人工市場による市場制度の設計 2026

1.

2026年5月28日 2026年度金融レジリエンス情報学第７回人工市場による市場制度の設計スパークス・アセット・マネジメント株式会社水田孝信 mizutata[at]gmail.com @takanobu_mizuta (twitter) https://mizutatakanobu.com https://mizutatakanobu.com 本発表資料は所属組織の見解を表すものではありません．すべては個人的見解であります． https://mizutatakanobu.com/2026r.pdf この資料はこちらにあります: https://mizutatakanobu.com/2026r.pdf 1

2.

自己紹介 2000年気象大学校卒業 2002年東京大学大学院理学系研究科地球惑星科学専攻修士課程修了研究内容：宇宙空間プラズマのコンピュータシミュレーション 2004年同専攻博士課程を中退同年スパークス・アセット・マネジメントに入社、現職 2009年人工知能学会などで研究発表を始める 2011年東京大学大学院工学系研究科システム創成学専攻博士課程社会人をしながら在籍指導教官：和泉潔先生研究内容：人工市場を用いた金融市場のルールや制度のシミュレーション 2014年9月修了：博士（工学）現在のお仕事：資産運用業界全般の調査・レポート、株式市場やポートフォリの定量的分析(のためのシステム開発・運用) 2007年日本証券アナリスト協会検定会員 2014年度-2022年度東京大学公共政策大学院非常勤講師 2016年度-2024年度人工知能学会金融情報学研究会(SIG-FIN)幹事 2022・2023年度は主査 2019年より IEEE CIS Computational Finance and Economics Technical Committee メンバー 2024・2025年 Chair 2026年7月-2028年6月人工知能学会理事(予定) 2

3.

株式市場は様々な参加者がいることで成立株式の高速取引と取引所の高速化アセットオーナー直接執行年金基金、ソブリン・ウエルス・ファンド高速取引業者一部委託一部委託株式取引所資産運用会社私はココ！アセットマネジメント注文注文個人投資家証券会社 HFT（High Frequency Trades）高頻度取引＊業界では”HFT”の方が普及した単語ですが、金融庁の正式呼称であり、一般の人に普及している”高速取引”をここでは使います注文執行 3

4.

（おまけ）多数が少数を支配（けん制）するから系（システム）が安定従業員による企業支配国民による政府支配従業員国民保険料選挙年金国会（資産運用会社：多数）内閣企業政府給与給与従業員公務員 4

5.

今日のお話以外の拙著一般向け書籍：高速取引やAIの株式市場への影響 https://www.kodansha.co.jp/book/products/0000417886 https://www.kodansha.co.jp/book/products/0000417886 https://mizutatakanobu.com/jbook2.htm (立読み・紹介サイトまとめ) https://mizutatakanobu.com/jbook2.htm https://mizutatakanobu.com/2025c.pdf (講演資料) https://mizutatakanobu.com/2025c.pdf 資産運用業界についてのレポート https://www.sparx.co.jp/report/special/mizuta/ https://www.sparx.co.jp/report/special/mizuta/ (主なレポート) 2025/1/21 世界的な株式の決済期間短縮化：T+1への世界統一と即時決済の導入 2024/12/3 インデックス運用の難しさ -インデックスへの過度な追従による弊害2024/7/11 コメ市場と電力市場の問題点-価格安定化で失ったこと 2023/10/23 株式投資で気候変動を考慮することに賛否があるのはなぜか？[概要編] 2023/8/3 投資の世界における生成AI 2023/6/6 関東大震災から100年～今同じことが起きたら株式取引は継続されるか？ 2022/12/15 新技術の悪い影響とそれを乗り越えてきた金融市場 2022/10/7 学術研究力に直結する大学の資産運用 2022/6/28 ROEと資本コスト：その企業の価値はいくらか 2022/4/7 世界的な株式の決済期間短縮化：T+1への統一が進むか？ 2021/11/15 金融市場の制度設計に使われ始めた人工市場 2021/9/8 金融市場で使われている人工知能 2021/8/16 続・市場は効率的なのか？実験市場や人工市場での検討 2021/4/12 "フラッシュ・クラッシュ・トレーダー"と呼ばれた男2020/12/22 市場は効率的なのか？検証できない仮説の検証に費やした50年 2020/9/15 なぜそれらは不公正取引として禁止されたのか？ 2020/8/4 人工知能が不公正取引を行ったら誰の責任か？ 2020/7/3 お金とは何か？-古代の石貨から暗号資産まで2020/1/24 国際資本の舵を取ってしまったグローバルインデックス算出会社 2019/9/18 アセット・オーナーが行っている投資 2019/7/8 社会の役にたっている"空売り“ 2019/4/3 高頻度取引（３回シリーズ第１回）：高頻度取引とは何か？ 2018/5/21 なぜ株式市場は存在するのか？ 2018/3/2 パッシブファンドの新たなる論点「水平株式保有」 2018/2/16 アクティブファンドが超えてはいけない規模 2016/12/2 良いアクティブ運用とは 5

6.

人工市場による市場制度の設計：集大成的な英文書籍人工市場を用いて金融の規制やルールの検証を行った研究のまとめの英文書籍を書きました。私共のこれまでの研究の集大成的な書籍です。 Springer Natureより、出版本日お話する内容＋具体事例が載っています日本語かつ無料の関連文献だけでもぜひ！ https://mizutatakanobu.com/jbook1.htm https://mizutatakanobu.com/jbook1.htm https://doi.org/10.1007/978-981-96-1713-5 https://doi.org/10.1007/978-981-96-1713-5 6

7.

【宣伝】人工知能学会金融情報学研究会 (SIG-FIN) https://sigfin.org https://sigfin.org 年2回（10月ごろと3月ごろ）東京都内＆オンラインで開催誰でも聴講可 ← 人工知能学会の会員でなくてもよい参加費：1,000-2,000円くらい聴講：学者よりも実務家が多いメーリングリスト登録ページ https://groups.google.com/g/jsai-fin/about https://groups.google.com/g/jsai-fin/about ✓ 機械学習やテキストマイニングの技術を金融実務に応用する研究多い ✓ 人工市場シミュレーションの研究もよく発表されている人工知能学会金融情報学研究会(SIG-FIN)の歴史 - AIと金融の技術史の一部として議論 https://doi.org /10.11517/jsaisigtwo.2025.FIN-034_63 https://mizutatakanobu.com/2025SIGFIN1.pdf https://mizutatakanobu.com/2025SIGFIN1.pdf https://doi.org/10.11517/jsaisigtwo.2025.FIN-034_63 和泉先生のブックマーク(人工知能学会誌)：人工知能の金融応用に関する研究会、国際的な学会、ツール類やデータなど https://www.ai-gakkai.or.jp/resource/my-bookmark/my-bookmark_vol37-no1/ https://www.ai-gakkai.or.jp/resource/my-bookmark/my-bookmark_vol37-no1/ 7

8.

【宣伝】 IEEE Computational Intelligence in Financial Engineering and Economics (CIFEr) 2026 https://cifer2026.mhirano.jp https://cifer2026.mhirano.jp メーリングリスト登録ページ IEEEのAI金融応用の研究会初の日本開催！！東京吉祥寺 https://groups.google.com/g/ieee_cifer_info/about https://groups.google.com/g/ieee_cifer_info/about 8

9.

まとめ 2008年の金融危機以降、伝統的な経済学では複雑系であったこの金融危機を分析できていないと批判し、金融・経済分野におけるエージェントシミュレーションである人工市場や人工経済などの複雑系科学をもっと活用すべきだという主張があらわれた。人工市場をもっと活用し伝統的な経済学の弱点を補完すべきであることは確かだと思われる。今回は、人工市場研究を簡単にレビューしたあと、人工市場による市場制度の設計の研究を呼値変更という実際に行われた制度変更の事例を交えながら紹介する。金融市場は人類の発展に必要不可欠な道具である。McMillan[2002]が述べたように、「物理学者や生物学者が研究してきたシステムと同じくらい複雑で高度なもの」であるうえに、「うまく設計されたときのみ、うまく機能する」、まさに複雑系である。人工市場は、これまでにない制度によってどういうことが”起こりえるか”を調べ“あり得る”メカニズムを見つけておく、”あり得る”副作用を見つけておく、という貢献ができる。特に、喫緊の課題として規制やルールを議論している実務家からの注目が高い。人工市場の貢献はまだ始まったばかりで、研究者が全然足りていない。この分野は社会への重要な貢献ができることは間違いないので、啓蒙活動を続けていきたい。今後、もっと多くの金融市場の規制やルールが人工市場や人工社会で扱えるようになり、うまく金融市場を設計することに貢献し、社会の発展につながっていけばと願っています。 9

10.

世界を救うかもしれない金融市場のうまい設計：レバレッジ規制（後ほど再掲）本日の話はやたら金融市場の細かいルールの話をしますが、研究目的は非常に大きいですうまくない設計レバレッジ10倍 (借金して元手の10倍の株を買う)の個人投資家の取引遠因・根本原因 1929年世界大恐慌遠因・根本原因 1939年第二次世界大戦神は細部に宿る Borowiecki et al.,2022 https://doi.org/10.1111/ehr.13213 Borowiecki et al.,2022 https://doi.org/10.1111/ehr.13213 もし禁止していたら？？？？？もし恐慌がもっと弱かったら？？？？？金融の失敗は実社会に大きな影響を与える金融危機は、財政危機、実経済の危機などよりも深刻金融市場のうまい設計こそが世界を救うという気持ちで研究してます 10

https://doi.org/10.1111/ehr.13213

11.

本日の話はやたら金融市場の細かいルールの話をしますが、研究目的は非常に大きいです研究の目的は研究者ごとさまざまです。一見詳細な研究に見えても実は重要な研究もあります。私は人類にとって重要な研究をしていると思っています。何を重要とみるかもいろいろです。「重要」と「役に立つ」もまた少し違います。「面白い」もまた少し違います。「重要」、「役に立つ」、「面白い」のどれを重視するかも研究者ごとにさまざまです。いずれにせよ、どのような立場や考え方、価値観の研究者も、お互いの違いを尊重できるといいなぁと思ってます。（いきなり哲学的なこと言い出してすみません、、、この辺りは機会があればまとめたいなとは思います、、、）人工知能学会は研究者の多様性が高く、この辺りの価値観も多様で、この辺りを観察するには最適です。学会誌の人工知能に連載されている学生フォーラムでいろいろな研究者をインタビューしてますが、この辺りの多様性を知る上でも興味深いです https://www.ai-gakkai.or.jp/resource/student_forum/ https://www.ai-gakkai.or.jp/resource/student_forum/ 11

https://www.ai-gakkai.or.jp/resource/student_forum/

12.

（１）エージェントシミュレーションとは？（２）金融・経済におけるエージェントシミュレーション：人工市場 (2-1) 金融市場の基本性質の分析 (2-2) 金融市場の制度設計 (2-3) 自動取引の実験場 (2-4) 社会経済全体のシミュレーション（３）人工市場による市場制度の設計事例：呼値の縮小（４）市場制度設計における適切な人工市場モデル 12

13.

（１）エージェントシミュレーションとは？（２）金融・経済におけるエージェントシミュレーション：人工市場 (2-1) 金融市場の基本性質の分析 (2-2) 金融市場の制度設計 (2-3) 自動取引の実験場 (2-4) 社会経済全体のシミュレーション（３）人工市場による市場制度の設計事例：呼値の縮小（４）市場制度設計における適切な人工市場モデル 13

14.

鳥の集団行動を解き明かしたエージェント・ベースド・モデル https://mas.kke.co.jp/model/boid-model/ https://mas.kke.co.jp/model/boid-model/ 1匹１匹は単純な行動ルール https://mas.kke.co.jp/wp-content/uploads/2019/06/mure.mp4?_=1 https://mas.kke.co.jp/wp-content/uploads/2019/06/mure.mp4?_=1 １匹１匹は単純な行動ルールだが、全体としては複雑できれいな模様以前は個々の鳥が高度な行動をしていると考えられていたようだが、エージェント・ベースド・モデルを用いることにより、そうではないことが解明この模様は複雑系による産物、1匹の行動ルールの単純な足し合わせでは決して説明できない創発 14

https://mas.kke.co.jp/model/boid-model/

15.

Complex System(複雑系)とJust Complicated(単に複雑であること)の違い Complex System(複雑系) 創発：ミクロの単純な足し合わせがマクロにならないバタフライ効果：少しの初期値の違いで予想できない結果を生み出すミクロ・マクロ相互作用：マクロの結果がミクロの入力となり、その結果またマクロの結果を変えてしまうポジティブ・フィードバック：ミクロの結果がマクロの結果を増幅させそれがミクロに入力され、さらに増幅するループが作られること Just Complicated(単に複雑であること) 例えばエンジンのように、複雑ではあるが各部品の動きから全体が予想できるもの：設計できるエンジンの各部品の役割は明確であり、ひとつかけた場合の全体の動きも予想できるエンジンは確かに複雑ではあるが、複雑系ではない Sabzian et. al., A review of agent-based modeling (ABM) concepts and some of its main applications in management science https://doi.org/10.22059/ijms.2018.261178.673190 Sabzian et. al., A review of agent-based modeling (ABM) concepts and some of its main applications in management science https://doi.org /10.22059/ijms.2018.261178.673190 15

https://doi.org/10.22059/ijms.2018.261178.673190

16.

さまざまな分野で活躍するエージェント・シミュレーションコンピュータの中に仮想の社会を構築。ミクロなエージェント（人間）を多数投入。エージェントは比較的シンプルなモデルでお互いに相互作用する。それらが集積して複雑なマクロの挙動がみれる。理論モデル研究第３の視点実証研究シミュレーションミクロ的現象橋渡しマクロ的現象・複雑系である社会において、制度・規制の変更が与える副作用や想定外の効果をコロンブスのたまご的に発見・理論や実証で調べるべきテーマの発見、メカニズムの知識発見・既存の手法を補完する手法として他分野では定着自動車道の整備が交通渋滞へ与える影響分析、テロや火災・伝染病が発生した場合の避難の方法、など 16

17.

エージェント・シミュレーション(社会シミュレーション)の類型シミュレーションシミュレーション理論実験情報科学社会シミュレーション演繹帰納シミュレーション研究記号情報とプログラム理論研究物質エネルギーと法則物理シミュレーション物理科学塩沢, 2006 Axelrod, 1997 Axtell, 2000 吉田, 1999 https://www.maruzen-publishing.co.jp/book/b10121489.html ,「 2022 数寺社理野会社隆シ会雄ミュ学レ事ー典ションの類型」寺野隆雄, 「社会シミュレーションの類型」,数理社会学事典, 2022 https://www.maruzen-publishing.co.jp/book/b10121489.html ,https://doi.org/10.11487/trafst.4.2_56 2010 「寺な野ぜ隆社雄会システム分析にエージェント・ベース・モデリングが必要か」寺野隆雄, 「なぜ社会システム分析にエージェント・ベース・モデリングが必要か」, 2010 https://doi.org /10.11487/trafst.4.2_56 エージェント・シミュレーションの類型、位置づけはいろいろ提案されている 17

18.

簡単な具体例：初期のエージェントシミュレーション（後ほど再掲）学生(#)と教授(@)が参加する立食パーティー # # # # @ @ @ # # @ # @ # # @ @ @ # # @ # @ @ # @ @ # # # @ # @ # @ @ # @ @ # # @ @ @ @ # @ @ @ @ @ # # # @ @ @ @ @ # @ # # https://ncase.me/polygons-ja/ 解説記事「多角形のたとえ話」解説記事「多角形のたとえ話」 https://ncase.me/polygons-ja/ 分離されてしまう創発 @ @ @ # @ @ @ @ # # # @ @ @ # # # # @ @ # この分離は、学生・教授の行動ルールの単純な足し合わせでは決して説明できない「自分があまりにも少数派になりたくない」だけで分離が起きる。積極的に「嫌い」なわけじゃない @ @ @ トーマス・シェリング「ミクロ動機とマクロ行動」, 2016年 http://www.keisoshobo.co.jp/book/b251669.html ルール： # # @ # # ・自分の周り(8マス)に自分の同類が1/3より # # # @ @ @ # # 多ければよい # # @ @ @ # ・他方に囲まれた場合どこかに移動 # @ @ @ @ @ 繰り返していくと、、、修正ルール：＃:要求同類の人数１人増 @:１人減、繰り返していくと、、、 # # # # # # # # # # # # @ # @ @ @ @ # # @ # @ @ http://www.keisoshobo.co.jp/book/b251669.html ,年 2016 トーマス・シェリング「ミクロ動機とマクロ行動」この理由が分かることがシミュレーションの目的現実の会場の最終配置を予測することは目的でない配膳テーブルの位置とか、個々人の食べる量の違いとか、准教授は？とか、現実にこんな会場ないとか、こんな単純な人いないとか、「この調査目的において」はどうでもよい。むしろ「理由の理解」には邪魔になるだけ。 #の場所が狭くなる「知りたいこと」に応じてモデルを簡略化・複雑化することが大事 18

19.

活躍するエージェントシミュレーション COVID-19対応でも役所の意思決定にも使われている tps://yamaneforest.livedoor.blog/archives/528753.html https://yamaneforest.livedoor.blog/archives/528753.html tps://www.city.okayama.jp/0000006104.html https://www.city.okayama.jp/0000006104.html https://www3.nhk.or.jp/news/html/20200220/k10012294081000.html https://www3.nhk.or.jp/news/html/20200220/k10012294081000.html https://archive.md/uUuwa https://archive.md/uUuwa (和文速報論文) https://doi.org/10.1527/tjsai.D-K28 https://doi.org/10.1527/tjsai.D-K28 NHKにも取り上げられる注目度(筑波大倉橋先生) 新聞記者自らがシミュレーション ↑ ステイホームの必要性の解説に必要だったモデルは単純であり得ない設定だが、だからこそ本質的なプロセスが理解できる http://www.mlit.go.jp/toshi/toshi_gairo_tk_000052.html http://www.mlit.go.jp/toshi/toshi_gairo_tk_000052.html https://www.washingtonpost.com/graphics/2020/world/corona-simulator/ https://www.washingtonpost.com/graphics/2020/world/corona-simulator/ （日本語版） https://www.washingtonpost.com/graphics/2020/health/corona-simulation-japanese/ （日本語版）https://www.washingtonpost.com/graphics/2020/health/corona-simulation-japanese/ キューバ危機時の米政府の会議をシミュレーション注：COVID-19ではエージェントではないシミュレーションのほうが多い出欠状況次第で結論が変わりえたことを示す例) 西浦モデル、東京大学藤井・仲田モデル (内閣官房新型コロナウイルス感染症等対策推進室の資料↓に詳しい) ttps://jww.iss.u-tokyo.ac.jp/publishments/books/2012/hoshiro_2012_03.html https://jww.iss.u-tokyo.ac.jp/publishments/books/2012/hoshiro_2012_03.html https://www.caicm.go.jp/action/survey/covid19-ai.jp/ja-jp/index.html https://www.caicm.go.jp/action/survey/covid19-ai.jp/ja-jp/index.html 19

20.

想定された津波からの避難：シミュレーションを見て議論、避難をあきらめていた人をやる気にシミュレーションのプロセスを見ることにより議論が深まり、新たな助かる方法を生み出す https://news.yahoo.co.jp/articles/07955a2e9dbae92849c8c43b9f1b56e0bd10c529 https://news.yahoo.co.jp/articles/07955a2e9dbae92849c8c43b9f1b56e0bd10c529 論文） https://ipsj.ixsq.nii.ac.jp/records/101177 （論文）https://ipsj.ixsq.nii.ac.jp/records/101177 予測精度を追求するのではなく、プロセスを見せて議論を提供する高知県黒潮町は予想される南海トラフの地震で最も高い津波が想定されている（34.4m）これが発表された2012年当時、多くのメディアが殺到当時の住民のアンケートからシミュレーションした結果、多くの人が助からないことが分かったしかし、ある交差点で地震発生から10分経っていなければ山へ、経っていればタワーに逃げると多くの人が助かることが分かった → 住民はあきらめなくなった山に行く途中の道が危険であるという発見 (今では避難タワーが増えたようなのでもっと良い避難計画になっていると思います) 2 017 年（完成のタワー） / 本一の津波避難タ http://yama-ken.jp/ 日ワー完成！（2017年完成のタワー）http://yama-ken.jp/日本一の津波避難タワー完成！/ 第２章に住民たちとシミュレーションを使った議論の推移などが書かれています https://www.nhk-book.co.jp/detail/000000885122017.html https://www.nhk-book.co.jp/detail/000000885122017.html 20

21.

（１）エージェントシミュレーションとは？（２）金融・経済におけるエージェントシミュレーション：人工市場 (2-1) 金融市場の基本性質の分析 (2-2) 金融市場の制度設計 (2-3) 自動取引の実験場 (2-4) 社会経済全体のシミュレーション（３）人工市場による市場制度の設計事例：呼値の縮小（４）市場制度設計における適切な人工市場モデル 21

22.

既存の経済学は金融危機を取り扱えなかった！金融市場は数式だけできれに表されるような単純なシステムではないバタフライ効果：蝶が羽ばたくという小さい動きがどのような影響を与えるかを正確に述べることは難しく、台風を生み出すことさえ完全には否定できない：複雑系それにも関わらず、既存の経済学は金融市場の動きをきれいな数式だけで表現しようとした。その結果、2008年の金融危機では何が起きているか表現できなかったと多くの批判を浴びた。人工市場(エージェント・ベースド・モデルによる金融市場のコンピュータ・シミュレーション) に大きな期待！！：複雑系システムを複雑なまま取り扱える NATUREやSCIENCEに，人工市場に期待をかける記事 Farmer and Foley (2009), Nature https://www.nature.com/articles/460685a Farmer and Foley (2009), Nature https://www.nature.com/articles/460685a これまでの経済学ではリーマンショックを分析・対応できなかったという批判 → 人工市場（エージェント・ベースド・モデル）ならできることある・期待標準的な経済学を否定し、人工市場を絶賛 Battiston et al. (2016), Science https://science.sciencemag.org/content/351/6275/818 Battiston et al. (2016), Science https://science.sciencemag.org/content/351/6275/818 ECB総裁講演でも取り上げられる金融危機は人工市場でしか扱えない！という勢いだが、ちょっと言いすぎヨーロッパ中央銀行(ECB)総裁だったトリシェが効率的市場仮説に基づく金融理論が、金融危機中の政策決定に関してほとんど役に立たなったと述リチャード・ブックステーバーべ、エージェントシミュレーション(広い意味で人工市場)などが金融政策に投資銀行や大手ヘッジファンドでリスク管理の責任貢献することを期待していると述べた講演 https://www.ecb.europa.eu/press/key/date/2010/html/sp101118.en.html 者を務めたのち、米国財務省を経て、現在はカリ https://www.ecb.europa.eu/press/key/date/2010/html/sp101118.en.html フォルニア大学で教鞭をとっている。『市場リスク ――暴落は必然か』の著者。とはいえ、新古典派経済学をきちんと批判するのは簡単ではない、、、。 https://doi.org/10.11498/jshet1963.37.70 (1999), 山新本古英典司派経済学の哲学的源流デカルトとポパー山本英司(1999), 新古典派経済学の哲学的源流デカルトとポパー https://doi.org/10.11498/jshet1963.37.70 https://www.sparx.co.jp/report/detail/501.html 50 (2020), 年水市田場は効率的なのか？検証できない仮説の検証に費やした水田(2020), 市場は効率的なのか？検証できない仮説の検証に費やした50年 https://www.sparx.co.jp/report/detail/501.html ,https://www.panrolling.com/books/wb/wb273.html 2019/1 経済理論の終焉金融危機はこうして起こる経済理論の終焉金融危機はこうして起こる, 2019/1 https://www.panrolling.com/books/wb/wb273.html 22

23.

人工市場モデルを用いたシミュレーションとは？ (金融市場のエージェントシミュレーション）計算機上に人工的に作られた架空の市場エージェント（架空の投資家）＋価格決定メカニズム（架空の取引所）注文エージェント（投資家）価格決定メカニズム（取引所）取引価格の決定実データが全く必要ない完全なコンピュータシミュレーションこれまでに導入されたことがない金融市場の制度やルールも議論できるその純粋な影響を抽出できる 23

24.

各種言葉が表す領域（人によってけっこう使い方が違うが、、） Agent-Based Model, Multi-Agent Simulation, Artificial Market Agent-Based Model (エージェント・ベースド・モデル) ⇒ Agentが数個程度でhomogeneousの場合も含む → 英語論文を探すときはこの単語が一番よさそう Multi-Agent Simulation (マルチ・エージェント・シミュレーション) ⇒ Agentがとても多くheterogeneous Artificial Market: 人工市場 ⇒ Agent-Based Modelで金融市場をシミュレーション 24

25.

複雑系を扱える強み金融市場は非常に複雑系のため、ミクロプロセス(投資家の行動)の単純な足し算がマクロ現象(価格時系列)にならない数理モデル人工市場実証研究マクロ現象マクロ現象価格時系列シミュレーションフィードバック積み上げの結果相互作用を直接扱う相互作用を扱える！相互作用を分析できる！単純な足し算にはなっていない別々に扱うミクロプロセスミクロプロセスエージェントの振る舞い価格時系列精密なモデリングシンプルモデル投資家の振る舞い精密なモデリングマクロとミクロの相互作用があるため、マクロ現象とミクロプロセスをそれぞれ調べても複雑系を理解できない。 25

26.

人工市場の得意とすること：ミクロ・マクロ相互作用未知の環境を実験マクロ現象（価格変動）ミクロ・マクロ相互作用のメカニズム解明ミクロ現象（投資家行動）人工市場モデルの妥当性実証研究金融工学マクロモデル etc 価格変動（結果）の妥当性エージェントモデルの妥当性行動経済学実験経済学経済脳科学 etc 26

27.

https://sbiferi.co.jp/review/review_vol05_202403.html ,SBI 2024, 金水融孝田経信「済研人究工所市場：金融市場のコンピュータ・シミュレーション」水田孝信「人工市場：金融市場のコンピュータ・シミュレーション」, 2024, SBI金融経済研究所 https://sbiferi.co.jp/review/review_vol05_202403.html 数理モデルを用いた既存の手法と、人工市場には、長所・短所ある両方を使って、よりよい市場設計、よりよい金融・財政政策、よりよい金融危機への対応を行うベキ！！数理モデル(既存の経済学) 人工市場(エージェント・ベースド・モデル) 複雑系モデル仮定扱えない扱えるきれいで複雑な数式シンプルな行動モデル合理的な投資家、最適化など非現実的メカニズムの理解に重点を置くため行動を簡素化複雑系が重要でない範囲内では高い複雑系が重要な危機時でも本質を説明できる精度ただし複雑系が重要な危機時は何も説明できないただし定量的な精度は高くない強い仮定のもとに作られたモデルであることを理解し過度な現実の再現を目指さずメカニズムの理解に使用し、正しい使い方その仮定が成立する範囲内のみで用いるあり得る副作用、あり得るメカニズムを議論する目的に応じてモデルを使い分ける目的に応じてモデルを使い分ける全ての経済現象を説明できると誤解して使用定量的に高い精度があると誤解して予測に使用誤った使い方複雑系が重要となる危機時の説明に使用過度な現実との対応付け 27

https://sbiferi.co.jp/review/review_vol05_202403.html

28.

人工市場の得意とする範囲過去起きた現象これから起きる現象実証分析人工市場これから起きる現象を取り扱えるのが長所だが、これからも起こらない現象を取り扱ってしまう可能性があるのが短所 28

29.

（１）エージェントシミュレーションとは？（２）金融・経済におけるエージェントシミュレーション：人工市場 (2-1) 金融市場の基本性質の分析 (2-2) 金融市場の制度設計 (2-3) 自動取引の実験場 (2-4) 社会経済全体のシミュレーション（３）人工市場による市場制度の設計事例：呼値の縮小（４）市場制度設計における適切な人工市場モデル 29

30.

複雑系の勃興時に研究が始まった恐らく1990年代から行われているスタイライズドファクトを再現価格の騰落(リターン)の頻度分布は正規分布をしたおらず、裾が厚いリターンの2乗の自己相関はゼロではない、ラグが大きくなるとゼロに近づく Takayasu, H., Miura, H., Hirabayashi, T., and Hamada, K.: Statistical properties of deterministic threshold elements - the case of market price, Physica A: Statistical Mechanics and its Applications, Vol. 184, No. 1, pp. 127, 1992 Lux, T. and Marchesi, M.: Scaling and criticality in a stochastic multi-agent model of a financial market, Nature, Vol. 397, No. February, pp. 498, 1999 実証研究で知られているスタイライズドファクトを再現するための最小限のでも： and Izumi https://doi.org/10.1145/3768292.3770338 エージェント(投資家)の特徴は何か？追求する最近最近でも：Hashimoto Hashimoto and Izumi https://doi.org/10.1145/3768292.3770338 バブルの発生メカニズムどういうときにバブルが発生するのか？メカニズム、エージェントの特徴 Izumi, K. and Okatsu, T.: An artificial market analysis of exchange rate dynamics, Evolutionary Programming V, pp. 27, 1996 Arthur, W., Durlauf, S., Lane, D., and Program, S. E.: Asset pricing under endogenous expectations in an artificial stock market, The economy as an evolving complex system II, pp. 15, Addison-Wesley Reading, MA, 1997 例えば、 U-Mart: Kita, et al. : Realistic Simulation of Financial Markets, Springer, 2016 プラットフォームモデル https://github.com/plham/plhamJ PlhamJ: 和泉研作成： PlhamJ: 和泉研作成： https://github.com/plham/plhamJ いずれも、効率的市場仮説が否定するテクニカル戦略のエージェントが必要との結論歴史あるテーマだが、これらは今でも重要なテーマいずれも、予測や細かい再現を目的としていない 30

31.

ファンダメンタル戦略・テクニカル戦略の２つに集約された効率的市場仮説これのみいるハズ不要な場合もファンダメンタルエージェント幅はあるが存在不要株式の定義全部買えば利益は全て自分のものアンケート調査や実証研究*1 いないハズ主要な戦略人工市場*2 Stylized Factsを再現絶対必要テクニカル（順張り）エージェント必要人間の基本特性行動経済学人への実験 *1 Menkhoff, L. and Taylor, M. P. (2007): The Obstinate Passion of Foreign Exchange Professionals: Technical Analysis, Journal of Economic Literature Yamamoto, R. (2021): Predictor Choice, Investor Types, and the Price Impact of Trades on the Tokyo Stock Exchange, Computational Economics *2 Lux, T. and Marchesi, M.(1999) Scaling and criticality in a stochastic multi-agent model of a financial market, Nature 31

32.

被験者を使った実験市場でもエージェントモデルの妥当性が確認されている実験市場についてよくまとまった本 https://www.coronasha.co.jp/np/isbn/9784339028164/ https://www.coronasha.co.jp/np/isbn/9784339028164/ 被験者を使った実験市場の結果にあうような人工市場シミュレーションを試みたファンダメンタル戦略、順張り戦略をモデルに用いて、パラメータ調整すると、実験市場の結果とよくあった https://doi.org/10.1111/j.1540-6261.2006.00868.x Haruvy and Noussair (2006): The Effect of Short Selling on Bubbles and Crashes in Experimental Spot Asset Markets Haruvy and Noussair (2006): The Effect of Short Selling on Bubbles and Crashes in Experimental Spot Asset Markets https://doi.org/10.1111/j.1540-6261.2006.00868.x 32

33.

実証研究との一致はいろいろ議論があるものの、、、 ★金融市場においてどのような状況でも存在 (Sewell 2011) ⇒ 値には幅あり http://finance.martinsewell.com/stylized-facts/ http://finance.martinsewell.com/stylized-facts/ （１）ファットテール（Mandelbrot 1963等多数）価格の騰落率の分布が正規分布に比べ裾が厚い → 暴騰・暴落が正規分布で予想されるより多い尖度： 1～100程度と値には幅がある（２）ボラティリティ・クラスタリング（Mandelbrot 1972等多数）価格の騰落率の２乗が大きなラグでも自己相関をもつ → 市場が荒れだすと持続する短いラグで0.1～0.2程度、ラグが長くなると急激に減少ゼロに近づくもののマイナスにはならない（プラスを維持）特定の法則が維持される”斉一性原理”(せいいつせい)が、上記は数少ない常に成立するもの長い時間スケールであるほど成り立っていないただし、定量的には時により差があるこれ以上あわせに行っても意味がない 33

http://finance.martinsewell.com/stylized-facts/

34.

投資戦略の最適化の不安定性による金融市場の不安定性 2022年の私の研究 https://doi.org/10.11517/jsaisigtwo.2022.FIN-029_01 https://doi.org /10.11517/jsaisigtwo.2022.FIN-029_01 投資家自身の売買によって価格を変化させてしまうこと(マーケットインパクト)をバックテストを用いたパラメータ最適化時に考慮できないため、パラメータが定まらないことを議論最適な → 自身の売買のインパクトのせいで自身の最適な戦略が定まらない投資戦略が変わる金融市場は投資家が全員合理的だったとしても本質的に不安定最適な投資戦略を過去の価格時系列上で探す特定の投資戦略に到達しない投資戦略の最適化は安定しない投資戦略の実行価格時系列が変わる金融市場は本質的に，合理的に投資戦略を選定する場合でも，特定の投資戦略のパラメータには達することができない性質をもっている．そのときは合理的な投資戦略を選択したとしても，その投資戦略が価格時系列を変更し，合理的な投資戦略が変わり，と繰り返されるから．このような予測不能な動きとなるパラメータに基づいた投資戦略によって生み出された市場価格の時系列が，予測可能であったり規則性が安定的に存在したりするとは考えにくい．規則性の不安定性は，価格時系列を数理モデル化する際の大前提である斉一性原理をも疑わせ，価格時系列の数理モデル化の難しさを示すものであると考えられる． 34

https://doi.org/10.11517/jsaisigtwo.2022.FIN-029_01

35.

（１）エージェントシミュレーションとは？（２）金融・経済におけるエージェントシミュレーション：人工市場 (2-1) 金融市場の基本性質の分析 (2-2) 金融市場の制度設計 (2-3) 自動取引の実験場 (2-4) 社会経済全体のシミュレーション（３）人工市場による市場制度の設計事例：呼値の縮小（４）市場制度設計における適切な人工市場モデル 35

36.

差し迫った課題を議論しなければならない実務家に浸透規制当局(金融庁)、中央銀行(日本銀行)、証券取引所(東証，JPX) ＪＰＸワーキングペーパー https://www.jpx.co.jp/corporate/research-study/working-paper/index.html VaR )呼 13 50 (Jが PX) 2025 の自、後年本東高影発己値末中京ほが速響人行ど資現証、取紹実な工本引在券ど介に市規の取場制引影を所や響用の、い親取た会引研社所究、の日高本速取化引、所バグッチルオーープクション、東京証券取引所の親会社、日本取引所グループ(JPX)が発行 50本中、実に13本が人工市場を用いた研究(2025年末現在) 呼値(後ほど紹介)、高速取引の影響、取引所の高速化、バッチオークション、自己資本規制やVaRの影響など https://www.jpx.co.jp /corporate /research-study/working-paper/index.html その他にも、空売り規制、値幅制限、ダークプール、信用分散規制、水平株式保有、などが調べられている (次,次々ページ参照) 予測や細かい再現を目的としていないこれまでにない制度によってどういうことが”起こりえるか”を調べる “あり得る”メカニズムを見つけておく、”あり得る”副作用を見つけておく私の専門分野呼値の事例を後ほど紹介 36

https://www.jpx.co.jp/corporate/research-study/working-paper/index.html

37.

その他に調べられたこと(1/2) https://www.sparx.co.jp/report/detail/305.html ,ス 2021, 水パ田ー孝クス信・ア「セ金ッ融ト・市マ場ネジのメ制ン度ト設計に使われ始めた人工市場」空売り規制と値幅制限空売りが完全に禁止された場合だけでなく、日本では2013年に廃止になった空売りの際の価格規制も、市場を非効率なものとし、価格を引き上げ、場合によってはバブルを誘発することが分かりました。ダークプールダークプールは市場を安定化させ、マーケットインパクトを低減させる効果をもつことが示唆示されました。しかし、ダークプールでの取引が多くなりすぎると、つまり普及しすぎると市場の効率性が著しく低下することを示しました。暴落後の反発やボラティリティクラスタリングのメカニズムの解明ファンダメンタルが急激に悪化してその企業の株価が暴落した直後に、反発がよくあることが知られています。これはオーバリアクションのためだと考えられていることもありますが、人工市場で分析すると、投資家の予想株価にばらつきがあり、需給に偏りがあれば、この反発は起こることが分かりました。高速取引の影響高速取引の多くはマーケットメイク戦略と言われていますが、このマーケットメイク戦略が存在する取引所と存在しない取引所を人工市場内に用意して取引量の変化を調べました。その結果、この戦略が存在する取引所の取引が増えました。取引所の高速化どれくらいレイテンシーが短ければ良いのかを人工市場を用いて調べました。その結果、平均的な注文の到着間隔よりもレイテンシーが短ければ、市場効率性やボラティリティなどに影響を与えないことが分かりました。バッチオークションザラバとバッチオークションのどちらが売買量が多くなるか調べたところ、ザラバの方が売買量が多くなりました。忍耐強いアクティブ運用の市場効率化への貢献忍耐強いアクティブ運用はまれに起こる、市場価格が企業価値に即した適正な価格から大きく乖離して市場が不安定になり、市場がさらに非効率になりそうなときのみに多く売買を行い、市場を効率化することに寄与していることが示されました。水田孝信「金融市場の制度設計に使われ始めた人工市場」, 2021, スパークス・アセット・マネジメント https://www.sparx.co.jp/report/detail/305.html 水平株式保有パッシブ運用の増加が企業間競争と市場価格へ与える影響を分析しました。その結果、パッシブ運用の割合がさほど大きくなくても、競争を阻害する可能性を示しました。見せ玉板上に平均的に存在する最良気配付近の指値注文数より多くの株数の見せ玉を見せれば、不公正な利益が得られるだけでなく、価格形成に悪影響を与え、株価変動が大きくなり、市場が非効率となることが分かりました。新しい投資戦略が既存の投資戦略の利益を奪い取るか？ CTA・短期順張りともに、お互いがいたほうが戦略を実行するチャンスが多くなり、むしろ利益を獲得していることが分かりました。分散投資規制何らかの理由でファンダメンタル価格が急上昇した銘柄を投資信託が上限近くまで持っていた場合に、時価の上昇で上限を越さないように売る必要が生じ、ファンダメンタル価格への収束を妨げる場合があることを示しました。レバレッジドETF リバランス取引の市場価格へ与える影響を調べました。その結果、レバレッジドETFの規模が大きいほど影響は大きく、通常時のボラティリティよりも大きいマーケットインパクトを与えるまでになると、市場価格への影響が特に顕著になることが分かりました。流動性への影響取引量と板の厚さは関係のない指標であり、流動性の量を示す取引量、質を示す板の厚さといった、流動性にもいくつか種類があることが示されました。取引手数料のメイカー・テイカー制(リベート制) メイカーとなるマーケットメイク戦略が注文する指値の売り買い価格差が、平均的な最良売り・買い気配の差より小さくできるくらいリベートを提供すれば、テイカーの執行コストは低下する一方、それ以下のリベートの場合はかえって執行コストは上昇してしまうことが分かりました。 37

https://www.sparx.co.jp/report/detail/305.html

38.

その他に調べられたこと(2/2) 調査対象サーキットブレイカー注文付け合わせの即時執行ネイキッドショートセル呼値空売り規制値幅制限高速取引取引所の高速化ダークプールバッチオークション取引時間延長レバレッジドETF アクティブ運用水平株式保有分散投資規制流動性の種類取引手数料のリベート制値幅制限とサーキットブレイカー文献 https://sbiferi.co.jp/review/review_vol05_202403.html ,SBI 2024, 金水融孝田経信「済研人究工所市場：金融市場のコンピュータ・シミュレーション」水田孝信「人工市場：金融市場のコンピュータ・シミュレーション」, 2024, SBI金融経済研究所 https://sbiferi.co.jp/review/review_vol05_202403.html 人工市場研究が示唆したことサーキットブレイカーを終了させるのは、投資家の予想価格の下落速度が清水・村永(1999) 十分に小さくなってからでなければならない副島(2001) 価格変動を大きくする恐れ大井(2012) 水田他(2013) オーバーシュートを防ぐことができる一方、平時は割高に短期のボラティリティより小さい呼値でなければボラティリティを引き上げる空売りが完全に禁止された場合だけでなく、価格規制だけでも、水田(2014) 市場を非効率なものとし、価格を引き上げ、場合によってはバブルを誘発する水田(2014) 下落の時間スケールはさまざまなので、複数の時間スケールのものを用意すべき草田他(2015) 高速取引の多くはマーケットメイク戦略であり、この戦略が存在する取引所のほうが取引が多い水田他(2015) 取引所は平均的な注文の到着間隔よりも低遅延(高速)であるべき市場を安定化させ、マーケットインパクトを低減させる効果をもつ水田他(2016) しかし、普及しすぎると市場の価格発見機能が著しく低下水田・和泉(2016) ザラバよりも取引は少なくなる三輪・植田(2016) 延長された時間帯の取引参加者が少ないと市場効率性が低下八木・水田(2017) リバランス取引がボラティリティよりも大きいマーケットインパクトを与えると市場を荒らす水田・堀江(2017) 忍耐強いアクティブ運用は市場がさらに非効率になりそうなときのみ多く売買し市場を効率化水田(2018) 競合企業をいずれも持つファンドが増えると企業間競争を阻害する丸山他(2019) 時価の上昇で上限を越えないように売る必要が生じファンダメンタル価格への収束を妨げる場合がある取引量と板の厚さは関係のない指標であり、流動性の量を示す取引量、質を示す板の厚さなど、益田他(2019) 流動性にもいくつか種類がある星野他(2021) 水田・八木(2023) 中途半端なリベートはかえって執行コストを上昇させる値幅制限は制限価格付近に指値注文がたまり、反発を防ぐことがあるただし、サーキットブレイカーには取引を焦らせる副作用が報告されているがこれはまだ未調査 38

https://sbiferi.co.jp/review/review_vol05_202403.html

39.

金融市場の制度設計の重要性人類高度なお金と物の交換で協力しあう他の動物を凌駕する文明金融市場協力＆競争よい物・よいサービス規制の無い自由な競争が良い？社会を破壊？そうではなくてうまく設計されたときのみ、うまく機能する )h2002 (原 ,年 ttps://www.keio-up.co.jp/np/isbn/9784766427837/ ジョ著ン・マクミラン「市場を創る」ジョン・マクミラン「市場を創る」, 2002年(原著) https://www.keio-up.co.jp/np/isbn/9784766427837/ 人類発展に必要不可欠な道具物理学者や生物学者が研究してきたシステムと同じくらい複雑で高度市場の設計をうまく行う＝難しいけど社会発展に非常に重要複雑系をなす、まさにシミュレーションを必要とする分野神は細部に宿る 39

https://www.keio-up.co.jp/np/isbn/9784766427837/

40.

株式市場には社会的な目標がある：社会発展のためにある規制は最もその目標が達成されるように作られる 1 最も有望な投資プロジェクトに資本を効率的に配分することの促進 2 経済における既存生産能力を効率的に利用することの促進 -> 社会をよりよくする、より役に立つことへの投資資金がまわるようにする 3 現在と将来という期間における資源の効率的な配分の向上 -> 時間を超えても安心して投資資金をまわせるようにする 4 最小の非効率という観点から、発行者のキャッシュ・フローに係るボラティリティに関するリスクのリスク回避型投資者への効率的配分の促進 -> 投資家がいろいろな企業に投資してリスク分散を図れるようにする 5 全体にわたる公正な運営及び公正性という認識の向上 -> ずるをしている人がいない、公正な競争が行われていると思ってもらい、より多くの人に参加してもらう社会発展に寄与する市場設計(ルール・規制作り) 芳賀良, 2023 <論説>見せ玉と相場操縦規制 -高速取引行為と非高速取引行為の相克Fox et al., 2022, Spoofing and its Regulation https://doi.org/10.18880/0002000210 https://doi.org/10.18880/0002000210 https://doi.org/10.52214/cblr.v2021i3.9109 https://doi.org/10.52214/cblr.v2021i3.9109 https://www.sparx.co.jp/report/detail/500.html 水田孝信, 2020, なぜそれらは不公正取引として禁止されたのか？ https://www.sparx.co.jp/report/detail/500.html 40

41.

複雑系である金融市場の制度設計の難しさを示す例え話 https://www.fsa.go.jp/common/conference/danwa/20151013/01.pdf Rethinking (), “融 Regulatory 当2015, 森時親金信庁長官 Reforms”, the 6th Annual Pan Asian Regulatory Summit, Hong Kong 森信親金融庁長官(当時), 2015, “Rethinking Regulatory Reforms”, the 6th Annual Pan Asian Regulatory Summit, Hong Kong https://www.fsa.go.jp/common/conference/danwa/20151013/01.pdf https://www.fsa.go.jp/common/conference/danwa/2018/20180526.pdf ), (当 2018, 日和本金時訳の参融照学：会永見野良蔵金融国際審議官和訳の参照：永見野良蔵金融国際審議官(当時), 2018, 日本金融学会 https://www.fsa.go.jp/common/conference/danwa/2018/20180526.pdf 森信親金融庁長官(当時), 2015年、香港での講演より（金融規制を強化する欧米を批判）タイタニック号沈没の3年後*、乗客分の救命ボートを備えることを求める国際海洋救命条約が成立して、米国は同基準を国内航路にも適用したが、五大湖の遊覧船(イーストランド号*)が救命ボートの重みで沈没し、多くの*犠牲者が出た規制を作った当初、予想していなかった副作用 (当会の他の方の講演の模様) *水田修正複雑系：予期せぬ結果を招く 140名の医者が患者を取り囲み、症状ごとに別の強い薬を注射したら、患者はどうなるだろうか金融安定理事会など国際機関に計140の部会が設けられ、それぞれ新規制を設計したり、実施状況を監視したりしていることの比喩 media/File:Eastland_disaster_port_side.jpg File:Eastland_disaster_port_side.jpg#/ https://commons.wikimedia.org/wiki/ 部分最適でも全体にどういう影響を及ぼすか分からない複雑系：部分の単純な足し算が全体とはならない神は細部に宿る https://commons.wikimedia.org/wiki/ File:Eastland_disaster_port_side.jpg#/ media/File:Eastland_disaster_port_side.jpg 41

42.

定性的な議論のみが延々となされる場合も多く、、、・市場混乱や市場の制度変更の事例が少ない・実証研究ではこれまでに導入したことがない規制・制度の分析ができない当局や取引市場が新しい規制・制度を策定するときの議論は，仮説検証型の分析に基づかない定性的な議論のみが延々となされる場合が多く，導入した後に副作用を発見し導入したものを廃止するといったことが繰り返される場合も仮説検証型の議論されてこなかった人工市場が必要 42

43.

世界を救うかもしれない金融市場のうまい設計：レバレッジ規制うまくない設計レバレッジ10倍 (借金して元手の10倍の株を買う)の個人投資家の取引遠因・根本原因 1929年世界大恐慌遠因・根本原因 1939年第二次世界大戦神は細部に宿る Borowiecki et al.,2022 https://doi.org/10.1111/ehr.13213 Borowiecki et al.,2022 https://doi.org/10.1111/ehr.13213 もし禁止していたら？？？？？もし恐慌がもっと弱かったら？？？？？金融の失敗は実社会に大きな影響を与える金融危機は、財政危機、実経済の危機などよりも深刻金融市場のうまい設計こそが世界を救うという気持ちで研究してます 43

https://doi.org/10.1111/ehr.13213

44.

世界を救うかもしれない金融市場のうまい設計：値幅制限うまくない設計? ヨーロッパのA銀行信用不安が広がる現実:値幅制限(ストップ安)なしよく分からないのでとりあえず売却 30%超の下落もし値幅制限(ストップ安)があれば売りたくても売れない 10%程度の下落で済む政府より救済の用意あるとアナウンスもう売っちゃったし買い戻すほどでもないならば売らないという判断何事もなく信用不安が回復株価下落による信用不安の拡散神は細部に宿る金融危機の始まりを防げるかもしれない 44

45.

うまく設計されたときのみ、うまく機能する：サッカーの例サッカーのオフサイド：細かい変更で全く別のスポーツになってしまう https://note.com/mizutatakanobu/n/n959a341dc902 より詳細な解説より詳細な解説 https://note.com/mizutatakanobu/n/n959a341dc902 1863年：サッカーとラグビーに分かれるサッカーは手が使えない前方へのパスは一切禁止(完全オフサイド) 選手は横一列に並び手の使えないラグビーみたいな感じ： 0-0-10 (守る必要ない) 1866年： 3人制オフサイド(緩和)：敵ゴールから３人目の敵より前にパスできない中盤は人を置かない：2-0-8 (少し守る必要出てきた) 1925年： 2人制オフサイド(もう少しだけ緩和)：上記３人を２人に削減選手がフィールド全体に散らばり面白くなった！：4-4-2 とか (そう思わない人も：アメリカとか <-アメフトやラグビーが残っている理由) 1972年：アメリカプロサッカーリーグ：中心から35ヤードまでオフサイド適応外領域作る(さらに緩和) ディフェンダーが動かなくなりつまらなくなり、リーグ自体が消滅！いかにルールの細部が重要か！神は細部に宿るガラス細工のように繊細なルールの積み上些細な変更と思いきや全体を破壊することも ↑ サッカー、株式市場、民主主義 45

https://note.com/mizutatakanobu/n/n959a341dc902

46.

制度設計に用いる人工市場モデルエージェントごく一般的な投資家を再現特定環境のみに存在する特殊な投資家は再現しない ↑ 過去の特定事象の再現でなく、規制・制度の一般的なメカニズムの理解が目的一般的な投資家をモデル化発注量発注価格エージェント架空取引所価格決定メカニズム取引価格の決定調査対象の制度を正確にモデル化価格決定メカニズム調査対象の制度・ルールを再現する必要がある 46

47.

（１）エージェントシミュレーションとは？（２）金融・経済におけるエージェントシミュレーション：人工市場 (2-1) 金融市場の基本性質の分析 (2-2) 金融市場の制度設計 (2-3) 自動取引の実験場 (2-4) 社会経済全体のシミュレーション（３）人工市場による市場制度の設計事例：呼値の縮小（４）市場制度設計における適切な人工市場モデル 47

48.

注文生成AI (Generative AI for orders, Synthetic Data for AI in Finance) (2020-2023) ACM https://icaif25.org/ JP International でが世ス多界organ ポく的ン発なサ表ー銀さの行れ国大て際い手た学Conference 術会議 on AI in Finance(ICAIF) 世界的な銀行大手 JP Morganがスポンサーの国際学術会議 https://icaif25.org/ ACM International Conference on AI in Finance(ICAIF) で多く発表されていた(2020-2023) https://sites.google.com/view/icaif-synthetic/home Synthetic 2022 ”ク Data for と年いかうらワはーショップもAI in Finance” 2022年からは”Synthetic Data for AI in Finance”というワークショップも https://sites.google.com/view/icaif-synthetic /home World Agent ：データの学習を行い現実的な注文データを生成 Experimental Agent：実験したい投資戦略をのせるこの2体だけ：Experimentalがどのような成績になるか実験するアルゴリズム取引の戦略評価に使おうとしている短い時間スケール(秒以下)なら注文状況(板の状況)に再現性ある ↑ 人間の手で行えないので機械化されている時間スケール・高速取引：高速であることを生かして利益を狙う(高速化のため戦略は単純化) ・執行アルゴリズム取引：手の内を知られないように注文を自動的に小口に分ける Coletta 2021 https://doi.org/10.1145/3490354.3494411 Coletta 2021 https://doi.org/10.1145/3490354.3494411 現在の注文環境であり得そうな注文を生成する → 全く経験のない環境は不得 → 制度設計には向かない → 投資家種別ごとの相互作用によるメカニズムなどは分析できない良くも悪くもエージェントに全く前提を置かず大量のデータから現実的な注文を推定して生成まだまだ実用化までは遠い感じも進歩は速い(速かった？) Coletta 2022 https://doi.org/10.1145/3533271.3561753 Coletta 2022 https://doi.org/10.1145/3533271.3561753 48

49.

World Agent ：データの学習を行い現実的な注文データを生成 Experimental Agent：実験したい投資戦略をのせるこの2体だけ：Experimentalがどのような成績になるか実験する Coletta 2021 https://doi.org/10.1145/3490354.3494411 Coletta 2021 https://doi.org/10.1145/3490354.3494411 Coletta 2022 https://doi.org/10.1145/3533271.3561753 Coletta 2022 https://doi.org/10.1145/3533271.3561753 執行アルゴリズム(大口の注文を自動的に小分けにして発注)のシミュレーション：灰色の部分が買い注文を出した領域指値注文もインパクトがあることを示唆！見せ玉の分析できそう！ Coletta 2023 https://doi.org/10.1145/3604237.3626854 Coletta 2023 https://doi.org/10.1145/3604237.3626854 金融における合成(生成)データのレビュー論文 Potluru et al. 2023 https://doi.org/10.48550/arXiv.2401.00081 Potluru et al. 2023 https://doi.org/10.48550/arXiv.2401.00081 モデルの比較、コードの公表：試したり比べたり Berti et al. 2025 https://doi.org/10.48550/arXiv.2502.07071 Berti et al. 2025 https://doi.org/10.48550/arXiv.2502.07071 https://github.com/LeonardoBerti00/DeepMarket Nagy et al. 2025 https://doi.org/10.48550/arXiv.2502.09172 Nagy et al. 2025 https://doi.org/10.48550/arXiv.2502.09172 https://github.com/peernagy/lob_bench https://github.com/peernagy/lob_bench https://github.com/LeonardoBerti00/DeepMarket 見せ玉をAIトレーダーにさせないための実装を検討 Byrd 2020 https://doi.org/10.1145/3533271.3561767 Byrd 2020 https://doi.org/10.1145/3533271.3561767 流動性ごとに見せ玉がどれくらい有効であるかを検討 Gu, et al. 2024 https://doi.org/10.1145/3677052.3698634 Gu, et al. 2024 https://doi.org/10.1145/3677052.3698634 執行アルゴ(買い) 発動期間指値注文の場合生成AIを使う https://doi.org/10.11517/pjsai.JSAI2025.0_1H4OS8b04 2025 ,水高野橋高橋, 水野 2025 https://doi.org/10.11517/pjsai.JSAI2025.0_1H4OS8b04 マーケットインパクトモデルを組み合わせて実用的に Vytelingum et al., 2025 https://doi.org/10.48550/arXiv.2505.15296 Vytelingum et al., 2025 https://doi.org/10.48550/arXiv.2505.15296 提案手法：青(LOBGAN) 民間での開発も(NDIVIAイベントでNASDAQ発表) https://www.nvidia.com/gtc/session-catalog/sessions/gtc26-s81530/ https://www.nvidia.com/gtc/session-catalog/sessions/gtc26-s81530/ 49

50.

民間での開発も(NDIVIAイベントでNASDAQ発表) https://www.nvidia.com/gtc/session-catalog/sessions/gtc26-s81530/ https://www.nvidia.com/gtc/session-catalog/sessions/gtc26-s81530/ https://www.nvidia.com/ja-jp/gtc/ イベントページイベントページ https://www.nvidia.com/ja-jp/gtc/ 50

51.

相場操縦と見せ玉：これら不正取引を取り締まる意義相場操縦(manipulation)とは？・インサイダー取引に並ぶ、不正取引の１つ・本来の株価から不正に吊り上げて高い価格で売りつける(またはその逆)など・直接の売買利益が目的でない場合もある・昔からある手法であるが、現代は不公正取引として刑法(金融商品取引法)で禁止されている ← 禁止しないと適正な価格での取引ではなく、相場操縦できる大口投資家しか勝てない市場になってしまい、個人投資家は勝てる見込みがないと考え参加者が減り、市場の社会的機能低下をもたらす(実際そうだった) -https://www.tradersshop.com/bin/showprod?c=9784492061114 伝望欲説との幻投想機の王市リバ場モア欲望と幻想の市場 - 伝説の投機王リバモア https://www.tradersshop.com/bin/showprod?c=9784492061114 )https://www.sparx.co.jp/report/detail/500.html (私が書いた解説 (私が書いた解説) https://www.sparx.co.jp/report/detail/500.html 見せ玉(spoofing)とは？・相場操縦には、風説の流布、仮装売買、見せ玉などさまざまな手法がある・見せ玉は、需給を誤解させ、相場操縦することを意図して出される、取引するつもりのない大量の指値注文(待機注文)のこと・特に取り締まりが難しい手法(後述) 高速取引やAIの普及で余計に難しくなっている https://www.kadokawa.co.jp/product/321707000030 )フ (見ラせッシ玉ュで・捕クラまッっシたュ個人投資家の話 (見せ玉で捕まった個人投資家の話) フラッシュ・クラッシュ https://www.kadokawa.co.jp/product/321707000030 ()h ttps://www.sparx.co.jp/report/special/3149.html 私が書いた解説 (私が書いた解説) https://www.sparx.co.jp/report/special/3149.html https://doi.org/10.18880/0002000210 芳賀良, 2023 <論説>見せ玉と相場操縦規制 -高速取引行為と非高速取引行為の相克- https://doi.org/10.18880/0002000210 https://doi.org/10.52214/cblr.v2021i3.9109 Fox et al., 2022, Spoofing and its Regulation https://doi.org/10.52214/cblr.v2021i3.9109 51

52.

見せ玉見せ玉 https://kabusyo.com/sihyo/misedama.html https://kabusyo.com/sihyo/misedama.html 金融庁に実際の違反事例が多数解説されている： https://www.fsa.go.jp/sesc/news/c_2024/2024/20240326-2.html )Q uadeye に例よる高速Trading 取引に係LLC る偽計に対する課徴金納付命令の勧告について例) Quadeye Trading LLCによる高速取引に係る偽計に対する課徴金納付命令の勧告について https://www.fsa.go.jp/sesc/news/c_2024/2024/20240326-2.html 見せ玉で捕まった人に関する書籍や記事： https://www.kadokawa.co.jp/product/321707000030 フラッシュ・クラッシュたっと一人で世界株式市場を暴落させた男フラッシュ・クラッシュたっと一人で世界株式市場を暴落させた男 https://www.kadokawa.co.jp/product/321707000030 https://www.bloomberg.co.jp/news/articles/2025-07-01/SYCL6IT0AFB400 投Ｓ相Ｎ稿場Ｓ操で潔縦白で解を主雇張の元野村国債トレーダー、相場操縦で解雇の元野村国債トレーダー、ＳＮＳ投稿で潔白を主張 https://www.bloomberg.co.jp/news/articles/2025-07-01/SYCL6IT0AFB400 法的議論：芳賀良, 2023 <論説>見せ玉と相場操縦規制 -高速取引行為と非高速取引行為の相克https://doi.org/10.18880/0002000210 https://doi.org/10.18880/0002000210 52

53.

何が問題になっていて、何を解決すべきなのか？問題点・相場操縦の”意図”があったのか？価格を動かす”効果”はあったのか？などあいまいな議論が伴う ← 取り締まる側の人に見せ玉とは何か聞きに行ったら逆に「定量的に定義できませんか？」と聞かれた・人間は意図しておらず、AIが”学習の結果”見せ玉などを行った場合、AIに相場操縦の”意図”があったか問うことはできるのか？・意図以前の問題として”効果”があったのかどうかがそもそも分からない・法律上の定義でもインサイダーとは異なり形式的で明確な要件を定義できず、法律上もあいまいなままであり、取り締まり・裁判が難しい今後の課題実データを学習し次の注文を予想する「注文生成AI」を人工市場に投入し、現実の市場に近いシミュレーターで見せ玉の効果を定量的に測定する注文生成AIエージェント(World Agent)：深層学習などを用いて実データを大量に学習、模倣注文生成AI 実注文データ現実に近いシミュレーター見せ玉学習注文見せ玉にも反応注文生成AI 見せ玉の効果を定量的に測定現実に近いシミュレーター価格決定メカニズム（取引所）価格決定メカニズム（取引所）注文・見せ玉は、需給を誤解させ、相場操縦することを意図して出される、取引するつもりのない大量の指値注文(待機注文)のこと・特に取り締まりが難しい手法：見せ玉とそれ以外の区別が難しい！注文生成AI 定量的・具体的な「見せ玉の定義」の指針になれば！ 53

54.

AIが勝手に相場操縦をしたら法的責任は？世界的に法学界隈で議論されている https://doi.org/10.2139/ssrn.3788872 Azzutti et al., 2021, Machine Learning, Market Manipulation and Collusion on Capital Markets: Why the 'Black Box' matters Azzutti et al., 2021, Machine Learning, Market Manipulation and Collusion on Capital Markets: Why the 'Black Box' matters https://doi.org/10.2139/ssrn.3788872 https://doi.org/10.36227/techrxiv.15093762 Ullah et al., 2021, A Brief Review of Responsible AI and Socially Responsible Investment in Financial and Stock Trading Ullah et al., 2021, A Brief Review of Responsible AI and Socially Responsible Investment in Financial and Stock Trading https://doi.org/10.36227/techrxiv.15093762 :https://doi.org/10.34382/00018588 AI 2023, 利利の日用活原者用拓と哉製にお造け者るの刑刑法事上責の任諸を問中題心に日原拓哉 2023, AIの利活用における刑法上の諸問題 : 利用者と製造者の刑事責任を中心に https://doi.org/10.34382/00018588 A European Filippo 2023,Perspective Artificial Intelligence https://doi.org/10.4337/9781035310722 and Market Abuse Legislation Filippo 2023, Artificial Intelligence and Market Abuse Legislation A European Perspective https://doi.org/10.4337/9781035310722 Dellagiacoma 2025, Negoziazione algoritmica, intelligenza artificiale e market abuse oltre l’high frequency trading https://hdl.handle.net/11565/4074064 Dellagiacoma 2025, Negoziazione algoritmica, intelligenza artificiale e market abuse oltre l’high frequency trading https://hdl.handle.net/11565/4074064 Dolmestch 2025, Inteligencia artificial como «actuante» en el derecho penal. Una primera aproximación https://doi.org/10.7238/idp.v0i43.432787 Dolmestch 2025, Inteligencia artificial como «actuante» en el derecho penal. Una primera aproximación https://doi.org/10.7238/idp.v0i43.432787 Phillips 2025, When Siri becomes a deposit broker? Finance and Society https://doi.org/10.1017/fas.2025.10018 Phillips 2025, When Siri becomes a deposit broker? Finance and Society https://doi.org/10.1017/fas.2025.10018 (おまけ：ダークプールなどの議論) Salger 2020, Dark Trading: Shedding Light on Us and Eu Regulation of the Securities Markets’ Dark Sector https://www.amazon.com/dp/3110661446 Salger 2020, Dark Trading: Shedding Light on Us and Eu Regulation of the Securities Markets’ Dark Sector https://www.amazon.com/dp/3110661446 http://www.pp.u-tokyo.ac.jp/CMPP/forum/2019-02-22/ (3) (2019/2/22) 基第調４回報金告融資本市場のあり方に関する産官学フォーラム第４回金融資本市場のあり方に関する産官学フォーラム (2019/2/22)基調報告(3) http://www.pp.u-tokyo.ac.jp/CMPP/forum/2019-02-22/ https://www.boj.or.jp/about/release_2018/rel180911a.htm (2018/9/11) AI の日利本用銀を行巡金る融法研律究問所題「研ア究ルゴ会リ」ズ報ム告・書日本銀行金融研究所「アルゴリズム・AIの利用を巡る法律問題研究会」報告書 (2018/9/11) https://www.boj.or.jp/about/release_2018/rel180911a.htm AIトレーダーが相場操縦を勝手に行うことを指摘(人工市場) ,https://doi.org/10.11517/jsaisigtwo.2020.FIN-025_82 2020 水田孝信水田孝信, 2020 https://doi.org/10.11517/jsaisigtwo.2020.FIN-025_82 Byrd, 2025 https://doi.org/10.1145/3768292.3770424 Byrd, 2025 https://doi.org/10.1145/3768292.3770424 ,https://www.sparx.co.jp/report/special/3071.html 2020 ス水パ田ー孝クス信・ア「セ人ッ工ト・知マ能ネジがメ不ン公ト正取引を行ったら誰の責任か？」水田孝信「人工知能が不公正取引を行ったら誰の責任か？」, 2020 スパークス・アセット・マネジメント https://www.sparx.co.jp/report/special/3071.html 54

55.

（１）エージェントシミュレーションとは？（２）金融・経済におけるエージェントシミュレーション：人工市場 (2-1) 金融市場の基本性質の分析 (2-2) 金融市場の制度設計 (2-3) 自動取引の実験場 (2-4) 社会経済全体のシミュレーション（３）人工市場による市場制度の設計事例：呼値の縮小（４）市場制度設計における適切な人工市場モデル 55

56.

社会経済全体をモデル化した人工市場、人工社会投資家だけでなく、企業、銀行、中央銀行、政府、労働市場など、さまざまな市場をモデル化し、結合することで、財政政策、金融政策、経済・金融危機などの分析を行うことを目標大きな期待！！ NATUREやSCIENCEに，人工市場に期待をかける記事 Farmer and Foley (2009), Nature https://www.nature.com/articles/460685a Farmer and Foley (2009), Nature https://www.nature.com/articles/460685a これまでの経済学ではリーマンショックを分析・対応できなかったという批判 → 人工市場（エージェント・ベースド・モデル）ならできることある・期待標準的な経済学を否定し、人工市場を絶賛 Battiston et al. (2016), Science https://science.sciencemag.org/content/351/6275/818 Battiston et al. (2016), Science https://science.sciencemag.org/content/351/6275/818 ECB総裁講演でも取り上げられる金融危機は人工市場でしか扱えない！という勢いだが、ちょっと言いすぎヨーロッパ中央銀行(ECB)総裁だったトリシェが効率的市場仮説に基づく金融理論が、金融危機中の政策決定に関してほとんど役に立たなったと述リチャード・ブックステーバー投資銀行や大手ヘッジファンドでリスク管理の責任べ、エージェントシミュレーション(広い意味で人工市場)などが金融政策に者を務めたのち、米国財務省を経て、現在はカリ貢献することを期待していると述べた講演フォルニア大学で教鞭をとっている。『市場リスク https://www.ecb.europa.eu/press/key/date/2010/html/sp101118.en.html https://www.ecb.europa.eu/press/key/date/2010/html/sp101118.en.html ――暴落は必然か』の著者。 ,https://www.panrolling.com/books/wb/wb273.html 2019/1 経済理論の終焉金融危機はこうして起こるまだまだ研究者が少ない経済理論の終焉金融危機はこうして起こる, 2019/1 https://www.panrolling.com/books/wb/wb273.html 前述までの金融市場だけのモデルに比べ需要はさらに大きいものの、困難も大きいモデルの規模が大きくなり、実務家が試したいことを試せるようになるまでの道のりが、さらに長い 56

57.

モデルの例財政政策や金融政策、金融危機のメカニズムなどを議論するため、社会経済全体をモデル化した人工市場、人工社会、マクロ経済シミュレーターとも例えば、この研究は、政府や企業、銀行などの各経済主体の財務諸表の動きを簿記の仕訳から実装これらの研究の発展により、金融政策がシミュレーション結果を参考にしながら決められたり、国政選挙では各政党が財政政策のシミュレーション結果を出し合って論争をしたりする日は近いかもしれない https://cit.repo.nii.ac.jp/records/59 2013 ABM “千済 ” 博よに高士島る論幸マ成文クロ、経葉基工本業挙大動学再大現学の院為社の会モシデスルテ構ム造科に学関研す究る科研、究、高島幸成、“ABMによるマクロ経済基本挙動再現の為のモデル構造に関する研究”、博士論文、千葉工業大学大学院社会システム科学研究科、2013 https://cit.repo.nii.ac.jp/records/59 https://doi.org/10.2197/ipsjjip.32.10 Journal Kosei Takashima, of Information IsaoProcessing, Yagi, “Model Elsevier, Building2024, and Description Using the Agent-based Computational Economics Framework for Accounting”, Kosei Takashima, Isao Yagi, “Model Building and Description Using the Agent-based Computational Economics Framework for Accounting”, Journal of Information Processing, Elsevier, 2024, https://doi.org/10.2197/ipsjjip.32.10 https://doi.org/10.1007/978-981-19-0937-5_4 Ogibayashi, “Model Structure of Agent-Based Artificial Economic System Responsible for Reproducing Fundamental Economic Behavior of Goods Market”, Springer Nature, 2022, Ogibayashi, “Model Structure of Agent-Based Artificial Economic System Responsible for Reproducing Fundamental Economic Behavior of Goods Market”, Springer Nature, 2022, https://doi.org/10.1007/978-981-19-0937-5_4 57

58.

モデルの例2 Di Domenico et al., “Scaling and forecasting in a data-driven agent-based モデルの例3 Jacopo model: Applications to the Italian macroeconomy”, Economic Modelling, Elsevier, 2025, https://doi.org/10.1016/j.econmod.2025.107046 Jacopo Di Domenico et al., “Scaling and forecasting in a data-driven agent-based model: Applications to the Italian macroeconomy”, Economic Modelling, Elsevier, 2025, https://doi.org/10.1016/j.econmod.2025.107046 マクロ経済学で使われる数理モデル、 DSGEモデルとの比較を行っているある程度完成度のある大規模モデル将来予測にこだわったマクロ経済人工市場イタリアのマクロ経済を当てられたか？ https://doi.org/10.1016/j.euroecorev.2022.104306 Sebastian Poledna et al., “Economic forecasting with an agent-based mode”, European Economic Review, Elsevier, 2023, Sebastian Poledna et al., “Economic forecasting with an agent-based mode”, European Economic Review, Elsevier, 2023, https://doi.org/10.1016/j.euroecorev.2022.104306 58

59.

この分野の包括的なレビュー文献 Axtell and Farmer, “Agent-Based Modeling in Economics and Finance: Past, Present, and Future”, Journal of Economic Literature, 2025, https://doi.org/10.1257/jel.20221319 Axtell and Farmer, “Agent-Based Modeling in Economics and Finance: Past, Present, and Future”, Journal of Economic Literature, 2025, https://doi.org/10.1257/jel.20221319 経済学や経済物理の文献も引いている Ionescu et al., “Exploring Complexity: A Bibliometric Analysis of Agent-Based Modeling in Finance and Banking”, Int. J. Financial Stud. 2025, https://doi.org/10.3390/ijfs13020065 Ionescu et al., “Exploring Complexity: A Bibliometric Analysis of Agent-Based Modeling in Finance and Banking”, Int. J. Financial Stud. 2025, https://doi.org/10.3390/ijfs13020065 計量的な文献分析 AcademicetPress, Gallegati al., “Introduction 2017, https://doi.org/10.1016/C2015-0-00736-5 to Agent-Based Economics”, Gallegati et al., “Introduction to Agent-Based Economics”, Academic Press, 2017, https://doi.org/10.1016/C2015-0-00736-5 シュンペーターの「内生的イノベーションプロセス」とケインズの「需要創出メカニズム」を統合 Dosi and Roventini, “Agent-based Macroeconomics The Schumpeter Meeting Keynes Models”, Cambridge University Press, 2025, https://doi.org/10.1017/9781009414173 Fabretti, A., “A Critical Discussion on how Agent-Based Modeling Participates in a Potential Paradigm Shift in Economics”, 2025, https://doi.org/10.1007/978-3-031-96510-4_4 Fabretti, A., “A Critical Discussion on how Agent-Based Modeling Participates in a Potential Paradigm Shift in Economics”, 2025, https://doi.org/10.1007/978-3-031-96510-4_4 Dosi and Roventini, “Agent-based Macroeconomics The Schumpeter Meeting Keynes Models”, Cambridge University Press, 2025, https://doi.org/10.1017/9781009414173 第4章にて経済学の歴史の中での位置づけなど述べられている 59

60.

調査の２つの方向性人工市場・人工経済・メカニズムの解明特に複雑系の中でまれに起こる急激な現象・人類が行ったことがない政策やルールの検証コロンブスのたまご的な発見調査すべき項目自体の発見機械学習を用いたマクロモデル・高い予測精度・ブラックボックス化しがち・メカニズム解明は苦手・まれに起こる急激な現象の予測は難しい・現実世界の予測は苦手金融危機は全く同じものは起きないが本質的には似たようなメカニズムを内包していることが多い → 予想の自己成就など https://www.jcer.or.jp/policy-proposals/20210624-2.html 7 AI (D SGE) 回ビの塩ッ連・野グ携デ剛ー」志「タ経深済層モ学デル習研とマ究ク会第ロ経済理論塩野剛志「深層学習とマクロ経済理論(DSGE)の連携」 AI・ビッグデータ経済モデル研究会第7回 https://www.jcer.or.jp/policy-proposals/20210624-2.html エージェントのパラメータ調整に機械学習が使われる場合がある両方を同時に追求するのは無理目的に応じてモデルは使い分けるべき ⇔ 最高の、統一的な、ベースとしての、モデルはダメシェリングモデルは現実ではありえないモデルだが、政治学に多大な貢献金融市場の制度設計(左)と自動取引の実験場(右)も同じ関係 60

https://www.jcer.or.jp/policy-proposals/20210624-2.html

61.

（１）エージェントシミュレーションとは？（２）金融・経済におけるエージェントシミュレーション：人工市場 (2-1) 金融市場の基本性質の分析 (2-2) 金融市場の制度設計 (2-3) 自動取引の実験場 (2-4) 社会経済全体のシミュレーション（３）人工市場による市場制度の設計事例：呼値の縮小（４）市場制度設計における適切な人工市場モデル 61

62.

伝統的取引所と私設取引所(PTS)の競争証券会社などが独自運営する私設取引所(PTS)：ジャパンネクスト証券、Cboeジャパン、大阪デジタルエクスチェンジ → 東証の経営にとっても無視できない売買代金シェア ↑東証もPTSも売買代金に比例した手数料が主な売上 95 94 取引価格 93 92 91 呼値1円呼値0.1円(10銭) 90 2011年ころからPTSがシェアを奪ってきた 15:00 時刻 (時:分) 14:00 13:00 マルチエージェントによる金融市場のシミュレーション, 2020/9 https://www.coronasha.co.jp/np/isbn/9784339028225/ 11:00 ,https://www.coronasha.co.jp/np/isbn/9784339028225/ 2020/9 マルチエージェントによる金融市場のシミュレーション 10:00 9:00 89 呼値が大きすぎると騰落率が比較的大きい ⇒ 投資家が困る ⇒ 他の取引所で取引 ⇒ 取引量シェアが移る PTSとの競争は“呼値”が重要な要素の１つ 62

https://www.coronasha.co.jp/np/isbn/9784339028225/

63.

呼値縮小に関する共同研究の推移 2011～2012 東京証券取引所の一部の方々が人工知能学会ファイナンスにおける人工知能応用研究会(SIG-FIN)に出入り 2012/12 東京証券取引所と東京大学工学系研究科が共同研究開始を発表 2013/1/30 ＪＰＸ（日本取引所グループ）ワーキングペーパー Vol.2 (2013年1月30日) 人工市場シミュレーションを用いた取引市場間におけるティックサイズと取引量の関係性分析 https://www.jpx.co.jp/corporate/research-study/working-paper/index.html https://www.jpx.co.jp /corporate /research-study/working-paper/index.html 共同研究第一弾として社長記者会見でも触れられる 2013/3/19 人工知能学会ファイナンスにおける人工知能応用研究会東京証券取引所で開催、招待講演にて上記研究を発表 2013/3/29 JPX社長記者会見：呼値を細かくすることを発表日経新聞朝刊の一面記事に 2014/7/22 一部の銘柄で10銭(0.1円)刻みの注文が可能に 2015/9/24 ごく一部の銘柄で呼値を拡大 63

https://www.jpx.co.jp/corporate/research-study/working-paper/index.html

64.

価格決定メカニズム:現実と同じように複雑正確なモデル化調査対象の制度やルールが再現する必要がある continuous double auction（ザラバ）売り注文数量 10 30 50 130 ここに売り注文を入れると即座に売買成立注文価格 103 102 101 100 99 98 97 96 買い注文数量ここに買い注文を入れると即座に売買成立 150 70 対当する注文があると即座に売買成立 ⇔簡略なモデル価格変化 ∝ （買い注文量ー売り注文量） 64

65.

人工市場のモデル呼値のみ異なる取引所Ａ、Ｂでどのように出来高シェアが移り変わるかを分析取引所A 取引所B 成行注文(即座に成立する注文)：有利な価格で売買できる市場を選択エージェント（投資家）指値注文(即座には成立しない注文)：各市場の過去の取引量シェアに比例して配分取引所Ａ：初期の取引量シェア９０％、呼値大きい取引所Ｂ：初期の取引量シェア１０％、呼値小さい 65

66.

どちらの取引所に注文をだすか？取引所Ａ売り価格 84 101 176 100 取引所Ｂ買い売り価格 1 99.2 2 99.1 買い 99 204 99.0 3 98 77 98.8 1 (1) 98円の買い: 取引量シェアに応じた確率でAかBを決める (2) 99.1円の買い：取引所Ｂ ← 99.1円で即座に買えるため (3) 100円の買い：取引所Ｂ ← 99.1円で即座に買えるため (2)、(3)によりシェアを伸ばすことが可能 66

67.

エージェント [Chiarella2002]を発展 ↑ ザラバかつstylized factを再現する中で可能な限りシンプルなエージェントモデル 1000体統計的性質を再現するために最小限必要な項テクニカル(順張り) j: エージェント番号(順番に注文) t: 時刻(ティック時刻) 予想リターンエージェントのパラメータ 𝑤𝑖,𝑗 𝜏𝑗 一様乱数で決定途中で変わらない 𝑤𝑖,𝑗 i=1,3: 0～1 i=2: 0～10 𝜏𝑗 0～1000 𝑡−1 𝑃 1 𝑃 𝑓 𝑡 𝑟𝑒,𝑗 = 𝑤1,𝑗 log 𝑡−1 + 𝑤2,𝑗 log 𝑡−𝜏𝑗 + 𝑤3,𝑗 𝜀𝑗𝑡 σ𝑖 𝑤𝑖,𝑗 𝑃 𝑃 ファンダメンタルノイズ 𝑃𝑓 ファンダメンタル価格 10000 =定数 𝑃𝑡 現在の取引価格 𝜀 𝑡𝑗 取引価格帯を定めるために便宜上加えた項正規乱数平均0 σ=3% エージェントの多様性確保とシミュレーションの安定性のため予想価格 𝑃𝑡 𝑒,𝑗 = 𝑃𝑡 exp( 𝑟 𝑡 𝑒,𝑗 ) 67

68.

ノーマルエージェントのファンダメンタル戦略とテクニカル戦略ファンダメンタル戦略ファンダメンタル価格＞市場価格 ⇒ 上がると予想ファンダメンタル価格＜市場価格 ⇒ 下がると予想テクニカル戦略過去リターン＞ 0 ⇒ 上がると予想過去リターン＜ 0 ⇒ 下がると予想テクニカルファンダメンタル価格市場価格ファンダメンタル 68

69.

売り買いの決定注文価格の散らばせ方価格 𝑃 𝑡 𝑒,𝑗 + 𝑃𝑑 𝑃𝑡 注文価格正規分布乱数で決定 𝑃𝑡 𝑜,𝑗 売り（１単位） 𝑃𝑡 𝑒,𝑗 = 𝑃𝑡 exp( 𝑟 𝑡 𝑒,𝑗 ) 買い（１単位） 𝑃 𝑡 𝑒,𝑗 − 𝑃𝑑 実際のザラバの注文状況を再現するため ⇒ 多くの待機している注文(指値注文)が存在 ↑高い価格で多くの売り注文、安い価格で多くの買い注文 69

70.

呼値に差がある時：通常の絶対水準の場合と、小さすぎる場合呼値に差があるとシェアが移り変わる横軸は２年間 ⇔ 米国で起きた時間スケールに近いただし、呼値の絶対水準が小さいと、呼値に差があってもシェアを奪えない 70

71.

米国におけるニューヨーク証券取引所のシェア清水葉子, 金融庁金融研究センターディスカッションペーパー 2013年5月 https://www.fsa.go.jp/frtc/seika/discussion/2013/01.pdf https://www.fsa.go.jp/frtc/seika/discussion/2013/01.pdf ２年程度で支配的地位から陥落 71

https://www.fsa.go.jp/frtc/seika/discussion/2013/01.pdf

72.

５００営業日後の取引所Ａの取引量シェア取引所B 呼値 ⊿PB 取引所Ａ 500営業日後シェア取引所A 呼値⊿PA 0.0001% 0.0002% 0.0005% 0.001% 0.002% 0.005% 0.01% 0.02% 0.05% 0.1% 0.2% 0.0001% 90% 90% 91% 91% 92% 94% 97% 99% 100% 100% 100% 0.0002% 90% 90% 90% 91% 91% 94% 97% 99% 100% 100% 100% 0.0005% 89% 90% 91% 91% 92% 94% 96% 99% 100% 100% 100% 0.001% 89% 89% 90% 90% 92% 94% 97% 99% 100% 100% 100% 0.002% 87% 88% 89% 89% 91% 93% 97% 99% 100% 100% 100% 0.005% 84% 85% 85% 84% 87% 92% 96% 99% 100% 100% 100% 0.01% 75% 76% 76% 77% 78% 83% 92% 98% 100% 100% 100% 0.02% 53% 52% 53% 54% 54% 59% 70% 93% 100% 100% 100% 0.05% 5% 5% 4% 5% 5% 5% 6% 23% 93% 100% 100% 0.1% 0% 0% 0% 0% 0% 0% 0% 0% 0% 94% 100% 0.2% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 96% 取引場間シェアが移り変わらない条件  t = 0.05% ⊿PB>⊿PA or  t > ⊿PA 騰落率の標準偏差：ボラティリティキーパラメーター 72

73.

実際のデータ ⊿PA，σt とPTSの出来高シェアの関係 2012年の実証データ 9% 0.01% 12% ⊿P 10.00% 0.10% 1.00% 6% 0.10% 1.00% 0.05% 3% PTS 出来高シェア 0% 10.00% 0.01% σt 100.00% σt (左軸) σt=0.05% PTS出来高シェア (右軸) 呼値により価格形成が阻害されている領域の発見 ↑取引所制定の制度で価格形成を規定しているという問題発見 73 価格形成の阻害と出来高シェアの関係性を発見 73

74.

 t < ⊿PA 取引場A で取引できない領域取引価格取引所A 呼値時間取引所Aの出番がない → 取引所Ｂの高い約定率 ⇒ 取引所Ｂがシェアを奪う  t > ⊿PA 取引所B の必要性が薄い取引価格 ⇒ シェアが動かない取引所A 呼値時間現実の金融市場制度への示唆・呼値が大きいままだとPTSに売買代金シェアを奪われる、その期間は２年程度・あまりにも小さい呼値の競争は意味がない可能性・呼値が大きすぎると価格の変動幅が大きくなる可能性 ↑ 取引所の制度で価格の変動幅に影響を与えるべきでない・大きすぎる、小さすぎる、の具体的な水準(数値)を示唆・取引所の制度設計に参考にされた(ＪＰＸワーキングペーパーとしても掲載) 74

75.

2014年7月22日と18日（前営業日） 1円刻み 10銭刻み 75

76.

その後の研究の進展さらに単純化したモデルにより解析的な分析がなされ、整合的な結果が得られた ← 呼値の比ではなく差がシェアの移る速さを決める ← 呼値の過当競争は意味がない Nagumo, S. et. al.(2016), The effect of tick size on trading volume share in three competing stock markets, Journal of Physics: Conference Series, vol. 750,no.1. https://doi.org/10.1088/1742-6596/750/1/012019 • Nagumo, S. et. al.(2016), The effect of tick size on trading volume share in three competing stock markets, Journal of Physics: Conference Series, vol. 750,no.1. https://doi.org/10.1088/1742-6596/750/1/012019 Nagumo, S. et. al.(2017), The Effect of Tick Size on Trading Volume Share in Two Competing Stock Markets, Journal of the Physical Society of Japan, vol. 86,no.1. https://doi.org/10.7566/JPSJ.86.014801 • Nagumo, S. et. al.(2017), The Effect of Tick Size on Trading Volume Share in Two Competing Stock Markets, Journal of the Physical Society of Japan, vol. 86,no.1. https://doi.org/10.7566/JPSJ.86.014801 株式の私設取引、売買シェア低下東証の刻み値縮小が響く差別化難しく投資家離れ 2015/2/27 日本経済新聞 https://www.nikkei.com/article/DGKKZO83727450W5A220C1DTA000/ https://www.nikkei.com/article/DGKKZO83727450W5A220C1DTA000/ その後、社会はどうなったか、、、、 76

77.

呼値が大きすぎる・小さすぎるティック・サイズ 0.5% ティック・サイズ 0.01% 7.4% 0.07% 株価最小最大 0.5% ティックサイズ呼値の刻み最小最大 1 1,000 0.1 0.01% 10.00% 1,001 5,000 0.5 0.01% 0.05% 5,001 10,000 1 0.01% 0.02% 10,001 50,000 5 0.01% 0.05% 50,001 100,000 10 0.01% 0.02% 100,001 500,000 50 0.01% 0.05% 500,001 1,000,000 100 0.01% 0.02% 1,000,001 5,000,000 500 0.01% 0.05% 5,000,001 10,000,000 1,000 0.01% 0.02% 10,000,001 50,000,000 5,000 0.01% 0.05% 50,000,001 0.3% 10,000 0.02% 一部の価格帯で戻すことに 77

78.

STRを使って小さすぎる・大きすぎるを測定 STRという指標を使って、銘柄ごとに呼値が大きすぎる・小さすぎるを測定し、ある程度自動的に適切な呼値を変更するという制度が検討されている銘柄ごとに異なる流動性ごとに呼値が適切なものに決める https://www.jpx.co.jp/corporate/news/news-releases/1030/20260422-01.html https://www.jpx.co.jp/corporate/news /news-releases/1030/20260422-01.html 78

https://www.jpx.co.jp/corporate/news/news-releases/1030/20260422-01.html

79.

米国：呼値拡大の議論があったが新規上場企業が少ない原因のひとつ：呼値が小さすぎる？実験してみることに、、、拡大しないほうが良かった https://www.jsri.or.jp/publish/report/pdf/1712/1712_02.pdf https://www.jsri.or.jp/publish/report/pdf/1712/1712_02.pdf 79

https://www.jsri.or.jp/publish/report/pdf/1712/1712_02.pdf

80.

（１）エージェントシミュレーションとは？（２）金融・経済におけるエージェントシミュレーション：人工市場 (2-1) 金融市場の基本性質の分析 (2-2) 金融市場の制度設計 (2-3) 自動取引の実験場 (2-4) 社会経済全体のシミュレーション（３）人工市場による市場制度の設計事例：呼値の縮小（４）市場制度設計における適切な人工市場モデル 80

81.

Gilber(2008)によるエージェント・モデルに必要な複雑さの分類 Abstract Model 複雑な社会現象の原理的な理解を目指す (例)シェリングモデル、ここで紹介した人工市場 → シンプルなモデル、だが、メカニズムの理解、知識獲得 KISS(Keep It Simple Stupid)の原理(Axelrod, 1997) Facsimile Model 特定の状況に限定された特定の現象を限りなく忠実に表現 (例)ある特定のビルの避難経路の検討、アルゴリズムの実験場としての人工市場？ → 複雑で予測精度がある、具体的な施策検討できる、普遍性はなく、メカニズム理解や知識獲得は不得意 Middle Range Model 上記２つの中間 https://www.maruzen-publishing.co.jp/book/b10121489.html ,「 2022 数高社理橋会社慎シ会吾ミュ学レ事ー典ションと数理社会学の連携」高橋慎吾, 「社会シミュレーションと数理社会学の連携」,数理社会学事典, 2022 https://www.maruzen-publishing.co.jp/book/b10121489.html https://doi.org/10.4135/9781412983259 Gilbert, 2008 Gilbert, 2008 https://doi.org /10.4135/9781412983259 81

82.

調査対象に応じたモデルに必要な要素の特定 ⇒ 調査内容によって良いモデルは異なる（不要な要素の実装は知識獲得の妨げ）実際に議論されている規制・ルールを分析・設計規制・制度の議論に実務的に使える知識の獲得を目指す過去の特定事象の再現は目的でないコロンブスのたまご的な気づき定量的に正確な議論は目指してない実際の議論で参考にされることを目指す他の手法と協力して、「市場をうまく設計する」という目的を果たす 82

83.

人工市場の得意とすること：ポジティブ・フィードバック（複雑系）1/2 今の価格より高く買ってくれる人が多いに違いない予想に確信を持つ予想が実現 Positive Feedback 予言の自己成就（実現）自己強化プロセス株を買う株価上昇 83

84.

人工市場の得意とすること：ポジティブ・フィードバック（複雑系）2/2 2008年9月以降の金融危機の構図実体経済・雇用悪化 GSE危機ファニーメイ+フレディマック→更正手続延滞率の上昇プライム危機ネガティブ・エクイティ発生 MBS危機 WaMu→JPモルガンワコビア→ウェルズ・ファーゴその他の商業銀行商業銀行危機住宅価格下落カントリーワイド→BAC サブプライム危機 =ABS-CDO危機スパイラル I 投資銀行の危機 B/S調整 (ディレバレッジ) メリルリンチ→BAC ゴールドマン・サックス→銀行持株会社モルガン・スタンレー→銀行持株会社 →MUFJの出資受入証券価格の下落評価損の発生流動性危機 I =ABCP(SIV) 危機保険危機 =CDS危機流動性危機 II =レポ・貸株危機ベア→JPモルガンモノライン危機リーマン→更正手続 →野村（欧州・中東・アジア太平洋） →バークレイズ（北米） AIG→政府管理下空売りヘッジの急増カウンターパーティリスクの上昇決済システムへの負担増スパイラル II (出所) 各種資料より野村資本市場研究所作成野村資本市場研究所：サブプライム問題に端を発する金融危機の全貌, 資本市場クォータリー秋号付属資料 (2008) 84

85.

シミュレーションモデルの役割右の本は、“モデル”に関わっているすべての人に読んでほしいと思う。そもそも“モデル”とは何なのかどういう役割があるのかを考察この理解が不足しているため、不毛な議論が陥ることがしばしば特に経済学の世界で、「シミュレーションモデルと数理モデルの役割の違い」に関する理解の欠如が顕著シミュレーションモデルがどう役に立つのかほとんど理解されてない https://www.unp.or.jp/ISBN/ISBN978-4-8158-0872-3.html ,年 2017 科学とモデルシミュレーションの哲学入門科学とモデルシミュレーションの哲学入門, 2017年 https://www.unp.or.jp/ISBN/ISBN978-4-8158-0872-3.html 85

https://www.unp.or.jp/ISBN/ISBN978-4-8158-0872-3.html

86.

https://en.wikipedia.org/wiki/Michael_Weisberg https://en.wikipedia.org/wiki/Michael_Weisberg 86

https://en.wikipedia.org/wiki/Michael_Weisberg

87.

目次や前書きより前にこれだけが書いてある：激熱地図はモデル(模型)のひとつ 87

88.

全文でもこんだけしかないけど https://www.iwanami.co.jp/book/b248483.html https://www.iwanami.co.jp/book/b248483.html 88

https://www.iwanami.co.jp/book/b248483.html

89.

３種類のモデル 1. 物理的な模型 2. 数理モデル(数式) 3. 数値計算モデル(シミュレーション) 前述のシェリングモデル私の専門分野 89

90.

現実とモデルの類似性を比較するのではない現実を抽象化したもの、現実で知りたい部分のシステムと、モデルを比較するのである 90

91.

実際の街を再現することを目的としていない人種が分離する理由が知りたい 91

92.

どちらの地図が分かりやすいか？ CNES/Airbus, © G h )品 (左 ttps://shinagawa-st.jp/access/train.html 2020, map Digital Maxar ) Technologies, Planet.com, The Geoinformation Group, 地oogle) 画右より図像川，デーシズタンテラス公式Earth ホームTechnology, ページ (左)品川シーズンテラス公式ホームページ( https://shinagawa-st.jp/access/train.html )より， (右)Google mapより(画像 © 2020, CNES/Airbus, Digital Earth Technology, Maxar Technologies, Planet.com, The Geoinformation Group, 地図データ © 2020 Google) 現実とは大きく異なるが、理解しやすい迷子にならない理解したいことの本質以外は削り落としてモデル化理解したいことが異なれば削り落とす部分も異なるすべての目的に対して完璧なモデルなどない！あるみたいなこと言われたら気を付けて、、、現実に近いが分かりにくい迷子になる https://www.unp.or.jp/ISBN/ISBN978-4-8158-0872-3.html ,年 2017 マイケル・ワイスバーグ「科学とモデルシミュレーションの哲学入門」マイケル・ワイスバーグ「科学とモデルシミュレーションの哲学入門」, 2017年 https://www.unp.or.jp/ISBN/ISBN978-4-8158-0872-3.html 92

93.

現実の再現が目的ではない：細胞の教科書モデル https://rikamato.com/2017/11/28/2_20/ 中学理科まとめ中学理科まとめ https://rikamato.com/2017/11/28/2_20/ https://www.kango-roo.com/sn/k/view/1554 ,年 2015 解剖生理をおもしろく学ぶ解剖生理をおもしろく学ぶ, 2015年 https://www.kango-roo.com/sn/k/view/1554 細胞の本質（核、細胞質、細胞膜等で構成）を学ぶためのモデル。この細胞は実際には１つも無い看護師試験レベル←もっと深く知る必要がある人向けモデル。中学生には混乱招くいろいろな種類の細胞モデル上のモデルを見た後なら、違いを理解しやすい（例：核の大きさ、位置で分類できる）細胞膜詳細←上のモデルにこれを書かれるとかえって分かりにくい 93

94.

モデルの役割投資家 Aさん投資家 Bさん投資家 Cさん注目している現象に対して、本質的な性質（行動・手続き）のみ継承注目している現象が違えば、本質的な性質も異なりモデルも異なる投資家モデル投資家を理解するための世界に一人もいない投資家例：ファッションモデル：服を理解モデルルーム：部屋を理解本質的な性質（行動・手続き）が、注目している現象に対して、どのような役割を果たし、どのようにマクロに影響を与えているか理解する投資家Aさん、Bさん、、、の再現が目的ではない、投資家の本質を理解することが目的注目している現象ごとに良いモデルは異なる 94

95.

ファッションモデル服を見せ、服を理解させるために存在モデルウォークは非日常的だが、服は良く見える日常的な歩き方はいろいろ種類があり、その種類の違いがノイズとなる（自分が着た時を想像しずらくなる） → ファッションモデルは非現実的だが、服を理解するのに良いモデルであるモデルルーム家や部屋がどのようなものか理解させるために存在家具や装飾品は非日常的だが、部屋がどのような機能を提供しうるか理解しやすい日常的な家具や装飾品は人によりさまざま、個人的な趣向がノイズとなる（自分が住んだ時を想像しずらくなる） → モデルルームは非日常的だが、部屋を理解するのに良いモデルである投資家モデル現実の投資家と比べると異常だがモデルとして優秀 95

96.

簡単な具体例：初期のエージェントシミュレーション http://www.keisoshobo.co.jp/book/b251669.html ,年 2016 トーマス・シェリング「ミクロ動機とマクロ行動」トーマス・シェリング「ミクロ動機とマクロ行動」, 2016年 http://www.keisoshobo.co.jp/book/b251669.html 学生(#)と教授(@)が参加する立食パーティー # # # # @ @ @ # # @ # @ # # @ @ @ # # @ # @ @ # @ @ # # # @ # @ # @ @ # @ @ # # @ @ @ @ # @ @ @ 分離されてしまう @ @ # # # 創発 @ @ @ @ @ # @ # # @ @ @ # @ @ @ @ # # # @ @ @ # # # # @ @ # この分離は、学生・教授の行動ルールの単純な足し合わせでは決して説明できない「自分があまりにも少数派になりたくない」だけで分離が起きる。積極的に「嫌い」なわけじゃない @ @ @ 解説記事「多角形のたとえ話」 https://ncase.me/polygons-ja/ ルール： # # @ # # ・自分の周り(8マス)に自分の同類が1/3より # # # @ @ @ # # 多ければよい # # @ @ @ # ・他方に囲まれた場合どこかに移動 # @ @ @ @ @ 繰り返していくと、、、修正ルール：＃:要求同類の人数１人増 @:１人減、繰り返していくと、、、 # # # # # # # # # # # # @ # @ @ @ @ # # @ # @ @ https://ncase.me/polygons-ja/ 解説記事「多角形のたとえ話」この理由が分かることがシミュレーションの目的現実の会場の最終配置を予測することは目的でない配膳テーブルの位置とか、個々人の食べる量の違いとか、准教授は？とか、現実にこんな会場ないとか、こんな単純な人いないとか、「この調査目的において」はどうでもよい。むしろ「理由の理解」には邪魔になるだけ。 #の場所が狭くなる「知りたいこと」に応じてモデルを簡略化・複雑化することが大事 96

97.

ミクロプロセス：投資行動、取引所ルールマクロ現象：価格形成の関係が知りたい投資家モデル数理モデルマクロモデル投資行動ここのみ扱えるＡ国株式市場Ａ国債券市場Ｂ国株式市場本質的な性質のみ再現取引所モデル（アルゴリズム）本質的な性質のみ継承シミュレーションモデルの役割投資家 Aさん投資家 Bさん投資家 Cさんルール変更注文突合せ価格形成 (シミュレーション結果) （アルゴリズムの集積）これらの関係が知りたい！ 97

98.

最後に：大きな期待がある一方、研究者が少ない、この分野一体、何が難しいのか？金融・経済分野の他手法の研究者からの理解を得られにくい・経済学やファイナンスの人たちの中には，シミュレーションというだけで受け入れない人がいるのは事実・経済学ではかつて，ゲーム理論ですら受け入れるのに相当な時間がかかったらしく，同分野の文化的な側面もあるかもしれない金融・経済分野以外のエージェントシミュレーションの研究者たちからも理解を得られにくい傾向・投資家は常に他の投資家を出し抜こうと考えており，モデル化に使える安定した行動パターンがない例えば，自動車エージェントの安全運転のような，こうすればみんなハッピーになるという行動様式が存在しない・そのため，モデルを複雑にしても追加で分かることはほどんどなく，きわめて包括的でシンプルな行動だけを含んだエージェントモデルにならざるを得ない．・そのようなモデルでも重要なメカニズムの知見が得られるのであるが，金融・経済分野以外のエージェントシミュレーション研究者たちからは，モデルは単純すぎるように見え，予測もできないことに物足りなさを感じるようだ．どこの学会に属したらいいか分からない：よりどころがない・金融市場の制度設計の場合は当局や取引所関係者から多くの研究ニーズが寄せられていて，数少ない理解者となっている ← 私はここ・ごく短い時間スケール(秒以下)の再現性を利用した分野は最近開拓されてきており，学術的にも実務的にも興味を持たれ始めている・金融・財政政策を分析する人工市場は，実務家が求めている結果を出すまでにモデル自体の議論をまだ多くする必要がある段階であり，道のりが長すぎてよりどころがない．少しずつ地道な普及活動をするしかない 98

99.

まとめ(再掲) 2008年の金融危機以降、伝統的な経済学では複雑系であったこの金融危機を分析できていないと批判し、金融・経済分野におけるエージェントシミュレーションである人工市場や人工経済などの複雑系科学をもっと活用すべきだという主張があらわれた。人工市場をもっと活用し伝統的な経済学の弱点を補完すべきであることは確かだと思われる。今回は、人工市場研究を簡単にレビューしたあと、人工市場による市場制度の設計の研究を呼値変更という実際に行われた制度変更の事例を交えながら紹介した。金融市場は人類の発展に必要不可欠な道具である。McMillan[2002]が述べたように、「物理学者や生物学者が研究してきたシステムと同じくらい複雑で高度なもの」であるうえに、「うまく設計されたときのみ、うまく機能する」、まさに複雑系である。人工市場は、これまでにない制度によってどういうことが”起こりえるか”を調べ“あり得る”メカニズムを見つけておく、”あり得る”副作用を見つけておく、という貢献ができる。特に、喫緊の課題として規制やルールを議論している実務家からの注目が高い。人工市場の貢献はまだ始まったばかりで、研究者が全然足りていない。この分野は社会への重要な貢献ができることは間違いないので、啓蒙活動を続けていきたい。今後、もっと多くの金融市場の規制やルールが人工市場や人工社会で扱えるようになり、うまく金融市場を設計することに貢献し、社会の発展につながっていけばと願っています。 99

人工市場による市場制度の設計 2026

水田孝信

関連スライド

2024年版金融業界における人工知能、高速取引、人工市場による市場制度の設計

株式市場における高速取引とAI

投資の世界における生成AI ～可能性と脅威～

人工知能学会金融情報学研究会(SIG-FIN)の歴史 - AIと金融の技術史の一部として議論 -