结论与未来研究方向.pdf

第 7 章 結論與未 研究方向 人類行為的特性, 在於可以依照環境的變化想出 應的方法。 這樣的行為方式, 讓 人類得以在未知、 充滿不確定性、 與缺乏認識的環境中得以解決問題、 延續生存、 或作出決策。 人類行為的彈性具備了相當優異的特性, 但要道出其中的過程, 似乎 又極其困難。 但人類本身的行為與其所設計出來的策略, 是兩種截然不同的決策邏輯。 一 個利用簡單的法則來應付環境的多變, 所以採取的是見機行事及試誤學習的決策 模式; 另一個則經由事先的設計, 依據對環境的知識來制訂不同狀況下的行動。 在經濟學文獻上, 由 Rust et al. (1994) 的雙方喊價市場競賽、 Grossklags and Schmidt (2006)、 Das et al. (2001)、 及 Taniguchi et al. (2004) 所進行的人 機互動實驗結果顯示, 不論是電腦化交易程式間的較量, 或是真人與軟體交易者的 競爭, 往往都呈現出一致的結果: 具備學習能力的交易程式或真人受試者的表現, 都不及其他電腦化的交易策略。 乍看之下, 學習比起理性設計的策略, 甚至是簡單 的捷思 (Heuristics) 都不如, 在人機互動的實驗中, 甚至讓人不禁懷疑若真人的交 易績效遠不及交易程式的表現, 是否終有一天金融市場中的交易者都將被交易程 式所取代? 問題是那一天為何至今仍未到來? 在面對軟體交易程式時人類的學習能力真 的如此不堪嗎? 很可惜的是, 這個問題在經濟學中迄今都還沒有受到足夠的重視。 147 148 結論與未 研究方向 本研究採用離散型雙方喊價機制與利用 GP 代表學習者的特點, 拉齊了各類 型交易策略的計算能力 (全部在電腦中進行運算, 利用計算機本身的運算資源), 摒 除了計算能力所造成之決策時間差異所會帶來的影響, 也排除了人類情緒、 預期、 相關知識不足等可能因子, 在計算能力對等的情況下, 單純地來評估學習與理性設 計策略的結果。 並且首次嘗試將影響學習至鉅的智商因子帶入模型之中, 一方期望 能對學習的效果有更為全面的認識, 另一方面也希望能成功地複製智商在學習上 所應該發揮的影響。 學習行為的意涵 相對於人機互動的實驗顯示出人類智能無力與電腦化交易程式匹敵的現象, 我們 透過更為受控制的實驗來仔細研究單純的學習行為所能達到的效果。 我們的實驗結果顯示學習具有相當的能力, 隨著時間的經過其表現最終可凌 駕理性設計的策略之上。 此我們可以這麼說: 人類所設計出來的策略, 與透過學 習的方式的決策過程, 兩者不但邏輯不同, 表現出來的特性也不一樣。 而本研究也顯示, 即使是在對環境缺乏認識的情況下, 在大部分的情況下, 只 要給予一定的時間或具有一定程度的智商, 具有學習能力的 GP 交易者都能勝出。 但 GP 僅是一種人類學習能力的代表性演算法, 人類決策者的學習能力又是如何 呢? Smith (1991) 對於人類決策的方式有著如下的見解: “Many years of experimental research have made it plain that real people do not solve decision problems by thinking about them in the way we do as economic theorists. Only academics learn primarily by reading and thinking. Those who run the world, and support us financially, tend to learn by watching, listening and doing.”