1111
人工市場シミュレーションを用いた
取引システムの高速化が
価格形成に与える影響の分析
スパークス・アセット・マネジメント 株式会社
株式会社 日本証券クリアリング機構
株式会社 大阪取引所IT推進室
東京大学大学院工学系研究科
科学技術振興機構 CREST
水田 孝信
則武 誉人
早川 聡
和泉 潔
JPXワーキング・ペーパー【要約版】
Vol. 9, 2015年3月31日
2
JPXワーキング・ペーパーは、株式会社日本取引所グループ及びそ
の子会社・関連会社(以下「日本取引所グループ等」という)の役職員
並びに外部研究者による調査・研究の成果を取りまとめたものであ
り、学会、研究機関、市場関係者他、関連する方々から幅広くコメン
トを頂戴することを意図しております。なお、掲載されているペー
パーの内容や意見は筆者ら個人に属し、日本取引所グループ等及
び筆者らが所属する組織の公式見解を示すものではありません。
3333
(1)はじめに
(2)人工市場モデル
(3)シミュレーション結果
(4)実際の市場との比較考察
(5)まとめと今後の課題
4444
(1)はじめに
(2)人工市場モデル
(3)シミュレーション結果
(4)実際の市場との比較考察
(5)まとめと今後の課題
5555
取引システムの高速化
どのくらいの高速化が適切か?どのくらいの高速化が適切か?
流動性を供給する投資家の注文量が増え、流動性が向上
市場の運営コストや取引参加者のシステムコストの増大
取引市場同士の競争、大口取引を行う投資家の要望により高速化
5
対立 良い
悪い
6666
純粋にレイテンシーの違いだけで市場の効率性が変化するか?
人工市場シミュレーション
6
あるとすればどのようなメカニズムなのか?
どれくらい速ければ十分速い取引システムなのか?
→ さまざまな要因が複雑:実証研究では困難→ さまざまな要因が複雑:実証研究では困難
→ ミクロプロセスの分析:実証研究では不可能→ ミクロプロセスの分析:実証研究では不可能
→ さまざまな要因が複雑:実証研究では困難
→ まだ一度も起きていないこと:実証研究ではできない
→ さまざまな要因が複雑:実証研究では困難
→ まだ一度も起きていないこと:実証研究ではできない
取引システムの高速化に必要な議論
7777
(1)はじめに
(2)人工市場モデル
(3)シミュレーション結果
(4)実際の市場との比較考察
(5)まとめと今後の課題
8888
レイテンシーのモデル
エージェント
(投資家)
エージェント
(投資家)
取引市場取引市場
注文注文 新しい
取引価格
新しい
取引価格
注文付け合せ・取引価格の更新注文付け合せ・取引価格の更新
ここだけ有限の時間
(レイテンシー)かかるとする
レイテンシーレイテンシー
注文の付け合せ処理にかかる時間や
データ転送時に発生する遅延
注文の付け合せ処理にかかる時間や
データ転送時に発生する遅延
取引システムの高速化で最も重要
δl / δo > 1δl / δo > 1
δl / δo ≪ 1δl / δo ≪ 1
注文を出す&価格更新
注文を出す&価格更新
真の価格
観測価格
レイテンシー
等間隔 = δl
注文間隔
指数乱数
平均=δo
乖離
ほとんどの場合エージェントは真の価格を知っている
しばしば、真の価格と観測価格が乖離する
9
10
● ザラバ ⇒ 現実的な市場メカニズムの実装
● エージェントモデルは簡素 ⇒ 恣意的な結果を避けるため
水田ら: ワーキング・ペーパー vol.2 (2013)と同じモデル
エージェント(投資家)モデル








t
jj
t
jhjt
f
j
i ji
t
je wrw
P
P
w
w
r ,3,,2,1
,
, log
1
ファンダメンタル テクニカル ノイズ
予想リターン
,i jw
戦略ウエイト
↑ エージェント
ごとに異なる
1000体のエージェント
一般的な市場の統計的性質を再現
マイクロ・ストラクチャーの性質も再現
レイテンシーは通常ミリ秒~秒単位といった、
マイクロ・ストラクチャーの時間スケール
レイテンシーは通常ミリ秒~秒単位といった、
マイクロ・ストラクチャーの時間スケール
11111111
(1)はじめに
(2)人工市場モデル
(3)シミュレーション結果
(4)実際の市場との比較考察
(5)まとめと今後の課題
121212
δl/δo>1:ボラティリティの上昇と尖度(ファットテール)の縮小
⇒非効率化?
δl/δo>1:ボラティリティの上昇と尖度(ファットテール)の縮小
⇒非効率化?
0
5
10
15
20
0.00%
0.01%
0.02%
0.03%
0.04%
0.05%
0.06%
0.001
0.002
0.005
0.01
0.02
0.05
0.1
0.2
0.5
1
2
5
10
尖度
ボラティリティ
δl / δo
ボラティリティと尖度(δr/δo=1)
ボラティリティ
尖度
δl/δo:レイテンシー(注文間隔で規格化)
δr/δo:リターンの計測期間(注文間隔で規格化)
δl/δo:レイテンシー(注文間隔で規格化)
δr/δo:リターンの計測期間(注文間隔で規格化)
131313
0
0.5
1
1.5
2
2.5
0.00%
0.02%
0.04%
0.06%
0.08%
0.10%
0.12%
0.001
0.002
0.005
0.01
0.02
0.05
0.1
0.2
0.5
1
2
5
10
尖度
ボラティリティ
δl / δo
ボラティリティと尖度(δr/δo=10)
ボラティリティ
尖度
δl/δo>1:ボラティリティはほぼ横ばい
尖度(ファットテール)が拡大 ⇒ 非効率化?
δl/δo>1:ボラティリティはほぼ横ばい
尖度(ファットテール)が拡大 ⇒ 非効率化?
リターンの計測期間に依存しない方法が必要
1414
推定ではない理想的な市場(非)効率性の定義が可能
市場非効率性
市場が完全に効率的なら、取引価格は常に
ファンダメンタル価格になるはずである
実際にファンダメンタル価格からの乖離で定義
↑ 実際の市場では用いることができない手法
人を用いた実験市場研究でしばしば用いられている
リターンの計測期間に依存しない
市場非効率性 =
市場価格 − ファンダメンタル価格 の平均
ファンダメンタル価格
151515
δl / δo > 1 :市場が非効率化
0.27%
0.28%
0.29%
0.30%
0.31%
0.32%
0.001
0.002
0.005
0.01
0.02
0.05
0.1
0.2
0.5
1
2
5
10
市場非効率性
δl / δo
市場非効率性
δl / δo = 0.5 あたりから市場の非効率化が始まっているδl / δo = 0.5 あたりから市場の非効率化が始まっている
161616
δl / δo > 1 : ビット・アスク・スプレッドが開いているδl / δo > 1 : ビット・アスク・スプレッドが開いている
0.135%
0.140%
0.145%
0.150%
0.001
0.002
0.005
0.01
0.02
0.05
0.1
0.2
0.5
1
2
5
10
スプレッド
δl / δo
ビット・アスク・スプレッド
171717
δl / δo > 1 : 約定率の上昇δl / δo > 1 : 約定率の上昇
32.0%
32.2%
32.4%
32.6%
32.8%
0.001
0.002
0.005
0.01
0.02
0.05
0.1
0.2
0.5
1
2
5
10
約定率
δl / δo
約定率
181818
ファンダメンタル価格付近で特に約定率が向上ファンダメンタル価格付近で特に約定率が向上
29.0%
29.5%
30.0%
30.5%
31.0%
31.5%
32.0%
32.5%
33.0%
9,940
9,950
9,960
9,970
9,980
9,990
10,000
10,010
10,020
10,030
10,040
10,050
10,060
約定率
真の価格
価格別約定率
ファンダメンタル価格=10,000
δl / δo = 0.001
δl / δo = 10
191919
観測価格 < 真の価格: 買いの成行が多い: プラスリターン予想
観測価格 > 真の価格: 売りの成行が多い: マイナスリターン予想
観測価格 < 真の価格: 買いの成行が多い: プラスリターン予想
観測価格 > 真の価格: 売りの成行が多い: マイナスリターン予想
δl /
δo
約定率
エージェント
平均予想リ
ターン合計
買いが
成行
売りが
指値
売りが
成行
買いが
指値
10
観測価格 < 真の価格 32.5% 28.9% 3.5% 0.28%
観測価格 > 真の価格 32.5% 3.6% 28.9% -0.27%
0.001 --- 31.2% 15.6% 15.6% 0.00%
不要な順張りの取引を行う不要な順張りの取引を行う
しかし,予想リターンの修正が遅れるしかし,予想リターンの修正が遅れる
観測価格 > 真の価格観測価格 < 真の価格
高い予想価格
⇒ 成行の買い注文
↑ もし真の価格を知って
いれば出なかった
高い予想価格
⇒ 成行の買い注文
↑ もし真の価格を知って
いれば出なかった
観測
価格
真の
価格
上昇傾向
予想
価格
(ファンダメンタル価格付近)
低い予想価格
⇒ 成行の売り注文
↑ もし真の価格を知って
いれば出なかった
低い予想価格
⇒ 成行の売り注文
↑ もし真の価格を知って
いれば出なかった
価格のトレンドが止まる価格のトレンドが止まる
21212121
価格のトレンドが止まる価格のトレンドが止まる
市場の非効率化
ビット・アスク・スプレッドの拡大ビット・アスク・スプレッドの拡大
21
レイテンシーが大きい(δl/δo>1)と市場が非効率になるメカニズム
約定率の増加約定率の増加
取引価格付近の指値注文が相対的に減少取引価格付近の指値注文が相対的に減少
しかし,予想リターンの修正が遅れるしかし,予想リターンの修正が遅れる
不要な順張りの取引を行う不要な順張りの取引を行う 特にファンダメンタル価格付近で
この効果が目立つ
特にファンダメンタル価格付近で
この効果が目立つ
レイテンシーが大きい
22222222
(1)はじめに
(2)人工市場モデル
(3)シミュレーション結果
(4)実際の市場との比較考察
(5)まとめと今後の課題
232323
分析1:宇野(2012) 金融財政事情より
分析2~6:本研究の分析
分析1:宇野(2012) 金融財政事情より
分析2~6:本研究の分析
分析
番号
分析期間 arrowhead
1日平均
銘柄平均
注文件数
計測時間
(分)
平均 δo (ms) =
計測時間 (ms) /
注文件数
応答時間
δl (ms)
δl / δo
1 2009年12月 稼動前 2,833 270 5,718 3,000 0.525
2 2010年8月2日~2011年11月18日
稼動後
14,621 355 1,457 4.5 0.003
3 2011年11月21日~2014年11月26日 28,974 385 797 4.5 0.006
4 2014年10月27日~2014年11月26日 66,044 385 350 4.5 0.013
5 2014年10月31日のみ 87,109 385 265 4.5 0.017
6 2014年11月4日のみ 114,027 385 203 4.5 0.022
arrowhead 前
慢性的に市場非効率化が起きていた可能性
arrowhead 後
シミュレーションで示唆されたメカニズムによる
市場非効率化は慢性的には起きていない
242424
0.000
0.005
0.010
0.015
0.020
0.025
10/27
10/28
10/29
10/30
10/31
11/4
11/5
11/6
11/7
11/10
11/11
11/12
11/13
11/14
11/17
11/18
11/19
11/20
11/21
11/25
11/26
δl/δo
月 / 日
δl/δo (1営業日ごと)
2014年10月27日~2014年11月26日
2014年10月31日の日本銀行追加緩和発表前後でも
示唆されたメカニズムでの市場非効率化は起きていない
2014年10月31日の日本銀行追加緩和発表前後でも
示唆されたメカニズムでの市場非効率化は起きていない
2525
25
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
δl/δo
δl/δo (1分ごと)
2014年10月31日~11月5日
10月31日 11月4日 11月5日
2014年10月31日13時44分:日本銀行追加緩和発表
その後数分間に注文が集中
1分以下の短い時間スケールでは市場非効率化否定できない
数分といった時間スケールでも市場非効率化していない数分といった時間スケールでも市場非効率化していない
今後の課題今後の課題
26262626
(1)はじめに
(2)人工市場モデル
(3)シミュレーション結果
(4)実際の市場との比較考察
(5)まとめと今後の課題
27272727
まとめ
・ レイテンシー(δl)と注文間隔(δo)の比(δl/δo)が重要
・ 十分に速い取引システムの条件: δl/δo << 1
・ 価格のトレンドが止まる ⇒ レイテンシーが大きい
⇒ 予想リターンの更新が遅れる ⇒ 不要な順張り
⇒ 約定率の上昇 ⇒ ビット・アスク・スプレッドの上昇
⇒ 市場の非効率化
・ arrowhead前: 慢性的な市場非効率化の可能性
・ arrowhead後: このメカニズムによる市場非効率化は
数分といった時間スケールでは起きてない
28282828
課題
・ 市場に大きな影響を与える情報がでた直後など
非常に短い特定の時間に注文が集中する場合
⇒ シミュレーションとデータの両方の分析が必要
↑ 一般投資家には影響少ない ⇔ HFTには重要である可能性
・ エージェントの種類を増やして議論
(例:マーケットメイカー戦略、アービトラージ戦略などのHFT)
2929292929
補足資料
3030
ザラバ
売り 価格 買い
84 101
176 100
99 2
98 77
指値注文と成行注文について 本研究での定義
実務上の定義と少し異なる
指値
成行成行 指値
成行成行
対当する売り注文あり
即座に注文成立
対当する売り注文あり
即座に注文成立
対当する売り注文なし
即座には注文成立せず
対当する売り注文なし
即座には注文成立せず
買い買い売り売り
注文価格を指定した結果、
対当する注文があれば成行、なければ指値
注文価格を指定した結果、
対当する注文があれば成行、なければ指値
各エージェントは必ず価格を指定

More Related Content

PDF
Summary jpx wp_en_no9
PDF
20110122 sigfin06 so
PDF
20101031 思想哲学研究会 福沢諭吉
PDF
201008 comken mizuta
PDF
Jafee2013s
PDF
20151007 金融の役割と 機関投資家の株式投資実務
PDF
JSAI2013
PDF
Price Variation Limits and Financial Market Bubbles: Artificial Market Simula...
Summary jpx wp_en_no9
20110122 sigfin06 so
20101031 思想哲学研究会 福沢諭吉
201008 comken mizuta
Jafee2013s
20151007 金融の役割と 機関投資家の株式投資実務
JSAI2013
Price Variation Limits and Financial Market Bubbles: Artificial Market Simula...

Viewers also liked (10)

PDF
ARCHモデルのミクロ的基礎付けの試み
PDF
Summary jpx wp_no8
PDF
発表資料レヴィナス 20110827
PDF
人工市場シミュレーションを用いた金融規制・制度の研究の動向 第20回進化経済学会発表資料 スパークス・アセット・マネジメント株式会社 水田孝信
PDF
Do Dark Pools Stabilize Markets and Reduce Market Impacts? -- Investigations ...
PDF
その会社はいくらなのか? スパークス・アセット・マネジメント水田孝信
PDF
金融ビッグデータと人工知能技術III 人工市場による市場制度の設計: 東京大学公共政策大学院 集中講義 「経済物理学」 第7回(2016/8/5)
PDF
金融ビッグデータと人工知能技術III 人工市場による市場制度の設計 2015
PDF
東京大学工学部 金融市場の数理と情報 第5回(2016/10/26) 人工市場を用いた金融市場の制度・規制の設計 スパークス・アセット・マネジメント株式会...
PDF
水田孝信:博士論文審査会発表資料2014年8月6日:人工市場シミュレーションを用いた金融市場の規制・制度の分析
ARCHモデルのミクロ的基礎付けの試み
Summary jpx wp_no8
発表資料レヴィナス 20110827
人工市場シミュレーションを用いた金融規制・制度の研究の動向 第20回進化経済学会発表資料 スパークス・アセット・マネジメント株式会社 水田孝信
Do Dark Pools Stabilize Markets and Reduce Market Impacts? -- Investigations ...
その会社はいくらなのか? スパークス・アセット・マネジメント水田孝信
金融ビッグデータと人工知能技術III 人工市場による市場制度の設計: 東京大学公共政策大学院 集中講義 「経済物理学」 第7回(2016/8/5)
金融ビッグデータと人工知能技術III 人工市場による市場制度の設計 2015
東京大学工学部 金融市場の数理と情報 第5回(2016/10/26) 人工市場を用いた金融市場の制度・規制の設計 スパークス・アセット・マネジメント株式会...
水田孝信:博士論文審査会発表資料2014年8月6日:人工市場シミュレーションを用いた金融市場の規制・制度の分析
Ad

Similar to Summary jpx wp_no9 (20)

PDF
新しい株式投資戦略は既存の戦略からリターンを奪うのか? ―人工市場によるシミュレーション分析―
PDF
FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論
PDF
Chapter 13 Artificial Intelligence (AI) for Financial Markets: A Good AI for ...
PDF
Finance02
PDF
2017/7/20 マーケットマイクロストラクチャーの分析におけるAI:その効用と限界 人工市場を用いた金融市場の制度・規制の議論 スパークス・アセット・...
PDF
20171014x
PDF
2017072829x 売買が少ないにもかかわらず なぜ長期投資は市場を効率的にするのか? ---人工市場によるシミュレーション分析--- 水田 孝信 ...
PDF
20110421
PDF
2017年10月14日 第19回 人工知能学会 金融情報学研究会(SIG-FIN) 忍耐強い(Patient)アクティブ投資は 市場を効率的にするのか? ...
PDF
中央大学経済研究所 経済政策研究部会 公開研究会 (2017/6/14)人工市場を用いた 金融市場の制度・規制の議論
PDF
金融・経済分野におけるマルチエージェントシステム ~ 簡単なレビュー ~
PDF
人工市場シミュレーションを用いたアクティブ投資による市場効率化の分析 水田 孝信:スパークス・アセット・マネジメント株式会社 堀江 貞之:大阪経済大学大学院
PDF
経済物理学 第12回(2014/7/25) 金融ビッグデータと人工知能 III 人工市場による市場制度の設計
PPT
Dynamic+arms+fx100114
PDF
20110221
PDF
東京大学公共政策大学院 経済物理学 第9回(2017/8/4)
PDF
人工市場による市場制度の設計
PDF
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
PDF
人工市場シミュレーションを用いたバッチオークションの分析
PDF
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
新しい株式投資戦略は既存の戦略からリターンを奪うのか? ―人工市場によるシミュレーション分析―
FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論
Chapter 13 Artificial Intelligence (AI) for Financial Markets: A Good AI for ...
Finance02
2017/7/20 マーケットマイクロストラクチャーの分析におけるAI:その効用と限界 人工市場を用いた金融市場の制度・規制の議論 スパークス・アセット・...
20171014x
2017072829x 売買が少ないにもかかわらず なぜ長期投資は市場を効率的にするのか? ---人工市場によるシミュレーション分析--- 水田 孝信 ...
20110421
2017年10月14日 第19回 人工知能学会 金融情報学研究会(SIG-FIN) 忍耐強い(Patient)アクティブ投資は 市場を効率的にするのか? ...
中央大学経済研究所 経済政策研究部会 公開研究会 (2017/6/14)人工市場を用いた 金融市場の制度・規制の議論
金融・経済分野におけるマルチエージェントシステム ~ 簡単なレビュー ~
人工市場シミュレーションを用いたアクティブ投資による市場効率化の分析 水田 孝信:スパークス・アセット・マネジメント株式会社 堀江 貞之:大阪経済大学大学院
経済物理学 第12回(2014/7/25) 金融ビッグデータと人工知能 III 人工市場による市場制度の設計
Dynamic+arms+fx100114
20110221
東京大学公共政策大学院 経済物理学 第9回(2017/8/4)
人工市場による市場制度の設計
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
人工市場シミュレーションを用いたバッチオークションの分析
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
Ad

More from Takanobu Mizuta (20)

PDF
人工知能の可能性と限界 ーこの5年間の発展ー
PDF
人工市場による市場制度の設計
PDF
人工市場シミュレーションによる 値幅制限とサーキットブレイカーの効果比較
PDF
金融業界における人工知能、高速取引、人工市場による市場制度の設計
PPTX
日本CFA協会アドボカシーウェビナー 資産運用業界における人工知能
PDF
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
PDF
人工市場による市場制度の設計
PDF
人工市場による市場制度の設計
PDF
2022CIFEr
PDF
L'intelligence artificielle utilisée sur les marchés financiers
PDF
Artificial Intelligence Used in Financial Markets
PDF
Zoom上にタイマーを表示させる
PDF
金融業界における人工知能 2022/1/17
PDF
株式の高速取引と取引所の高速化
PDF
人工市場による市場制度の設計
PDF
What is a Hight-Speed Trade? Why does a Stock Exchange Speed-Up?
PDF
人工知能が相場操縦を勝手に行う可能性の検討 --遺伝的アルゴリズムが人工市場で学習する場合--
PDF
金融業界における人工知能
PDF
株式の高速取引と取引所の高速化
PDF
How Many Orders does a Spoofer Need? - Investigation by Agent-Based Model -
人工知能の可能性と限界 ーこの5年間の発展ー
人工市場による市場制度の設計
人工市場シミュレーションによる 値幅制限とサーキットブレイカーの効果比較
金融業界における人工知能、高速取引、人工市場による市場制度の設計
日本CFA協会アドボカシーウェビナー 資産運用業界における人工知能
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
人工市場による市場制度の設計
人工市場による市場制度の設計
2022CIFEr
L'intelligence artificielle utilisée sur les marchés financiers
Artificial Intelligence Used in Financial Markets
Zoom上にタイマーを表示させる
金融業界における人工知能 2022/1/17
株式の高速取引と取引所の高速化
人工市場による市場制度の設計
What is a Hight-Speed Trade? Why does a Stock Exchange Speed-Up?
人工知能が相場操縦を勝手に行う可能性の検討 --遺伝的アルゴリズムが人工市場で学習する場合--
金融業界における人工知能
株式の高速取引と取引所の高速化
How Many Orders does a Spoofer Need? - Investigation by Agent-Based Model -

Summary jpx wp_no9