второе издание. М: Юнити, 2007. - 463 с. - ISBN 5-238-00907-0.

14. Закарян И. Практический интернет-трейдинг. М: СмартБук, 2008. -384 с. - ISBN 978-5-9791-0043-2.

15. Иванов Ю. Скрипт-процессор для игрового движка. // http://vvww.mirgames.ru/articles/base/scriptprocessor.html

16. Израйлевич С., Цудикман В. Опционы: системный подход к инвестициям. Критерии оценки и методы анализа торговых возможностей. М.: Альпина Бизнес Букс, 2008. - 280 с. - ISBN 978-59614-0823-2.

17. Каратуев А.Г. Ценные бумаги: виды и разновидности. М.: КНОРУС, 1996. - 256 с. - ISBN 5-89247-005-9.

18. Касимов Ю. Введение в теорию оптимального портфеля ценных бумаг.- М.: Анкил, 2005. 144 с. - ISBN 5-8647-6222-9.

19. Кац Дж. О., МакКормик Д. JI. Энциклопедия торговых стратегий (3-е издание). М.: Альпина Бизнес Букс, 2007. - 400 с. - ISBN 978-5-96140609-2.

20. Колби Р. Энциклопедия технических индикаторов рынка (2-ое издание).- М.: Альпина Бизнес Букс, 2007. 837 с. - ISBN 978-5-9614-0628-3.

21. Колмыкова JI. Фундаментальный анализ финансовых рынков. — СПб.: Питер, 2006. 288 с. - ISBN 5-469-01542-4.

22. Коробов П. Математическое программирование и моделирование экономических процессов. 3-е издание. Киев: ДНК, 2006. - 376 с. -ISBN 5-901562-60-7.

23. Лялин В.А., Воробьев П.В. Рынок ценных бумаг. -М.: Проспект, 2006. -383 с. ISBN 978-5-482-01410-3.

24. Моррис Г. Японские свечи: метод анализа акций и фьючерсов, проверенный временем (3-е издание). М.: Альпина Бизнес Букс, 2008. -312 с. - ISBN 978-5-9614-0785-3.

25. Мультиагентные технологии // http://www.kg.ru/Lechnology/multiagent/

26. Мэтсон Э. Введение в Lua; Пер. с англ. Федотовских А. // http://www.gamedev.ru/articles/?id=70112

27. Натенберг ИГ. Опционы: Волатильность и оценка стоимости. Стратегии и методы опционной торговли. М.: Альпина Бизнес Букс, 2007. - 544 с. - ISBN 978-5-9614-0625-2.

28. Плюммер Дж. Гибкая и масштабируемая архитектура для компьютерных игр, часть первая; Пер. с англ. Петров А. // http.Y/www.dtf.ru/articles/print.php?id=40757

29. Постулаты технического анализа // http://www.bull-n-bear.ra/technic/?tanalysis=postulates

30. Продажа инвестбанка Bear Stearns спровоцировала обвал мировых фондовых рынков // http://rus.newsru.ua/finance/17mar2008/bear.html

31. Рассел С., Норвиг П. Искусственный интеллект. Современный подход. Второе издание. М.: Вильяме, 2007. - 1407 с. - ISBN 978-5-8459-08872.

32. Рынок ценных бумаг: Учебник. / Под ред. В.А. Галанова, А.И. Басова. -2-е изд., перераб. и доп. М.: Финансы и статистика, 2006. - 448 с. -ISBN 5-279-02170-9.

33. Сорнетте Д. Как предсказывать крахи финансовых рынков. М.: СмартБук, 2007. - 400 с. - ISBN 978-5-9791-0042-5.

34. Стукалов Д. Теория волн Эллиотта. СПб.: Питер, 2007. - 304 с. - ISBN 978-5-91180-222-6.-20837. Тарп.В., Бартон Д.Р. Биржевые стратегии игры без риска. СПб.: Питер, 2007. - 398 с. - ISBN 5-469-00646-8.

35. Федеряков А.С. Влияние фундаментальных трейдеров на процесс ценообразования на искусственном рынке ценных бумаг // Управление большими системами / Сборник трудов. Выпуск 21. - 2008. - 107-130 с.-ISBN 1819-2440.

36. Фёдоров А. Основы финансовых инвестиций. СПб.: Питер, 2008. - 320 с. - ISBN 978-5-469-01680-9.

37. Хаертфельдер М., Лозовская Е. С., Хануш Е. Фундаментальный и технический анализ рынка ценных бумаг. — СПб.: Питер, 2004. 352 с. — ISBN 5-94723-788-1.

38. Чамкина Е. Сравнение моделей временных рядов. // http://www.basegroup.ru/solutions/scripts/details/comparemodel/

39. Ческидов Б. М. Модели рынков ценных бумаг. СПб. : Питер, 2005. -416 с. - ISBN 5-469-00855-Х.

40. Цисарь И. Ф., Нейман В. Г. Компьютерное моделирование экономики. -М.: Диалог МИФИ, 2002. 304 с. - ISBN 5-86404-172-6.

41. Шапиро Дж. Моделирование цепи поставок. СПб.: Питер, 2006. - 720 с.-ISBN 5-272-00183-4.

42. Швагер Д. Технический анализ. Полный курс (4-е издание). М.: Альпина Бизнес Букс, 2007. - 806 с. - ISBN 5-9614-0376-9.

43. Эрлих А. Технический анализ товарных и финансовых рынков. — Киев: Финансист, 2003 176 с. - ISBN 5-90008-206-7.

44. Arai К., Deguchi Н., Matsui Н. Agent-Based Modeling Meets Gaming Simulation. New York: Springer, 2005. - 180 p. - ISBN 4431294260.

45. Arthur B. W, Durlauf S.N., Lane D.A. The Economy as an Evolvingi

46. Bellifemine F.L., Caire G., Greenwood D. Developing Multi-Agent Systems with JADE. USA: Wiley, 2007 - 300 p. - ISBN 978-0-470-05747-6.

47. Cothren R. On the Impossibility of Informationally Efficient Markets: Comment // The American Economic Review. 1982. - № 4 (September). -Pages 873-874.

48. Ehrentreich N. Agent-Based Modeling / The Santa Fe Institute Artificial Stock Market Model Revisited. New York: Springer, 2007. - 230 p. - ISBN 3540738789.

49. Fama E.F. Efficient Capital Markets: A Review of Theory and Empirical Work // Journal of Finance. 1970. - № 2 (May). - Pages. 383-417.

50. Fama E.F. Efficient Capital Markets II // Journal of Finance. 1991. - № 5 (December). - Pages 1575-1617.

51. Federyakov A. Financial Market Simulation // http://fimas.sourceforge.net

52. Fischer S. Rational Expectations and Economic Policy. Chicago: University of Chicago Press, 1980. - 293 p. - ISBN 0226251349.

53. Galai D. Tests of Market Efficiency of the Chicago Board Options Exchange // Journal of Business. 1977. - № 2 (April). - Pages 167-197.

54. Geert B, Campbell R. H. Emerging equity market volatility // Journal of Financial Economics. 1997. - № 43. - Issue 1. - Pages 29-77. - ISSN 0304-405X.

55. Grossman S.J., Stiglitz J.E. On the Impossibility of Informationally Efficient Market // The American Economic Review. 1980. - № 3 (June). - Pages 393-408.

56. Johnson P. E. Artificial Stock Market // http://artstkmkt.sf.net

57. Ken- D. Artificial Planet // http://aiplanet.sourceforge.net/

58. Krouglov A. Mathematical Model of Stock Market Fluctuations in the Absence of Economic Growth. // http://ideas.repec.Org/p/wpa/wuwpma/0402022.html

59. Li H., Rosser B. J. Jr. Emergent volatility in asset markets with heterogeneous agents // Discrete Dynamics in Nature and Society. 2001. -№ 6. - Issue 3. - Pages 171-180. - ISSN 1026-0226.

60. Liu H., Loewenstein M. Optimal Portfolio Selection with Transaction Costs and Finite Horizons // Review of Financial Studies. 2002. - № 15. - Issue 3.- Pages 805-835. ISSN 0893-9454.

61. Lucas, Robert E., Jr. Models of Business Cycles. Oxford: Basil Blackwell, 1987. - 120p. - ISBN 0631147918.

62. Muth J. Rational Expectations and the Theory of Price Movements // Econometrica. 1961. - № 3 (July). - Pages 315-35.

63. Naiburg E. J., Maksimchuk R. A. UML for Database Design. Boulder, Colorado : Addison-Wesley, 2001. - 320p. - ISBN 978-0201721638.

64. Palmer R.G, Arthur B. W., Holland J. H., LeBaron В., Taylor P. Artificial economic life: a simple model of a stockmarket // Physica D. 1994. - № 75.- Issue 1-3. Pages 264-274. - ISSN 0167-2789.

65. Palmer R.G, Arthur B. W., Holland J. H., LeBaron B. Asset pricing under endogenous expectations in an artificial stock market // Economic Notes. -1997. № 26. - Pages 297-330. - ISSN 0391-5026.

66. Raberto M., Cincotti S., Focardi S.M., Marchesi M. Agent-based simulation of a financial market // Physica A. 2001. - Volume 299. - No. 1-2. - Pages 320-328. - ISSN 0927-7099.

67. Rollings A., Morris D. Game Architecture and Design. Scottsdale, AZ, USA: The Coriolis Group, 1999. - 742p. - ISBN 1576104257.

68. Romanov V., Naletova O., Pantileeva E., Federyakov A. The simulation of news and insiders' influence on stock-market prices dynamics in non-linear model // Computational Finance and its Applications II. 2006 - Pages 309318. - ISBN 1-84564-174-4.

69. Romanov V., Slepov V., Badrina M., Federyakov A. Multifractal analysis and multiagent simulation for market crash prediction // Computational Finance and Its Applications III. 2008. - Pages 256-266. - ISBN 978184564-111-5.

70. Rumbaugh J., Jacobson I., Booch G. The Unified Modeling Language Reference Manual, Second Edition. Boulder, Colorado: Addison-Wesley, 2004. - 752 p. - ISBN 978-0321245625.

71. Sargent, Thomas J. Rational Expectations and Inflation. New York: HarperCollins College Div, 1986. - 224 p. - ISBN: 978-0060457419.

72. Sellin P. Monetary Policy and the Stock Market: Theory and Empirical Evidence // Journal of Economic Surveys. 2001. - № 15. - Issue 4. - Pages 491-541. - ISSN 0950-0804.

73. Statistical significance analysis of the chaos-based prediction model. // http://www.tradingpro.com/papers/SSATradingPro.pdf

74. Thorsten H., Schenk-Норрё K. R. Survival of the Fittest on Wall Street // http://ideas.repec.Org/p/kud/kuiedp/0403.html

75. Using the RemObjects Pascal Script // http://www.remobjects.com/7ps01

76. Wooldridge M. Introduction to MultiAgent Systems. Chichester: John Wiley & Sons, 2002. - 348 p. - ISBN 978-0471496915.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.