hongjin-he/MicroWorld

解决的问题

MicroWorld 解决了传统量化金融模型（如因子挖掘和时间序列机器学习）的失败问题，这些模型依赖于一旦被发现和交易就会迅速衰减的历史模式。它用“世界模型”取代了模式识别，通过模拟实际市场参与者——机构、监管机构和零售投资者——来预测“去噪后的均衡价格”，而非短期价格波动。

工作原理

MicroWorld 不分析价格数据残差，而是将市场建模为在完全连接的代理网络上进行的多层级、多目标博弈。它使用分层平均场系统来模拟不同类型的参与者（各自拥有独特的信息集和约束条件）如何相互作用以达到均衡。该系统识别“行为偏差”（市场价与均衡价之间的差异），并监控“机构平均场”，以在不稳定市场状态可能演变为市场崩盘时发出预警。

适用人群

专为中长期持有者（个人和机构）设计，适用于周至月级别的操作时间尺度。本模型明确不适用于高频或日内交易者，因为模型认为在更短的时间尺度上，行为噪声占据主导地位。

主要亮点

• 因果归因：每个预测都源于特定的代理互动和约束，而非事后统计相关性。
• 信息不对称建模：明确建模不同代理类型（如机构与零售）所见与所知之间的差距。
• 去噪价格预测：专注于在去除行为噪声后资产的均衡价值。
• 制度稳定性检测：使用李雅普诺夫危机指标，在崩溃发生前预警不稳定的市场制度。