微软开源大模型MarS：直接模拟了整个金融市场

作者
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