金融市場における最新情報技術：7. シミュレーションによる市場の売買制度設計 -制度設計の自動化-

全文

(1)特集金融市場における最新情報技術. シミュレーションによる市場の売買制度設計. 7. 基応専般. −制度設計の自動化−. 古幡征史 University of Southern California 制度設計の自動化への挑戦. ここで人工知能分野にて注目を集めている 2 つのユニークなチャレンジを紹介する．. 本稿ではシミュレーションによる市場の売買制度. • 効率的な市場制度を自動設計する手法の確立. 設計に関して，人工知能分野での最新研究を中心に. • ネットワーク化された多数の制度が影響を及ぼ. 紹介する．制度設計とは，ある社会的に望ましい状. し合う複雑な市場環境での制度設計. 態を実現するために制度上のルール（仕掛け）を作. 前者は売買制度を設計する際，どのように知性を. り上げることである．定義するルールは主に以下の. 制度に組み込むべきかという課題である．この課題. 2 点である．. をより具体的に理解するために金融市場での典型的. • 制度利用者の可能な行動や手順. な事例をベースに紹介する．標準的な金融市場では，. • 選択された行動に対する制度から出力する結果. 連続的なダブル・オークション方式（売り手と買い. への対応付けルール. 手の双方が価格を提示し，取り引きの成立は価格優. 新しい制度を実社会で実験するのは，多くの場合，. 先・時間優先の原則）が採用されている．しかし，. 費用面や安全面の観点から困難である．よって模擬. 取り引きの展開が一方的な状況になった場合（売り. 実験による制度設計が発達した．典型的な手順は，. 手／買い手が見つからない）の例外的なルールは市. アルバイトの大学生を教室に集め，教室内で開設さ. 場ごとに異なる．たとえばニューヨーク証券取引所. れた市場で取り引きを行い，得られた取引過程のデ. では，このような場合，円滑な売買が形成されるよ. ータから制度の性能を検証する．より近年では，情. うなマッチング業務の責務を負う．すなわち前者の. 報技術の進化に伴い，教室内の模擬実験はコンピュ. チャレンジは，このような複雑な意思決定を高速（標. ータ上の仮想空間で開設された市場（しばしば人工. 準的な市場の約定スピードである数ミリ秒単位）で. 1）. 市場と呼ばれる）で行われる．人工市場ではトレ. 自動化する方法へのチャレンジである．後者のチャ. ーダーはエージェント（コンピュータ・プログラム. レンジは，ネットワーク化された環境ならではの課. によって表現された個人的，社会的主体）として取. 題である．市場の売買状況は自市場の制度だけでな. り引きに関する情報の取得，意思決定，取引活動（市. く，ネットワークで結ばれた他市場の市場制度の影. 場選択，指値決定，発注タイミング決定など）を全. 響を直接受けるため，制度設計者は市場間の相互作. 自動で行う．人工市場に関するシミュレーション研. 用を考慮する必要がある．制度設計者は個々のトレ. 究は応用範囲が広い．たとえば，実社会で観測され. ーダーの意思決定理由を直接取得することができな. る特定現象をシミュレーションにより再現すること. いため，複雑な状況の組合せに対して高度な推論を. による因果関係の解明；市場の価格発見過程の分析；. 要する．さらに市場間の相互作用は高速に伝播され. 自動取引プログラムの設計などである．. るだけでなく，増幅されるケースもあり，適切な対. 情報処理 Vol.53 No.9 Sep. 2012. 927.

(2) 特集金融市場における最新情報技術. 応が必要となる．. することにより，制度の設計可能領域を明確にする．. 上述のチャレンジは Trading Agent Competition. • 受入政策：売り手や買い手から提示された注文. （通称 TAC，tradingagents.org）コミュニティにて. の受入可否のルールを定める．適切に注文が拒. 集中的に研究されており，以下では，このコミュニ. 否されることは，トレーダーにとって早期の価. ティでの制度設計研究を TAC シミュレータととも. 格発見につながる．・組合せ政策：注文間のマッチング手順（注文の. に紹介する．. ダブル・オークション市場ここで，金融市場で標準的に採用されている売買制度であるダブル・オークション方式を説明する．. 優先順位）を規定する．この組合せ政策は次に述べる約定政策のタイミングで実行される． • 約定政策：注文の売買を確定するタイミング（連続，定期など）を規定する．. 取引アイテムを売買するために売り手と買い手のト. • 価格政策：約定する際の約定価格の決定法を規. レーダーは，それぞれ指値注文（最大限譲歩できる. 定する．約定価格は，売り手と買い手の指値間. 価格）を市場に提示する．指値の条件を満たす注文. の数値である必要がある．. は市場によって相対され，取り引きを成立させる．. • 課金政策：トレーダーに対する課金方法を規定. する．マッチングや情報配信サービスが課金対象．. その際の価格を約定価格と呼ぶ．ダブル・オークション方式の下で，トレーダーの. 上記の政策のうち，受入・組合せ・約定・価格政. 意思決定要素を述べる．個々のトレーダーは取引品. 策は制度の内部的な政策であり，課金政策は外部的. 目に対し真の評価額を私的に有すると仮定する．注. なものである．ここで，制度の内部的な政策の関係. 文が約定されれば，この評価額と約定価格の差は利. を図 -1 に示す．売り手や買い手からの注文は制度. 得となる．したがってトレーダーの意思決定要素は，. の受入政策でフィルタにかけられ，組合せ政策でマ. 期待利得が最大となるような指値の決定方法とその. ッチングが行われる．このマッチングは約定政策で. 発注タイミングである．さらに，複数以上の市場が. 決められたタイミングで確定され，価格政策によっ. 存在する場合，市場選択が意思決定要素に加わる．. て約定価格が決定される．. ダブル・オークションの設計項目は多岐にわたる．. 制度を設計する上で，ダブル・オークションの. したがって，制度を機能単位に分解（政策と呼ぶ）. 理論的な基本特性を知ることは重要である．売り手と買い手を真の評価額順に並べると，図 -2 に示されるような評価額基準の価格表（pricing schedule）ができる．売り手と買い手の線が交差する点が理論均衡価格と数量（均衡点）である．均衡価格より高い約定価格であれば，売り手にとって有利であり，安い場合には買い手に有利となる．均衡価格から乖離した約定価格は，市場のインバランスとなり，取り引きの手控えとなる．均衡点で約定できる場合，市場参加者の総利得を最大化できる．しかし，評価額はトレーダーごとの私的情報であ. 図 -1 ダブル・オークションの内部的機能要素. 928 情報処理 Vol.53 No.9 Sep. 2012. 2）. るため，市場設計者には均衡点は得る.

(3) 7. シミュレーションによる市場の売買制度設計─制度設計の自動化─. ことのできない情報である．したがって，受け付けた注文の指値情報や約定価格に対する市場の反応を基準に均衡点を推定し，この点に近づけるための制度づくりが重要である．多数の市場がネットワーク化されている場合，市場ごとの局所的な均衡と全市場ベースでの均衡が存在する．不均衡な市場からのトレーダーのスイングは全市場ベースの均衡の推定を困難にする要素である．. TAC Market Design. 図 -2 評価額基準の価格表. TAC コミュニティの分科会の 1 つである Market Design（MD）は競合的な市場制度を自動的に設計. ■■ 取引エージェント. する競技会である．参加者は全自動のダブル・オー. TAC-MD で提供される取引エージェント. クション制度を設計し，その性能を自動取引エージ. は，汎用的な取り引きができるように設計されてい. ェントによる取引結果を用いて測定する．取引エー. る．技術的には，学習機能を搭載した全自動ロボッ. ジェントは多数の市場の選択肢がある状態なので，. トであり，市場ルールと取引エージェントの戦略の. 取引エージェントにとって魅力的な市場を設計する. 組合せによって生成される複雑な市場環境に動的に. 必要がある．. 対応する．その機能は以下に細分化される：. 4）～ 6）. ① 市場の選択 ■■ シミュレーション・モデル. ② 注文価格の決定. TAC-MD は，売買制度を設計するための JAVA ベ. ③ 発注タイミングの決定. ースのシミュレーション・プラットフォームを提供してい. ④ 注文数量の決定. 3）. る．シミュレーション・プラットフォームは，CAT サ. それぞれの機能は多くの学習パラメタが存在し，. ーバ（市場環境パラメタ管理，イベント管理，レポー. それらの組合せを変えることにより，多様な取引エ. ト機能，接続マネージャ）と CAT クライアント（取引. ージェントの活動を表現することができる．. エージェントとスペシャリストと呼ばれる市場売買制度）より構成される（図 -3）．数種類の自動取引エージェ. ■■ 売買制度の設計評価基準. ント，そして典型的な制度上の政策はシミュレータ. 制度を設計する際，最も重要な点は制度の設計評. 上で実装済みであるため，パラメタの設定でシミュ. 価基準の選定である．TAC-MD 競技会では以下の. レーションが簡単に実行できる．制度設計者は実装. 3 つの評価基準が用いられる．. 済みの政策を利用，あるいは新しい政策を開発することで，スペシャリストを設計する．取引アイテム. 1. 市場占有率（market share）：取引エージェントの市場への参加の占有率. はすべての市場で共通に扱われる．取引時間は離散. 2. 利益占有率（profit share）：市場の利益額占有率. 時間で表現され，4 つのレベル（ティック，ラウンド，. 3. 約定成功率（transaction success rate）：受け. 日，ゲーム）で構成される．すべての参加者は時計. 入れた注文の約定成功率. を共有し，取り引きは連続したラウンドごとに行わ. 市場設計者は課金による利益を上げつつ，マッチ. れる．細かなラウンドを設定することにより，連続. ングの効率性により取引エージェントを惹きつける. 的時間を表現する．いくつかのラウンドの集約であ. ような設計が求められる．上記以外に以下の評価基. る日は指値注文の有効期限である．. 準は頻繁に研究にて用いられる．. 情報処理 Vol.53 No.9 Sep. 2012. 929.

(4) 特集金融市場における最新情報技術. ックス解析）より構成される．ホワイト・ボックス解析は，機能レベルで政策の定義可能領域を規定する．図 -4 はダブル・オークションを Tree 構造で表現した機能要素である．その機能はノードとして表現され，M：組合せ機能，Q：注文残のソート法， A：受入機能，C：約定機能，P：価格機能，G：課金機能であり，それぞれの機能に対し，さらなるサブノードとして各政策とそのとり得るパラメタが表. 図 -3 CAT シミュレータの構造. 現されている．この構造はシステマティックな政策. 4. 配分効率性（allocation efficiency）：取引エージェントの取り引きによる総利得. 5. 価格収束係数（convergence coefficient）：均衡価格からの約定価格の分散. を可能にする．ホワイト・ボックス解析で規定された政策の組合せごとに 1 つの制度が構成され，多角的な制度間の性能比較の組合せ数は膨大なものとなる．この課題. 配分効率性は社会的厚生の尺度であり，価格収束. に対し，ブラック・ボックス解析は進化的計算をベ. 係数は約定価格の安定性（散らばり具合）を測定す. ースに，優れた売買制度を競争による淘汰の結果と. る尺度である．この 2 つの基準はエージェントの評. して効率的に探索する手法である．ホワイト・ボッ. 価額や均衡価格を利用して測定されるため，実証研. クス解析の結果を政策プールに入れ，そのプールか. 究からは取得不可能なデータであり，シミュレーシ. ら政策をランダムに選び制度を構成する．いくつか. ョン研究のメリットである．. の構成された制度を TAC シミュレータ上で競合させ，評価指標に基づき得られたシミュレーション結. ■■ 過去の競技会からの知見. 果を得る．淘汰の過程では，評価の優れた制度を残. 2007 ～ 2011 年の TAC-MD 競技会より得られた. し，それ以外の制度の政策の一部をランダムに入れ. 知見を述べる．好成績をあげた参加チームに共通す. 替え，さらに TAC シミュレータで競合させる．こ. る点は，市場環境の変化に政策を動的に対応させる. の一連の流れを繰り返し，優れた制度を機械的に選. 7）. 機能を持っていたことである．特に，市場の需給. 定する．自然淘汰の原則により勝ち残った制度は，. バランスに影響を与える取引エージェントの市場間. 競争力のある制度である．. のスイングに対し，学習機能で政策を自動的に適応. 金融市場への応用. させている．さらに興味深い結果は，相対的に最も効果的なスペシャリストへ取引エージェントが集中. 本稿で紹介した市場の売買制度の設計手法を実際. する現象である．より早い段階で多くの取引エージ. の金融市場に応用する際の優位性について述べる．. ェントに効果的な取り引きを成立させたスペシャリ. 現在の株式市場環境は世界レベルで取引所の統廃合. ストは，支配的なプレミアム・ポジションのメリッ. を繰り返し，代替執行市場の積極的な新規参入が見. ト（ほかの市場より高い課金でも取引エージェント. られ，産業構造は激変し続けていると言える．構造. を集める）を享受する．. 変化に伴い，今まで優れていた制度が有効でなくな. 売買制度の自動設計方法論. る場合もある．TAC-MD シミュレータは，ネット. 売買制度の自動設計手法の 1 つの例としてグレ 8）. ワーク化された市場間で及ぼし合う複雑な相互作用を考慮に入れた制度設計を容易にシミュレーション. を紹介する．この手法は 2 つの. できるため，産業構造の変化を詳細に分析すること. ステージ（ホワイト・ボックス解析とブラック・ボ. ができる．したがって，他市場の制度変更などに対. ー・ボックス法. 930 情報処理 Vol.53 No.9 Sep. 2012.

(5) 7. シミュレーションによる市場の売買制度設計─制度設計の自動化─. 図 -4 ダブル・オークションの探索範囲. 8）. する対応策の検討に役立つ．. ードの優位性と課金政策，約定サイクルの複雑な関. もう 1 つの優位性は，需給バランスの変化への動. 係を明確にする課題が残っている．その他の金融業. 的な対応である．米国株式市場では主要取引所の取. 界とのテクニカルな議論は，アルゴリズミック・ト. 引シェアは下降傾向にあり，ダークプール（匿名性. レーディング・カンファレンスの映像に残されてい. の高い価格発見機能のない売買制度）などの代替執. る（http://community.lmaxtrader.com/resource/. 行市場が隆盛をきわめている．代替執行市場の狙い. algorithmic-trading-conference-videos）．. は市場の需給バランスに不均衡をもたらすマーケット・インパクトの大きな大口取引である．このようなインバランスへの対応は TAC-MD で提案されているスペシャリストに考慮されており，学習アルゴリズムに基づき，動的に制度を自動適応させている．最後に，売買制度の設計に関する研究を実務への応用を考える上で，これまでの研究で見落とされがちな点について言及する．注文執行スピードやネットワーク・スピード（発注から売買システムまでの到達時間や情報の配信から到着までの時間）の売買制度へ与える影響が挙げられる．通常の研究では，これらのスピードは均一であることを前提にされているが，実際には不均一であり，インフラ投資競争は激しさを増している．異なるスピード・レベルに関する課金政策のあるべき姿は明確ではなく，そのためにはスピード競争の要因となる，注文の時間優先の原則との関係までさかのぼる必要がある．すなわち，インフラ投資，ネットワーク・スピ. 参考文献 1）和泉潔：人工市場市場分析の複雑系アプローチ，森北出版（2003）． 2） Furuhata, M., Perrussel, L., Thévenin, J. and Zhang, D. : Experimental Market Mechanism Design for Double Auction, LNCS5866, pp.1-10 (2009). 3） http://www.dcs.kcl.ac.uk/staff/mcburney/cat.html 4） Cliff, D. : Explorations in Evolutionary Design of Online Auction Market Mechanisms, Electronic Commerce Research and Applications, 2, pp.162–175 (2003). 5） Roth, A. and Erev, I. : Learning in Extensive-form Games, Experimental Data and Simple Dynamic Models in the Intermediate Term, Games and Economic Behavior, 8, pp.164–212 (1995). 6） Gjerstad, S. and Dickhaut, J. : Price Formation in Double Auctions. Games and Economic Behavior, 22, pp.1–29 (1998). 7） Niu, J., Cai, K., Parsons, S., McBurney, P. and Gerding, E. : What the 2007 TAC Market Design Game Tells Us about Effective Auction Mechanisms, Autonomous Agents and Multi-Agent Systems, 21(2), pp.172-203 (2010). 8） Niu, J., Cai, K., Parsons, S., Fasli, M. and Yao, X. : A Greybox Approach to Automated Mechanism Design, Electronic Commerce Research and Applications, 11(1), pp.24-35 (2012).. (2012 年 6 月 1 日受付）古幡征史 [email protected] Computer Science Department at University of Southern California. Postdoctoral Research Associate. Ph.D. in Computer Science.. 情報処理 Vol.53 No.9 Sep. 2012. 931.

(6)