基于多智能体系统的投资策略分析

2016-08-15 06:50丁丙胜
黄山学院学报 2016年1期
关键词:逆向遗传算法股票

王 勇,丁丙胜

(黄山学院 信息工程学院,安徽 黄山245041)

基于多智能体系统的投资策略分析

王勇,丁丙胜

(黄山学院 信息工程学院,安徽 黄山245041)

使用多智能体的建模技术在NetLogo平台上建立了一个包含有外部事件Agent、逆向投资Agent、趋势投资Agent、跟风投资Agent、噪音投资Agent、价值投资Agent以及市场环境信息和交易机制的仿真股票市场模拟系统,并将多主体技术与遗传算法相结合对Agent进行变异演化。该系统的研究成果对真实金融市场的风险预警和投资带来有益的启示。

多智能体系统;投资策略;仿真;NetLogo

1引 言

多智能体系统(MAS,Multi-AgentSystem)是多个智能体组成的集合,它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的,易于管理的系统,是使用计算机进行复杂系统建模的主要方法之一[1]。在金融市场中,虽然有威廉姆斯的股利贴现模型(DDM),马柯威茨的证券组合理论,威廉·夏普、约翰·林特耐(John Lintner)和简·摩辛共同提出的资本资产定价模型(CAPM)等许多经典的金融市场理论[2],但和现实市场表现之间总是存在着偏差,这种偏差要求人们用新的角度重新审视金融系统。

2 多投资策略的仿真股票市场设计

2.1多智能体仿真股票市场设计的基本因素

股票市场是一个典型的复杂系统,各类投资者都可在股票市场中交易并可以相互学习和相互影响,他们之间存在复杂的关联,总体行为上呈现出非线性特征。

1.主体Agent。Agent是仿真股票市场中的基本组成元素,所以Agent的构建是十分关键的,比如要设计什么类型的Agent,Agent之间如何交互,Agent如何进化等。单个Agent可以是非常简单的预测,也可以是使用遗传算法等进化算法的一个复杂程序体。

2.市场交易机制。有了投资者Agent之后,如何撮合投资者的买卖需求,成交价格怎么确定,这些交易细节都是必须要考虑的问题。在多智能体的仿真系统中经常使用的方式有:建立一个关于成交价格的函数或公式,或者建立一个模拟现实金融市场中连续竞价、集合竞价等交易机制的动态交易模型。

3.投资标的。在多智能体的系统中,要设计各个类型的Agent及Agent的异质行为已经使模型的建立和数据的处理都比较复杂,大大提高了整个系统的复杂度,而如果投资标的也较为复杂,那么会严重影响整个仿真市场的运行,所以一般该市场中的投资标的都会设计得较为简单。

4.进化。仿真股票市场中的进化指的是Agent的学习和适应能力,对于进化的设计和控制也是仿真股票市场中的一个核心环节和关键要素。一般经常采用遗传算法来控制仿真股票市场中的进化,通过遗传算法可以对Agent的规则进行选择和变异,使得Agent的适应能力越来越强。

另外还有基准与校准、时间的设置、市场的进化速率问题、仿真交易中的时间同步性问题等因素。

2.2仿真股票市场概况

参考圣塔菲研究所(Santa Fe Institute)的人工股票市场模型(SFI-ASM),本文所构建的仿真市场框架如图1所示。

1.外部事件Agent:一只股票的基本价值是会随着外界的扰动而不断变动的。外部事件Agent就是模拟这些外界的随机扰动而随机产生一个事件,如果是利好事件就增加股票的基本价值,如果是利空事件就减少股票的基本价值[3]。

2.各类投资者Agent:本文主要建立逆向投资Agent、趋势投资Agent、跟风投资Agent、噪音投资Agent和价值投资Agent这5类投资者,不同类型的投资者会有不同的属性和行为模式。

3.市场环境:一方面提供交易机制以交割股票,完成股票成交价格、成交量的确定等,另一方面还会记录统计一些投资策略所需要的股价信息,并随着股市成交和股价的变化不断更新这些信息,最后将信息提供给各投资者作为决策参考。

图1 仿真股票市场框架图

其中,各类投资者Agent的建模非常关键,一般来说,投资者Agent都具有资产、投资策略、市场信息等属性,可以感知市场环境,并把决策行为反馈给市场和邻居Agent,同时能根据基于主体的遗传算法对策略进行变异,其逻辑结构如图2所示。

2.3市场环境

为了研究上的方便,本股票仿真系统假设市场上只有一只股票,该股票不分红,不配股,交易股票无印花税等交易费用,且可采取买空卖空操作,无保证金制度。市场环境模型主要包括市场交易机制和市场信息两部分。

图2 Agent的逻辑结构图

2.3.1市场交易机制

本股票仿真系统采用常见的订单驱动市场交易机制进行交易。首先,各个投资者Agent根据一些市场环境信息(如股票价格、股票价值等)和各自的投资策略做出相应的决策行为,即买入或者卖出;接着,所有投资者Agent的买单和卖单会被汇总统计,如果买单总量多于卖单总量,股票价格就会上涨;如果买单总量少于卖单总量,股票价格就会下跌;两者恰好相等的话股票价格会不变。股价上涨或下跌的幅度由总买单和总卖单的差距除以总成交量决定。差距越大成交价格变化也越大,反之成交价格变化也越小,而且成交价格每次的变化也控制在-1到1之间。具体的价格变化公式为:股票价格=原股票价格+(买入量-卖出量)/(买入量+卖出量)。这种方法可以很好的保证市场的连续性。另外,为了限制过度卖空,在本股票模拟市场中,设定当投资者持有的股票量小于-200时,他将不能卖出股票,只能买入股票。

2.3.2市场环境信息设置

市场还需要提供给各类投资者一些市场信息以便进行决策,结合需要分析的这5种投资策略,这些市场信息设置有:

1.股票交易量(Jyliang),初始值为0,可为负数。每当交易开始时,每个投资者都会根据自己的策略发出订单,其中会包含交易方向和交易的股票数目两个方面,如投资者发出的订单为+1表示需要买入1股该股票。

2.收益(shouyi),由每次股票的总买卖需求比例决定。计算方法为:

3.股票的市场价格(jiage),初始值设为0,由投资者的买卖需求决定,用shouyi的累积值表示,具体公式为:Jiage=jiage+shouyi

4.股票的基本价值 (jiazhi):会受到外部事件Agent生成的事件shijian的影响,由这一系列事件的累积值表示。

5.价格的变动率((jiagebianhuabi),是用来表示每次股票价格的变动情况,计算方法为本次收益和上次股票价格的百分比,即shouyi/jiage。

6.价格连续同方向变动次数(leiji),用来记录股票价格连续向同方向变动的次数,如4表示股票价格连续4期上涨。Leiji的初始值为0,以后会根据收益更新,具体方法是先计算出leiji*shouyi的值,如果leiji*shouyi<0,则说明股票当前价格的变化方向与leiji所记录的最近一期的变化方向相反,用下式来更新leiji的值:Leiji=shouyi/abs(shouyi)。如果leiji*shouyi>=0,则说明股票价格没有变化或当前价格的变化方向与leiji所记录的最近一期的变化方向相同,所以用下式来更新leiji的值:

Leiji=shouyi*(abs(leiji)+1)/abs(shouyi)

7.市场情绪(qingxu),用于表现每次交易中多空双方博弈的激烈程度,用shouyi的绝对值来计算表示。

8.变异率(zhuanhuanlv),遗传算法的参数,表示Agent变异的概率,初值设为0.03。

2.4外部事件Agent

外部事件可能是公司利润增长超预期,要大幅度分红,也可能是连续亏损将被ST,根据这些外部事件的特点,为外部事件 Agent设置了事件(shijian)属性,属性值由一个随机数表示,该随机数服从正态分布,如果数值为负值,表示该事件对股票价值会产生负面影响,如果数值为正值,表示该事件对股票价值会产生正面影响。另外,该属性的影响时间为一轮交易,系统会在每次交易开始前重新产生一个外部事件,并且会以消息的形式传给投资者。

外部事件Agent的行为规则为:

1.将事件属性值反馈给市场环境,以刺激股票价值变化;

2.外部事件Agent会根据当期事件是正面影响还是负面影响发送一个+1或-1的私人消息给跟风投资Agent和噪音投资Agent,当然,这些Agent收到的私人消息并不一定是准确的,有一定比例的投资者能收到当期准确的事件影响,其他的投资者会收到错误的私人消息。这样就使市场充满了各种消息,更真实的模拟金融市场。

2.5逆向投资Agent

逆向投资策略会根据过去一段时间的股票收益情况进行操作,买入以前表现相对较差的股票而卖出以前表现相对较好的股票。

逆向投资Agent根据逆向投资策略的需要,将其属性分为策略属性、市场环境信息、资产状况和观察期信息。逆向投资Agent的行为规则为:

1.感知环境模型,获得市场环境信息。

2.根据逆向投资Agent的策略需要从市场环境信息中获取股票的历史表现,并根据资产状况和观察期信息属性做出买入、卖出或不操作的决策,依次用+1和-1表示决策行为。具体地而言,他会将股票价格连续同方向的变动次数(leiji)与买入或卖出的指标参数Nixiang1和Nixiang2作比较,如果满足leiji<=-Nixiang1,则会发出值为1的订单,表示交易方向(jyfangxiang)为1(买入),股票交易量(jyliang)也为1;如果满足leiji>=Nixiang2,则会发出值为-1的订单,表示交易方向(jyfangxiang)为-1(卖出),股票交易量(jyliang)为1;当 leiji<=-Nixiang1和leiji>=Nixiang2两个条件均不满足时,则订单值为初始值0,表示股票交易量 (jyliang)和交易方向(jyfangxiang)都为0,即没有买卖操作。

3.根据决策行为更新资产状况,同时将本次决策行为信息反馈给市场环境,同时也把该信息发给该Agent的Moore型“邻居”,即以当前投资者为中心,围绕在他周围的最近的8个投资者。

4.根据资产状况和从市场环境信息中获取的变异率来决定是否变异。

2.6趋势投资Agent

趋势投资策略是当投资者认为股票价格已经形成某种趋势(上涨或下跌)时就买入或卖出该股票的投资策略。

趋势投资Agent根据趋势投资策略的需要,将其属性分为策略属性、市场环境信息、资产状况和观察期信息。趋势投资Agent的行为规则为:

1.感知环境模型,获得市场环境信息。

2.根据趋势投资Agent的策略需要从市场环境信息中获取当前股票的趋势,并根据资产状况和观察期信息属性做出买入、卖出的决策,依次用+1 和-1表示决策行为,具体而言,会将股票价格连续同方向的变动次数(leiji)与买入或卖出的指标参数Qushi1和Qushi2作比较,如果满足leiji>=Qushi1,则会发出值为1的订单,表示交易方向(jyfangxiang)为1(买入),股票交易量(jyliang)也为1;如果满足leiji<=-Qushi2,则会发出值为-1的订单,表示交易方向(jyfangxiang)为-1(卖出),股票交易量(jyliang)为 1;当leiji>=Qushi1和 leiji<=-Qushi2两个条件均不满足时,则订单值同样为初始值 0,表示股票交易量(jyliang)和交易方向(jyfangxiang)都为0,即没有买卖操作。

3.根据决策行为更新资产状况,同时将本次决策行为信息反馈给市场环境,同时也把该信息发给该Agent的Moore型“邻居”。

4.根据资产状况和从市场环境信息中获取的变异率来决定是否变异。

2.7跟风投资Agent

跟风投资策略是投资者对股票价值本身毫无了解,只是盲目地根据市场行情的涨跌进行跟风操作的投资策略。

跟风投资Agent根据跟风投资策略的需要,将其属性分为策略属性、私人消息、市场环境信息和资产状况。跟风投资Agent的行为规则为:

1.感知环境模型,获得市场环境信息。

2.根据跟风投资Agent的策略需要从市场环境信息中获取当前市场的交易量,并结合私人消息和资产状况做决策,如果在之前的市场交易中,买入股票的需求量与卖出股票的需求量相等或只差1时,跟风投资者会根据自己收到的私人信息发出买或卖的指令;如果在之前的市场交易中,买入股票的需求量与卖出股票的需求量之差的绝对值超过1时,跟风投资者会依据绝对值大的一方的交易策略发出同样的买卖信号。具体地会将当期市场中所有已发出的订单的买入量与卖出量作比较。如果买入量与卖出量相等或只差 1,即 abs(sum[jyliang]ofpatches)<2时,则他会根据自己的私人消息(xiaoxi)来发出买入或卖出的订单:如他的xiaoxi>0,则会发出值为1的订单,表示交易方向(jyfangxiang)为1(买入),股票交易量(jyliang)也为1;如xiaoxi<0,则会发出值为-1的订单,表示交易方向(jyfangxiang)为-1(卖出),股票交易量(jyliang)为1。如果当期市场中的买入量与卖出量不等且至少相差2时,则跟风投资者会忽略掉自己的私人信息,只依据当前订单数量多的一方的决策来发出自己的订单:即当abs(sum[jyliang]ofpatches)>1且sum [jyliang]ofpatches>0时,会发出值为1的订单;而当abs(sum[jyliang]ofpatches)>1且sum[jyliang]ofpatches<0时,会发出值为-1的订单。

3.根据决策行为更新资产状况,同时将本次决策行为信息反馈给市场环境,同时也把该信息发给该Agent的Moore型“邻居”。

4.根据资产状况和从市场环境信息中获取的变异率来决定是否变异。

2.8噪音投资Agent

噪音投资策略最早是由Orange提出的,是指投资者由于无法获得内部信息而非理性地把噪音当作信息进行交易的投资策略。

噪音投资Agent根据跟风投资策略的需要,将其属性分为策略属性、私人消息、邻居信息、影响比例(yingxiangbi)和资产状况。邻居信息是指接收到的邻居Agent买入或卖出行为的信息,由于Moore型“邻居”有8个,所以邻居信息值为其8个邻居Agent的信息之和,即:xinxi=sum[jyfangxiang]ofneighbors。

噪音投资Agent的行为规则为:

1.根据私人消息、邻居信息、影响比例和资产状况做决策,决策将受到邻居订单的交易方向(xinxi)、自己的私人消息(xiaoxi)以及一个服从标准正态分布的随机干扰因素(random-normal01)的共同影响,其中受到邻居影响的比例为yingxiangbi,受私人信息影响的比例为1-yingxiangbi,随机因素的影响服从标准正态分布N(0,1)。具体地,通过下面的式子来表示:

yingxiangbi*xinxi+(1-yingxiangbi)*xiaoxi+(random-normal01)

如该式的值大于0,则会发出值为1的订单;如该式的值小于等于0,则会发出值为-1的订单。

2.根据决策行为更新资产状况,同时将本次决策行为信息反馈给市场环境,同时也把该信息发给该Agent的Moore型“邻居”。

3.根据资产状况和从市场环境信息中获取的变异率来决定是否变异。

2.9价值投资Agent

基本价值投资策略一般是指通过对宏观经济形势、行业动态以及具体公司的经营管理状况等因素研究股票的基本价值,并根据市场价格对当前股票基本价值的偏离来发出买卖指令。

价值投资Agent根据价值投资策略的需要,将其属性分为策略属性、市场环境信息、判断正确率(panduanlv)和资产状况。价值投资Agent的行为规则为:

1.感知环境模型,获得市场环境信息。

2.根据价值投资Agent的策略需要从市场环境信息中获取当前股票的价格和价值,再结合判断正确率决策,具体为当价值投资者判断市场上出现jiazhi>jiage时,就会发出值为1的订单;而当价值投资者判断市场上出现jiazhi<=jiage时,就会发出值为-1的订单。当然,基本价值投资者对股票基本价值的判断不一定是正确的,价值投资者能正确判断出价格和价值的大小关系的概率为panduanlv,得出错误结论的概率为1-panduanlv。

3.根据决策行为更新资产状况,同时将本次决策行为信息反馈给市场环境,同时也把该信息发给该Agent的Moore型“邻居”。

4.根据资产状况和从市场环境信息中获取的变异率来决定是否变异。

2.10投资者基于多主体的遗传算法设计

本仿真系统在复杂自适应系统理论的基础上,将多主体技术的特点和遗传算法的优点结合起来,设计了一个基于多主体的遗传算法,它直接使用Agent的相关属性来计算适应度和进行变异操作,使得个体可以更加全面的考虑各种因素然后再进行遗传变异操作。如Agent的策略属性值为0表示逆向投资策略,1表示趋势投资策略,2表示跟风投资策略,3表示噪音投资策略,4表示价值投资策略。

适应度由Agent的当前状态决定,将Agent的资产状况属性值作为适应度函数的变量直接影响Agent对环境的适应程度。对于资产大于0当前状态为盈利的Agent继续保留,对于资产小于0的Agent,表示当前状态为亏损,则它可能会根据当前市场状况变异为新的Agent。

变异操作会根据变异率来进行变异,同样由于编码方式的特殊性,因此将遗传算法中10或01的变异方式改为对属性取值的改变,即将策略属性值变为0-4中的一个实数。具体操作如下:

首先分别统计出各类投资者的人数xi,可用如下式子计算:

再分别计算出各类投资者的平均财富yi,

Yi=sum[zichan]of patches with[celue=i]/xi再对第i种投资策略计算出概率Pi为:

最后产生一个0到8之间的随机浮点数m:m=random-float8

若pi-1<m<pi,则选择第i种投资策略,即将策略的属性值设为i。当投资者变异后,可以认为是市场上的投资者更新淘汰,所以会将该Agent的现金、股票持有量以及总资产重新设置为0。

投资者通过遗传算法得到了新的策略并且淘汰了不好的策略,这就保证了创新性,又保证了优胜劣汰的机制。同时,为了维护种群的相对稳定性,不能在很短的时间频繁使用遗传算法而使种群发生大的变化而变得混乱,因此制定了一个参数zhuanhuanlv表示运行遗传算法的概率或表示机构投资者的学习速度。本系统中变异的概率设为0.03。

3 仿真实现及分析

3.1Netlogo仿真平台

NetLogo是由Uri Wilensky开发的一款可编程多主体建模平台,并由美国西北大学连接学习与计算机建模中心不断完善和更新。NetLogo尤其适合于随时间演化的复杂性系统的仿真开发。本文使用的是Netlogo4.0.5版本。

3.2利用NetLogo仿真实现股票市场多投资策略

3.2.1参数设置

在本仿真系统中通过滑标(Slider)元素对一些市场环境信息和对投资策略有关键影响的参数进行控制,这样可以通过不断调整这些参数,观察分析不同参数下的市场反应和交易者的状态及投资策略的优劣。比如:touzibili是用来描述股票模拟市场中基本价值投资者的比例。

correct-rate用来表示每个投资者的私人消息能够正确反映影响股票价值的事件shijian的概率。初值设为1/2,则如果随机产生的影响股票价值的事件是利好事件,那么会有50%的投资者Agent会收到股票价格会上升的私人消息,另外50%的投资者则会收到股票价格会下降的私人消息。

Nixiang1和Nixiang2分别表示逆向投资者的买入观察期参数和卖出观察期参数。

Qushi1和Qushi2分别表示趋势投资者的买入观察期参数和卖出观察期参数。

Yingxiangbi是指噪音投资策略受到其邻居信息影响的比重。

zhuanhuanlv是多主体遗传算法变异的概率。

panduanlv是基本价值投资者能正确判断股票基本价值与市场价格偏离方向的概率。初始值设为为0.9则表示90%的价值投资者对股票价格与价值偏离方向的判断是正确的。

另外,系统还以图形的方式将一些仿真结果输出来以便进行分析,系统还通过一些监视器来掌握每个属性各个时刻的具体值。

3.2.2仿真程序设计

仿真程序主要有初始化函数setup和一个交易周期函数go组成,对于go函数设置了循环选项,可重复执行。程序流程图如图3所示。

图3 仿真程序流程图

3.3基于多Agent的遗传算法的仿真实验

在仿真股票系统模型中,使用了多Agent技术的遗传算法对Agent进行变异,所以,为了检验算法的有效性,本文将通过预先设定各市场环境参数都保持不变,对本文中的变异操作和一般的随机变异操作作对比仿真实验,以此来分析基于多主体的遗传算法的性能。另外,下面将基于多Agent技术的遗传算法表述为AgentGA。

首先,设定初始市场中价值投资者占了总投资者人数的4/5,占了很大比例,其他参数均设置为初始值,然后观察价值投资者回归正常比例所需的时间。按照本文的AgentGA算法对Agent进行变异,变异概率设为0.03,运行约62代后价值投资者的比例明显减少,基本回到了正常的比例,仿真输出如图4(a)所示。

图4 遗传算法仿真实验结果对比

其次再用一般的标准GA进行对比,在标准GA中,对不符合适应度的Agent按照同等概率随机的变异为其他策略的Agent,变异概率仍设为0.03,其他市场环境参数和 Agent投资策略参数都和AgentGA相同,又设定初始市场中价值投资者占了总投资者人数的4/5,通过仿真实验可以看到,在运行约85代后价值投资者的比例明显减少,基本回到了正常的比例,仿真输出如图4(b)所示。

从实验结果比较可以看出,其中基于Agent的遗传算法(AgentGA)在迭代了约62代后,价值投资者基本回到正常比例,适应度趋于稳定,而一般的变异操作需迭代约85代后才趋于稳定,所以基于Agent的遗传算法优势较明显,收敛速度较好。

3.4投资策略分析实验

为了研究各种投资策略的特性以便对真实的市场投资提供指导。以下将依据所建模拟系统,通过调整趋势投资策略和逆向投资策略的观察期参数以及价值投资者对市场判断的正确率等参数进行多次仿真,可以分析得出一些有益的结论。

市场中的噪音投资者人数总是比较稳定;逆向投资者的数量波动一般是最大的,只有在少数的时点上逆向投资策略会比较盛行,并且当人数出现向上的波动时,有时逆向投资者的数量会超过噪音投资者;跟风投资者和趋势投资者的数量相对来说比较少,波动介于逆向投资者与噪音投资者之间;逆向投资者与趋势投资者和跟风投资者人数的变化方向相反。

平均收益方面,价值投资策略和噪音投资策略的平均收益最高,但价值投资策略比噪音投资策略的收益波动稍大;趋势投资策略和跟风投资策略的平均收益次之;逆向投资策略的平均收益最低,但收益波动小,较平稳。

收益极值方面,价值投资策略的最大收益值最高,而且显著高于其他策略;噪音投资策略的最大亏损额总是最低,一般不会出现大的亏损,损失规避能力很强,这可能也是噪音投资者的数量在市场中总是稳定保持着一个较大比例的原因。

亏损率方面,逆向投资策略的亏损率一般比较低,但波动非常大,如遇到黑天鹅事件时会突然出现十分严重的亏损;噪音投资策略的亏损率较低且波动较小;价值投资策略的亏损率比噪音投资策略稍高,波动也稍大;趋势投资策略和跟风投资策略的亏损率一般较高。

当价值投资者对股票价值判断的正确率下降时,股票价格会显著背离股票价值,同时逆向投资者会被淘汰出市场,而逆向投资者的观察期对市场没有太大的影响。这就表示,价值投资者是促进股票价格回归股票价值的关键性因素,并且这种股票价格回归股票价值的过程也是逆向投资策略获利的关键。

当趋势投资者的观察期太长时,逆向投资者和价值投资者的人数都会逐渐减少并最终被淘汰,股票价格也会显著背离股票价值,说明当人们的预期过分乐观和悲观时,就会造成趋势观察期变长从而产生泡沫,出现大牛市或熊市。

4小 结

本文运用计算实验金融方法,将多主体智能系统对个体行为研究的理论与金融投资策略相结合,分析了股票市场中几种常见投资策略的特点,可以帮助投资者在剧烈波动的证券市场中选择适当的投资策略;从理论意义上讲,从多主体这一视角来分析比较几种投资策略的优劣,也是对多智能体系统这一复杂系统建模方法进行实证研究;并且将多主体技术与遗传算法相结合,也丰富了遗传算法的应用。

[1]骆祥峰,郑淑丽,等.个性化Agent层次结构模型构造[J].安徽机电学院学报,2002,17(1):25-30.

[2]中国证券业协会.证券投资分析[M].北京:中国财政经济出版社,2010:106-107.

[3]维克托·斯波朗迪.专业投机原理[M].北京:机械工业出版社,2010:47-48.

责任编辑:胡德明

An Analysis of Investment Strategies Based on Multi-agent System

Wang Yong,Ding Bingsheng
(School of Information Engineering,Huangshan University,Huangshan 245021,China)

This paper uses Multi-agent modeling technology to simulate and establish a simulation system of stock market which contains external events agent,contrary investment agent,trend investment agent,herdinvestmentagent,noiseinvestmentagent,valueinvestmentagent,marketenvironment information and trading mechanism on NetLogo platform.Meanwhile,it can achieve agent variability and evolution by using an algorithm combined with multi-agent technology and genetic algorithms.The research findings of this system could be valuable for the risk warning and investment of real capital market.

multi-agent system;investment strategies;simulation;NetLogo

TP273

A

1672-447X(2016)03-0016-007

2015-10-09

王勇(1984-),安徽休宁人,黄山学院信息工程学院助教,研究方向为计算机应用;丁丙胜(1971-),安徽怀宁人,黄山学院信息工程学院讲师,研究方向为数据库应用。

猜你喜欢
逆向遗传算法股票
逆向而行
一种基于遗传算法的聚类分析方法在DNA序列比较中的应用
基于遗传算法和LS-SVM的财务危机预测
本周创出今年以来新高的股票
本周创出今年以来新高的股票
本周连续上涨3天以上的股票
近期连续涨、跌3天以上的股票
软件发布规划的遗传算法实现与解释
基于改进的遗传算法的模糊聚类算法
逆向工程技术及应用