330
个编辑
更改
跳到导航
跳到搜索
第111行：
第111行： − + 第117行：
第117行： − + − + − + 第129行：
第129行： − +
→股市环境
在ASM模型中，股市的状态包括下面这些量：当前的仿真周期（用t表示）、t周期内的股票价格（用pt表示）、当前股票的股息（用dt表示）、当前的现金利息率（用r表示，在我们的模型中假设r不随时间变化）。这些状态信息中，只有pt和dt是常常随时间变化的，他们都可以用实数来表示，这样状态的历史就记载了从t-h期到t期的pt和dt的历史信息。所以，状态历史可以用下面的集合表示：
在ASM模型中，股市的状态包括下面这些量：当前的仿真周期（用t表示）、t周期内的股票价格（用pt表示）、当前股票的股息（用dt表示）、当前的现金利息率（用r表示，在我们的模型中假设r不随时间变化）。这些状态信息中，只有pt和dt是常常随时间变化的，他们都可以用实数来表示，这样状态的历史就记载了从t-h期到t期的pt和dt的历史信息。所以，状态历史可以用下面的集合表示：
[[File:utsing005.png|350px]] （1）
[[File:(1).png|400px]] （1）
其中参数h为历史记忆的深度，t-h期以外的状态将被“遗忘”，每进行一个新的周期则历史信息更新一次。
其中参数h为历史记忆的深度，t-h期以外的状态将被“遗忘”，每进行一个新的周期则历史信息更新一次。
为了能够让Agent使用的规则识别出当前环境的整个运行状态及信息，我们需要对状态历史信息进行编码。在这里我们用一个60位长的二进制串对股市的状态历史编码，其中这个二进制串的一个位就代表股市历史Ht符合一个描述判断。具体说来，我们可以采用一组诸如“股息上升”、“股息在5个周期内的平均值持续上升”、“当前股息大于最近100个周期内的股息平均值”以及“价格在4个周期内一直上升”、“价格*利率与股息的比大于1/2”等等这样的语句来描述股市状态以及历史信息，这样每一个语句就构成了对股市的一个判断，所以我们把一个二进制位对应一个语句。这样，就得到了一个环境编码和与其对应的语句集合：
为了能够让Agent使用的规则识别出当前环境的整个运行状态及信息，我们需要对状态历史信息进行编码。在这里我们用一个60位长的二进制串对股市的状态历史编码，其中这个二进制串的一个位就代表股市历史Ht符合一个描述判断。具体说来，我们可以采用一组诸如“股息上升”、“股息在5个周期内的平均值持续上升”、“当前股息大于最近100个周期内的股息平均值”以及“价格在4个周期内一直上升”、“价格*利率与股息的比大于1/2”等等这样的语句来描述股市状态以及历史信息，这样每一个语句就构成了对股市的一个判断，所以我们把一个二进制位对应一个语句。这样，就得到了一个环境编码和与其对应的语句集合：
环境编码：[[File:image环境编码.gif|110px]] 其中[[File:utsing.png|180px]]
环境编码： [[File:2.png|400px]]其中[File:3.png|400px]]
语句集合： [[File:utsing011.png|110px]]其中 [[File:utsing013.png|20px]]是一个语句，[[File:utsing015.png|100px]]
语句集合： [[File:4.png|400px]]其中 [[File:5.png|400px]]是一个语句，[[File:6.png|400px]]
两个向量有对应关系，如果[[File:utsing017.png|45px]]表示si语句被满足，反之[[File:utsing019.png|45px]]为si不满足。系统的环境状态模块部分负责根据当前的股市状态以及状态的历史翻译成不同的语句判断，并形成二进制编码。在实验中，语句一共可以分成10个组分别记录了股息走势、股息均值的走势、当前股息与其均值的大小关系、股息短期均值与长期均值的关系、股息与股息总体均值之间的比例([[File:utsing021.png|80px]])、股票价格*利率/股息（[[File:utsing023.png|50px]]）、股价的走势、股价均值的走势、股价与不同时期均值的关系、股票价格短期均值与长期均值的关系等信息。
两个向量有对应关系，如果[[File:7.png|400px]]表示si语句被满足，反之[[File:8.png|400px]]为si不满足。系统的环境状态模块部分负责根据当前的股市状态以及状态的历史翻译成不同的语句判断，并形成二进制编码。在实验中，语句一共可以分成10个组分别记录了股息走势、股息均值的走势、当前股息与其均值的大小关系、股息短期均值与长期均值的关系、股息与股息总体均值之间的比例([[File:9.png|400px]])、股票价格*利率/股息（[[File:utsing023.png|50px]]）、股价的走势、股价均值的走势、股价与不同时期均值的关系、股票价格短期均值与长期均值的关系等信息。
2.分析专家
2.分析专家
我们假设系统中一共有n个交易者（即Agent），并且发行的单一股票数量为N保持不变，假设交易者Agent<small>i</small>在t时刻对股票的持有量需求用X<small>i,t</small>表示（包括Agent <small>i</small>手中原来就持有的股票数）。这样，因为股票发行的总量不变为N，
我们假设系统中一共有n个交易者（即Agent），并且发行的单一股票数量为N保持不变，假设交易者Agent<small>i</small>在t时刻对股票的持有量需求用X<small>i,t</small>表示（包括Agent <small>i</small>手中原来就持有的股票数）。这样，因为股票发行的总量不变为N，
则显然有： [[File:utsing025.png|85px]] （2）
则显然有： [[File:(2).png|400px]] （2）
但是在仿真的任意一个周期里，每个Agent的股票需求量和供给量不会一下子达到平衡，因此分析专家的职能就是负责规定当前股票的交易价格Pt并传递给每个交易者，交易者再根据新的交易价格Pt修改对这个股票价格和股息的预期，从而根据效用函数重新计算需求量。这样如果交易量没达到平衡则在按照上述步骤重新计算，直到平衡为止。如果我们设Agent<small>i</small>对价格的预期为E<sub>i</sub>(p<sub>t+1</sub>|I<sub>t</sub>)，这表示在t时刻，Agent<small>i</small>根据当前的信息I<sub>t</sub>（包括股票价格、股息）对t+1期的股价及股息做出预测为E<sub>i</sub>(p<sub>t+1</sub>+d<sub>t+1</sub>|I<sub>t</sub>)，Agent<small>i</small>的效用函数决定了在给定股价、股价的预期的情况下该Agent对股票的需求量X<sub>i,t</sub>，简单的表示成：
但是在仿真的任意一个周期里，每个Agent的股票需求量和供给量不会一下子达到平衡，因此分析专家的职能就是负责规定当前股票的交易价格Pt并传递给每个交易者，交易者再根据新的交易价格Pt修改对这个股票价格和股息的预期，从而根据效用函数重新计算需求量。这样如果交易量没达到平衡则在按照上述步骤重新计算，直到平衡为止。如果我们设Agent<small>i</small>对价格的预期为E<sub>i</sub>(p<sub>t+1</sub>|I<sub>t</sub>)，这表示在t时刻，Agent<small>i</small>根据当前的信息I<sub>t</sub>（包括股票价格、股息）对t+1期的股价及股息做出预测为E<sub>i</sub>(p<sub>t+1</sub>+d<sub>t+1</sub>|I<sub>t</sub>)，Agent<small>i</small>的效用函数决定了在给定股价、股价的预期的情况下该Agent对股票的需求量X<sub>i,t</sub>，简单的表示成：