Die Ökonomie und insbesondere die Theorie der Finanzmärkte befinden sich in einem Paradigmenwechsel, bei dem die klassischen Ansätze, die auf der Annahme homogener und rationaler Marktteilnehmer basieren, ergänzt und erweitert werden um Ansätze, die sowohl versuchen, reales Verhalten von Marktteilnehmern zu modellieren als auch an realen Märkten beobachtbare Phänomene zu erklären.
Unter dem Begriff der Entscheidungstheorie1 werden allgemein die „logischen und empirischen Analysen des rationalen oder intendiert rationalen Entscheidungsverhaltens“2 verstanden.3 Die Entscheidungstheorie beschäftigt sich somit in systematischer Weise mit dem Entscheidungsverhalten von Individuen und Gruppen.4 Eine Entscheidung im Sinne der Entscheidungstheorie ist „die (mehr oder weniger bewußte) Auswahl einer von mehreren möglichen Handlungsalternativen“5.
In diesem Abschnitt werden die theoretischen Entwicklungen in der Finanzierungstheorie dargestellt. Dies dient zum einen einer entsprechenden Einordnung der nachfolgend beschriebenen Ansätze und erscheint zum zweiten insofern angebracht, als dass die hier vorgestellten Modelle, insbesondere die neoklassisch orientierten Ansätze, sowohl aus theoretischer Sicht als auch in der praktischen Umsetzung einen de facto-Standard darstellen.1
Das Forschungsgebiet der Multiagentensysteme hat sich in den 1980er Jahren entwickelt, jedoch erst in der Mitte der 1990er Jahre größere Anerkennung sowie mittlerweile ein breites Anwendungsspektrum gefunden.1 Mittels der Multiagentensysteme wurden „die Konzepte der kollektiven Intelligenz und der Entstehung von Strukturen durch Interaktion“2 in die Informatik eingeführt. Der Ansatz der Multiagentensysteme stellt grundsätzlich einen interdisziplinären Ansatz dar, der Elemente der Künstlichen Intelligenz, Informatik, Soziologie, Wirtschaftswissenschaften, Organisationstheorie, Managementlehre sowie der Philosophie inkludiert. Oft findet sich als Bezeichnung des Forschungsgebietes auch der Terminus der Verteilten Künstlichen Intelligenz (VKI, engl. Distributed Artificial Intelligence, DAI): „DAI is the study, construction, and application of multiagent systems, that is, systems in which several interacting, intelligent agents pursue some set of goals or perform some set of tasks.“3 Insbesondere im deutschsprachigen Raum findet auch der Begriff der Kenetik Verwendung: Die Kenetik „erfordert die Fähigkeit, Universen oder Organisationen aus künstlichen Agenten (...) zu planen, zu gestalten und zu erschaffen, die in der Lage sind, zu agieren, zusammenzuarbeiten, zu kommunizieren, sich anzupassen, sich zu reproduzieren, ihre Umgebung wahrzunehmen und ihre Aktionen zu planen, um Ziele zu erreichen. (...) Die Kenetik strebt danach, sowohl die Wissenschaft als auch die Technologie künstlicher Organisationen zu sein (...). Die Kenetik befasst sich darüber hinaus damit, Multiagentensysteme zu konstruieren, das heißt, elektronische Modelle oder Computermodelle zu erzeugen, die aus künstlichen Entitäten bestehen, welche miteinander kommunizieren und in einer gemeinsamen Umwelt agieren.“4
Bevor auf die inhaltliche Ausgestaltung des Frameworks eingegangen wird, erscheint es sinnvoll, zunächst das intendierte Vorgehen bei der Entwicklung dieses Frameworks darzustellen. Dazu kann eine kritische Betrachtung der verschiedenen Methodologien zu Analyse und Design, die in Abschnitt 4.1.3.2 dargestellt wurden, einen wertvollen Beitrag liefern.1 Die Methodologien werden in diesem Abschnitt insbesondere unter dem Aspekt analysiert, inwiefern sie einen Mehrwert für die Entwicklung des Frameworks in dieser Arbeit beisteuern können. Der Fokus liegt dabei auf dem Fakt, dass kein klassisches Anwendungssystem entwickelt wird, für das diese Methodologien originär gedacht sind, sondern ein Framework, das dem Forscher ein Instrumentarium liefert, mit dem er verschiedene Aspekte eines Finanzmarktes simulieren und analysieren kann.
Eine der grundlegenden Fragen der Theorie der Finanzmärkte beschäftigt sich mit dem tieferen Verständnis realer Finanzmärkte. In der vorliegenden Arbeit wurde ein Framework entwickelt, das es ermöglicht, systematisch, stringent und konsistent Modelle Agenten-basierter Finanzmarktsimulationen zu konstruieren, die zur Untersuchung der genannten Fragestellung einen Beitrag leisten können.
