Die Frage, mit der Sie beginnen, bezieht sich auf die Vorhersage des Aktienmarkts, aber Sie scheinen allgemeinere Bedenken zu haben. Ich werde versuchen, Ihre Meta-Frage anzugehen; Ich entschuldige mich im Voraus für meine umfassenden Verallgemeinerungen.
Soweit ich das beurteilen kann, ist die akademische Informatik weit entfernt von den tatsächlichen Anliegen von Hedgefonds und Menschen, die versuchen, Märkte zu modellieren und vorherzusagen.
Die aktuellen Schwerpunkte der algorithmischen Spieltheorie sind für die Finanzpraktiker offensichtlich nicht relevant. Insbesondere werden Worst-Case-Ergebnisse überhaupt nicht als nützlich angesehen, und eine auf künstlichen Verteilungen basierende Durchschnittsfallanalyse scheint ebenfalls weitgehend irrelevant zu sein. Die einzige Möglichkeit, Informationen über tatsächliche Verteilungen zu erhalten, scheint jedoch darin zu bestehen, sich tatsächlich auf dem Markt zu engagieren und seine Informationen mithilfe einer Vielzahl von Lerntechniken zu aktualisieren. Dadurch entstehen chaotische Modelle, die sich dynamisch ändern und für die meisten Analysetypen nicht geeignet sind.
Beispielsweise lag ein Schwerpunkt in der Finanzierung auf dem Verständnis der Mikrostruktur von Handelsgeschäften . Die Marktmikrostruktur ist eine aufstrebende Eigenschaft der spezifischen Marktmechanismen auf niedriger Ebene, die vorhanden sind, z. B. wie häufig ausstehende Trades abgeglichen werden, welche Informationen nach Ansicht von Händlern im Orderbuch vorhanden sind, Techniken zur Verschleierung dieser Informationen, die Rollback-Mechanismen Bestehende vertragliche Vereinbarungen in Bezug auf die Abwicklung von Geschäften, Netzwerklatenz beim Empfang von Aktualisierungen über den aktuellen Status des Auftragsbuchs und viele andere Faktoren. Die Marktmikrostruktur ist ein hochreflexives System, sodass die für TCS typischen sauberen Modelle unerreichbar zu sein scheinen.
Die Marktdesign-Community versucht, Fragen wie diese zu beantworten (siehe z. B. Huang und Stoll und das kürzlich erschienene Papier von Kirilenko et al. Zum Flash-Crash ), scheint jedoch nicht viel mit TCS zu tun zu haben.
Das Finanzwesen wird zunehmend komplexer, da die IT die Märkte durchdrungen hat. Dies bedeutet, dass die meisten Märkte jetzt aus mehreren ineinandergreifenden Systemen bestehen, die möglicherweise nicht sinnvoll getrennt modelliert werden können. Da sich die Märkte dem kontinuierlichen Handel nähern, bin ich mir außerdem nicht sicher, ob die TCS-Berechnungslinse derzeit in der Finanzbranche allzu nützlich ist. Steuerungstheorie, grafische Modelle, Strömungsmechanik und viele andere Bereiche der angewandten Mathematik scheinen direkter von Nutzen zu sein.
TCS-Methoden könnten nützlich sein, aber man muss sich Mühe geben, um zu verstehen, was im Finanzbereich passiert, um einen Platz für die Hebelanwendung zu finden und um ein geeignetes mathematisches Toolkit zu erwerben. Persönlich würde ich gerne mehr Arbeiten nach dem Vorbild von Arora / Barak / Brunnermeier / Ge sehen, die sich mit tiefen Fragen befassen. Führt die Erweiterung der Freiheitsgrade von Finanzsystemen beispielsweise zu guten Ergebnissen für die Benutzer dieser Systeme? Oder dient das Hinzufügen von Komplexität hauptsächlich dazu, Vermittlern dabei zu helfen, asymmetrische Nullsummenspiele gegen die Benutzer einzurichten? Es gibt wahrscheinlich ein ordentliches komplexitätsbasiertes Argument, das entdeckt werden muss ...
Auf den Punkt gebracht: Sie haben nicht viel TCS / Finance-Forschung gesehen, weil es schwierig ist, TCS für die Finanzierung anzuwenden.