Application of a Financial Agent-Based Model to the Cryptocurrency Market

Abstract

Motivated by the occurrence of financial stylized facts (also) in the cryptocur- rency markets, we study their dynamics by applying one of the most well- known financial agent-based models to them. Based on interactions between two boundedly rational types of traders, this modeling framework nests eight submodels using four attractiveness specifications and two switching mecha- nisms between the trading strategies. The analysis is based on three types of datasets - S&P500 to receive a benchmark to the previous research and a comparison with crypto markets, Bitcoin, and a hypothetical market-weighted Top20 cryptocurrency index. For the estimation, we utilize the simulated method of moments, a technique commonly used in complex models where analytical solutions are not feasible. Overall, the results for cryptocurrency datasets imply a very promising application of agent-based models to the anal- ysis of crypto markets. Particularly, for Bitcoin, all submodels produce data in close agreement with the empirical data-generating process. We attribute the robust rank of results to the low level of rationality of the studied markets. However, we are unable to directly interpret the evolution of the trading groups due to the lack of the resulting group dynamics. We identify a similar prob- lem in several...

Motivovaní výskytom finančných štylizovaných faktov (aj) na trhoch s kryp- tomenami, študujeme ich dynamiku cez aplikáciu jedného z najznámejších mod- elov založených na finančných agentoch. Na základe interakcií medzi dvoma ohraničene racionálnymi typmi obchodníkov, tento modelovací rámec spája osem podmodelov pomocou štyroch špecifikácií atraktivity a dvoch mecha- nizmov prepínania medzi obchodnými stratégiami. Analýza je založená na troch typoch údajov - S&P500 pre získanie benchmarku s predchádzajúcim výskumom a porovanie s kryptomenami, Bitcoin dátami, a hypotetickým trhom váženým indexom kryptomien Top20. Na odhad používame simulovanú metódu momentov, techniku bežne používanú v zložitých modeloch, kde analytické riešenia nie sú možné. Celkovo výsledky naznačujú veľmi sľubnú aplikáciu modelov založených na agentoch pre analýzu kryptotrhov. Predovšetkým pre Bitcoin všetky podmodely produkujú údaje v úzkej zhode s empirickým pro- cesom generovania údajov. Robustné hodnotenie výsledkov pripisujeme nízkej úrovni racionality skúmaných trhov. Nie sme však schopní priamo interpreto- vať vývoj obchodných skupín pre nedostatok výslednej skupinovej dynamiky. V niekoľkých ďalších nedávnych štúdiách identifikujeme podobný problém a navrhujeme ho riešiť v ďalšom výskume prehodnotením pevných parametrov....