模擬流動性：針對部分所有權非流動性市場的基於代理的建模

核心概念

本文探討了如何利用基於代理的模型 (ABM) 來模擬非流動性資產（如藝術品或葡萄酒）的部分所有權市場中的流動性動態，強調 ABM 在理解和優化此類新興市場結構方面的潛力。

摘要

文獻回顧

• 金融科技的快速發展促進了新型市場的出現，包括能夠對優質葡萄酒、藝術品、豪華汽車和手錶等傳統非流動性、不可銀行化資產進行部分所有權的平台。
• 與股票和債券等流動性更強、可銀行化的資產相比，部分所有權市場面臨著特殊的流動性挑戰。
• 流動性是任何金融市場的關鍵因素，因為它決定了投資者買賣其單位以及在需要時獲得資金的容易程度。
• 儘管人們對部分化資產的興趣日益濃厚，但該領域的研究仍不發達。
• 本文通過開發一個模擬環境來解決現有的研究空白，該環境利用基於代理的模型 (ABM) 來逼近運營交易平台上部分化資產的流動性模式。
• ABM 是一種模擬複雜金融市場的強大工具，特別是那些涉及異構代理和不同市場條件的市場。
• 通過捕捉個體代理的行為和互動，與傳統經濟模型相比，ABM 可以提供對市場動態的更細緻和準確的表示。
• 此外，ABM 還可以用於生成可以代表不同市場狀態的合成數據。
• 這可能很有價值，因為經典的計量經濟學或機器學習模型通常不允許執行數據增強任務。
• 在這項研究中，ABM 框架被應用於模擬非流動性二級市場的流動性動態，在該市場中交易不可銀行化資產的股票。
• 該模型基於一家金融科技初創公司提供的真實數據，該公司專注於通過其數字平台對不可銀行化資產進行部分所有權。

研究問題

• 非銀行化資產在 ABM 中的建模目前不是研究的重點，而且沒有中央流動性提供者的市場的 ABM 很少見，儘管它們在複雜系統建模方面具有潛力。
• 對非銀行化、非傳統資產的興趣激增，這主要是由金融科技平台的興起推動的，這些平台正在重新定義傳統金融服務並擴大散戶投資者的准入門檻。
• 在這種更廣泛的轉變中，分佈式賬本技術 (DLT) 和資產代幣化正在成為重要組成部分，使散戶投資者能夠進入以前無法進入的市場。
• 這給投資者和平台提供商帶來了各種挑戰。
• 主要挑戰之一是確保這些資產在具有足夠流動性的市場上交易。
• 流動性至關重要，因為它允許投資者快速買賣資產，確保投資組合的靈活性和在需要時獲得現金。
• 將傳統股票市場投資與另類、不可銀行化資產進行比較的投資者可能會要求後者支付流動性溢價（或面臨折扣），因為流動性較差的市場會讓他們面臨更高的風險和延遲的退出機會。
• 這與 [8] 的觀點一致，該觀點強調了流動性偏好的重要性，這意味著投資者傾向於選擇比非流動性資產更容易清算的資產。
• 此外，[14] 研究了金融市場的非流動性如何影響資產價格、市場穩定性和整體市場效率。
• [1] 中的研究結果支持了這一觀點。
• 為了增加其二級市場的吸引力，提供非銀行化產品的平台必須設法減少流動性降低對投資者決策的影響。
• 然而，對流動性動態的適當理解對此至關重要。
• 本研究論文模擬了運營平台上的此類動態，並為確定潛在的流動性增強措施和框架奠定了基礎。

方法

• 本文選擇 ABM 作為流動性模擬的方法論方法，並對該方法進行了概述。
• 在 ABM 中，代理被賦予了一種行動策略，描述了它們如何與其他代理互動。
• 大多數情況下，這些策略與一個隱式或顯式的效用函數相關聯，該函數描述了代理的潛在偏好。
• 在金融和金融市場的背景下，代理通常被賦予預算和一定數量的資產。
• 然後，它們根據其禀賦和效用函數，在給定的市場規則內相互互動。
• 與其他方法不同，ABM 具有明確定義的結構和狹窄的創建和參數化邊界，它為研究人員提供了大量的選擇變量。
• 因此，ABM 的標準化、教科書式教材的可用性有限。
• [9] 提供了在研究環境中實施 ABM 的一般概述和可能的設計選擇。
• 一般來說，ABM 中的代理可以有多種設置，從零智能的非常簡單的行為到相當複雜的自適應行為。
• 例如，[7] 使用相對簡單的行為來模擬代理，而 [6] 使用遺傳規劃作為基於代理的人工股票市場的架構來實現不斷發展的交易行為。
• 零智能代理隨機行動，並且僅受其預算的約束。
• 另一種可能性是讓代理能夠從其環境中學習，然後調整其策略，例如在聖達菲人工市場 (SFI) 中。
• [3] 和 [2] 中展示了這種方法的實現。
• 在金融市場的背景下，另一種可能性是賦予代理與現實世界相似的交易規則。
• 這種市場微觀結構建模方法也用於以下模擬方法中，並且由於兩個原因被選為主要和首選方法。
• 首先，金融科技公司提供的經驗數據實際上包含了有關市場微觀結構和市場參與者行為的信息，而這些信息又可以用於指定模擬模型。
• 因此，使用 ABM 可以直接比較現實中的觀察行為和模擬行為。
• 其次，單獨對代理進行建模，而不是在全局範圍內理解市場，可以調整單個代理的行為，然後觀察新出現的市場均衡。
• 第三，ABM 提供了高度的靈活性，可以複製觀察到的平台的特定交易條件。
• 它們還有助於快速實施交易條件的調整，並評估其對市場均衡的影響。

實現

本節討論了模擬所基於的交易條件的具體規範以及代理行為的設計。模型的組成部分包括代理描述、代理互動的一般過程以及代理的初始化。這些組成部分的具體實現以偽代碼的形式在附錄中提供。模型的模擬結果在第七節中描述。

代理

代理的描述（分散的、微觀層面）包括其決策的輸入、規則、變量、參數和輸出。代理有三種類型：純賣方、純買方和買賣雙方。這三種類型的代理是根據第四節中的經驗證據定義的，並在以下段落中進一步詳細說明。

純賣方

假設純賣方經歷了外生的流動性衝擊，因此決定出售其資產以產生流動性。在外部流動性衝擊（PS 報價概率）給定的概率下，代理決定採取行動，即在市場上報價資產，前提是他們持有的資產超過零。如果代理選擇行動，他們會根據報價比率報價數量，報價比率定義為他們願意出售的總資產的比例乘以他們的總資產。所報價資產的每單位價格是相同的，並從均勻分佈中得出
P(pi) ∼U([vP S,l, vP S,h] × pref),
(1)
其中 [vP S,l, vP S,h] 表示純賣方相對於 pref 的價格範圍的下限和上限，pref 是參考價格，即平台提供商在實踐中提供的資產的當前估值。因此，訂單簿 O 用報價 oi 更新，其中 oi 由價格 pi、資產數量 ni 和賣方的代理 ID ai 組成。

純買方

代理參與由純買方交易概率給定的市場。純買方不一定對實現利潤感興趣，而是受購買他們在初級市場上無法購買的資產的願望驅動。該代理被建模為一個更情緒化的買家，其驅動力是成為他們渴望的資產的部分所有者。因此，假設代理採取行動，他們會查看訂單簿 O 中隨機挑選的一個報價 oi，並根據報價價格 pi 決定是否接受它。純買方更有可能接受價格較低的報價，但仍會考慮並偶爾接受價格較高的報價。購買決策由概率函數決定
P(pi) =
1
1 + ek(pi−pref )
∀pi ∈P,
(2)
其中 P(pi) 是以價格 pi 購買資產的概率，pref 是參考價格或當前資產估值，k 是決策曲線的陡度。

純買方檢查單個報價，然後決定購買或不採取行動。如果代理選擇購買，他們將根據其購買比率和可用現金支付金額。如果購買資產的成本低於其可用的購買金額，則純買方購買所有可用的單位 ni，從訂單簿中刪除報價 oi，並保留剩餘的現金。如果購買資產的成本超過了可用數量，則代理會用可用現金購買盡可能多的單位，更新訂單簿中的報價，並且不保留現金。

買賣雙方

根據市場設置，有一個交易前階段和一個交易階段。由於訂單簿主要是在交易前階段建立的（見圖 1），並且報價在交易階段結算，因此買賣雙方代理可以在兩個階段都活躍。買賣雙方的目標是利潤最大化。在交易前階段，當訂單簿正在構建時，買賣雙方以一定的概率（BS 報價概率）進入市場，前提是他們的資產餘額為正數。如果代理在此階段變得活躍，他們決定出售其資產的一部分，比例與買賣雙方報價比率成正比。所報價資產的價格從以下均勻分佈中得出：
P(pi) ∼U([vBS,l, vBS,h] × pref),
(3)
其中 [vBS,l, vBS,h] 表示買賣雙方相對於 pref 的價格範圍的下限和上限，pref 是參考價格，即資產的當前估值。因此，訂單簿 O 與純賣方共同構建，其中每個報價 oi 由價格 pi、相應的資產數量 ni 和賣方代理的 ID ai 組成。後者是必要的，以確保單個買賣雙方代理不會購買自己的報價。在交易階段，買賣雙方也可以購買資產。根據其買賣雙方搜索長度，代理會查看特定數量的隨機挑選的報價，這些報價的價格低於當前資產估值，並選擇其中最便宜的。這是由於平台的設置，其中訂單簿（或單個資產）的列表式顯示不可用。相反，用戶可以篩選低於當前資產估值的報價，結果列表沒有按任何特定的定價或估值順序排列。因此，可以合理地假設代理沒有時間瀏覽所有潛在的報價。因此，代理會考慮在當前資產估值下評估的有限數量的報價，並選擇最便宜的報價。因此，他的決策過程是
min(p1, p2, . . . , pSLBS),
其中
pi < pref
對於
i = 1, 2, . . . , SLBS.
(4)
SLBS 是代理的搜索長度，而 pi 是價格，pref 是參考價格。報價是從訂單簿中所有低於參考價格的報價中均勻抽樣的，並且不必是相鄰的。

然後，代理選擇以最低價格 pmin 購買報價。他們將根據其購買比率和可用現金支付金額。如果購買資產的成本低於其可用的購買金額，則買賣雙方購買所有可用的單位 nmin，從訂單簿中刪除報價 omin，並保留剩餘的現金。如果購買資產的成本超過了可用數量，則代理會用可用現金購買盡可能多的單位，更新訂單簿中的報價，並且不保留現金。

流程

宏觀層面上的代理互動構成了集體行為和系統動態，這些行為和動態無法從單個代理的行為中直接推斷出來，而是產生於它們的局部互動以及這些互動隨著時間推移的累積效應。相應的過程描述如下。根據平台當前的操作規則，市場分為兩個不同的階段，即交易前階段和交易階段。該模型包含一個交易日，交易前階段從 09:00 到 18:00，純賣方和買賣雙方可以傳輸賣出報價。交易前階段在一次迭代中建模。這種簡化是由於以下情況：根據經驗數據，絕大多數報價是在實際交易階段之前輸入的（見圖 1）。在第二階段，從 18:00 到 21:00，不允許任何代理放置賣出報價，並且允許所有代理（純賣方除外）匹配訂單簿中的賣出報價。ABM 中的代理被賦予了從平台上用戶的經驗數據中得出的資產和現金數量。更具體地說，根據截至 2024 年 6 月 20 日交易窗口結束時的活動，確定運營平台上每個用戶的現金頭寸和持有的資產總數。因此，ABM 中的代理禀賦代表了經驗數據的快照。每個模擬代理都收到与其一個經驗對應方完全相同的現金和資產數量。一般來說，代理在其行動中遵循兩步法。在第一步中，他們決定是否在市場中變得活躍。激活的概率基於市場中看到的經驗活動。在第二步中，假設他們變得活躍，他們會根據其潛在的決策行為進行出售或購買。報價和購買比率也來自經驗數據，並定義為每個代理類型的平均值。在交易階段，有 12 個結算點，每個結算點代表實際中的 15 分鐘間隔。在結算期間，匹配的報價被刪除，代理變量被調整。該模型目前由一個市場組成。

初始化

初始化的參數是純賣方和買賣雙方的報價概率、純賣方和買賣雙方的報價比率、純買方和買賣雙方的交易概率、純買方和買賣雙方的購買比率、純買方的決策陡度、買賣雙方的搜索長度、資產的參考價格、市場的價格範圍以及純賣方和買賣雙方的相應價格範圍以及市場迭代次數。基準模型的參數規範可以在表 II 中找到，其中這些值是根據三種類型代理的經驗數據定義的。

結果

本節評估基準模型的模擬流動性，並進行敏感性分析，以確定市場模型對參數變化的響應程度。相應的表格可以在附錄中找到。7 基準模型的評估是為了查看模擬是否可以充分接近經驗數據。主要的比較指標是流動性比率，對於每個市場模擬，流動性比率計算如下
流動性比率 = 總交易股票
總報價股票。
(5)
如果模型不能逼近經驗流動性，則對參數的進一步分析和模型架構的更改將是徒勞的。將表 III 與表 I 中提供的經驗交易指標進行比較時，可以看出該模型很好地複製了經驗動態。在基準模型中，平均流動性比率為 14%，而經驗對應物為 10%。此外，合成市場和經驗市場中交易的股票數量級是可比的。

對模型參數進行敏感性分析可以進一步了解代理和市場配置的變化如何影響市場動態。對於敏感性分析，ABM
7請注意，提供的表格主要與模型參數對整體流動性指標的影響有關。其他匯總指標，特別是單個代理類型級別的指標，可以在補充文件中找到，並有選擇地用於解釋流動性動態。補充文件與本文檔同時提供。
針對相應的參數配置運行 1,000 次重複實驗。在第二步中，計算平均流動性比率和報價數量以及交易數量。

對於敏感性分析，有幾個發現值得一提。表 IV 顯示了與純賣方 (PS) 代理類型相關的關鍵參數的相應結果。它表明，隨著純賣方提供 Splints（股票）（PP S,O）的概率增加，流動性比率持續下降，因為代理在市場上放置了更多報價。但是，對交易數量也有積極影響，對交易的 Splints 總數有負面影響。這是由於替代效應。儘管更多報價意味著有利報價的數量增加，這增加了交易總數，但這些報價的報價規模平均小於未更改的買賣雙方代理的報價規模。因此，小額交易取代了大額交易，這導致隨著純賣方報價概率的增加，出售的 Splints 總數減少。純賣方報價比率 (RP S,O) 的增加也對流動性比率產生負面影響，因為報價的 Splints 總數增加。在這方面，一個異常值是參數值為 0.4 時的報價數量，它低於更高參數值時的報價數量。原因是所有資產餘額只有少量 Splints 的純賣方不再參與市場，因為他們的報價規模減少到零。小型純賣方的不活躍導致他們被更大的賣方代理取代，這在這種特定情況下對交易的 Splints 總數產生了積極影響。下限 (vP S,l) 和上限 (vP S,h) 的變化對流動性比率的影響趨於相反。上限的增加允許更高價格的報價，因此導致交易減少，從而對流動性比率產生負面影響。雖然隨著下限的增加，交易數量也會減少，但結算的 Splints 總數卻 tends to
增加。這又是由於替代效應。
由於純賣方的報價規模平均較低，因此隨著價格的上漲，這些報價被買賣雙方作為賣方的更大交易所取代。當純賣方的價格下限超過 0.8 時，這種趨勢尤其明顯，這使得他們的報價與買賣雙方的報價相比更加昂貴。

表 V 顯示了純買方 (PB) 參數的敏感性分析結果。結果表明，隨著純買方交易概率 (PP B,T) 的上升，流動性比率增加，因為更多報價得到結算。交易總量和結算的 Splints 總數的增加突出了這一點，而報價方
表 III：基準模型的指標
指標
基準模型
流動性比率
0.139
報價數量
69
交易數量
130
報價股票總數
4746
交易股票總數
614.28
6
不受影響。純買方購買比率 (RP B,P) 的增加具有類似的效果。交易數量增加是因為相應的代理有更多資金可用於交易，因此由於資金不足而拒絕的報價更少。因此，更高的購買力也增加了交易的 Splints 總數。關於純買方的決策陡度參數 (kP B)，沒有觀察到對流動性指標的明顯影響。

買賣雙方 (BS) 參數化敏感性分析的結果如表 VI 所示。從報價的角度來看，買賣雙方報價概率 (PBS,O) 和報價比率 (RBS,O) 的增加對流動性比率產生負面影響。這可以通過兩種情況下報價總數和報價的 Splints 總量的增加來解釋。報價數量的增加直接受報價概率提高的驅動，因為更高的代理活動導致更多報價進入市場。相反，隨著報價比率的增加，流動性比率的下降是由於不活躍的買賣雙方人數減少，即使只持有少量資產餘額，他們也會變得活躍。
還可以注意到，除了報價的 Splints 數量增加外，當買賣雙方報價概率或報價比率增加時，交易的 Splints 總數也有所增加，儘管不太明顯。這可以通過買賣雙方報價數量增加來解釋，這導致與純賣方的靜態報價量相比，買賣雙方在賣方實際交易中的比例更高。因此，買賣雙方的預算增加，這增強了他們在後續模型迭代中的購買力，並導致更大數量的 Splints 被出售。買賣雙方的報價價格下限 (vBS,l) 和上限 (vBS,h) 的變化 tends to have an impact
對流動性比率的影響方向相同，因此與代理比較中純賣方的動態不同。
對於買賣雙方來說，報價價格下限和上限的增加都會降低流動性比率。發生這種情況是因為買賣雙方平均更高的報價價格會降低其報價的吸引力，導致交易數量和交易的 Splints 數量減少。特別是，這兩個界限的增加都降低了純買方接受買賣雙方報價的概率，導致交易減少和交易的 Splints 總數減少。由於買賣雙方報價的估值界限提高，與純賣方的報價相比，其吸引力降低，因此用較小的純賣方交易替代較大的賣方買賣雙方交易，從而加劇了這種效應。從買方的角度來看，買賣雙方交易概率 (PBS,T) 的增加會導致更高的流動性比率，因為在報價動態不變的情況下，更多交易以及因此更大數量的 Splints 得到結算。類似的發現也適用於買賣雙方的購買比率 (RBS,P)。相應的增加也會導致更高的流動性比率。買賣雙方購買力的增強通過兩個渠道發揮作用。一方面，交易規模直接增加，另一方面，由於資金不足對於那些只有少量可用現金的買賣雙方來說不再是什麼問題，因此交易更多。
買賣雙方 (SLBS) 的搜索時間越長，對流動性比率的影響越小。這可以用買賣雙方的購買規則來解釋。由於他們只看到低於資產估值的報價，因此無論收到多少報價，他們始終會接受一個。但是，隨著搜索時間的增加，可以觀察到交易的 Splints 總數略有增加。這可以通過以下事實來解釋：買賣雙方可用的報價數量增加通常會導致價格較低的報價得到匹配。這導致在給定的購買力水平或恆定的投資預算下，交易的 Splints 數量更多。
從報價的角度來看，表 VII 和表 VIII 中提供了進一步的敏感性分析。表 VII 評估了更改基準報價價格區間長度 (∆(vm,l, vm,h)) [0.75, 1.1] 的影響，這相當於賣方（即純賣方和買賣雙方）可以列出其資產的替代範圍。結果表明，較大的區間平均會導致相似的流動性比率。相反，較窄的報價範圍會增加它。這與兩個效應有關。首先，在表 VII 中說明的最極端情況下，即範圍為 0.15，只有低於資產估值的報價可用，這意味著在買賣雙方作為買方的情況下，買賣雙方的報價越來越多地被純賣方的報價所取代。發生這種替換是因為買賣雙方按照其購買規則，只考慮低於資產估值的報價。在最極端的情況下，所有純賣方報價都滿足此標準，導致賣方轉向純賣方。其次，報價的最高價格越低，純買方購買的意願就越高於報價的最低價格降低的程度，從而導致純買方進行更多交易。報價價格區間的中點 (˜vm) 也是流動性比率的相關因素，如表 VIII 所示。中點越低，並且在總區間範圍保持不變的情況下，流動性比率越高。首先，發生這種情況是因為買賣雙方低於估值報價的數量增加，使得買賣雙方的報價越來越有可能成為其他買賣雙方的潛在目標交易。這反過來又導致買賣雙方接受來自同一類型代理的相對更多報價，這些報價平均也大於純賣方的報價。其次，較低的中點意味著純買方的交易概率更高，從而導致更多交易和 Splints 得到結算。

結論

這項研究表明瞭如何使用基於代理的模型對具有不可銀行化資產的非流動性市場進行建模，以及不同的市場參數化如何影響市場流動性。結果表明，模擬實驗（通過市場流動性和交易規模衡量）接近於其經驗對應物。因此，模擬環境可用於模擬各種市場制度和規則。這對於確定流動性驅動因素和流動性最大化市場制度非常有價值。從結果可以看出，ABM 按以下方式按要求工作。首先，模型相對穩定。這意味著，雖然流動性確實會因不同的參數化而發生變化，但模型平均而言在流動性和其他指標方面並沒有完全改變。其次，更改參數確實會對市場流動性產生影響。特別是，敏感性分析揭示了參數變化對市場流動性的一些預期和意外影響。雖然一些結果（例如隨著購買活動和購買力的提高而提高流動性比率）與直覺一致，但其他影響則更違反直覺。例如，隨著純賣方報價概率的上升，用較小的交易替代較大的交易會導致交易的 Splints 總數增加，即使交易數量減少。此外，價格界限和流動性動態之間的相互作用表明，調整報價價格下限和上限可能會產生相反的影響，具體取決於代理類型和市場環境。這些發現強調，流動性優化不僅需要仔細考慮直接影響，還需要考慮市場結構中更複雜的相互作用。
總之，模型實現可用於研究非流動性市場中的流動性，並且還提供了基於基於代理的模型的合成數據進行數據增強的可能性。因此，它為部分所有權市場中的非流動性資產提供了一個新穎的模型環境，並且可以用於生成對市場流動性優化的更多見解。它的特點是具有多個獨特的特徵：它基於具有單邊訂單簿的市場，對部分化資產進行建模，並且沒有實施中央做市商或流動性提供者。這種獨特性使其成為當前研究的有價值補充，並且還允許進行有價值的擴展，如第 VIII-B 小節所述。

局限性

本文受到多種因素的限制。首先，該實現是特定於市場的，不一定直接擴展到其他市場環境。由於某些參數化依賴於經驗對應物或等效物，這意味著不同的市場將引出不同的參數化。此外，市場和交易機制也被建模為與經驗對應物非常相似，因此不能一概而論。這種限制並不是本文特有的，也適用於使用 ABM 的其他各種項目：雖然這些模型非常適合於對市場微觀結構進行建模，但它們通常特定於用例，因此不能直接推廣到其他市場。

擴展

擴展這項研究的路線圖包括兩個主要步驟：首先，通過結合異構行為以及不同的禀賦（股票和預算）來增強代理行為的多樣性，並對模擬的流動性數據應用回歸分析，以定量識別驅動流動性的因素。其次，探索市場環境的變化，包括不同市場制度（例如雙邊訂單簿）的影響以及做市商代理的引入，以確定最大化流動性的配置。這種方法可以與現有的 ABM 文獻進行比較，加深對不同市場結構如何影響流動性的理解，並為平台提供商調整其平台設計以增強二級市場的流動性提供見解。

統計資料

數據集涵蓋了從 2022 年 12 月到 2024 年 6 月的 37 個常規交易窗口（見圖 1）。
它包括二級市場上的總計 26,884 個報價和 4,898 筆匹配交易，最終在 308 種不同資產中的交易量達到 454,330 瑞士法郎。
在整個樣本期間，該平台註冊了 1,365 名個人用戶，這些用戶在二級市場上至少買賣了一股資產。
經驗數據表明，用戶數量在交易窗口內相對穩定，而平台的用戶群則呈線性增長。
訂單簿中的絕大多數賣出報價是在盤前階段輸入的。
由於每個交易日的報價數量和交易數量是相關的，因此流動性比率（即交易資產數量除以報價資產數量）保持相對穩定。
這種穩定性支持了其在模擬市場中作為關鍵績效指標的使用。
在基準模型中，平均流動性比率為 14%，而經驗對應物為 10%。

引述

從以下內容提煉的關鍵洞見

Simulating Liquidity: Agent-Based Modeling of Illiquid Markets for Fractional Ownership

by Lars Fluri, ... 於 arxiv.org 11-21-2024

https://arxiv.org/pdf/2411.13381.pdf

深入探究

在現實世界中，平台如何調整其設計以適應更廣泛的投資者行為和市場條件，從而影響部分所有權市場的流動性？

在現實世界中，平台可以透過調整其設計來適應更廣泛的投資者行為和市場條件，進而影響部分所有權市場的流動性。以下是一些策略：
1. 優化交易機制:

引入雙邊報價: 平台可以從單邊賣單驅動的市場轉變為雙邊報價市場，允許買賣雙方同時提交限價單。這種機制可以提高價格發現效率，縮小買賣價差，並最終提高流動性。
探索不同的訂單匹配算法: 平台可以試驗不同的訂單匹配算法，例如價格優先、時間優先或數量優先，以找到最適合其特定市場的算法。
實施自動化做市商: 平台可以引入自動化做市商，為市場提供持續的買賣報價，從而縮小買賣價差並提高流動性。
2. 提升資訊透明度:

提供更詳細的資產資訊: 平台可以提供更全面、透明的資產資訊，例如估值報告、市場分析和歷史交易數據，以幫助投資者做出更明智的決策。
建立投資者社群: 平台可以建立線上論壇或社群，讓投資者交流想法、分享資訊並討論市場趨勢，從而促進市場參與和流動性。
3. 降低交易成本:

降低交易費用: 平台可以降低交易費用，例如交易手續費或託管費，以鼓勵投資者參與交易。
簡化交易流程: 平台可以簡化交易流程，例如提供更便捷的支付方式或更快速的結算流程，以降低交易成本和提高效率。
4. 吸引更多投資者:

擴大市場推廣: 平台可以加大市場推廣力度，吸引更多投資者參與交易。
開發多元化的產品: 平台可以提供更多元化的部分所有權產品，例如不同類型的資產或不同的投資期限，以滿足不同投資者的需求。
5. 與監管機構合作:

建立明確的監管框架: 平台可以與監管機構合作，建立明確的監管框架，以增強投資者信心並促進市場發展。

考慮到 ABM 的局限性，例如簡化假設和數據可用性限制，僅僅依靠 ABM 來模擬和理解部分所有權市場的複雜性是否明智？

儘管基於代理的模型 (ABM) 在模擬金融市場方面具有強大的能力，但僅僅依靠 ABM 來模擬和理解部分所有權市場的複雜性並不明智。這是因為 ABM 存在一些固有的局限性：

簡化假設: ABM 通常基於簡化的假設，例如代理人的理性行為或市場的完全資訊。然而，現實世界的市場更加複雜，投資者行為可能受到情緒、認知偏差和資訊不對稱等因素的影響。
數據可用性限制: ABM 的準確性取決於輸入數據的質量和完整性。然而，部分所有權市場相對較新，數據積累有限，這可能會影響 ABM 的可靠性。
模型校準和驗證的挑戰: 校準和驗證 ABM 具有挑戰性，因為難以找到與模型參數相對應的真實數據。
因此，僅僅依靠 ABM 來理解部分所有權市場的複雜性是不夠的。更明智的做法是將 ABM 與其他研究方法相結合，例如：

經驗分析: 利用真實市場數據進行統計分析，以驗證 ABM 的結果並識別模型未考慮到的因素。
調查研究: 透過調查和訪談了解投資者的行為、動機和決策過程，以改進 ABM 中代理人的行為模型。
案例研究: 深入研究特定部分所有權市場的案例，以了解其獨特的特徵和挑戰。
總之，ABM 可以作為理解部分所有權市場流動性動態的有用工具，但應與其他研究方法結合使用，以克服其局限性並提供更全面、準確的分析。

如果部分所有權通過區塊鏈技術和去中心化平台得到廣泛採用，那麼流動性動態將如何演變，ABM 在模擬這些未來市場方面將發揮什麼作用？

如果部分所有權通過區塊鏈技術和去中心化平台得到廣泛採用，流動性動態可能會發生以下演變：
1. 潛在的流動性提升:

更廣泛的投資者基礎: 區塊鏈技術和去中心化平台可以降低准入門檻，吸引全球範圍內更多投資者參與部分所有權市場，從而增加市場深度和流動性。
更快的交易速度和更低的交易成本: 區塊鏈技術可以實現更高效的交易結算和清算，降低交易成本並提高交易速度，進而提升流動性。
自動化做市商和流動性池: 去中心化平台可以更容易地整合自動化做市商和流動性池，為市場提供持續的流動性。
2. 新的挑戰:

市場碎片化: 多個去中心化平台的出現可能導致市場碎片化，降低單一平台的流動性。
監管不確定性: 區塊鏈技術和去中心化金融仍處於發展初期，監管框架尚未完善，這可能會影響投資者信心和市場流動性。
技術風險: 區塊鏈技術和去中心化平台也面臨著技術風險，例如安全漏洞或智能合約錯誤，這些風險可能會影響市場穩定性和流動性。
ABM 在模擬這些未來市場方面可以發揮重要作用：

評估區塊鏈技術和去中心化平台的影響: ABM 可以用於模擬不同區塊鏈技術和去中心化平台設計對部分所有權市場流動性的影響，幫助平台設計者做出更明智的決策。
探索新的交易機制和流動性解決方案: ABM 可以用於測試新的交易機制，例如基於區塊鏈的訂單簿或自動化做市商算法，以及探索新的流動性解決方案，例如跨鏈橋或流動性聚合器。
預測市場行為和識別潛在風險: ABM 可以用於模擬未來部分所有權市場的行為，預測市場趨勢並識別潛在的流動性風險，例如市場操縱或閃電崩盤。
總之，區塊鏈技術和去中心化平台的廣泛採用有可能為部分所有權市場帶來更高的流動性，但也帶來新的挑戰。ABM 可以作為一個強大的工具，幫助我們理解這些未來市場的複雜動態，並設計更有效、穩定的市場結構。