结论：目前金融市场的模拟方法以统计模型为主流；Agent-based model的研究在预测能力方面还没有比较有效的证明，主要用于模拟和分析
以 agent based stock market simulation 为关键词，在Google Scholar 搜索到几篇文章：
- Georgia Institute of Technology 发布了名为 ABIDES 的模拟系统，同时源代码（python）发布在：https://github.com/abides-sim/abides 。系统针对美国NASDAQ和 NYSE 设计。论文中模拟了一个大额订单出现在订单薄上对日内股价走势的影响。（似乎此类模拟仅限日内波动的模拟）
- 德国团队发布了名为 SABCEMM 的模拟软件，也有开放源代码（C++）：https://github.com/SABCEMM/SABCEMM。目前还没有使用真实数据测试
更换搜索关键词：agent based stock price simulation
- 意大利安科纳马尔凯理工大学（Università Politecnica delle Marche）的研究在 Brock and Hommes model 的基础上，加入参数矫正（calibration），仅考虑基本面投资者和趋势追踪两类投资者，实现了S&P 500, Euro Stoxx 50, Nikkei 225 和 CSI 300四大指数的模拟和预测（提前2日）。这个模型没有复杂的设计，重点放在参数调教和模拟优化上，似乎能够很好的复现，但此类思路与机器学习/纯时间序列分析已经没有很大差异了。
- 基于主体的模型（Agent-based model）根据他们的根据其经验有效性水平分了四个等级[1]：
- 第0级：模型是现实的抽象，通过使用简单的图形表达（例如，可视化个体的行动）。
- 第1级：模型与经验宏观结构在定性上一致，通过绘制群体的分布特性等建立的。
- 第2级：模型显示出与经验性宏观结构的定量一致，通过统计估计建立。
- 第3级：模型显示出与经验性微观结构的定量一致，这是通过对群体的横截面和纵向分析确定的。
- 目前的研究还处于从 L1 到 L2 的发展阶段（2017年论文[2]）
如果将搜索关键词中的 agent based 限定去掉，即：stock price simulation。那么大部分的研究论文均使用的是统计模型（如几何布朗运动 geometric Brownian motion[3]、小波分析、神经网络等方法）
[1] Sylvain Barde and Sander van der Hoog. An empirical validation protocol for large-scale agent-based models. Studies in Economics 1712, School of Economics, University of Kent, July 2017. URL https://ideas.repec.org/ p/ukc/ukcedp/1712.html. && https://link.springer.com/chapter/10.1007/978-3-319-70766-2_31
[2] https://link.springer.com/chapter/10.1007/978-3-319-70766-2_31
[3] https://zh.wikipedia.org/wiki/%E5%87%A0%E4%BD%95%E5%B8%83%E6%9C%97%E8%BF%90%E5%8A%A8