本研究使用代理人基模型進行模擬，控制代理人與環境，在人工股票市場與設定固定資產的環境下，模擬兩種不同的交易機制，連續雙邊喊價機制（Continuous double auction market, CDA）與集合競價機制（Call market, CAM）下的價格波動差異。
本研究將資產基本面設定成遞增與遞減兩類，代理人分成四組做為對照，每組實驗獨立模擬10000期，共模擬100次。此研究透過將代理人變數控制，排除現實市場裡交易者資訊不對等情況，也排除了在現實中環境的因素，如漲跌幅限制的影響，單純比較在兩種交易機制之下，所產生的價格變動波動。
實驗結果發現到不論是在資產基本面遞增或遞減設定下，結果一致。在各種代理人組合下，連續雙邊喊價機制（CDA）的價格波動顯著大於集合競價機制（CAM）。另外也發現在連續雙邊喊價機制（CDA）與集合競價機制（CAM）中，隨著資產基本面的提高，價格的波動率將趨於平緩。

This study applies agent-based modeling to simulation artificial stock market. Given agents behavior and single asset setting, we compare the price volatilities between two matching mechanisms, continuous double auction (CDA) and call market (CAM).
Two fundamental scenarios, increasing and decreasing fundamental values, have been taken into consideration. Under two matching mechanisms and two scenarios, there are total four cases of combination for us to simulate. We conduct 100 simulation runs for each case, and 10,000 periods for each run. In this simple setting, we have 100 artificial traders in each simulation. The market has no information asymmetry and no price limitation during the price matching.
We find that the price volatility of CDA is significantly larger than CAM in the four cases. In addition, it is also found that no matter what fundamental scenario is, the price volatility will be converge eventually.

目錄
第一章 緒論	1
1.1 研究動機與目的	1
1.2 論文架構	2
第二章 文獻回顧	3
第三章 實驗設計	6
3.1 NETLOGO	6
3.2 酒吧問題	6
3.3 市場交易機制	7
3.4 實驗流程圖	9
3.5 實驗參數設定	10
第四章 模擬結果與分析	12
4.1 基本面門檻為遞增時	12
4.1.1 記憶長度參數5、策略數參數10	12
4.1.2 記憶長度參數5、策略數參數20	13
4.1.3 記憶長度參數10、策略數參數10	14
4.1.4 記憶長度參數10、策略數參數20	15
4.1.5 基本面門檻遞增時CAM與CDA之對數價格變動率結果比較	17
4.1.6 基本面門檻遞增時CAM與CDA之價格變異數結果分析	17
4.2 基本面門檻為遞減時	17
4.2.1 記憶長度參數5、策略數參數10	18
4.2.2 記憶長度參數5、策略數參數20	19
4.2.3 記憶長度參數10、策略數參數10	20
4.2.4 記憶長度參數10、策略數參數20	21
4.2.5 基本面門檻遞減時CAM與CDA之對數價格變動率結果比較	22
4.2.6 基本面門檻遞減時CAM與CDA之價格變異數結果分析	22
4.3 模擬結果檢定	23
4.3.1 基本面門檻遞增時不同參數組合下變異數之敘述統計	23
4.3.2 基本面門檻遞減時不同參數組合下變異數之敘述統計	24
4.3.3 基本面門檻遞增時不同參數組合下變異數之T檢定	25
4.3.4 基本面門檻遞減時不同參數組合下變異數之T檢定	25
第五章 結論及未來研究發展	26
5.1 結論	26
5.2 未來研究發展	27
參考文獻	28

圖目錄
圖 1、實驗形成流程	9
圖 2、NETLOGO實驗模型操作介面	11
圖 3、在集合競價機制下，基本面門檻遞增時，記憶長度參數為5、策略數參數為10時對數價格變動率的折線圖	12
圖 4、在連續雙邊喊價機制下，基本面門檻遞增時，記憶長度參數為5、策略數參數為10時對數價格變動率的折線圖	13
圖 5、在集合競價機制下，基本面門檻遞增時，記憶長度參數為5、策略數參數為20時對數價格變動率的折線圖	13
圖 6、在連續雙邊喊價機制下，基本面門檻遞增時，記憶長度參數為5、策略數參數為20時對數價格變動率的折線圖	14
圖 7、在集合競價機制下，基本面門檻遞增時，記憶長度參數為10、策略數參數為10時對數價格變動率的折線圖	14
圖 8、在連續雙邊喊價機制下，基本面門檻遞增時，記憶長度參數為10、策略數參數為10時對數價格變動率的折線圖	15
圖 9、在集合競價機制下，基本面門檻遞增時，記憶長度參數為10、策略數參數為20時對數價格變動率的折線圖	15
圖 10、在連續雙邊喊價機制下，基本面門檻遞增時，記憶長度參數為10、策略數參數為20時對數價格變動率的折線圖	16
圖 11、在集合競價機制下，基本面門檻遞減時，記憶長度參數為5、策略數參數為10時對數價格變動率的折線圖	18
圖 12、在連續雙邊喊價機制下，基本面門檻遞減時，記憶長度參數為5、策略數參數為10時對數價格變動率的折線圖	18
圖 13、在集合競價機制下，基本面門檻遞減時，記憶長度參數為5、策略數參數為20時對數價格變動率的折線圖	19
圖 14、在連續雙邊喊價機制下，基本面門檻遞減時，記憶長度參數為5、策略數參數為20時對數價格變動率的折線圖	19
圖 15、在集合競價機制下，基本面門檻遞減時，記憶長度參數為10、策略數參數為10時對數價格變動率的折線圖	20
圖 16、在連續雙邊喊價機制下，基本面門檻遞減時，記憶長度參數為10、策略數參數為10時對數價格變動率的折線圖	20
圖 17、在集合競價機制下，基本面門檻遞減時，記憶長度參數為10、策略數參數為20時對數價格變動率的折線圖	21
圖 18、在連續雙邊喊價機制下，基本面門檻遞減時，記憶長度參數為10、策略數參數為20時對數價格變動率的折線圖	21

表目錄
表 1、臺灣的證券股票市場交易機制之比較：集合競價機制與連續雙邊喊價機制	8
表 2、CAM與CDA於基本面門檻遞增時，在不同參數下的對數價格變動率結果比較	17
表 3、CAM與CDA於基本面門檻遞增時，在不同參數下的對數價格變動之變異數	17
表 4、CAM與CDA於基本面門檻遞減時，在不同參數下的對數價格變動率結果比較	22
表 5、CAM與CDA於基本面門檻遞減時，在不同參數下的對數價格變動之變異數	22
表 6、CAM與CDA於基本面門檻遞增時，記憶長度參數為5、策略數參數為10之敘述統計	23
表 7、CAM與CDA於基本面門檻遞增時，記憶長度參數為5、策略數參數為20之敘述統計	23
表 8、CAM與CDA於基本面門檻遞增時，記憶長度參數為10、策略數參數為10之敘述統計	23
表 9、CAM與CDA於基本面門檻遞增時，記憶長度參數為10、策略數參數為20之敘述統計	24
表 10、CAM與CDA於基本面門檻遞減時，記憶長度參數為5、策略數參數為10之敘述統計	24
表 11、CAM與CDA於基本面門檻遞減時，記憶長度參數為5、策略數參數為20之敘述統計	24
表 12、CAM與CDA於基本面門檻遞減時，記憶長度參數為10、策略數參數為10之敘述統計	24
表 13、CAM與CDA於基本面門檻遞減時，記憶長度參數為10、策略數參數為20之敘述統計	25
表 14、基本面門檻遞增時，不同參數組合下，CAM與CDA的變異數T檢結果	25
表 15、基本面門檻遞減時，不同參數組合下，CAM與CDA的變異數T檢結果	25

Amihud, Y., & Mendelson, H. (1987). Trading Mechanisms and Stock Returns: An Empirical Investigation. The Journal of Finance, 42(3), 533-553.
Amihud, Y., & Mendelson, H. (1991). Volatility, Efficiency, and Trading: Evidence from the Japanese Stock Market. The Journal of Finance, 46(5), 1765-1789. 
Arthur, W. B. (1994). Inductive reasoning and bounded rationality. The American economic review, 84(2), 406-411.
Arthur, W. B., Holland, J. H., LeBaron, B., Palmer, R., & Tayler, P. (1996). Asset pricing under endogenous expectations in an artificial stock market. The economy as an evolving complex system II, 27.
Camilleri, S. J. (2015). Do call auctions curtail price volatility? Evidence from the National Stock Exchange of India. Managerial Finance, 41(1), 67-79.
Chang, R. P., Rhee, S. G., & Soedigno, S. (1995). Price volatility of Indonesian stocks. Pacific-Basin Finance Journal, 3(2-3), 337-355.
Chang, R. P., Hsu, S. T., Huang, N. K., & Rhee, S. G. (1999). The effects of trading methods on volatility and liquidity: Evidence from the Taiwan Stock Exchange. Journal of Business Finance & Accounting, 26(1‐2), 137-170.
Chang, R.P., Ghon Ree, S., Stone, G.R. and Tang, N. (2008), “How does the call market method affect price efficiency? Evidence from the Singapore Stock Market”, Journal of Banking & Finance, Vol. 32 No. 10, pp. 2205-2219. 
Cheng, M. H., & Kang, H. H. (2007). Price-formation process of an emerging futures market: Call auction versus continuous auction. Emerging Markets Finance and Trade, 43(1), 74-97.
Domowitz, I., & Wang, J. (1994). Auctions as algorithms: Computerized trade execution and price discovery. Journal of economic dynamics and control, 18(1), 29-60.
Ellul, A., Shin, H. S., & Tonks, I. (2005). Opening and closing the market: Evidence from the London Stock Exchange. Journal of Financial and Quantitative Analysis, 40(4), 779-801.
Ferrouhi, E. M., & Ezzahid, E. (2013). Trading Mechanisms, Return’s Volatility, and Efficiency in the Casablance Stock Exchange. Indonesian Capital Market Review.
Garofalo, M. (2006). Modeling the’El Farol Bar Problem’In NetLogo. PRELIMINARY DRAFT, Dexia Bank Belgium.
Kuo, W., & Li, Y. C. (2011). Trading mechanisms and market quality: call markets versus continuous auction markets. International review of Finance, 11(4), 417-444.
Lang, L. H., & Lee, Y. T. (1999). Performance of various transaction frequencies under call markets: The case of Taiwan. Pacific-Basin Finance Journal, 7(1), 23-39.
LeBaron, B., Arthur, W. B., & Palmer, R. (1999). Time series properties of an artificial stock market. Journal of Economic Dynamics and control, 23(9-10), 1487-1516.
LeBaron, B. (2002). Building the Santa Fe artificial stock market. Physica A, 1-20.
Li, Z., & Das, S. (2016, May). An agent-based model of competition between financial exchanges: Can frequent call mechanisms drive trade away from CDAs?. In Proceedings of the 2016 International Conference on Autonomous Agents & Multiagent Systems (pp. 50-58).
Mendelson, H. (1982). Market behavior in a clearing house. Econometrica: Journal of the Econometric Society, 1505-1524.
Pagano, M. S., Schwartz, R. A., & Speiser, M. M. (2007). NASDAQ’s closing cross: Has its new call auction given NASDAQ better closing prices? Early findings. In The New Nasdaq Marketplace (pp. 133-155). Springer, New York, NY.
Pagano, M. S., Peng, L., & Schwartz, R. A. (2013). A call auction's impact on price formation and order routing: Evidence from the NASDAQ stock market. Journal of Financial Markets, 16(2), 331-361.
Palmer, R. G., Arthur, W. B., Holland, J. H., LeBaron, B., & Tayler, P. (1994). Artificial economic life: a simple model of a stockmarket. Physica D: Nonlinear Phenomena, 75(1-3), 264-274.
Palmer, R. G., Arthur, W. B., Holland, J. H., & LeBaron, B. (1999). An artificial stock market. Artificial Life and Robotics, 3(1), 27-31.
Schnitzlein, C. R. (1996). Call and continuous trading mechanisms under asymmetric information: An experimental investigation. the Journal of Finance, 51(2), 613-636.
Smith, J. W. (2006). Nasdaq's electronic closing cross: An empirical analysis. The Journal of Trading, 1(3), 47-64.
Stoll, H. R., & Whaley, R. E. (1990). Program trading and individual stock returns: Ingredients of the triple-witching brew. Journal of Business, S165-S192.