Questa tesi applica la metodologia ad agenti per studiare i mercati (in particolare, l’asta doppia continua), da un punto di vista di valutazione della loro performance e di design delle regole che governano lo scambio.
Il primo capitolo studia gli effetti di diverse assunzioni comportamentali e del rilascio di informazione sull’outcome di mercato. Il rilascio di informazione non sembre è benefico; la direzione (migliorativa o meno) è determinata dall’effetto congiunto di valutazione dell’informazione ottenuta e comportamento seguito.
Il secondo capitolo studia l’asta doppia continua dal punto di vista dell’ingegneria di mercato: una regola di cancellazione a livello di protocollo (e non legata a scelta individuale) spesso utilizzata in letteratura viene modificata al fine di ottenere un miglioramento. Si mostra una regola di cancellazione che tenga conto della distanza delle offerte dal prezzo di equilibrio porta a risultati migliori di quelli ottenibili con regole di cancellazione meno selettive.
Il terzo capitolo propone un algoritmo genetico al fine di testare se il comportamento individuale imparato converge alle strategie di equilibrio derivate analiticamente nel paper di Foucault et al. (2005). Successivamente viene presentato un modello che rilassa l’iniziale assunzione che preclude la possibilità di cancellare un ordine. Lo scopo è studiare come il comportamento imparato varia al mutare di questa assunzione. Risultati ottenuti con e senza l’introduzione della possibilità di cancellazione vengono comparati.
This Thesis applied the agent-based methodology to the evaluation and the design of limit order market.
Chapter 1 studies the consequences of different behavioral assumptions about agents’ trading strategies and of pre-trade quote disclosure on market performance. Information disclosure is not always beneficial, depending on the trading behavior.
Chapter 2 studies the continuous double auction from the point of view of market engineering: we tweak a resampling rule often used for this exchange protocol and search for an improved design. We consider two families of resampling rules and obtain the following main result: a resampling rule based on a price band around the best quotes is superior.
Chapter 3 proposes and computationally applies a genetic algorithm to test if learned agents’ behavior converges to the same equilibrium strategy that is derived analytically in the paper by Foucault et al. (2005). As a second aim, we propose a model that relaxes one of the assumptions of that model: traders are allowed to cancel a placed order. We study how strategies are affected by the new rule. Results with and without cancellation are also compared.
