Skip to main content
  • 973 Accesses

Auszug

Bevor auf die inhaltliche Ausgestaltung des Frameworks eingegangen wird, erscheint es sinnvoll, zunächst das intendierte Vorgehen bei der Entwicklung dieses Frameworks darzustellen. Dazu kann eine kritische Betrachtung der verschiedenen Methodologien zu Analyse und Design, die in Abschnitt 4.1.3.2 dargestellt wurden, einen wertvollen Beitrag liefern.1 Die Methodologien werden in diesem Abschnitt insbesondere unter dem Aspekt analysiert, inwiefern sie einen Mehrwert für die Entwicklung des Frameworks in dieser Arbeit beisteuern können. Der Fokus liegt dabei auf dem Fakt, dass kein klassisches Anwendungssystem entwickelt wird, für das diese Methodologien originär gedacht sind, sondern ein Framework, das dem Forscher ein Instrumentarium liefert, mit dem er verschiedene Aspekte eines Finanzmarktes simulieren und analysieren kann.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 69.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 89.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Zu ausführlichen Darstellungen sowie Bewertung und Vergleich dieser Methodologien vgl. etwa Weiß und Jakob (2005) sowie Bergenti et al. (Hrsg.) (2004).

    Google Scholar 

  2. Vgl. dazu auch Bauer und Odell (2005), S. 141.

    Google Scholar 

  3. Vgl. etwa Balzert (2005b), S. 52; Balzert (2005a); Oestereich (2006a); Oestereich (2006b) sowie Balzert (2000).

    Google Scholar 

  4. Einen Versuch unternehmen etwa Boer, Kaymak und de Bruin (2005b), die zwar eine systematische Herangehensweise wählen, jedoch letztlich unter den gleichen Kritikpunkten, die bereits genannt wurden, leiden. Insbesondere erfolgt keine Operationalisierung der Erkenntnisse.

    Google Scholar 

  5. Vgl. zu den folgenden Ausführungen etwa Harris (2003), S. 32ff.; Tesfatsion (2006b); Picot et al. (1996), S. 13ff.; Boer, de Bruin und Kaymak (2005a), S. 6f.; Boer et al. (2005b), S. 6 sowie die Ausführungen in Abschnitt 3.1.1.2.3.2.

    Google Scholar 

  6. Diese, inhaltlich meist ähnliche, Unterteilung findet sich in der Literatur unter Verwendung unterschiedlicher Nomenklaturen. So bezeichnet etwa Harris (2003), S. 32, diese Klassen als die ‘Buy Side’ und die’ sell Side’ des Marktes. Picot et al. (1996), S. 14, verwenden die Termini Investoren und preisfeststellende Personen; aufgrund der speziellen Ausrichtung ihrer Arbeit nennen sie als dritte Klasse die Betreiber der Handelsplattform, die in dieser Arbeit jedoch nicht betrachtet werden.

    Google Scholar 

  7. Vgl. etwa Boer et al. (2005a), S. 6.

    Google Scholar 

  8. Harris (2003), S. 34, bezeichnet Broker, die zusätzlich auf eigene Rechnung handeln, als ‘Broker-Dealer’.

    Google Scholar 

  9. Vgl. etwa Boer et al. (2005a), S. 7.

    Google Scholar 

  10. Vgl. zu den folgenden Ausführungen etwa Tesfatsion (2006b); Harris (2003); Boer et al. (2005a); Boer et al. (2005b); Picot et al. (1996); U.S. Securities and Exchange Commission (2004) sowie Gomber (2000).

    Google Scholar 

  11. Vgl. Boer et al. (2005a), S. 14ff.

    Google Scholar 

  12. Boer et al. (2005a), S. 15.

    Google Scholar 

  13. Vgl. etwa LeBaron (2006a), S. 1194–1198; Boer et al. (2005a) sowie LeBaron (2001a).

    Google Scholar 

  14. Vgl. LeBaron (2001a).

    Google Scholar 

  15. Vgl. LeBaron (2006a).

    Google Scholar 

  16. Eine Ausnahme bilden Boer et al. (2005a).

    Google Scholar 

  17. Im Gegensatz dazu wird unter dem Stichwort ‘Time’ in der relevanten Literatur oft auch die Modellierung der Gedächtnislänge der Agenten subsummiert; vgl. etwa LeBaron (2001a), S. 258f.

    Google Scholar 

  18. Vgl. etwa Steiner und Bruns (2002), S. 135 und S. 205.

    Google Scholar 

  19. Das Microscopic Dynamical Model von Daniels, Farmer, Iori und Smith (2003); Daniels, Farmer, Iori und Smith (2002) sowie Smith, Farmer, Gillemot und Krishnamurthy (2002).

    Google Scholar 

  20. Das Adaptive Belief System von Brock und Hommes (1998) sowie Hommes (2001).

    Google Scholar 

  21. Vgl. Raberto et al. (2001) sowie Cincotti, Focardi, Marchesi und Raberto (2003)

    Google Scholar 

  22. Vgl. auch Matassini und Franci (2001).

    Google Scholar 

  23. Der SantaFe Artificial Stock Market; vgl. LeBaron (2006b).

    Google Scholar 

  24. Madhavan (2000), S. 209.

    Google Scholar 

  25. Vgl. etwa Erler (2001), S. 174ff.

    Google Scholar 

  26. Das Microscopic Dynamical Model von Daniels et al. (2003); Daniels et al. (2002) sowie Smith et al. (2002).

    Google Scholar 

  27. Das Adaptive Belief System von Brock und Hommes (1998) sowie Hommes (2001).

    Google Scholar 

  28. Vgl. Raberto et al. (2001) sowie Cincotti et al. (2003).

    Google Scholar 

  29. Vgl. auch Matassini und Franci (2001).

    Google Scholar 

  30. Der SantaFe Artificial Stock Market; vgl. LeBaron (2006b).

    Google Scholar 

  31. Vgl. etwa Harris (2003), S. 109f.; Domowitz (1993), S. 35ff.; Gomber (2000), S. 19 sowie Picot et al. (1996), S. 56.

    Google Scholar 

  32. Das Microscopic Dynamical Model von Daniels et al. (2003); Daniels et al. (2002) sowie Smith et al. (2002).

    Google Scholar 

  33. Das Adaptive Belief System von Brock und Hommes (1998) sowie Hommes (2001).

    Google Scholar 

  34. Vgl. Raberto et al. (2001) sowie Cincotti et al. (2003)

    Google Scholar 

  35. Vgl. auch Matassini und Franci (2001).

    Google Scholar 

  36. Der SantaFe Artificial Stock Market; vgl. LeBaron (2006b).

    Google Scholar 

  37. Das Microscopic Dynamical Model von Daniels et al. (2003); Daniels et al. (2002) sowie Smith et al. (2002).

    Google Scholar 

  38. Das Adaptive Belief System von Brock und Hommes (1998) sowie Hommes (2001).

    Google Scholar 

  39. Vgl. Raberto et al. (2001) sowie Cincotti et al. (2003)

    Google Scholar 

  40. Vgl. auch Matassini und Franci (2001).

    Google Scholar 

  41. Der SantaFe Artificial Stock Market; vgl. LeBaron (2006b).

    Google Scholar 

  42. Vgl. zu dieser Nomenklatur etwa Balzert (2005b), S. 30.

    Google Scholar 

  43. Vgl. zu den folgenden Ausführungen etwa Steiner und Bruns (2002), S. 227–312 sowie die Ausführungen in Kapitel 3 dieser Arbeit und die dort zitierte Literatur. Für einen Überblick über Fundamentalanalyse und technische Analyse vgl. Roßbach (1998), S. 237ff.

    Google Scholar 

  44. Vgl. zur Nomenklatur Steiner und Bruns (2002), Kapitel 4.

    Google Scholar 

  45. Vgl. Steiner und Bruns (2002), S. 227.

    Google Scholar 

  46. Zu diesen Indikatoren gehören etwa die Folgenden: Accumulation/Distribution Line, Bollinger Bands, Chaikin Oscillator, Chaikin’s Volatility Commodity Channel Index (CCI), Coppock Indikator, Directional Movement Indikator (DMI), Elder Ray Envelopes (ENV), Force Index, Gleitender Durchschnitt (GD), MASS Index, Momentum Money Flow Index (MFI), Moving Average Convergence Divergence Indikator (MACD), Negative Volume Index (NVI), Notis %V, On-Balance Volume (OBV), Overbought/Oversold (OBOS), Parabolic SAR (PSAR), Positive Volume Index (PVI), Price Oscillator, Pring’s KST, Rate of Change (ROC), Relative Stärke Index (RSI), Relative Stärke nach L (RSL), Relative Volatility Index (RVI), Smoothed Rate of Change (SROC), Stochastik Indikator, Time Series Forecast (TSF), Trend-Bestätigungs-Indikator (TBI), Trix, True Strength Index (TSI), Ultimate Oscillator, Vertical Horizontal Filter (VHF), Volumen Oszillator, Volumen Price Trend (VPT), Wilder’s Volatility, Williams’ %R, Williams’ Accumulation Distribution (WAD) sowie Williams’ Variable Accumulation Distribution (WVAD); vgl. etwa Market Maker (2006).

    Google Scholar 

  47. Steiner und Bruns (2002), S. 289.

    Google Scholar 

  48. Steiner und Bruns (2002), S. 295.

    Google Scholar 

  49. Vgl. Gierl et al. (2001), S. 560.

    Google Scholar 

  50. Vgl. Fischer (2004a), S. 139, Fußnote 5.

    Google Scholar 

  51. Vgl. Fischer (2004a), S. 139, Fußnote 5 sowie Eisenführ und Weber (2003), S. 376ff.

    Google Scholar 

  52. Vgl. etwa Weber (1993) sowie Oehler (1995), S. 322, der diese These durch eine umfangreiche Analyse stützt.

    Google Scholar 

  53. Vgl. Shefrin und Statman (1985).

    Google Scholar 

  54. Vgl. dazu etwa Tversky und Kahneman (1992); Fischer (2004a), S. 135; Langer und Weber (2001), S. 719 sowie Glaser (2001), S. 177.

    Google Scholar 

  55. Vgl. zu dieser Kritik ausführlich Felten (2001), S. 109f.

    Google Scholar 

  56. von Nitzsch (1998b), S. 629.

    Google Scholar 

  57. Vgl. zu der nachfolgend dargestellten Operationalisierung insbesondere von Nitzsch (1998b), S. 629f. Eine sehr ähnliche funktionale Form wählen auch Currim und Sarin (1989), S. 27f.

    Google Scholar 

  58. Vgl. etwa Gierl et al. (2001), S. 578; von Nitzsch (1998b), S. 629; Kahneman et al. (1990), S. 1327 sowie Tversky und Kahneman (1991), S. 1053f.

    Google Scholar 

  59. Vgl. von Nitzsch (1998b), S. 630.

    Google Scholar 

  60. Zu einer ausführlichen Herleitung vgl. etwa von Nitzsch (1998a), S. 117f.

    Google Scholar 

  61. Tesfatsion (2006a), S. 845.

    Google Scholar 

  62. Vgl. dazu etwa Franke, Härdle und Hafner (2004), Abschnitt 12.2 sowie Lux und Marchesi (1999).

    Google Scholar 

  63. Da für x nahe Null eine Approximation erster Ordnung ausreichend ist, d.h. ln (1 + x) ≈ x, kann als Faustregel gelten, „dass bei Renditen unter 10% es keinen großen Unterschied macht, ob man einfache oder log Renditen untersucht. Dies ist vor allem dann der Fall, wenn man Finanzzeitreihen von hoher Frequenz untersucht“; Franke et al. (2004), Bemerkung zu Definition 12.15.

    Google Scholar 

  64. Vgl. etwa Cont (2007), S. 289f.; Hommes (2006), S. 1151 und S. 1157f.; Klein (2006), S. 20ff.; Pagan (1996); Boitout und Delahaut (2002); Hommes (2002); Cont (2001); Guillaume, Dacorogna, Davé, Müller, Olsen und Pictet (1997); Ding, Granger und Engle (1983); Mandelbrot (2001a); Mandelbrot (2001b); Farmer (1999); Mantegna und Stanley (2000); Bouchaud (2001) sowie die bereits zitierte Literatur.

    Google Scholar 

  65. Ausnahmen bilden etwa Intraday-Daten mit einem Timelag von ca. 20 Minuten, falls Mikrostruktureffekte eine Rolle spielen; vgl. Cont (2007), S. 290.

    Google Scholar 

  66. LeBaron (2006a), S. 1213.

    Google Scholar 

  67. Vgl. etwa Cutler, Poterba und Summers (1989).

    Google Scholar 

  68. LeBaron (2001d) vertritt sogar die Hypothese, dass es sich dabei um einen ‘fractionally integrated stochastic process’ handelt. Vgl. zu einem Beispiel für einen ‘fractionally integrated volatility process’ etwa Baillie, Bollerslev und Mikkelsen (1996).

    Google Scholar 

  69. Vgl. dazu bereits Mandelbrot (1963) sowie Hassler (2003). In der Ökonometrie werden insbesondere die auf Engle (1982) zurückgehenden (G)ARCH-Modelle zur Beschreibung dieses Phänomens genutzt.

    Google Scholar 

  70. Franke et al. (2004), Abschnitt 12.2.

    Google Scholar 

  71. Hommes (2006), S. 1151.

    Google Scholar 

  72. Am Beispiel der täglichen deutschen Aktienrenditen von 1974 bis 1996 zeigen etwa Franke et al. (2004), dass diese zwischen 6,1 für Thyssen und 32,4 für Allianz schwankt, und lehnen die Normalverteilungshypothese aufgrund des Test von Bera und Jarque deutlich ab. Die Schiefe, d.h. das dritte zentrale Moment, liegt meist nahe bei Null.

    Google Scholar 

  73. Vgl. etwa Embrechts, Klüppelberg und Mikosch (1997); Newman (2005); sowie Rachev, Menn und Fabozzi (2005).

    Google Scholar 

  74. Dies zeigen etwa Cutler et al. (1989).

    Google Scholar 

  75. Vgl. etwa Embrechts (2002).

    Google Scholar 

  76. Vgl. etwa Lobato und Velasco (2000).

    Google Scholar 

  77. Vgl. etwa Franke et al. (2004), S. 142 und S. 185f.

    Google Scholar 

  78. Vgl. Rinne und Specht (2002), S. 388.

    Google Scholar 

  79. Vgl. etwa Ruppert (2004), S. 112 sowie Rinne und Specht (2002), S. 388.

    Google Scholar 

  80. Zur Vereinfachung der Darstellung wird in dieser Arbeit lediglich auf autoregressive Prozesse erster Ordnung abgestellt. Weitere Ansätze, die eher auf die Analyse einzelner Zeitreihen ausgerichtet sind, stellen etwa die Betrachtung von Differenzen des Kursniveaus zum langfristigen Mittel bei Reverre (2001), S. 476, das Varianzratio nach Poterba und Summers (1988) oder Methoden, die auf GARCH-Modellen basieren, dar; vgl. dazu auch Hassler (2003).

    Google Scholar 

  81. Vgl. etwa Franke et al. (2004), Beispiel 12.1. Siehe dazu auch Hamilton (1994), S. 53 sowie Rinne und Specht (2002), S. 163.

    Google Scholar 

  82. Vgl. etwa Bleymüller, Gehlert und Gülicher (1998), S. 144f. sowie Stahel (2000), S. 286. Der Wert ν gibt dabei die Freiheitsgrade der Koeffizienten an, d.h. hier ν = 2, da zwei Parameter geschätzt werden. Der Wert n gibt die Anzahl der involvierten Datenpunkte wieder.

    Google Scholar 

  83. Vgl. etwa Bellgardt (1999), S. 127f. und S. 260.

    Google Scholar 

  84. Vgl. dazu auch Franke et al. (2004), Abschnitt 12.6.

    Google Scholar 

  85. Vgl. Kwiatkowski, Phillips, Schmidt und Shin (1992).

    Google Scholar 

  86. RePast (2007a).

    Google Scholar 

  87. Vgl. zu RePast etwa RePast (2007a); North et al. (2006); Tatara, North, Howe, Collier und Vos (2006); North, Howe, Collier und Vos (2005); Collier, Howe und North (2003) sowie Collier (2001). Beispiele für die Anwendung von RePast finden sich etwa bei North und Macal (2005); North et al. (2006), S. 7f.; Sabelli und Kovacevic (2006); Athale, Mansury und Deisboeck (2005); Athale und Deisboeck (2006); Emonet, Macal, North, Wickersham und Cluzel (2005); Galan und Izquierdo (2005); McIndoe (2005); Robertson (2003) sowie Ehrentreich (2002). Einführungen bzw. Tutorials zu RePast finden sich etwa bei Repast (2007b); Tesfatsion (2007d); Murphy (2007a); Murphy (2007b) sowie Densmore (2007). Gute zum Teil grafische Ergänzungen zu dem hervorragenden Tutorial von Murphy (2007b) geben für die Schritte 1 bis 3 Schenk (2004); für die Schritte 4 bis 9 Sun (2004b); für die Schritte 10 bis 18 Gieseler (2004b) sowie für die Schritte 19 bis 24 Sun (2004a). Anleitungen zur Integration von RePast in Eclipse finden sich etwa bei Robinson (2004); Robinson (2007); Gieseler (2004c) sowie Gieseler (2004a).

    Google Scholar 

  88. Vgl. zu weiteren vergleichenden Analysen von Entwicklungsumgebungen etwa Serenko und Detlor (2002) sowie Gilbert und Bankes (2002).

    Google Scholar 

  89. Vgl. ähnlich bereits Najlis, Janssen und Parker (2001).

    Google Scholar 

  90. Castle und Crooks (2006), S. 24.

    Google Scholar 

  91. Castle und Crooks (2006), S. 24.

    Google Scholar 

  92. Vgl. dazu auch Rixon, Moglia und Burn (2005).

    Google Scholar 

  93. Vgl. etwa Crooks (2006); Castle (2006) sowie Vos (2005).

    Google Scholar 

  94. Tobias und Hofmann (2004), Abschnitt 5.29.

    Google Scholar 

  95. Railsbeck et al. (2006), Abschnitt 4.1.

    Google Scholar 

  96. Vgl. Axelrod und Tesfatsion (2006), S. 1659.

    Google Scholar 

  97. Vgl. Weiß und Jakob (2005), S. 16.

    Google Scholar 

  98. Vgl. Tesfatsion (2007b).

    Google Scholar 

  99. Vgl. Tesfatsion (2007d).

    Google Scholar 

  100. Samuelson und Macal (2006), S. 36.

    Google Scholar 

  101. Repast (2007b), Kapitel ‘How to Build a Repast Model-2’, Abschnitt ‘Repast Template Methods’.

    Google Scholar 

  102. Murphy (2007b), Abschnitt ‘The SimModel Object’ erklärt dies am Beispiel der Variablen ‘num-Agents’, die in seinem Beispiel die Anzahl der Agenten in der Simulation darstellt: „Capitalization is tricky because the variable is ‘numAgents’ but the ‘get’ and’ set’ methods (die in Bereich F erstellt werden; Anm. d. Autors) become getNumAgents (capital N) and setNumAgents. The string that tells RePast that the method can be used is thus ‘NumAgents’ because RePast will look (automatically) for methods named ‘get’ + the string and’ set’ + the string, hence ‘getNumAgents’ and’ setNumAgents’“.

    Google Scholar 

  103. Vgl. dazu auch die Ausführungen auf S. 273 dieser Arbeit und Steiner und Bruns (2002), S. 140ff. sowie Steiner und Uhlir (2001), S. 7ff.

    Google Scholar 

  104. Da \( \sum\nolimits_{s = 1}^\infty {\tfrac{{\bar d}} {{(1 + r_Y )^s }} = \tfrac{{\bar d}} {{r_Y }}} \); vgl. Perridon und Steiner (2002), S. 224.

    Google Scholar 

  105. Die statistischen Berechnungen wurden überwiegend mit der Software STATISTICA durchgeführt; vgl. StatSoft (2007) sowie Weiß (2006).

    Google Scholar 

  106. Viele Finanzmarktsimulationen fokussieren auf eine dieser Komponenten. Vgl. dazu auch die Kritik von LeBaron (2006a), S. 1211: „In (...) case the agent-based model itself is less important than the replication of various empirical results from financial market time series.“

    Google Scholar 

Download references

Rights and permissions

Reprints and permissions

Copyright information

© 2007 Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden

About this chapter

Cite this chapter

(2007). Entwicklung des Frameworks. In: Finanzmarktsimulation mit Multiagentensystemen. Gabler. https://doi.org/10.1007/978-3-8350-5513-1_5

Download citation

Publish with us

Policies and ethics