Universitatea Babeş-Bolyai din Cluj-Napoca

Facultatea de S, tiint, e Economice s, i Gestiunea
Afacerilor
Departamentul de Informatică Economică

Teză de Doctorat Rezumat

Contribut, ii la dezvoltarea aplicat, iilor
inteligente de tranzact, ionare bursieră

Conducător:
profesor univ.dr. Ghişoiu Nicolae
doctorand:
Stan Alexandru-Ioan

27 noiembrie 2013

Comisie de Doctorat:
prof.univ.dr. Tomai Nicolae, pres, edinte

prof.univ.dr. Cocianu Cătălina-Lucia, referent
prof.univ.dr. Negrea Bogdan, referent
prof.univ.dr. Silaghi Gheorghe Cosmin, referent

Cuprinsul tezei

Cuprinsul tezei v

Nomenclatură ix

Listă de figuri x

Listă de tabele xiv

Listă de algoritmi xvi

I Introducere, Context s, i Studiul Literaturii 1

1 Introducerea Tezei 2
1.1 Context . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Motivat, ie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Obiectivele Cercetării . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Organizarea tezei . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2 Crahul Bursier Reversibil din 2010 s, i Metrica VPIN 11
2.1 Crahul Bursier Reversibil din 2010 . . . . . . . . . . . . . . . . . . 12
2.2 Metrica VPIN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.1 O Descriere Succinată a Modelului Teoretic . . . . . . . . . 16
2.2.2 Metrica VPIN ca Estimator al Toxicităt, ii Fluxului de Ordine
Bursiere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.3 Metrica VPIN ca Instrument de Supervizare a Piet, elor Fi-
nanciare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3 Concluzii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3 Piet, ele Financiare Artificiale Multi-agent 21
3.1 Modelele Multi-agent . . . . . . . . . . . . . . . . . . . . . . . . . . 22

i

CUPRINSUL TEZEI

3.2 Modelele Multi-agent ı̂n Economie s, i Finant, e . . . . . . . . . . . . . 23
3.3 Piet, ele Financiare Artificiale Multi-agent . . . . . . . . . . . . . . . 26
3.3.1 ATOM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.3.1.1 Prezentare generală . . . . . . . . . . . . . . . . . . 31
3.3.1.2 Scurtă prezentare a conceptelor platformei ATOM 33
3.4 Concluzii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

II Rezultate s, i Contribut, ii Academice 38

4 Un Model Dinamic ı̂n Volum-timp pentru Caracterizarea Crahu-
rilor Reversibile Ultra-rapide 39
4.1 Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2 Modelul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2.1 Modelarea Proceselor de Pret, . . . . . . . . . . . . . . . . . 43
4.2.2 Estimarea Dinamicii Tranzact, iilor Informate pe Durata Cra-
hului . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2.3 Determinarea Fract, iei de Volum Informat . . . . . . . . . . . 50
4.2.4 Estimarea Parametrilor Sistemului . . . . . . . . . . . . . . 53
4.2.4.1 Piat, a fără Efect de Levier . . . . . . . . . . . . . . 54
4.2.4.2 Cazul General . . . . . . . . . . . . . . . . . . . . . 56
4.3 O Versiune Competitivă a Modelului Pret, ului . . . . . . . . . . . . 57
4.4 Rezultate Experimentale . . . . . . . . . . . . . . . . . . . . . . . . 61
4.4.1 Cadrul Simulării . . . . . . . . . . . . . . . . . . . . . . . . 61
4.4.2 Rezultate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.5 Concluzii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.6 Contribut, ii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

5 Evaluarea Metricii VPIN cu Ajutorul unei Configurat, ii Specifice
de Tranzact, ionare la Înaltă Frecvent, ă 69
5.1 Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2 Câteva Posibilele Neajunsuri ale Modelului VPIN . . . . . . . . . . 71
5.3 Strategie Empirică . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.3.1 O Scurtă Descriere a Platformei de Simulare . . . . . . . . . 74
5.3.2 Comportamentul Agent, ilor . . . . . . . . . . . . . . . . . . . 74
5.4 Rezultate Experimentale . . . . . . . . . . . . . . . . . . . . . . . . 75
5.5 Un argument teoretic cu privire la efectul inert, ial al metricii VPIN 78
5.6 Concluzii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

ii

. . . . . . . . . . . . . . . .3. . 108 7. .6 Concluzii . . . . . . . ilor . . . . . . . . . . .2 Caracteristicile Modelelor ce utilizează Martingale Aditive . . . . . . 116 7. . . . . . . 133 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Modelele ı̂n timp discret . . .2 Tipurile de Agent. . . 89 6. . . .5 Modelul neomogen I (C) . . . . . . .2 Model I (C) . . . .3 Modele Bazate pe Martingale Aditive . . . . .2 Modelul . . . . . . . . 125 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii Fluxului de Ordine utilizând SVM 87 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 7.4. . . . . . . . . . . . . .4. . . . . i s. . .3. 106 7. . . . . . . . . .4 Modelul I (B) . . . . . . . . 98 6. . 96 6. . 130 7. . .1 Caracteristicile Modelelor Bazate pe Martingale Multiplicative125 7. . . . . . . . . . . . . . . . . .2 Strategia Empirică . . . . . . . .7 Rezultatele Simulării . . . . . . . . . . 113 7. . . . . . . . . . . . . . . . . . i Comportamentele Lor . . . .1 Introducere . . . . . . .5 Îmbunătăt. . . . . . . . . . . . . . . . .4. . . . . . . . 110 7. . . . 129 7. . . . . .7 Contribut. . . . .8 Concluzii . . . . . ii . . . . . . . . . . . . CUPRINSUL TEZEI 5. .3. . . . . . . . . . .1 Comportamentul Agent. . 107 7. . . . . . . . . . . . . 102 7 A VPIN Alternative Algorithmic Approach to Assessing Flow Toxicity 104 7. . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . 88 6. . . . 127 7. . . . . . . . . . . . . .7 Contribut. . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 6. . ii de Tranzact. .2. . . . . . . . . . . . .4 Modele Bazate pe Martingale Multiplicative . . . ii . . .9 Contribut. . .3. . . 105 7. . . . . . . . . . . . . 126 7. . . . . . ii . . . . . . . . . . .3 Estimarea Probabilităt. . . . . . . . . .4 Strategia Empirică . . . . . . . . . . . .3. . . . . . . . . 102 6. . 91 6. . . . . . . . . . . .5 Rezultate Experimentale . . . . . . . .2.1 Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Modelul II . . . . .3 Modelul I (A) . . . . . . . . . . . 134 iii . . . . . . . . . . . . 109 7. . . . . . . . . . . . . . . . . . . .4. ii Modelelor prin Optimizare Multi-obiectiv 129 7. . . irea Viabilităt. . . . . . . 106 7. . . .3 Modelul II . 118 7. . . 85 6 O Metodă Alternativă de Determinare a Toxicităt. . . .6 Strategie Algoritmică . . . . . .1 Contextul Simulării . . . ionare Informată . . . . . . . . . . .

. . . ii s. ii 158 Appendices 159 Anexa A Implementarea Algoritmului Nepredictiv al Creatorilor de Piat. . . . .2 Algoritmul Nostru Nepredictiv . . . . .2 Generarea Proceselor Poisson Neomogene . . . ii. ă160 A. . . . 140 Bibliografie 141 Listă de publicat. . . . . . . . . . . . .3 Implementare . . . . . . . . . . . . . . . . . . . . i Perspective ale Cercetării 135 8. . . . 168 B. . . . . . 136 8. . . .2 Perspective ale Cercetării . . . . . . . . . . . . . . . . . . . . . . . .4 Rezultatele Simulării Algoritmului . . . . 161 A. . . . . . . . . . . . i Concluzii . . . . . . . 165 Anexa B Generarea Proceselor Poisson 167 B. . . . . . . . CUPRINSUL TEZEI 8 Contribut. . . . . . 168 iv . 163 A. . . . . . . . . . . . . . . . . . . .1 Generarea Proceselor Poisson Omogene . . . . . . . . . .1 Introducere . . . . . . . . . . .1 Contribut. . . . . . Concluzii s. . . . . . . . . . . . . . 162 A. . . . .

7 1.Introducere. . . . . . . . . 5 1. . . e artificiale multi-agent. . . ii 16 Bibliografie 17 Cuvinte cheie. . . . . . . 3 1. . tiint.3 Obiectivele Cercetării . . . . . .1 Partea Întâi . . . simu- larea crahurilor bursiere. . . . . . ă artificială. . . . . . . finant. . . . . . . piet. Context and Studiul Literaturii . . . . . . . . . . e computat. .4. inteligent. . . . . . . . . . . . . . . ii S. . i Contribut.1 Context .2 Motivat. ionale v . . . . ii s.Rezultate s. .4 Organizarea tezei . . . 2 1. . . . . . . . . . . . . .4. . . . ifice . i Concluzii 10 Listă de publicat. . . . . . . . .2 Partea a Doua . . ie . 7 1. . . 8 2 Contribut. . crahul bursier din 6 mai 2010. . . . . . . . . . . . . . . . . .Cuprinsul rezumatului Cuprinsul tezei i Cuprinsul rezumatului v Nomenclatură vi 1 Introducere 1 1.

Nomenclatură ATOM Artificial Open Market Framework CFTC United States Commodity Futures Trading Commission ETF Exchange-traded Funds or Index Trackers PIN Probability of Informed Trading SEC United States Securities and Exchange Commission SVM Support Vector Machines or Support Vector Networks TF Trend Followers VPIN The Volume Synchronized Probability of Informed Trading ZIT Zero Intelligence Traders vi .

Capitolul 1 Introducere 1 .

ea descrierii realităt. e computat. a financiară. FCBA. ie eficientă ı̂n analiza proble- maticilor bursiere atât pentru cercetători s. rat. Aici. În ultimele două decenii. Aparit. Abordarea bazată pe modele informatice ı̂n economie a dat nas. agent. i (ECBA) [83] sau. ionalitatea perfectă a Omului Economic sau omogenitatea agent. i austerei teorii neoclasice bazate pe modele mate- matice complexe ce neglijează nenumărate aspecte legate de acuratet. cu strategii s. i pentru practicieni. 1. ii artificiali sunt abstract. ionale contestă s. ionare bursieră artificiale caracterizate prin eterogenitate. ı̂n particular a mediilor de tranzact. ională apărută ı̂n a doua jumătate a secolului trecut. revolut. s-a impus ca solut. ı̂n special. i comportamentu- lui. Finant. s. ele de capital. i a dat nas. ipoteze ce fac modelele ma- tematice asociate atrăgătoare s. ională bazată pe agent. i dina- mici ale pret. respectiv. ionalitate limitată nu mai ı̂ncearcă să optimizeze perfect utilitatea alegerilor lor. datorită flexi- 2 . Noile tipuri de agent. Introducere 1. i as. ionale bazate pe agent. 175]. i (FCBA) [34]. i cu inteligent. tra- deri umani s. teptări financiare complexe. ilor economici sunt respinse s. ii pot fi dotat. tilor moderni să ı̂mpingă limitele cercetării economice. i (MBA) [89. i amploare de la un an la altul. i cât s. Întâlnirea dintre economie s. i artificiali cu rat. ie sporită ı̂n cercetarea economică s. i mai ales solubile. de exemplu. 170] alternative rigidei s. i de ı̂nvăt. Agent. concepte fundamentale standard. eterogenitatea atributelor s. i adaptive s. ă. i modelele bazate pe agent. tiint. cu facultăt. ele economice. ı̂n particular. ă artificială completă. ionalitate limitată[143]. i evolutive [84]. ionale [117. Nevoia de modelele financiare apropiate de realitate a dus la utilizarea de mo- dele bazate pe agent. ilor economice. i. i de analiză. Astfel. care vizează doar atingerea unor obiective satisfăcătoare. i redefines. mai precis. nu fac except. ci se rezumă să adopte un comporta- ment mult mai realist. tere la o nouă ramură a economiei care a primit o atent. cu abilităt. ionalitate-limitată s. are s. ı̂n context financiar. i financiară recentă sub denumirea de Economie computat. rat. tere unei paradigme computat. ie ce continuă să câs. FCBA studiază procesele economice dintr-o perspectivă computat. urilor activelor care nu tind spre echilibru.1 Context Există foarte put. ia calculatoarelor de ı̂naltă performant. S. ii mai mult sau mai put. ă a permis economis. Noua clasă de modele computat. tiint. i s. s. tige teren s. te aproape toate ipotezele sacrosancte ale teoriei economice neoclasice. ia computat. cum ar fi. ine domenii de cercetare care să nu fi fost afectate sau complet remodelate de revolut. ı̂n general. mai recent. in fidele ale actorilor din piet. ională prin modelarea lor ca sisteme dinamice multi-agent. i sisteme informatice deopotrivă. ie de la această tendint. i ı̂nlocuite cu ipotezele flexibile de rat.

or aplicabile. Chiar dacă tranzact. i ı̂nt. e complicate caracte- rizate de echilibru instabil [71] ı̂n care crahurile s. ce apar ı̂n piet. i de comunitatea academică [49. urint. ă s.pdf 3 . te succesiunea de evenimente care a condus la acest crah ultra rapid. iază ordine cu ı̂naltă frecvent. cele două organisme guverna- mentale americane de reglementare Securities and Exchange Commission(SEC) s. nici. terile brus. i a faptului ca nu necesita fundamentări matematice specifice s. ele de capital. i sofisticatele lor noi tipuri de strategii bursiere. ie La data de 6 mai 2010. iale. Acest accident bursier a atras atent. i sofisticate de tipul sistemelor dinamice diferent.2 Motivat. ii financiare foarte specifice. urint. 1. i cres. aceasta totus. ia asupra consecint. ne propunem să le utilizeze ı̂n teza noastră pentru a reproduce s. Prin urmare. pentru care modelele teoretice standard nu sunt us. elor ex- trem de grave pe care le pot avea pleiada de piet. e de capital ultra sofisticate s. ele artificiale [99]. a S& P 500 ca fiind acceleratorul principal al crahului. elege evenimente de tip crah ultra rapid (”Flash crash”) pe piet.sec. După aproape cinci luni de investigat. ă automată de ordine de vânzare pe piat. i complexe. ă diversitatea evolut. i identifică o secvent. Ele adopta o filozofie constructivă pentru a reproduce configurat. imposibil de abordat ı̂n manieră clasică. raport ce urmăres. ia contractului S&P 500 E-mini a pierdut brusc aproxi- mativ 9 % din valoare ı̂n câteva zeci de secunde. ie. diversele s. ionarea la ı̂naltă frecvent. raportul nu identifică ı̂n mod clar o singură clasă de factori responsabili de aparit. Modelele FCBA aplică metode numerice sau statistice pentru a analiza datele rezultate din simulările dinamicilor complexe. i Commodity Futures Trading Commission(CFTC) au prezentat un raport comun pe 30 septembrie 2010 intitulat ”Rezultate privind evenimentele din 6 mai 2010” 1 . ii de piet. te ale preturilor activelor pot fi reproduse cu us. ă (High-frequency trading) a fost avansată ca una dintre cauzele posibile ale acestui eveniment bursier. modelatorul poate inves- tiga cu us. i. Din aceste motive. ă. modelele FCBA nu au nevoie de ipoteze simplificatoare fiindcă. i discerne corect dinamica unor configurat. Mai multe explicat. 94]. Această 1 http://www. ia crahului. 1. ii posibile au fost expuse atât de anchetă oficială cât s. pentru a recupera pierderile câteva minute mai târziu. cotat.gov/news/studies/2010/marketevents-report. Introducere bilităt. iilor posibile s. Dacă ancheta oficială nu culpabilizează ı̂n mod expres nici operatorii bursieri ce init. ii ı̂n abordarea ipotezelor specifice modelor teoretice neoclasice s. prin simulări repetate.

ii. iei considerabile primite din partea a diferite grupuri de analiză. economis. În timp ce autorităt. at ı̂n final crahul. Piatra de temelie a argumentat. i guvernamentale de reglemen- tare. atât la nivelul indicelui compozit s. ocul de lichiditate. ı̂n calitate de furnizori de lichiditate. ionale pe care autorii modelului [49] o nu- mesc toxicitate a fluxul de ordine bursiere. cauza precisă a crahului din 6 mai 2010 rămâne ı̂n litigiu. i prevenirea altor reaparit. irea cursului. ă. i autorităt. De exemplu. decât pe elucidarea cauzelor s. au fost fort. ti. Mai rea totus. ile guvernamentale de reglementare au corelat vag aparit. ă. Des. tia. ı̂ncercând sa profite de avantajul informat. iei lor are ipoteza unei asimetrii informat. at. i să iasă din piat. ia crahurilor ultra rapide de mare amplitudine este o veste foarte proastă pentru investitori. Figura 1. ionări automate init. ii nepublice despre evolut. este atitudinea generală apărută ca răspuns. i cât al valorilor individule. ati- tudine ce s-a axat mai degrabă pe instaurarea unor măsuri corective de atenuare a efectelor crahului. expert. cercetători s. ia crescândă a ordinelor de ı̂naltă frecvent. e. ia ulterioară a cursului. Aces. at ı̂n cele din urmă prăbus. i crahurile apar uneori pe piet. iate de calculatoare. trusturi media. Chiar dacă amplitudinea acestui eveniment a fost mult mai mică 4 . ional prin init. Introducere cantitate semnificativă de ordine de vânzare a fost urmată la scurt timp de un s. ele financiare. Ea presupune că creatorii de piat. e actuale dominate de tranzact. ă din ce ı̂n ce mai de mare. pe 23 aprilie 2013. un crah ultra rapid de amplitudine mai mică a avut loc ı̂n urmă cu câteva luni. oc de lichiditate. 1. care a declans. ii remarcă cu ı̂ngrijorare că. au declans. comunitatea academică [49] a oferit un singur model teoretic cu adevărat viabil ca- pabil să explice satisfăcător s. crahurile se repetă cu o frecvent. ı̂n piet. ierea unui volum mare de ordine de ı̂naltă frecvent. ă de către tra- deri posedând informat.1: Crahul bursier ultra rapid din 6 Mai 2010 În ciuda atent. ia crahului ultra rapid de dominat. după părerea nostră. Aparit. ă ı̂n piet. i.

i nu a provocat panică sau perturbat alte segmente ale piet. iilor financiare care pot provoca aceste incidente. a de tranzact. ca urmare a scăderii temporare a cotat. O investigat. urare. elege crahurilor ultra rapide s. În aceste cadru. ă urcând până la un trilion de dolari ($ 1. iilor din 6 mai 2010. ionalitate limitată s. ionare. Aceste episoade nu sunt lipsite de repercusiuni financiare concrete. 1. urilor. s. ionale. prin urmare.000. ti [79] estimează pierderile temporare ı̂n valoare de piat. blocarea piet. in diverse tipuri de agent. Perturbarea a ı̂mpins responsabilii piet. Ele pot induce un sentiment de neı̂ncredere ı̂n rândul participant. a incertitudinii relative la cauzele exacte ale crahului din mai 2010. aceste incidente financiare periculoase sunt. ionale. at ca problema se afla ı̂n sistemul software de diseminare a pret. Din fericire. Cercetarea realizată ı̂n teza noastră se bazează pe astfel de modele. ionare a bursei Nasdaq a fost oprită ı̂n plină activitate pentru o perioadă fără precedent de trei ore. Prin această abordare creăm noi modele financiare care cont. e. i. i oferă platforme de simulare capabile să capteze cu exacti- tate toate aspectele esent. piet. ie amănunt. ele financiare artificiale multi-agent pot oferi un cadru deosebit de util pentru a reproduce. Prin urmare. i de analizat cu ajutorul modelelor analitice tradit. ca urmare a unei probleme informatice. trebuie să intensificăm eforturile de ı̂nt. Oficialii Nasdaq au anunt. iar repetarea unor astfel de evenimente ar putea afecta strategiile lor investit.000. În fat.000). s. Cu câteva săptămâni ı̂n urmă. iale ale dinamicii piet. ei să revadă sistemul de tranzact. Îngrijorarea actuală a investitorilor este alimentată de incidente tehnice din ce ı̂n ce mai frecvente. i de interes probleme de cercetare din domeniul 5 . Unii analis. i comportamente flexibile. i a ridicat noi ı̂ntrebări despre posibilele neajunsuri ale piet.000. elegere a configurat. crahul ultra rapid din aprilie 2013 a provocat o depreciere rapidă a cursului cu aproape două procente. urilor. s. Introducere decât cea a crahului din 2010. e economice negative pe care crahurile le pot induce. aspecte care sunt ı̂n general dificil de observat s. edint. extrem de nocive pentru ı̂ncrederea investitorilor ı̂n fiabilitatea generală a mecanismelor de stabilire a pret. i având ı̂n vedere consecint. elor de capital. ei Nasdaq s-a produs ı̂ntr-o manieră ordonată s. 1. elor electronice. ilor din piet. pe 26 august 2013. nu a condus la un crah. Având ı̂n vedere raritatea statistică a evenimentelor de crah. i dinamica lor. i ı̂nt. evident.3 Obiectivele Cercetării Modele bazate pe agent. s. analiza s. elor de capital. vom examina una dintre cele mai recente s. ită este la ora actuală ı̂n curs de desfăs. i cu rat.

Apoi. ină atent. ele care determină crahurile. i dinamica metricii. vom ı̂ncerca. În timp ce principala direct. in VPIN drept proxy fiabil al probabilităt. având ı̂n vedere că ecosistemele pradă/prădător au frecvent dinamici instabile ı̂n care mici perturbat. ionate mai sus. ează procesul de simularea financiară odată cu aparit. pe baza observat. iilor. ii sau deviat. În primul rând. Introducere finant. a unor comportamente de tip pradă/prădător ca urmare a asimetriei informat. care fort. În acest context. ie a fost acordată ı̂nt. ceea ce poate explica. ei artificiale multi-agent (Capito- lul 5). de asemenea. ă sunt neinformat. dezvoltăm propriile noastre modelele de investigare a crahurilor ultra-rapide reversibile (Capitolul 4). ie a riscului de aparit. Un alt obiectiv este ca. [43] ı̂n care orice tip de avantaj este imediat exploatat de către participant. ionale. i de punere ı̂n aplicare legate de utilizarea acestora. elegerii dinamicii unor astfel de evenimente. i participant. ă ce ı̂l posedă. ionare informată ı̂n medii ı̂n care tot. ii de tranzact. ı̂ntr-o anumită măsură. dorim să verificăm dacă VPIN detectează niveluri semnificative de tranzact. 51] este ı̂ndreptată spre o mai bună predict. i a principalului modelului de prognoză propus la ora actuală de comunitatea academică Volume Synchronized Probability of INformed Trading (VPIN) (capitolul 2). ı̂ncepem prin a oferi o perspectivă de ansamblu asupra crahu- rilor financiare ultra-rapide. iei pret. Vom enumera câteva din problemele tehnice s. Concret. i o ipoteză complementară legată de prezent. iile teoretice ment. vom prezenta modul ı̂n care modelele multi-agent influent. utilizând atât evolut. ia piet. elor pe piat. s. ie de cercetare din literatura de specialitate [49. am planificat. să 6 . a spre echilibru. urării crahului ultra-rapid reversibil. ie experimentală a piet. i statistice tradit. o prezentare succintă a platformei de simulare pe care o vom folosi ı̂n experimentele noastre (capitolul 3). ă: aparit. a acestuia ca metrică de predict. ii empirice care sust. de asemenea. i derularea crahurilor ultra-rapide reversibile. elor artificiale. i. să evaluăm consistent. ii din piat. ie a crahurilor. Exploatarea asimetriei este ı̂n modelul nostru este una non strategică. 1. i de prezentarea platfor- mei de simulare. să analizăm compor- tamentul s. cări oscilato- rii. ului activelor pe parcursul desfăs. inducând mis. Având ı̂n vedere volumul relativ modest de observat. ie a crahu- rilor printr-o configurat. ia s. cât s. De aceea. Ofe- rim. prea put. 50. Această ipoteză afirmă natura prădătoare a piet. abordarea noastră vizează acest ultim aspect. ionale. de asemenea. Ana- liza nostră este completată de utilizarea unor instrumente matematice s. elor financiare. ii ı̂mpiedică sau ı̂ncetinesc convergent. În contextul oferit de studiul literaturii de specialitate s. Aceste caracteristici comportamentale ar putea fi cele ce pun ı̂n mis. ionare informată. amplitudinea mare a variat. ii de pe piat.

ionării informate. pe lângă VPIN. 1. iile prezentate ı̂n această teză apart. dorim. i 7). ă a probabilităt. ilor acestui tip de analize. finant. in unui singur domeniu de cercetare. ionare informată [58. să dezvoltăm proceduri alternative pentru cuantificarea tranzact. ele computat. i. de asemenea. ă s. astfel. ı̂ntrucât literatura existentă nu oferă.4. Scopul nostru este de a dezvolta metrici alternative uti- lizând tehnici provenind din inteligenta artificiala. 1.4 Organizarea tezei Contribut. i.1 Partea Întâi . i. de informatică. Am dori să oferim s. ionarea acestora. i prin strategii algoritmice clasice. i ı̂nt. Introducere oferim o mai bună bază teoretică pentru unele comportamente specifice ale VPIN identificate de criticii modelului [9]. Acestea pun la dispozit. vom evalua eficacita- tea relativă a acestor noi indicatori comparându-i cu metrica VPIN (capitolele 6 s. i ı̂nlocuitori ai VPIN obt. elegerii aprofundate a mecanismelor ce determină crahurilor bursiere. i interdisciplinară. alt. i estimatori de ı̂naltă frecvent. inut. s-au extins ı̂n aproape fiecare ramură a s. pot sust. Această teză este organizată ı̂n două părt. i de econometrie [34]. elor de capital [35]. ii de tranzact. Context and Studiul Li- teraturii Prima parte a lucrării prezintă contextul s. 137]. ı̂n special ı̂n studiul piet. 1. mai apoi. ce introduc s. investighează mai multe componente referitoare la subiectul crahurilor reversibile ultra-rapide. Desigur. i include un total de opt capitole. de metode numerice s. În ultimele două decenii. ionale. ı̂nglobând elemente diverse de teorie financiară.Introducere. În cele din urmă. tiint. ei financiare. Această teză are drept scop utilizarea capacităt. e computat. ionale [2] iar abordarea este una complexă s. i literatura de specialitate necesare pe parcursul acestei cercetări. ı̂n vederea reproducerii controlate s. de matematici financiare. În această parte descriem principalul incident bursier de tip crah reversibil ultra-rapid din 6 mai 2010. ie un set de instrumente de analiză puternice cu aplicabilitate practică imediată s. i ipoteze legate de funct. Tot aici prezentăm principalul model teoretic avansat de comuni- 7 . Această lucrare este ı̂n primul rând o teză de Finant. Ele se referă la mai multe aspecte ale crahurilor bursiere ultra-rapide prin utilizarea pe extensivă a tehnicilor informatice de simulare. crah ce a afectat bursele din ı̂ntreaga lume. s. ine sau infirma mo- dele de piat. ca un domeniu de cerce- tare.

iile deter- ministe s. Bazându-se pe ipoteza de asimetrie informat. terii nivelului de toxicitate a fluxului de ordine ı̂n piet. o succintă vedere de ansamblu a piet. 1. ifică conexă subiectului. i la cercetarea s. 157].4. ională s. i contribut. Fundamentul teoretic al abordării noastre se bazează ı̂n principal pe ipoteza că crahul este re- percusiune imediată a cres. ia s. ii S. ele 8 . i prezentărilor de la conferint. Capitolul 1. i artificiali implementat. ia pentru a le utiliza ca simulatoare ale piet. motivat. ii de cercetare. elor bursiere artificiale multi-agent. 1. 155. i caracteristicile unui crah reversibil ultra- rapid descriind procesele de evolut. Acest capitol subliniază deopotrivă avantajele acestei abordări ı̂n comparat. ii teoretice bine fundamentate pentru unele aspecte observate ı̂n dinamica VPIN pe parcursul sau imediat după derularea crahului. elor financiare reale s. ia crahului financiar. Capitolul 4 elucidează dinamica s. 156. ie a pret. i Contribut. trecând ı̂n revistă modelul VPIN considerat a fi cel mai bun predictor al eveni- mentelor de crah reversibil ultra-rapid. Aici facem referire la concluziile anchetei oficiale. Încheiem capitolul cu o scurtă prezentare a cadrului de simulare pe care ı̂l folosim pe tot parcursul tezei: ArTificial Open Market (sau ATOM). i sunt ı̂n legătură cu următoarele lucrări s. i avantajele me- tricii VPIN ı̂n contexte s. ii de piat. urilor activelor ı̂n unităt. i stocastice pentru evolut. Acest prim capitol oferă introducerea generală a tezei. i utilizând un ecosistem pradă-prădător stohastic de tip Lotka-Volterra [171]. Aici pre- zentăm motivat. precum s. i ı̂n limbajul de programare Java pe platforma ATOM. Continuăm considerând unele concepte importante specifice piet. ifice Cea de a doua parte a lucrării cont. ă specifice pană la ı̂ncercări de a oferi explicat. tiint. elor artificiale multi-agent. Capitolul 3 oferă o scurtă panoramă a piet. Încheiem periplul nostru. Această parte cuprinde patru capitole ce abordează trei probleme de cercetare.Rezultate s. Capitolele prezintă rezultatele cercetării s. i de volum- timp. i ca bază a activităt. urarea inci- dentului bursier din 6 mai 2010. i obiectivele de cercetare ale muncii noastre. i configurat. 154. mergând de la limitările s. iile noastre ca ur- mare a investigării evenimentelor de crah. e poate fi găsită ı̂n cadrul tezei. O listă a lucrărilor s. ine rezultatele s. ia pret. tiint. ului pe durata crahului. Această parte oferă. ifice personale ce au fost prezentate. tiint. dezvoltam ecuat. Introducere tatea academică pentru a explica aparit. Toate simulările sunt realizate folosind agent. de asemenea. elor bursiere artificiale. publicate sau ac- ceptate spre publicare [153. Capitolul 2 prezintă mai multe puncte de interes relative la desfăs. ie cu abordările clasice care emană din teoria economică standard.2 Partea a Doua .

i. ii de tranzact. ii sistematic perdante ı̂ntr-un mediu de tranzact. ă. ă sunt neinformat. ă de populat. teptat depinde de excesului de cerere sau ofertă generat de traderii informat. i traderii neinformat. ii de pe piat. combi- nate cu elemente de optimizare pot produce estimatori eficient. i pe tot parcursul evenimentului bursier [43]. ionare informată ı̂n medii artificiale ce reproduc aspecte dinamice ob- servate ı̂n piet. ii viitoare de cercetare. ul as. ii de supra-cumpărare sau de supra-vânzare sistematică. În cele din urmă. i să fie antrenat. s. Estimăm comportamentul as. Verificăm dacă metrica VPIN detectează ı̂n mod eronat nivele semnificative de tranzact. iile private pe care le posedă s. i. i ai probabilităt. Ingredientul principal al modelului este presupunerea că setul de agent. i apart. ii informate se com- portă ı̂ntr-un mod agresiv fat. i care furnizează lichiditate pe piat. 1. inute pe parcursul ei. Introducere informat. teptat al metricii prin simulări succesive de tip Monte Carlo. a a două clase omogene de participant. ii de agent. Presupunem că pret. inând unor clase informat. i. ional asimetrice. am obt. i. ia traderi neinformat. iile de cercetare obt. ionare informată. Capitolul 7 testează dacă abordări algoritmice simple ı̂n volum-timp. aducem un scurt argument teoretic pentru a explica o particularitate a dinamicii VPIN observate ı̂n timpul fazei de simulare. ionare informată ı̂ntr-un mediu experimental specific ı̂n care tot. ă financiară artificială populată cu traderi zero-inteligent. 9 . i participant. care ı̂ncearcă să profite de informat. De asemenea. ii fluxului de ordine bursiere ı̂ntr-o piat. ele financiare propriu-zise. or modificate ale modelului VPIN. i ı̂n tranzact. ii de tranzact. i traderi tehnici utilizând strategii de urmărire a trendurilor. ii de tranzact. i bursieri: traderii informat. Conform acestei ipoteze. Capitolul 6 oferă o abordare ı̂n volum-timp discret bazată pe Separatori de largă marjă (Support Vector Machine) pentru estimarea probabilităt. În capitolul 5 evaluăm fiabilitatea metricii VPIN ca estimator al toxicităt. ional asi- metrice. Evaluarea acestei abordări algoritmice se face cu diferite configurat. ionare informată. Capitolul 8 ı̂ncheie teza s. ii care generează ı̂n fiecare moment tranzact. i rezumă toate contribut. sunt enumerate mai multe posibile direct. inut un estimator punctual a probabilităt. Argumentul se bazează pe ipoteze us. ionare de ı̂naltă frecvent. Oferim o metrică alternativă măsurii ı̂n care furnizorii de lichiditate sunt predispus. Modelul nostru teoretic presupune existent. ă caracterizat de condit.

ii s.Capitolul 2 Contribut. i Concluzii 10 .

i comparăm evolut. i atinge maximul reprezintă 11 . modelele nostre cont. 2. ia de traderi neinformat. am prezentat contextul s. ia crahurilor ultra-rapide reversibile ı̂n piet. ie VPIN. i concluziile trase. ii informate au comportamente prădătoare non-strategice fat. Fundamentul teoretic al abordării noastre se bazează ı̂n principal pe ipoteza că crahul este repercu- siunea imediată a cres. i stocastice pentru evolut. ie a pret. Acest produs ne-a oferit un mediu general de simulare care foloses. ă artificială ATOM [120. i flexibile s. i caracteristicile unui crah reversibil ultra- rapid descriind procesele de evolut. elor de capital. or de parametrat: micro- structura piet. ie al dinamicii crahurilor reversibile ultra-rapide s. Am de- monstrat teoretic că momentul ı̂n care variabila PIN ı̂s. i 3). tiint. ional asimetrice de tip pradă-prădător [171]. Pentru ecosisteme bursiere informat. ele informat. a acestuia (Capitolul 4). ia acestora cu cea a VPIN-ului pe parcursul derulării crahurilor simulate. ionale ale piet. agent. ii. ionare artificiali nu depind de ipoteze de rat. La ı̂nceputul tezei (capitolele 2 s. i de timp. ii s. dezvoltăm ecuat. propunem un nou mo- del de predict. ionalitate sau omogenitate. i cu funct. i examinăm unele dintre limitările sale (Capitolul 5). ional asimetrice. ele financiare prin simularea acestora ı̂n medii artificiale multi-agent [99]. 58] s. am determinat fract. ifică [49. Am testat toate modelele noastre pe platforme Java utilizând un emulator de piat. Contribut. trece ı̂n revistă contribut. te diferite meta-entităt. canale asimetrice de difuzare a informat. iunea PIN a volumului de ordine informate din volumul total de tranzact. i utilizând un ecosistem pradă- prădător stohastic de tip Lotka-Volterra [171]. ionare informată s. ie a pret. i medi- ile de simulare computat. ia pret. i literatura conexă cercetării noastre. ului pe durata crahului. terii nivelului de toxicitate a fluxului de ordine ı̂n piet. i Concluzii Acest capitol ı̂ncepe prin rezumarea celor mai importante aspecte ale tezei de doctorat. i pe tot parcursul evenimen- tului bursier [43]. iile aduse s. i comportamentele lor. evaluăm eficacitatea modelului de predict. Ingredientul principal al modelului este presupunerea că setul de agent. s. ionare s. ii de tranzact. i testăm eficient. Când aceste evenimente de piat. ii de tranzact. ă de populat. urilor activelor ı̂n unităt. ului activelor. derularea celui mai marcant eveniment de tip crah ultra-rapid reversibil din 6 mai 2010. iilor publice s. Bazându-ne pe ipoteze de asimetrie informat. i private. recent propus de comunitatea s. in mai multe tipuri de agent. În această teză. ii de tranzact. Agent. ele care duc la aparit. Folosind modelul propus de evolut. i comportamente diferite. ii ce generează tranzact. ă ı̂ncep să se deruleze. ei de capital. iile deterministe s. am analizat câteva aspecte legate de circumstant. i 7). În finalul tezei (capitolele 6 s. ne propunem să dezvoltăm două strategii alternative pen- tru a calcula estimatori ai probabilităt. ională s. 121]. ionare. scopuri s. Capitolul 4 elucidează dinamica s. i us. după care.

i am arătat că. reprezintă ı̂n sine un indicator al inteligent. i limitările metricii PIN. 2. Cu cât acest interval de timp este mai scurt cu atât este mai mare viteza de difuzare a informat. Ratele de substitut. i de a exploata informat. am putut estima cu precizie dinamica crahului s. Un nivel de inteligent. ie ı̂ntre trade- rii informat. i caracteristicile acestuia. ă mai ridicat al populat. ului. Acest lucru permite o predict. Mai mult. ei cât s. ia unei informat. i folosind VPIN ca proxy pentru PIN. Evident. ii nepublice. Prin modelarea pret. ului. Am testat modelul nostru ı̂n simulatorul artificial de piat. i multiplicative pe care atât cres. Bazându-ne pe modelarea noastră stohastică s. i nivelul de inteligent. i. a ı̂ntre traderi reduce decalajul metricii PIN atât punctual cât s. Acest rezultat demonstrează teoretic acuratet. ea estimatorilor PIN ı̂n piet. am arătat că PIN-ul cres. ele financiare cele mai eficiente. iile nepublice. Am arătat că concurent. ul ca funct. i ale adversarilor modelului [9]. ı̂n contextul unui crah bursier reversibil. Contribut. inter- valul de timp dintre momentele ı̂n care se realizează cele două extreme. i poate substitui o lipsă de competitivitate ı̂n rândul actorilor de piat. pentru piet. [49] s. În capitolul 5 al tezei am evaluat fiabilitatea metricii VPIN ca estimator al toxicităt. ii s. Aceasta limitare rămâne valabilă pentru orice metrică de tip PIN. am dezvoltat o metodologie de estimare a parametrilor modelului propus. a duratei acestuia. i Concluzii un indicator tardiv al momentului ı̂n care este atinsă valoarea minimă a pret. al capacităt. ie destul de precisă a amplitudinii crahului. ă o au asupra acuratet. ie a produsului dintre volum cdotP IN . iei private ı̂n cadrul populat. a momentului ı̂n care pret. i asimptotic ı̂n cazul unui nivel scăzut al ratei de ı̂nvăt. i am arătat cum putem adapta strategia nostră la o astfel de piat. iei de traderi neinformat. ile s. de asemenea. iei de traderi neinformat. inclusiv VPIN. ceea ce explică teoretic o parte din observat. ă. i. i pentru estimatorii acesteia. i vice-versa. ele fără strategii bazate pe ı̂mprumut(unleveraged markets). i al. toate calităt. ă financiară s. ul atinge valoarea minimă s. i sporesc eficient. dar scade mai lent lent după acesta. ie depind ı̂n primul rând de capacitatea traderilor informat. s. i s. Ambele variabile se compun multiplicativ s. ii lor de a detecta aparit. ă financiară artificială populată 12 . i a traiectoriei pret. ă informat. terea concurent. i. a PIN ca estimator precoce al crahurilor ultra-rapide. iile empirice ale lui Easley s. ii fluxului de ordine bursiere ı̂ntr-o piat. ceea ce face modelul nostru de uz general. iei de traderi neinformat. cazul general caracterizat de competit. Am oferit o interpretare directă a efectelor substituibile s. ei traderilor neinformat. te rapid pe parcursul crahului. ii PIN ca predictor de crahuri. i. are ı̂n rândul populat. Am abordat. rămân valabile s.

ie a pret. am adus un scurt argument teoretic ce explică o particularitate a dinamicii VPIN observată ı̂n timpul fazei de simulare. Contribut. i un argument teoretic ce explică de ce VPIN se ment. Modelele teoretice din capitolele 6 s. Conform acestei ipoteze. este prezentat s. ia pret. pentru care. ial al VPIN s. ci un indicator mai general. s. ioneze ca un actor agregat unic. ilor creatorilor de piat. i oferta totală. intensitatea volumului informat descres. ionat este proport. es. este mai probabil ca VPIN să crească ı̂n timpul trendurilor descrescătoare. Astfel. urilor activelor tranzact. Am demonstrat că varianta modificată a modelului VPIN poate fi asimilată modelului standard. ionare informată. urile sunt angajate ı̂n trenduri crescătoare s. Am observat comportamente asimetrice atunci când pret. a gradului ı̂n care o minoritate semnificativă a participant. i traderi tehnici ca utilizează strategii de urmărire a trendurilor. VPIN nu este numai un indicator a probabilităt. it nivele semnificative de tranzact. ă. i Concluzii cu traderi zero-inteligent. ı̂ntr-un mediu de tranzact. i asimilează metrica unui proxy a excesului de cerere sau ofertă sistematică. i. ı̂n orice moment. ie teoretică mai bună a efectului inert. iei pe termen scurt a pret. indiferent de cauzele care stau la baza acestui fenomen. ilor din piat. Am estimat comportamentul mediu al metricii prin simulări succesive de tip Monte Carlo. Prin urmare. ine la valori ridicate ı̂n timpul fazei de simulare. ionate urmează pe termen scurt mis. ii s. O cres. viziune ce ı̂i determină să funct. ionare de ı̂naltă frecvent. i 7 se bazează ı̂n principal pe abordări ce utilizează latici de evolut. i descrescătoare. or modificate ale modelului VPIN. ional semnificativ. probabilităt. or modificate ale modelul VPIN. i trinomiale. Tot ı̂n capitolul 5 al tezei. ă (market makers)[127]. cări aleatorii. ă ı̂mpărtăs. la nivel local. te logaritmic ı̂n volum-timp informat. Când procentajul volumului informat ı̂ncă netranzact. ii imprevizibile s. ii de pe piat. i volatile ale VPIN. i. ii de tranzact. i oferă o bază teoretică solidă concluziilor empirice trase de [9]. Argumentul este bazat pe ipoteze us. ionat este mic. teri sau ale unei scăderi a pret. atât timp cât raportul dintre volumul informat ce rămâne să fie tranzact. acestă variantă a VPIN pare să ofere o motivat. urilor. Argumentul se bazează pe ipoteze us. Am ajuns la concluzia că. s. i participant. s. Aceste comportamente corelate induc ı̂n cele din urmă dezechilibre semnificative ı̂ntre cererea s. ului sunt identice s. ionare informată ı̂ntr-un mediu experimental specific ı̂n care tot. urilor binomiale s. 2. Verificăm aici dacă metrica VPIN detectează ı̂n mod gres. i poate furniza o bază interesantă pentru dezvoltări viitoare ı̂n domeniu. De asemenea. te o viziune colectivă alternativă asupra evolut. ă sunt neinformat. tere considerabilă a procentajului de traderi tehnici poate induce evolut. i. ile unei cres. care descriu cu exactitate ipoteza de martingală a activităt. evolut. 13 .

ă este dată ı̂n medie de câs. ii de tranzact. În aceste condit. ii s. i ce provin din clase informat. metrica dezvoltată este un exprimă corect dezechilibrele sistematice ce apar ı̂ntre cererea s. ie efectuate ı̂n diferite condit. i corelat. Contribut. 2. iile aduse de această teză aprofundează ı̂nt. viabilitatea economică a creatorilor de piat. ând nivele de volatilitate mai reduse s. iilor eterogene de 14 . ia populat. i. i Concluzii astfel. Această abordare ar putea fi. i care furnizează lichiditate pe piat. iona evolut. ii de piat. a. ii pret. Capitolul 6 oferă o abordare ı̂n volum-timp discret bazată pe Separatori de largă marjă (Support Vector Machine) pentru estimarea probabilităt. Presupunem că pret. ul mediu depinde de excesului de cerere sau de ofertă generat de traderii informat. ie efectuate ı̂n diverse condit. ii sistematic perdante ı̂ntr-un mediu de tranzact. de cele mai multe ori. prin urmare. i bursieri: traderii informat. Evaluarea metodei algoritmice se face utilizând diferite configurat. iona diverse probleme financiare importante care necesită estimări ale PIN [20. demon- străm empiric că comportamentul acesteia este aproximativ echivalent cu cel al VPIN. ă. tigurile percepute la fiecare tranzact. ionare de ı̂naltă frecvent. În plus. 47. Asemeni VPIN. pentru a solut. Conform acestei ipoteze. i ı̂n medii artificiale ce reproduc evolut. Capitolul 7 confirmă faptul că abordările algoritmice simple ı̂n volum-timp. destul de aproape de valoarea VPIN. Modelul nostru teoretic presupune existent. 88]. i traderii neinformat. Prin tes- tele de cauzalitate s. ii de supra-cumpărare sau de supra-vânzare sistematică. ionare informată s. i corelat. ii de tranzact. Prin teste de cauzalitate s. ă caracterizat de condit. ele artificiale multi-agent ı̂n studierea acestui subiect important. ii de piat. i. am obt. 48. ia piet. ă de a rămâne in piat. inut o estimator punctual al probabilităt. i al volatilităt. i un procentaj mai mic de comportamente atipice. extinsă dincolo de frontierele cadrului de simulare. ionare informată. i să se angajeze ı̂n tranzact. ie. arătam ca aceasta este mai stabilă afis. am enumerat câteva aspecte de optimizare care ar trebui luate ı̂n considerare. Oferim o metrică alternativă măsurii ı̂n care furnizorii de lichiditate sunt predispus. estimarea algoritmică a PIN a fost. ă am demonstrat empiric corectitudinea abordării noastre. a a două clase omogene de participant. care ı̂ncearcă să profite de informat. i validează metodele de analiză ce folo- sesc piet. iile private pe care le posedă s. combinate cu elemente de optimizare pot produce estimatori VPIN eficient. ii creatorilor de piat. Contribut. ii de agent. elor de capital reale. ă. i am prezentat o metodă matricială pentru estimarea sa. ional asimetrice. Având ı̂n vedere impactul considerabil al acumulării de inventar s. elegerea evenimentelor bu- rsiere statistic rare de crah ultra-rapid s. Teza recurge la simulări repetate pentru a relat. 56. i oferta agregate. urilor asupra capacităt. ii.

elor computat. 2. te extensiv metodologii de cercetare bazate pe sisteme multi-agent. ionale s. ia unor metrici de predict. urilor activelor pe parcursul desfăs. Prin aplicarea directă a metodelor de simulare Monte-Carlo. ı̂mpreună cu in- strumente analitice din domeniul finant. i Concluzii agent. ă ce favorizează aparit. sunt identificate comportamente medii pe baza unor ipoteze flexibile. cu dinamica pret. Astfel. ionare corelate. i cu rat. i econometriei pentru a oferi o analiză riguroasă a configurat. i evolut. ii s. teza foloses. urării crahului. Simulările atent calibrate au expus o parte dintre legăturile existente ı̂ntre comportamen- tele agregate ale actorilor bursieri ce aplică strategii de tranzact. ionalitate limitată [143]. s. ie ale aparit. iilor de piat. Contribut. ia crahu- rilor. iei crahurilor. 15 .

Assessing the dependability of the vpin metric as an order flow-toxicity estimator through a specific high frequency trading experimental setup. A neural network vwap algorithm for arti- ficial financial markets populated with zero-intelligence trading agents. In Advanced Intelligent Computa- tional Technologies and Decision Support Systems. D. pp. A. [5] Stan. Romania. 135–147. In in Proceedings fo the 12th International con- ference on Practical on Informatics in Economy (IE’2013) (2013). 135–147. 16 . Romania. Assessing inbound call centers scheduling through bootstrapping and gdp based monte carlo. A. 589–593.. Iantovics and R. ASE. B. Eds. 2014. 191–200. [3] Stan. 2 (2011). A. D. and Moldovan.Listă de publicat. In in Proceedings fo the 12th International conference on Practical on Informatics in Economy (IE’2013) (2013). 486 of Studies in Computational Intelligence. pp.. Ko- untchev. [4] Stan. Bucharest. A.. [2] Stan. ii [1] Stan. 609–612. 2 (2011). ASE. Review of Economic Studies and Research Virgil Madgearu. and Moldovan. vol. pp. An automata based approach to modeling real-time trading appli- cations. Day trading the emerging markets using multi-time frame technical indicators and artificial neural networks. Springer International Publishing. Bu- charest. Review of Economic Studies and Research Virgil Madgearu. A.

cfm?abstract id=1881731. 27–41. 145 – 152. Applications of Statistics (1977). D. T. [6] Allen. and Stanley. S.. transaction clock. Chapman & Hall/CRC. and normality of asset returns. 13 17 . On entropy maximization principle. H. Gopikrishnan. 2 (2007). 74 – 83. L. Econophysics: can statistical physics contribute to the science of economics? Computer Physics Communica- tions 121–122. [5] Alfarano. 2010.Bibliografie [1] Review of the market events of may 6. Peng. Second Edition.-K. Order flow. M.. P. [7] Amaral. [4] Akaike. 2013. 183–187. 0 (1999). and Yagüe.. 2 (2012). O.. Journal of Finance 55. L. and Wagner. T. 2259–2284. 12. The Spanish Review of Financial Economics 10.com/sol3/papers... The European Physical Journal B 55.. P. H. Cizeau. H. From {PIN} to vpin: An introduction to order flow toxicity. VPIN and the Flash Crash. ¡ce:title¿Proceedings of the Europhysics Conference on Computational Physics {CCP} 1998¡/ce:title¿. Meyer. C. T. 2010. An Introduction to Stochastic Processes with Applications to Biology. and Bondarenko. 7. J.. S. Empirical validation of sto- chastic models of interacting agents.ssrn. SSRN (2011). http://papers. [2] Simulation in Computational Finance and Economics: Tools and Emerging Applications. and Geman. F. Y. [8] Ané. Liu.. Lux.. 7 [3] Abad. [9] Andersen. 2011.. 5 (October 2000).

Rübel.. ch. [11] Arthur. Working Paper Series 2011-20. P. B. [12] Arthur.. no. Ecology of Predator-Prey Interactions. Agent-based Computational Economics: New aspects in learning speed and convergence in the Santa Fe Artificial Stock Market.. Leinweber. R. In Proceedings of the fourth workshop on High performance computational finance (New York. 2006. I. Does asymmetric information drive capital structure decisions? Review of Financial Studies 22. WHPCF ’11. and Maryland.. O... [17] Barbosa. F. 1787– 1835. W. 2. Inductive reasoning and bounded rationality.. and Wu.. USA. 1–7. PhD thesis. 2003. [18] Ben-David. R. Increasing Returns and Path Dependence in the Economy. Austria. W. Asset pricing under endogenous expectations in an artificial stock market. K. 1551–1564. Springer. Universitat Graz. 8 (2009). ACM. Graz. P. F. 14 18 .. 9-10 (2006). and Moussawi. [13] Arthur. Lebaron. G. P. 15–44. Evolutionary Computation for Modeling and Optimization. [19] Bethel. [15] Ashlock. W. Addison-Wesley. J. NY. Etfs. Journal of Economic Dynamics and Control 30. stabi- lity and asymptotic dominance in a speculative market with heterogeneous traders. W. BIBLIOGRAFIE [10] Anufriev.. USA. 26. B.. and Wu. T. 23–30. arbitrage. 93 (2011). Ann Arbor Paperbacks. 1994. D. M. December 2011. E. Bottazzi. pp. Holl. B.. Oxford University Press. [14] Arthur. Pasquariello.. C.. G. Out-of-Equilibrium Economics and Agent-Based Mode- ling. Palmer. S. Charles A. Equilibria. W. vol. Ohio State University. 3211–3243. University of Michigan Press. and contagion. 2005. Dice Center for Research in Financial Economics. and Pancotto. 2011). 2006. and Tay- ler. Federal market information technology in the post flash crash era: roles for su- percomputing. [16] Badegruber. In Economic Notes (1997). American Eco- nomics Review. [20] Bharath. 32. pp. pp. H. T. D. Franzoni.

.. Agent-based modeling: Methods and techniques for simu- lating human systems. USA. I. H. 2010.. January 2008. R. S. R. Tech. 215–232. and Rebesco. Mathieu.. H. Lopez-Paredes. E. 6 (June 2007). NY. C.. In Proceedings of the 13th ACM Conference on Electronic Commerce EC ’12 (2012). [30] Brandouy. 197–228. and Yegerman. Journal of Economic Dynamics and Control 31. G. J. [24] Borkovec. Journal of Mathematical Economics 41.. E. J.. Behavioral hetero- geneity in stock prices. P.. I. asynchronous modeling of financial markets. 1938–1970. J. Posada. I. K. S. G. A.. Investment Technology Group. U.. [26] Boswijk. Computatio- nal Intelligence. and Manzan.. [22] Boer-Sorban. 93 19 . H. Agent-Based Simulation of Financial Markets: A Modu- lar. M.. M. pp.... 2010. Continuous-time Approach. PhD thesis. G. Dosi. S.. C. G. 23 (2007). M. Das. In The Generative Method in Economics. Suppl 3 (2002). Brennan. 1-2 (February 2005). no. [27] Bottazzi. P. [28] Bottazzi.. E. G. I. Eds. Rotterdam.. O. and A. and Spiering. [25] Born. D. Institutional architectures and behavioral ecologies in the dynamics of financial markets. B. [23] Bonabeau. one of several possible lessons from the flash crash. Hernandez. Li- quidity and price discovery in exchange-traded funds. 2011. Hommes. Serbin. Ruder. K.. Recommendations regarding regulatory responses to the market events of may 6. Erasmus University Rotterdam. rep. A bayesian market-maker. Dosi. O’Hara... S. Journal of Mathematical Economics 41. Philips.. The Netherlands. Institutional architectures and behavioral ecologies in the dynamics of financial markets.. and Magdon- Ismail. and Stiglitz. M. Lavoie. Proceedings of the National Academy of Sciences of the United States of America 99. Domowitz. BIBLIOGRAFIE [21] Boer. and Veryzhenko. Chakraborty. V. J. 7280–7287. [29] Brahma. ACM New York. From discrete-time models to continuous-time. M. 1-2 (February 2005).. Ketchum. A. Engle. M. F. Ex-post optimal strategy for the trading of a single financial asset. Kaymak. and Rebesco. 197–228...

-H. [33] Chan. C. Springer US. Applied Mathematical Sciences.. MA. pp. Tai. Jonker.. 6 (2012). 5 (2002). 27 (2010). Dynamics of beliefs and learning under al processes . In WEHIA (June 15 2005). and Shelton. 1 (January 1973). 346–353. Mammana. and He. Springer Berlin Heidelberg. A. Chang. and C..-C. K. Microstructure dyna- mics and agent-based financial markets. S. BIBLIOGRAFIE in Lecture Notes in Economics and Mathematical Systems. The Knowledge Engineering Review 27 (June 2012). G. Individual rationality as a partial impediment to market efficiency. University of Technology. vol. S.-H.-T. R. Wealth distribution in an asset pricing model: the role of the switching mechanism. 2.. Bosse. 121–135. 2011. Chen. A subordinated stochastic process model with finite variance for speculative prices. S. [37] Chiarella. Research Paper Series 55. Agent-based economic models and econometrics. and Raberto.the heterogeneous case. and Tsang. 171–184... Geller. 7 [35] Chen. Eds. and Iori. 423–442. P. [31] Brianzoni. C. Ponta.Michetti. 2001. [41] Cont. Econometrica 41. In An electronic market- maker. 20 . T. [39] Cincotti. X. 2001. 135–55. S. Discrete Dynamics in Nature and Society. S. 2002. [38] Chiarella. 2009. 187–219. pp.. C. Quantitative Finance Research Centre. 7 [36] Chen. Quantitative Finance 1 (2001). Springer. Kampouridis.-R. [40] Clark. N.-L. C. A multi-assets artificial stock market with zero-intelligence traders.. S.. [32] Brianzoni. M.. B. Technical report. 223–236. 357–377. C. pp. A simulation analysis of the microstructure of double auction markets. and Du. S. Cambridge. M.-H. and Chie. Ed. 6532 of Lecture Notes in Computer Science.. Sydney. L. C.. [34] Chen. Y. Updating wealth in an asset pricing model with heterogeneous agents. and E. MIT. Empirical properties of asset returns: stylized facts and statistical issues. Quantitative Finance 2.-Z. In Multi-Agent-Based Simulation XI. E. In Genetic Algorithms and Genetic Programming in Computational Finance...-H.

. 11 [44] da Costa Pereira. Evolutionary Computation: A unified approach. and O’Hara.. The exchange of flow toxicity. G. L. D.. J. 2002. February 2013. Review of Financial Studies 25.. The Journal of Portfolio Mana- gement 39. Systemic Liquidity Risk and Bipolar Markets: Wealth Ma- nagement in Today’s Macro Risk On / Risk Off Financial Environment. L. pp. A. 1 (2012). Cognitive- agent-based modeling of a financial market. The microstructure of the flash crash: Flow toxicity. and O’Hara.. and the probability of informed trading... Johnson School Research Paper Series 8 (2012). 1 (2008). 3. information dissemination and the effect of regulation FD on the cost of capital .. V. D. Complex systems and interdisciplinary science. and Outkin. and Tettamanzi. 2007. D. and O’Hara. 6. L. D. [47] Duarte.. Springer. Kir- man. 14 [49] Easley. The Journal of Trading 6. M. 6 [52] Easley. 2 (2010). Han. and Young. Springer Berlin Heidelberg. Flow toxicity and liquidity in a high-frequency world. 6.. A NASDAQ Market Simulation: Insights on a Major Market from the Science of Complex Adaptive Systems. L. de Prado. A... 19–29. de Prado. liquidity crashes. 2007. 21 . C. K.. and O’Hara. L. 2 (2009). [46] De Jong. 8–13.. In IAT (2009). Journal of Financial Economics 87. 12 [50] Easley. Why is pin priced? Journal of Financial Economics 91. 14 [48] Duarte. Information asy- mmetry. Wiley Finance. D. Volatility clustering in financial markets: Empirical facts and agent-based models. A. and O’Hara. M. M. World Scientific. M. 6 [51] Easley. M. [53] Easley. In Long Memory in Economics. J. de Prado. de Prado.. [43] Corcoran. 1457–1493. Mauri. M. L. pp. and Young. 24 – 44. A. IEEE. [45] Darley. L. 20–27. M. Teyssière and A. M. The volume clock: Insights into the high-frequency paradigm.. 11. BIBLIOGRAFIE [42] Cont. 9. R. 5 (2012). 289–309. 2 (2011). M. C. Eds. de Prado. 4. The Journal of Portfolio Management 37. Harford. 118– 128. 119–138. M. X. Bulk classification of trading activity. J..

information. 11 [59] Easley. Judd. N. and O’Hara. [62] Ehrentreich. and infrequently traded stocks. Li- quidity. and O’Hara. D. Hansen. 1 (September 1987). 805–35. F. 2 of Handbook of Computational Economics. Journal of Financial Economics 19. 2010. R. L.. [64] Epstein. Social Science Computer Review 20. 4 (1996). D. 14 [57] Easley. ch... In Handbook of Financial Econometrics.. L.. Kiefer. [56] Easley.. N. Microstructure and ambiguity.. D. M. F. 599–616. 2 (2008). One day in the life of a very common stock. O’Hara. and O’Hara. Lecture Notes in Financial Econometrics. Mathematical Finance. 2185– 2221. 4 (De- cember 2006). In Handbook of Computational Economics. M.. A corrected version of the santa fe institute artificial stock market model.. de Prado. 34. Hvidkjaer. Elsevier. M. and Russell. J. 1405–1436. J. B.. Price. trade size. D. [63] Engle. N. Analysis of high frequency and transaction data. Ait-Sahalia and L. M. 174–196. Eds. The Journal of Finance 51.. [61] Ehrentreich. Review of Financial Studies 10. M. Journal of Economic Behavior & Organization 61. M. 2 (September 2002). and O’Hara. 2006. and information in se- curities markets. BIBLIOGRAFIE [54] Easley. 1585–1604. O’Hara. Tesfatsion and K. J. Y. Is information risk a determinant of asset returns? The Journal of Finance 57. Kiefer. pp. 5 (2002).. Optimal execution horizon.. L. and O’Hara. vol.. Technical trading in the santa fe institute artificial stock market revisited. M. [55] Easley. 22 . M. S. M. and Wu. Journal of Financial Eco- nometrics 6. Remarks on the foundations of agent-based generative social science. Eds. 3 (1997). Engle. L. M. D. Time-varying arrival rates of informed and uninformed trades. N. 7. [60] Easley. 69–90.. 171–207. 1817–1846. The Journal of Finance 65. 5 (2010). D. R.. M. D. to appear (2013). and Paperman.. North Holland. [58] Easley.

M. J. and Joshi. Gopikrishnan. D. Journal of Economic Behavior & Organization 49. P.. 1 (2008)... E. 1 (March 1985).. R. and Stanley. [68] Farmer. BIBLIOGRAFIE [65] Fama.. 2 (October 2002). ask and transaction prices in a specialist market with heterogeneously informed traders. 123–155. The economy needs agent-based model- ling. 71–100. Tilburg University.. F. and Milgrom. and Sunder. D. 3 [72] Gabaix. Center for Economic Research. 23 . F. The Journal of Business 39. Nature 460. C. H. 4 (2008). E. 1 (1966). [66] Fama. G. 2012. S. The Behavior of Stock-Market Prices. 685–686. ecology and evolution. D.. 1-2 (February 2005). J. [75] Glosten. Journal of Financial Economics 14. L. 1 – 6. A theory of power-law distributions in financial market fluctuations. J.. 34–105. 347–357. R. A. Plerou. and Blume. E. 5 (2002). [73] Gandolfo. S. A.. U. Nature. and Noussair. 7256 (August 2009). The Journal of Business 38. v. Giuseppe palomba and the lotka-volterra equations. Filter Rules and Stock-Market Trading. d. 267–270. D. Industrial and Corpo- rate Change 11. Journal of Economic Dynamics and Control 32. Discussion Paper 2012-087. The price dynamics of common trading strategies. Equilibria in financial mar- kets with heterogeneous agents: a probabilistic perspective. H. [70] Farmer.. and Kirman. The nexus between artificial intelli- gence and economics. 6937 (2003). and Foley.. Introduction to special issue on ‘applica- tions of statistical physics in economics and finance’. E. Horst. 1 (1965). 101 (1993). X. Applications of statistical physics in economics and finance. Bid. Journal of Political Economy.. [71] Follmer. 895–953. J. D. [76] Gode. 226–241. Market force. Allocative efficiency of markets with zero- intelligence traders: Market as a partial substitute for individual rationality. D. [69] Farmer. V. 119–137. Ren- diconti Lincei 19. 149–171. and Lux. T. Journal of Ma- thematical Economics 41. [74] Gevel. [67] Farmer. P.

BIBLIOGRAFIE [77] Gode.. 1 (2001). 487–502.. March 18 2011. C. Robinson. M. Journal of Occupational and Organizational Psychology 85. [79] Grocer. Quantitative Finance 1. Else- vier (2005). H. J.. 2 (May 1991). N. J. C. vol. H. J. P. Earnings volatility. 5 [80] Halpern. 14 24 . Palgrave Macmillan. M. Asymmetric causality tests with an application. A. S.. pp. H. 2254––2259. 365–71. Clegg. [81] Hatemi-J. R. 2008. Financial markets as nonlinear adaptive evolutionary systems. 2 [84] Hommes. and informed tra- ding. computer science and game theory. S. K. S. Schwind. The predictive power of zero intelligence models in financial markets. J. Durlauf and L. Blume. 102. Advanced Trading. [78] Grant. Farmer. Frankfurt artificial stock market: a microscopic stock market model with heterogeneous interacting agents in small-world communication networks. 2 (May 1997). W. M. M. Journal of Accounting Research 46. 447—-456. 149–167. An algo that prevents crashes. Journal of Economic Inte- raction and Coordination 3. 3 (2012). P. 43 (2012). and Miller. 603–630. and Crowder. D. May 7 2010. 59–71. C. P. WallStreet Journal. A. 2 [85] Hommes. 4 (2008). 809–851. What makes markets allocationally effi- cient? The Quarterly Journal of Economics 112. and Sunder. [87] J. E. Empirical Economics 1.. American Economic Review 81. Basingstoke. Y. Agent-based modelling and simulation: The potential contribution to organizational psychology. and Zovko. cash flow volatility. Artificial adaptive agents in econo- mic theory. National Academy of Sciences of the United States of America. N. O. [83] Holland.. Senators seek regulators’ report on causes of market volatility. [82] Hein. and Spiwoks. [88] Jayaraman.. [86] Hughes. 1 (2008). In The New Palgrave Dictionary of Economics. S.. Heterogeneous agent models in economics and finance. I. Eds.

17. pp. L. 254–261. Econometrica 53. 11 [100] LeBaron. N. American Economic Review 93. Evolution and time horizons in an agent based stock market. D. D. and Tuzun. Elsevier. [93] Kahneman. [96] Kocherlakota. H. Morgan Kaufmann Publishers Inc. ch. A builder’s guide to agent-based financial markets. 881–893. L. 1429–1436. pp. Judd. The flash crash: The impact of high frequency trading on an electronic market. A. BIBLIOGRAFIE [89] Jennings. IJCAI’99. 1999). A. [94] Kirilenko. 4 (2009). S. S. 1449–1475. 6 (November 1985). 1315–35. P. A. 5 (September 2003). R. Macroeconomic Dynamics 5. 2 of Handbook of Computational Economics. 2009. Social Science Computer Review 20. [98] Ladley. Maps of bounded rationality: Psychology for behavioral economics.. M. Path Integrals in Quantum Mechanics. [92] Judd. CA. What i learned from the artificial stock market. 3 [95] Kleinert. vol. 2 (2001). 2 (September 2002). Do stylised facts of order book markets need strategic behaviour? Journal of Economic Dynamics and Control 33. and Financial Markets. 3. B. In Handbook of Computational Economics. The Theory of Political Economy. N. January 2006. Continuous auctions and insider trading. 225––254. [91] Johnson. Agent-based computing: promise and perils. R. W... and Schenk-Hoppe. R. L. K.. 25 . K. B.. Capital Markets: Market Microstructure eJournal 5 (2011). The equity premium: it’s still a puzzle. 2 (2001). A. [97] Kyle. Samadi. Eds. 1871. Statistics. Polymer Physics. 5th edition. [99] LeBaron. 817 – 831.. In Proce- edings of the 16th international joint conference on Artificial intelligence - Volume 2 (San Francisco. Kyle. T. Computationally intensive analyses in economics. Tesfatsion and K. USA. 2 [90] Jevons. World Scientific Publishing Company. Macmillan and Company. Quanti- tative Finance 1.

pp. Multicategory support vector ma- chines. [109] Lotka. and Solomon. {CHAPTER} 3 . and Wahba. Journal of the American Chemical Society 42 (1920).. 26 . 2000. Elsevier Science. M. [106] Liu. [110] Lux. [102] LeBaron. Arthur. Analytical note on certain rhythmic relations in organic systems. Y. 1117–1147. Physica A: Statistical Mechanics and its Applications 387.. 2 (1999)..stochastic behavioral asset-pricing models and the stylized facts. 2 (2004). 2535 – 2546. and Yang. Schenk-Hoppé. Y. BIBLIOGRAFIE [101] Lebaron. Building the santa fe artificial stock market. Proceedings of the National Academy of Sciences of the United States of America 6 (1920). North- Holland. W. H. [104] Lee. [107] Lotka.. 67—-81. IEEE Transactions on Evo- lutionary Computation 5. In Handbook of Financial Markets: Dynamics and Evolu- tion. [108] Lotka. J. G. 1487––1516. B.. S. Microscopic Simulation of Fi- nancial Markets: From Investor Behavior to Market Phenomena.. pp. Brandeis (2002). working pa- per. [103] LeBaron. Williams and Wilkins Com- pany. A. J. R. In School of International Economics and Finance. The effects of behavioral and structu- ral assumptions in artificial stock market. Journal of the American Statistical Association 465. Empirical regularities from interacting long and short me- mory investors in an agent based stock market. theory. 442––455. 2009. X. 11 (2008).. Undamped oscillations derived from the law of mass action. T. Gregor.. San Diego. Journal of Economic Dynamics and Control 23. 1595–1599. . A. T. J. Eds. and Palmer. Lin. and application to the classification of microarray data and satellite radiance data. 99 (2004). 410–415. B. B. [105] Levy. Hens and K. Handbooks in Finance. R. Levy. S. 161 – 215. Time series properties of an artificial stock market. Elements of Physical Biology. A.. 1925. graduate. J.

BIBLIOGRAFIE [111] Lux.. M. and Taylor. H. S. O. 265–290. 521 of Lecture Notes in Economics and Mathematical Systems. B. S. M. Develo- pment and testing of an artificial stock market. R. 70 of Advances in Intelligent and Soft Computing. Perez. Cowan and N. Eds. Y. P. Introducing atom. M. and Brandouy.. M. 3 (October 2007).. [115] Marchesi. B. The new evolutionary computational paradigm of com- plex adaptive systems: Challenges and prospects for economics and finance. The ge- noa artificial stock market: Microstructure and simulations. 27 . Springer Berlin Heidelberg. Computational Economics 30. J. 185–197. M. A. 6 (1967). Model Dynamic in Economic Finance (2000). vol. Demazeau. [120] Mathieu. A generic architecture for realistic simulations of complex financial dynamics.. E. Physica A: Statistical Mechanics and its Applications 278.. and Marchesi. 571–578. G. Interactions and Economic Performance. Focardi. Jonard. Corchado. vol. M. S. 2 [118] Marks. [119] Maslov. 2001. 498– 500. Social Science Research Network Working Paper Series (September 2011). pp. Cincotti. Focardi. Nature 397 (November 2 1999). 11 [121] Mathieu. rep. Efficient capital markets: A review of theory and empirical work*. Validating simulation models: A general framework and four applied examples... and Fama.. S. R. The Journal of Finance 25. In Advances on Practical Applications of Agents and Multi-Agent Systems. M. and Brandouy.. and Roberto. S. F. 2 (1970). Dignum. Y. 2010. Exchange-Traded funds. S.. O. On the distribution of stock price differences. and J. Scaling and Criticality in a Stochastic Multi- Agent Model of a Financial Market. Eds. T. In Advances in Practical Appli- cations of Agents and Multiagent Systems. B. 277–289. 1057–1062. Tech. M. Demazeau. 2003. [112] Madhavan.. market structure and the flash crash.. Simple model of a limit order-driven market. F. 2000). pp. 383–417. [114] Mandelbrot. Operations Research 15. In Heterogenous Agents. 3-4 (Apr. [113] Malkiel.. and Raberto. Springer. [116] Marchesi. Cincotti. [117] Markose.. P.

C. and J. Perez. L. A model approach. BIBLIOGRAFIE J. Principles of economics. 11 [122] Mazliak. A.. Springer. and Seppi. Inc. M. 1998. and Yueshen. and Fabozzi. Electronic Journal for History of Probability and Statistics. 13 [128] Niazi. Agent-based computing from multi-agent systems to agent-based models: a visual survey. [124] Menkveld. Entire issue dedicated to Martingale probability theory. J. D. 6th edition. P. 2012. A. Eds. M.cmu... [125] Muranaga.. and Shafer.com/abstract=2243520 or http://dx. A. [127] Nevmyvaka. F. and Sheffrin. J. Muller. http://repository. B. [130] Oksendal. John Wiley & Sons. [133] Pachamanova.. Tech. 2 (2011). Sycara. An Introduction with Applications. Prentice Hall. [123] Menger. Automated Market Making: Theory and Practice. Electronic Carnegie Mellon University Database (2004).edu/dissertations/159.. K.. UCL (Uni- versity College London). S. D. 1871. the measurement of aggregate market risk. Pittsburgh. 2010. C. 2012. Anatomy of the Flash Crash. Nature 460 (August 2009). PA 15213 USA. vol. J.. Stochastic Differential Equations.. PhD thesis. 2010. Rodriguez. 2005. [129] Nuti. rep. Z. Simulation and Optimization in Finance. 28 . Economics: Principles in Action. Electronic Market Ma- king: Initial Investigation. pp. Measurement of liquidity risk in the context of market risk calculation.2243520. G. A.2139/ssrn. G. 5 (June 2009). Carnegie Mellon University. SSRN (April 2013). Y. http://ssrn. 155 of Advances in Intelligent and Soft Computing. An electronic market-making algorithm. and Ohsawa. and Hussain. M.. The splendors and miseries of martinga- les. [126] Nature. 479–499. Springer.doi. Scientometrics 89. [131] O’Sullivan. B. 269–272.. A. PhD thesis. B. reprinted by University Press 1983. J. M. Bank for International Settlements.org/10. J. 5000 Forbes Avenue. 2008. 1. [132] Othman.

Zschischang. and computation as tools for design economics. experimentation. 2. Reports on Progress in Physics 70. Current Research Journal of Economic Theory 2. [136] Ponta. 264–274. BIBLIOGRAFIE [134] Pacurar. Sar- gent. [143] Rubinstein. A. 1999. Physica D 75. 406–411. The international library of critical writings in economics. Raberto. M. 1994). A multi-assets artifficial stock market with zero-intelligence traders. [141] Rosser. C. M. [140] Rosser. Autoregressive conditional duration models in finance: A survey of the theoretical and empirical literature. J. Journal of Economic Sur- veys 22. 15 [144] Samanidou.. [142] Roth. 2 (2010). Oxford University Press Oxford [England] : Oxford . Psychology. Linear models: least squares and alternatives. J. 2004. 4 (1997). 275–300. Limit cycle. 29 . and Gappar.Barkley. Nonlinear Dynamics. J. Complexity in Economics. 2 (2011). 1993. 32–40. Holland. Econometrica 70. R. Bounded rationality in macroeconomics / Thomas J.. J. Clarendon Press .. [135] Palmer. Agent- based models of financial markets. and Toutenburg. A Letter Journal Exploring the Frontiers of Physics. [145] Sargent.. A. D. Arthur.. 7 [138] Rao. trophic function and the dynamics of intersectoral interaction. 1341–1378. E.. Two Essays on the Probability of Informed Trading. UMI. Modeling Bounded Rationality. N. Elgar.. E. B. 1-3 (Aug. 3 (2007).. D. R. B. MIT Press. L. H. 4 (2002). P. Applied Mathematical Sciences 84. M. G.. and Lux. H. J. Stauffer. T. Speculations on nonlinear speculative bubbles.. W. 2009. and Tayler. [137] Popescu. LeBaron. and Cincotti. Springer. [139] Ravshanbek. New York. S. E. 409. Artificial economic life: a simple model of a stockmarket. 1998. Zeuthen lecture book se- ries.. 4 (2008). 711–751. and Life Sciences 1. T. The economist as engineer: Game theory.

A. A preference based inte- ractive evolutionary algorithm for multi-objective optimization: Pie. Y. Rational choice and the structure of the environment. K. 191–200. and Miettinen. U. A. [152] Sindhya. 74–79.. 2008). A. Parallel Problem Solving from Nature. Estimating the dimension of a model. Psy- chological Review 63. E. C. Findings regarding the market events of may 6. 2010. G. Annals of Statistics 2. B. 2 (2011). rep. 8 [154] Stan. A. Lecture Notes in Computer Science. 8 [155] Stan. BIBLIOGRAFIE [146] Schelling. New York.. 135–147. 8 [156] Stan. United States.. 2010. April 1978. Ruiz. 129–38. pp. and Miettinen.. 135–147. 2014. 2 (1956). K. vol.. Eds. K. A local search based evo- lutionary multi-objective optimization approach for fast and accurate con- vergence. 486 of Studies in Computational Intelligence. 5199 (2008). 6576 (2011). [148] SEC. Evolu- tionary Multi-Criterion Optimization. Lecture Notes in Computer Science. ACM 51. Schelling Micromotives and Macrobehavior (Fels lectures on public policy analysis).. 8 (Aug. and Moldovan.. Assessing the dependability of the vpin metric as an order flow-toxicity estimator through a specific high frequency 30 . D. 815–837. W W Norton & Co Ltd. 2 (2011). Review of Economic Studies and Research Virgil Madgearu. [149] Shoham. Assessing inbound call centers scheduling through bootstrapping and gdp based monte carlo. [150] Simon. A.S. T. and CFTC. An automata based approach to modeling real-time trading applications. Sprin- ger International Publishing. Iantovics and R. H. Securities and Exchange Commission and Commodity Fu- tures Trading Commission. A. Review of Economic Studies and Research Virgil Madgearu. 6 (1978). Computer science and game theory. 461––464. K. [153] Stan. Kountchev. Tech. NY. Commun. [147] Schwarz. Day trading the emerging markets using multi-time frame te- chnical indicators and artificial neural networks. 212–224. B. [151] Sindhya. K. Deb. In Advanced Intelligent Computational Technologies and Decision Support Systems.

207–232. 2005. 589–593. MA. S. 8 [158] Sutton. R. D. [165] Tsang. G. Analysis of Financial Time Series.. A. L. Princeton University Press. [163] Tesfatsion. Agent-based computational modeling and macroeconomics. Wiley-Interscience. USA. 31 . Volatility and Prediction.org/10. D. [166] Tsay. A. pp. and Kahneman. Bucharest. In- ternational Journal of Automation and Computing 5. [162] Tesfatsion. [159] Tavella. and Barto. MIT Press. 63–66. Agent-based computational economics: Modeling econo- mies as complex adaptive systems. and Moldovan.. E.. Availability: A heuristic for judging frequency and probability. A. S. 2002. Z. Department of Economics. Introduction to Reinforcement Lear- ning. Asset Price Dynamics. S. In in Proceedings fo the 12th International conference on Practical on Informatics in Economy (IE’2013) (2013). 8 [157] Stan. ASE.doi. Quantitative Methods in Derivatives Pricing: An Introduction to Computational Finance. and Alam. Staff General Research Papers 12402. Cambridge.2139/ssrn. http://ssrn. I. [164] Tkatch. In in Proceedings fo the 12th International con- ference on Practical on Informatics in Economy (IE’2013) (2013). SSRN (2009).1400307. Iowa State University. Artificial Life 8. 55–82. October 2002. 263– 269. [161] Tesfatsion. [167] Tversky. Bucharest. [160] Taylor. Information Sciences 149 (2003). R. 1 (2008). Agent-based computational economics: Growing economies from the bottom up. Computational intelligence determines effective rationality. BIBLIOGRAFIE trading experimental setup. 1998. ASE. Wiley.com/abstract=1400307 or http://dx. 609–612. A neural network vwap algorithm for arti- ficial financial markets populated with zero-intelligence trading agents. pp. April 2006. Cognitive Psychology 5 (1973). 1st ed. 1 ed. Romania. L. Romania. 1 (March 2002). S. L. Strategic order splitting in auto- mated markets. D..

Hornik. V. M. L. 1124–1131. and Frino. A. Multi-agent fx- market modeling based on cognitive systems. 2 (2013). Ed. and LeBaron. 2 [176] Yamamoto. Australasian Accounting Business and Finance Journal 7. 767–774. H. Lagrange multipliers. Order-splitting and long-memory in an order-driven market. 1998). 8.. 32 . flow to- xicity and the impact on intraday trading factors. C. 3–24. In Encyclopaedia of Mathematics (1994). G. G. Bischof. A. In Proceedings of the second international conference on Autonomous agents (New York. B. Science 185 (1974). Universite Paris I . Springer.. M. 2012. P. Pitfalls of agent-oriented develo- pment. [173] Wei.. R. and Moneta.. PhD thesis. 2 (2007).Condensed Matter and Complex Systems 73. W.. 11 [172] Walras. and Kahneman. and Grothmann. Journal of Artificial Societies and Social Simulation 10. A. NY. G. AGENTS ’98. Elements of Pure Economics: Or the Theory of Social Wealth. D. Elements of Pure Economics. D. and Jennings. [175] Wooldridge. Judgment under uncertainty: Heuris- tics and biases. [174] Windrum. pp. ACM. Gauthier-Villars. Informed trading. 2 [171] Volterra.Pantheone Sorbonne. R.. Hazewinkel.. 385–391. In Artificial Neural Networks — ICANN 2001. 51–57. reprinted by Routledge 2003. The European Physical Journal B . A reexamination of modern nance issues using Artificial Market Frameworks... 1874. I. Empirical validation of agent-based models: Alternatives and prospects. 1931. Or the Theory of Social Wealth. 2001. R. Gerace. Springer Berlin Heidelberg. Lecons sur la theorie mathematique de la lutte pour la vie. vol. Eds. Fagiolo. USA. Dorffner. [169] Vapnyarskii. 1 (January 2010). [177] Zimmermann. and K. R. N. BIBLIOGRAFIE [168] Tversky. [170] Veryzhenko. 8. Neuneier.. pp. 2130 of Lecture Notes in Computer Science. I..