Los avances recientes en los campos del aprendizaje automático y las (william james obras principales https://www.blogdepsicologia.com/las-personalidades-rudas-de-las-personas-a-las-que-les-gusta-estar-solas/) neurofinanzas han generado nuevas y emocionantes perspectivas de investigación en la inferencia práctica de la economía del comportamiento en los mercados financieros y el estudio de la microestructura. Aquí presentamos los últimos resultados de un simulador de mercado de valores publicado recientemente construido alrededor de una arquitectura de sistema de múltiples agentes, en la que cada agente es un inversor autónomo que negocia acciones mediante aprendizaje reforzado (RL) a través de un libro de órdenes de límite de doble subasta centralizado. El marco RL permite la implementación de rasgos conductuales y cognitivos específicos conocidos por la psicología del comerciante y, por lo tanto, estudiar el impacto de estos rasgos en todo el mercado de valores en la mesoescala. Más precisamente, redujimos el diseño de nuestro agente a tres de estos sesgos psicológicos que se sabe que tienen una correspondencia directa con la teoría de RL, a saber, el descuento por demora, la codicia y el miedo. Comparamos los datos simulados resultantes con los datos reales del mercado de valores durante la última década y descubrimos que la estabilidad del mercado se beneficia de poblaciones más grandes de agentes propensos a retrasar los descuentos y, lo que es más sorprendente, a la codicia.
Desafíos pasados: Comprender cómo se comportan los mercados ha sido una de las cuestiones centrales en la economía de los mercados financieros. Tradicionalmente, la dinámica del mercado se estudia como un fenómeno en sí mismo con un enfoque de arriba hacia abajo para la inferencia de la complejidad, por ejemplo, mediante el uso de modelos estadísticos o econométricos Greene (2017). Sin embargo, el comercio en los mercados financieros reales se produce como resultado de las interacciones colectivas de los actores humanos, ya sea directamente en forma de comerciantes económicos, o indirectamente en la forma de los imperativos de los inversores que limitan las estrategias algorítmicas de comercio Boero et al. 2015). La brecha entre estos dos enfoques puede cerrarse potencialmente utilizando una nueva generación de sistemas multiagente (MAS) o modelos basados en agentes (ABM), que han sido buscados tanto por los profesionales de la industria como por los reguladores 111 En palabras de J.- C. Trichet, presidente del Banco Central Europeo durante la crisis financiera de 2008: "Como responsable de la formulación de políticas durante la crisis, encontré los modelos disponibles de ayuda limitada. De hecho, iría más allá: frente a la crisis, nos sentimos abandonado por las herramientas convencionales.
El modelado basado en agentes prescinde del supuesto de optimización y permite interacciones más complejas entre los agentes”. Los MAS modernos aplicados a los mercados financieros han sido capaces de recrear los llamados hechos estilizados del mercado Barde (2015), que son aspectos básicos del mercado. microestructura Los estudios de neurofinanzas examinaron los sesgos cognitivos en la toma de decisiones financieras individuales (Eickhoff et al. 2018). Sin embargo, hasta donde sabemos, ningún estudio ha revelado el impacto global de los rasgos/sesgos cognitivos individuales en grandes poblaciones de agentes económicos en la dinámica cuantificable del mercado financiero. Martino et al. Nuevas perspectivas: La pertinencia de tales estudios aumenta por el hecho de que las causas fundamentales y estructurales de la crisis financiera de 2008 no se han eliminado por completo, y son tan potentes e impactantes para los mercados financieros como lo fueron hace una década 222Recientemente, el Sr. Trichet fue citado diciendo "Hoy estamos en una situación peor que en 2008", Ecorama el 03/11/2019. Sin embargo, las tendencias recientes le dan a la investigación de ABM en economía un rango completamente nuevo de realismo potencial, proveniente de la asociación de dos los principales avances científicos actuales: i- los avances constantes de la neurociencia cognitiva y la neuroeconomía Eickhoff et al.
2018); Konovalov y Krajbich (2016), y ii- el progreso del aprendizaje automático debido al aumento del poder computacional y el uso de métodos de big data Silver et al. 2018). Aún más prometedora es la sinergia de estos dos campos, con la aparición de algoritmos de aprendizaje automático que incorporan características de teoría de decisiones de la neuroeconomía Lefebvre et al. 2017); Palminteri et al. 2015), o (que significa curtite) modelos de neurociencia abordados desde el ángulo del aprendizaje automático Duncan et al. 2018); Momennejad et al. 2017). Hemos diseñado un simulador bursátil MAS de este tipo Lussange et al. 2019), donde se dota a los agentes de dinámicas de aprendizaje realistas (cada agente realiza un aprendizaje por refuerzo con el fin de pronosticar los precios de las acciones y gestionar su cartera) y se identifican sesgos cognitivos e interacciones sociales. Aquí ampliamos dicha plataforma para investigar qué roles específicos juegan los sesgos cognitivos en la dinámica emergente del mercado colectivo. Metodología: Este simulador MAS emula la microestructura de un mercado de valores financiero a través de un enfoque ascendente de la complejidad del sistema, a través de agentes económicos (p. ej., inversores, instituciones) y sus transacciones económicas (p. ej., compra, venta, tenencia de acciones).
No Comments