微软开源大模型MarS:直接模拟了整个金融市场

MarS是一款由大型市场模型(LMM)驱动的尖端金融市场模拟引擎,该模型是一种生成式基础模型。MarS满足了生成现实、互动且可控的订单的需求。本文的主要目标是评估LMM在金融市场中的规模法则,评估MarS的真实性,平衡可控生成与市场影响,并展示MarS的潜在应用。
以下是MarS模拟引擎的核心组件、工作流程和潜在应用的高级概述图:
MarS整体框架:
🌍 环境(Env) 
Env是一个类似Gym的接口。
以下是使用Env和噪声Agent生成订单的示例:
agent = NoiseAgent(    symbol=symbol,    init_price=100000,    interval_seconds=1,    start_time=start_time,    end_time=end_time,)env = Env(exchange, description="Noise agent simulation")env.register_agent(agent)env.push_events(create_exchange_events(config))for observation in env.env():    action = observation.agent.get_action(observation)    env.step(action)
🔄 状态(States) 
状态是可供Agent使用的信息,会随着每条交易信息自动更新,包括订单、交易和订单簿快照,具体定义在trade_info.py中。
状态在Agent的生命周期内被共享,并且在支持延迟状态的环境中也采用零拷贝机制。
创建新状态非常简单。以下是一个包含所有交易的状态创建示例:

class TransState(State): def __init__(self) -> None: super().__init__() self.transactons: List[Transaction] = []
def on_trading(self, trade_info: TradeInfo): super().on_trading(trade_info) self.transactons.extend(trade_info.transactions)
def on_open(self, cancel_transactions: List[Transaction], lob_snapshot: LobSnapshot, match_trans: Optional[Transaction] = None): super().on_open(cancel_transactions=cancel_transactions, lob_snapshot=lob_snapshot, match_trans=match_trans) self.transactons.extend(cancel_transactions) if match_trans: self.transactons.append(match_trans)
def on_close(self, close_orderbook: Orderbook, lob_snapshot: LobSnapshot, match_trans: Optional[Transaction] = None): super().on_close(match_trans=match_trans, close_orderbook=close_orderbook, lob_snapshot=lob_snapshot) if match_trans: self.transactons.append(match_trans)
一旦定义并使用exchange.register_state(state)注册了新状态,它将在Agent被唤醒时可用。
到目前为止,已经定义了以下状态:
  • trans_state 包含所有交易。

  • trade_info_state 包含所有交易信息

🕹️ 示例:

使用噪声Agent运行模拟,可以运行run_simulation.py以获取完整的示例,进行带有噪声Agent的市场模拟。
python market_simulation/examples/run_simulation.py
可以看到由噪声Agent匹配订单生成的价格轨迹如下:

https://github.com/microsoft/MarS/MarS: a Financial Market Simulation Engine Powered by Generative Foundation Modelhttps://arxiv.org/abs/2409.07486

(文:PaperAgent)

发表评论

×

下载每时AI手机APP

 

和大家一起交流AI最新资讯!

立即前往