Classifier System basierende SWARM Simulationen mit genetischen Algorithmen

Märkte und ihre Akteure formieren sich in der Praxis häufig 'chaotisch', was mit rationalem Verhalten und klassischen Annahmen der Wirtschaftswissenschaften nicht ausreichend erklärbar ist. Um solche Phänomene bei Finanzmärkten nachvollziehbar modellieren und darstel¬len zu können, geht die Forschung seit einiger Zeit neue Wege und nutzt moderne Techniken wie Computersimulationen. Vor diesem Hintergrund wurde ein agentenorientiertes Simulationsmodell, das Integrated Learning Jares Model (ILJM), auf der Softwareplattform SWARM entwickelt. Das ILJM basiert auf dem Modell von Jares, in welches die Kernelemente des Santa Fe Artificial Stock Market integriert wurden. Das ILJM nutzt ein Classifier-System, das originär aus dem Forschungsbereich der Künstlichen Intelligenz kommt. Die Methodik erlaubt es den Agenten, eine Analyse des Marktes vorzunehmen, und ermöglicht ihnen, verbunden mit Lerntechniken wie genetischen Algorithmen, eine Interaktion mit ihrer Umwelt einzugehen. Ein Schwerpunkt liegt dabei in der Weiterentwicklung von Classifier-Systemen, um so in Simulationen Effizienzsteigerungen zu erreichen und soziales Lernen zu berücksichtigen. Mit dem neu entwickelten Modell ILJM ist es möglich, die Efficient Market Hypothesis zu falsifizieren und stilisierte empirische Fakten realer Märkte abzubilden. Gleichzeitig bestätigt die Marktsimulation die Heterogeneous Market Hypothesis, bei der die Wechselwirkung heterogener Agenten als Ursache für das Verhalten realer Märkte gilt.