1. Γ Ο Ύ Τ Α Σ Ι Ω Ά Ν Ν Η Σ
Α Ε Μ : 6 3 4 6
Υ Π Ό Τ Η Ν Ε Π Ί Β Λ Ε Ψ Η Τ Ο Υ Ε Π Ί Κ Ο Υ Ρ Ο Υ Κ Α Θ Η Γ Η Τ Ή Α Ν Δ Ρ Έ Α
Σ Υ Μ Ε Ω Ν Ί Δ Η

2. ΔΙΑΡΘΡΩΣΗ ΠΑΡΟΥΣΙΑΣΗΣ
1. Agent-based Computational Economics
2. Στόχοι της διπλωματικής
3. Δομή των πρακτόρων και αρχιτεκτονική του FinanceCity
1. Πειράματα
1. Συμπεράσματα και μελλοντική εργασία
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 2

3. Agent-based Computational Economics
 Εξετάζει την Οικονομία ως Δυναμικό σύστημα στο οποίο οι πράκτορες
αλληλεπιδρούν με σκοπό την αυτό-οργάνωση και την βελτίωση της
συμπεριφοράς τους με την βοήθεια της ανατροφοδότησης
 Η βελτίωση της συμπεριφοράς τους οδηγεί σε μεγαλύτερη ευελιξία και
προσαρμοστικότητα στις αλλαγές του περιβάλοντος
 Με αυτό τον τρόπο το σύστημα αναπτύσσεται χωρίς εξωτερικές
παρεμβάσεις βασιζόμενο στην εμπειρία του
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 3

4. Πλατφόρμες υλοποίησης CAS (Agent-based Computational Economics)
 Sugarscape (http://sugarscape.sourceforge.net) , πράκτορες
γεννιούνται με όραμα, κινήσεις, ταχύτητα και άλλα γεννετικά
χαρακτηριστικά
 Swarm (http://www.lsa.umich.edu/cscs) , βασική μονάδα
προσομοίωσης είναι το swarm (σκουλήκι) μια συλλογή
δηλαδή απο πράκτορες που ακολουθούν ενα πρόγραμμα
δραστηριοτήτων
 NetLogo ( http://ccl.northwestern.edu/netlogo), δίνει
την δυνατότητα να τρέξει ο χρήστης πάνω απο 140
έτοιμα σενάρια προσομοίωσης, στα πεδία της χημείας,
φυσικής, ανθρωπολογίας, ψυχολογίας και άλλα
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 4

5. Γιατί FinanceCity ;
 Ακολουθεί την ίδια λογική με το EnergyCity και το GeneCity στα
οποία η συμπεριφορά των πρακτόρων καθορίζεται απο την έννοια
του χρομωσώματος
 Αναπτύχθηκε με σκοπό την μελέτη της συμπεριφοράς των παικτών
του χρηματιστηρίου στις αλλαγές του περιβάλλοντος τους
 Παράλληλα αλλάζει τον τρόπο δράσης του και το χρηματιστήριο με
σκοπό την αύξηση των κερδών
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 5

6. Περιβάλλον/Τεχνολογίες ανάπτυξης
 Γλώσσα προγραμματισμού : JAVA v 1.6.0
 Εργαλείο ανάπτυξης JAVA : ECLIPSE (JUNO)
 Εργαλείο ανάπτυξης διεπαφής : JAVA SWING
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 6

7. Η δομή του πράκτορα
 Κάθε πράκτορας ορίζεται απο το χρωμόσωμα του που περιέχει τα Στατικά και τα
Δυναμικά του χαρακτηριστικά
CHROMOSOME
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 7
Static Characteristics Dynamic Characteristics
Agent ID Specialization Inexperience Risk Political
Influence
MME
Influence
Environment
Influence

8. Στατικά χαρακτηριστικά
Agent ID Specialization Inexperience Risk
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 8
 Agent ID : Το όνομα του πράκτορα το οποίο είναι μοναδικό
 Specialization (Unemployed, Civil Servant, Businessman, Private employee) : Η ειδικότητα του
πράκτορα που αναφέρεται στην εργασία του
 Inexperience (0% - 100%) : Δείχνει πόσο άπειρος είναι ένας πράκτορας στο χρηματιστήριο
 Risk (0% - 100%) : Αναφέρεται στο πόσο ριψοκίνδυνος είναι ο πράκτορας στον τρόπο
παιχνιδιού του

9. Δυναμικά χαρακτηριστικά
Political Influence MME Influence Environment Influence
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 9
 Political Influence (0% - 100%) : Καθορίζει το ποσοστό στο οποίο ο πράκτορας
επηρεάζεται απο τις πολιτικές εξελίξεις
 MME Influence (0% - 100%) : Καθορίζει το ποσοστό στο οποίο ο πράκτορας
επηρεάζεται απο τα ΜΜΕ
 Environment Influence (0% - 100%) : Καθορίζει το ποσοστό στο οποίο ο
πράκτορας επηρεάζεται απο τις αλλαγές στο περιβάλλον του

10. Αρχικοποίηση του πληθυσμού
Κατα την έναρξη του παιχνιδιού αρχικοποιείται ο πληθυσμός δηλαδή καθορίζονται τα εξής:
 Το χρομώσωμα των πρακτόρων
 Το χρηματικό ποσό που διαθέτει κάθε πράκτορας στο παιχνίδι
 Ο συνολικός αριθμός των πρακτόρων
Επίσης προσδιορίζεται με ποιο τρόπο ο συνολικός πληθυσμός θα επηρεάζεται Υψηλά,
Μέτρια και Χαμηλά απο την Πολιτική, τα ΜΜΕ και το Περιβάλλον του.
Μπορούν να δωθούν συγκεκριμένα ποσοστά ή να ακολουθεί ο πληθυσμός μια απο τις
παρακάτω κατανομές :
 Poisson κατανομή όπου πρέπει να προσδιοριστεί και το λ της κατανομής
 Gaussian κατανομή γύρω απο το 50
 Random κατανομή στην οποία οι πράκτορες τυχαία κατηγοριοποιούνται
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 10

11. Σχηματισμός Βαθμολογίας
 Δυναμική Βαθμολογία : αναφέρεται στην Δυναμική συμπεριφορά του πράκτορα και προκύπτει ως εξής :
 Στατική Βαθμολογία : αναφέρεται στην Στατική συμπεριφορά του πράκτορα και προκύπτει ως εξής :
 Κατάσταση χαρτοφυλακίου : αναφέρεται στην κατάσταση του χαρτοφυλακίου του πράκτορα την δεδομένη χρονική
στιγμή και προκύπτει ως εξής :
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 11
Desired Price_i -Current Price_i
Desired Price_i
xquantity_i
i=0
total _stocks
å
quantity_ j
j=0
total _stocks
å
Dynamic Score= W1×Political+W2×Enviroment+W3×MME
Static Score= W4×Inexperience+W5×Specialization+W6×Risk

12. Ολική Βαθμολογία
Η Ολική Βαθμολογία (Overall Score) προκύπτει απο τον συνδιασμό
της Στατικής Βαθμολογίας,της Δυναμικής Βαθμολογίας και της
κατάστασης χαρτοφυλακιόυ.
Η Ολική Βαθμολογία μπορεί να πάρει τιμές απο -1 εως 1 και
καθορίζει την συμπεριφορά του πράκτορα.
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 12
OverallScore=
W7×Dynamic_Score+W8×Static_Score+W9×Status_Portfolio

13. Απόφαση Ενέργειας
Το πρόσημο της Ολικής Βαθμολογίας καθορίζει την δράση κάθε πράκτορα ως εξής :
 If Overall_Score < 0 , Αίτημα για αγορά μετοχών
 If Overall_Score > 0 , Αίτημα για πώληση μετοχών
Σε κάθε αίτημα προσδιορίζεται η μετοχή, η ποσότητα της μετοχής και η τιμή της μετοχής με
βάση τα εξής :
 Μετοχή : Τυχαία οι πράκτορες επιλέγουν ποια μετοχής θα αγοράσουν ή θα πωλήσουν
 Ποσότητα : Οι πράκτορες πωλούν όλη την ποσότητα της μετοχής του χαρτοφυλακίου
τους και αγοράζουν μια τυχαία ποσότητα μεταξύ 500 – 1000 μονάδων
 Τιμή : Καθορίζεται απο τα Στατικά χαρακτηριστικά του πράκτορα
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 13

14. Κατηγορίες Πρακτόρων
Οι πράκτορες ανάλογα με τα Στατικά τους χαρακτηριστικά χωρίζονται σε κατηγορίες
που επηρεάζουν την μακροχρόνια συμπεριφορά (Long-term behavior )
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 14
Static Score Longterm behavior
Static_score < -0.3 Submissive
-0.3 < Static_score < 0.3 Normal
Static_score > 0.3 Aggressive

15. Καταχώρηση Αιτημάτων
Όταν ενας πράκτορας αποφασίσει τι είδους ενέργεια θα πραγματοποιήσει
καταχωρεί το αίτημα αφού πρώτα καθορίσει την κατάλληλη τιμή.
 Submissive: η τιμή αγοράς ή πώλησης τελικά διαμορφώνεται στο 1/price
δηλαδή τελικά προσφέρει μια τιμή μικρότερη καθώς είναι συντηρητικός σαν
χαρακτήρας
 Normal: η τιμή αγοράς ή πώλησης τελικά αυξάνεται ελάχιστα στο
Norm_range×price καθώς η μακροπρόθεσμη συμπεριφορά του πράκτορα
κρίνεται κανονική
 Aggressive: η τιμή αγοράς ή πώλησης τελικά αυξάνεται αρκετά στο
Aggres_range×price απόρροια της επιθετικής μακροχρόνιας συμπεριφοράς
του πράκτορα
Στην υλοποίηση μας επιλέξαμε ενδεικτικά τις παρακάτω τιμές για τις μεταβλητές :
Norm_range= 1.2, Aggres_range= 3
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 15

16. Προσδιορισμός Τιμών Μετοχών
 Οι τιμές πώλησης κάθε μετοχής εισέρχονται σε μια λίστα με αύξουσα σειρά
 Οι τιμές αγοράς κάθε μετοχής εισέρχονται σε μια λίστα με φθίνουσα σειρά
 Το σημείο τομής των δύο γραφικών παραστάσεων που σχηματίζονται δίνουν την
τιμή της μετοχής (Marginal Price)
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 16
0
1
2
3
4
0 500 1000 1500
StockPrice
Quantity
Marginal Price
Series2
Series1

17. Σύναψη Αγοραπωλησίας
Για να ολοκληρωθεί μια αγοραπωλησία πρέπει να ισχύουν τα εξής :
 Ο αγοραστής και ο πωλητής να αναφαίρονται στην ίδια μετοχή
 Η κατάσταση του χαρτοφυλακίου των πρακτόρων να είναι
μικρότερη απο τον στόχο που αρχικά έχουν θέσει
 Η τιμή προσφοράς του αγοραστή και του πωλητή πρέπει να είναι
μεγαλύτερη απο την τιμή (Marginal price) της μετοχής
 Η εποχή του συστήματος να είναι μικρότερη απο τον αριθμό των
εποχών που έχουν ορίσει οι δύο πράκτορες ως μέγιστο χρόνο
επίτευξης των στόχων τους
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 17

18. Διορθωτικές κινήσεις
 Όταν ένας πράκτορας παραμένει ανενεργός για πάνω απο 4
εποχές τότε του επιβάλεται μια ποινή
 Η κατάσταση χαρτοφυλακίου εισάγεται στο ολικό σκορ με σκοπό
την επίτευξη των στόχων των πρακτόρων
 Η αύξηση των Δυναμικών χαρακτηριστικών οδηγεί σε ευελιξία της
συμπεριφοράς και μπορεί να οδηγήσει σε πιθανές διορθωτικές
κινήσεις
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 18

19. Πειραματική Διαδικασία
Περισσότερα απο 200 πειράματα πραγματοποιήθηκαν συνδιάζοντας διαφορετικό αριθμό πρακτόρων, εποχών και
μετοχών.
Οι υπόλοιπες μεταβλητές οι οποίες αλλάζουν τιμές στα πειράματα είναι οι παρακάτω :
Οι τιμές του Πίνακα διαδοχικά παίρνουν αρνητικές τιμές, θετικές τιμές, μηδέν και 1.
 Όταν έχει αρνητική τιμή μια μεταβλητή τότε έχει αρνητικό αντίκτυπο στην συμπεριφορά των πρακτόρων
 Όταν έχει μηδενική τιμή μια μεταβλητή τότε δεν επηρεάζει την συμπεριφορά των πρακτόρων
 Όταν έχει τιμή 1 μια μεταβλητή τότε επηρεάζει σε μέγιστο βαθμό την συμπεριφορά των πρακτόρων
 Όταν έχει θετική τιμή μια μεταβλητή επηρεάζει θετικά την συμπεριφορά των πρακτόρων αναλογικά με το
πόσο μεγάλη ή μικρή τιμή έχει
Όλες οι μεταβλητές του συστήματος μπορούν να πάρουν τιμές απο -1 ως 1 και με αυτό τον τρόπο εξετάζεται η
συμβολή κάθε παραμέτρου στην συμπεριφορά των πρακτόρων.
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 19
Political
Influence
MME
Influence
Environment
Influence
Inexperience Risk Specialization Dynamic
Char.
Static
Char.
Status
Portfolio

20. Πειράμα- 1
Political
Influence
MME
Influence
Environment
Influence
Inexperience Risk Specialization Dynamic
Char.
Static
Char.
Status
Portfolio
1 0.5 -0.5 0.2 0.6 0.2 0.1 -0.1 1
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 20
-50000
-40000
-30000
-20000
-10000
0
10000
20000
30000
1
5
9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Portfoliobalance
Agent ID
Status Portfolio
Agent
Σε αυτό το πείραμα εξετάζεται η συμπεριφορά των πρακτόρων όταν η κατάσταση χαρτοφυλακίου
καθορίζει σχεδόν αποκλειστικά την Ολική Βαθμολογία και η επιρροή απο την πολιτική την Δυναμική Βαθμο
Αριθμός πρακτόρων : 100
Αριθμός Εποχών : 50
Αριθμός Μετοχών : 20

21. Σύγκριση πρακτόρων
Παρουσιάζονται τα στοιχεία των πρακτόρων με μεγαλύτερο κέρδος και
μεγαλύτερες απώλειες.
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 21
Political
Influenc
e
Enviroment
Influence
MME
Influence
Agent’s
Inexperienc
e
Agent’s
Specializati
on
Agent’s
Risk
Agent’s
Target
91% -52% 61% 54% Unemployed 6% 3240
Political
Influence
Enviroment
Influence
MME
Influence
Agent’s
Inexperienc
e
Agent’s
Specialization
Agent’s
Risk
Agent’
s
Target
21% 25% 54% 65% Private
Employee
5% 3945
Τα χαρακτηριστικά του Agent17 με τα μέγιστα
κέρδη
Τα χαρακτηριστικά του Agent24 με τις μέγιστες
απώλειες

22. Πορεία χαρτοφυλακίου των πρακτόρων
-60000
-50000
-40000
-30000
-20000
-10000
0
10000
20000
30000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
Portfoliobalance
Epochs
Agent17-Agent24 Status Portfolio
Agent17
Agent24
Linear (Agent17)
Linear (Agent24)
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 22

23. Διάφορα διαγράμματα πείραμα -1
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 23
-10000
-5000
0
1 8 1522293643
Agent 3 Status
Portfolio
Agent
-10000
-5000
0
1 8 15 22 29 36 43
Agent 14 Status
Portfolio
Agent
0
5000
10000
1 8 15 22 29 36 43
Agent 92 Status
Portfolio
Agent
Μερικά παραδείγματα πρακτόρων
0
2
4
6
1 6 1116212631364146
Stock 6
Stocks
0
2
4
6
1 6 1116212631364146
Stock 10
Stock
0
2
4
6
1 6 1116212631364146
Stock 17
Stock
Μερικά παραδείγματα μετοχών

24. Πείραμα- 2
-15000
-10000
-5000
0
5000
10000
1
4
7
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
82
85
88
91
94
97
100
PortfolioValue
Agent ID
Status Portfolio
Agents
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 24
Political
Influenc
e
MME
Influenc
e
Environmen
t Influence
Inexperienc
e
Risk Specializatio
n
Dynamic
Char.
Static
Char.
Status
Portfoli
o
0.6 0.5 0.1 0.3 0.3 0.4 0 0.5 0.5
Σε αυτό το πείραμα εξετάζεται η συμπεριφορά των πρακτόρων όταν τα Δυναμικά χαρακτηριστικά δεν
επηρεάζουν καθόλου την λήψη των αποφάσεων.Οι υπόλοιπες μεταβλητές επηρεάζουν φυσιολογικά τον
τρόπο δράσης των πρακτόρων
Αριθμός πρακτόρων : 100
Αριθμός Εποχών : 50
Αριθμός Μετοχών : 20

25. Μελέτη αποτελεσμάτων
Λόγώ απαλοιφής των Δυναμικών χαρακτηριστικών
επιλέγεται ένας τρόπος δράσης απο την αρχή και
ακολουθείται ακόμη και αν ο πράκτορας παρουσιάζει
ζημιές κατα την διάρκεια
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 25
-3500
-3000
-2500
-2000
-1500
-1000
-500
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
PortfolioValue
Epochs
Agent84 Status Portfolio
Agent84
Linear (Agent84)

26. Διάφορα διαγράμματα Πείραμα -2
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 26
-500
0
500
1000
1 7 13192531374349
Agent 6 Status
Portfolio
Agent
-5000
0
5000
10000
1 8 15 22 29 36 43
Agent 27 Status
Portfolio
Agent
-20000
-10000
0
1 8 1522293643
Agent 83 Status
Portfolio
Agent
0
5
10
15
1 7 13 19 25 31 37 43 49
Stock 1
Stock
0
1
2
3
4
1 6 1116212631364146
Stock 7
Stock
0
1
2
3
4
1 6 1116212631364146
Stock 19
Stock
Μερικά παραδείγματα μετοχών
Μερικά παραδείγματα πρακτόρων

27. Δημιουργία Διεπαφής χρήστη
 Στο Interface που αναπτύχθηκε ο χρήστης μπορεί να αρχικοποιεί όλες τις
παραμέτρους του FinanceCity
 Σε περίπτωση λάθους εισαγωγής δεδομένων εμφανίζονται κατάλληλα μηνύματα
λάθους και η διαδικασία δεν επιτρέπεται να ξεκινήσει
 Εφόσον όλες οι τιμές είναι σωστές ο χρήστης μπορεί να ξεκινήσει την διαδικασία
και στο τέλος εμφανίζεται αυτόματα ένα CSV αρχείο στο οποίο περιέχονται όλες οι
πληροφορίες του παιχνιδιού όπως τα χαρτοφυλάκια των πρακτόρων, τα στοιχεία
των πρακτόρων, οι τιμές των μετοχών και άλλα
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 27

28. FinanceCity Interface
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 28

29. Τέλος Παρουσίασης - Ερωτήσεις
Θ Ε Σ Σ Α Λ Ο Ν Ί Κ Η Ι Ο Ύ Λ Ι Ο Σ 2 0 1 3 29
Ευχαριστώ για την προσοχή σας
Ακολουθούν ερωτήσεις σχετικά με το FinanceCity