人工股市（ASM）介绍.docVIP

人工股市(ASM)介绍 1、经济系统、股票交易系统中的复杂性 ????新古典主义经济学告诉我们，我们赖以生存的经济系统是由若干被称作“经济人”的个体组成的，这些“经济人”具有完全的理性、并且对整个市场的具有完全信息，因此经济学家证明了，市场最终将处于一种均衡的状态，在这种状态下需求量刚好等于供给量，并且在没有外部的干扰条件下，系统将静止不再演变。 ????然而看看我们身处的经济系统，它并不是理论家们预言的那个样子。首先经济中的个体并不是全知全能且具有完全理性的，当然这些个体也不是完全随机相互作用的一群无规则运动的分子，他们更像是处于完全理性与随机性之间的一种状态。关键是，这些个体是具有学习功能的，他们并不是像一台计算的机器一样总是做出理性的判断和决策，而是通过经济活动的实践逐渐积累经验，通过与其周围有限环境内的其它经济个体的交互中，慢慢的适应，从而进行有限理性的行为。当环境发生变化的时候，他们往往可以调整自己的策略，从而使得自己能够尽量的谋得经济利益。由这样的适应性个体组织成的经济系统是一个复杂的系统，而且这个系统会因为每个个体的不断调整从而永不停息的变化着，似乎现实的经济系统从来不会平衡下来，而是象一个有机的生命体一样始终处于复杂的运动变化当中。 ????复杂系统的方法[1]致力于用一种全新的观点理解经济系统中的复杂性。在微观上，首先，按照前面的叙述，人们扬弃了完全理性、全知全能的“经济人”的假设取而代之的是能够学习和适应环境的运用归纳法决策的有限理性人。其次，在微观上，人们用“规则”代替计算来给每一个个体进行建模；在宏观上，人们扬弃了简单的还原论思想—即认为研究清楚系统组分的行为就相当于认识了系统的行为思想，把经济系统就看成是由若干相互作用的个体进行复杂交互的复杂系统；在方法论上，人们扬弃了纯粹的数学推理的方法，取而代之的是计算机模拟技术。 ????股市无非是若干复杂经济系统中的一个特例。传统的股市模型假设股票交易者根据全局的行情进行完全理性的判断，并利用理性的预期进行决策。在这种模型的假设前提下，股市更像一个“死”的物理系统。而现实的股市远不是如此，人们常常用诸如“股市持续低迷”、“狂涨”等等类似描述人类心理现象的语言描述股市，而且还常常出现类似“黑色星期五”这种有关股市心理的现象。由此可见，我们需要用复杂系统的理论来对其进行重新的理解，看看能够得到什么结果。“人工股市”[2](Artificial Stock Market简称ASM)是由圣塔菲研究所（Santa Fe Institute）的W.Brian Arthur和John Holland于1987年提出来的一个模拟股市运作的计算机系统，它用具有学习能力的AI（人工智能）程序代替全知全能的股票交易者，在电脑中重建一个模拟的股票交易环境，看看在这样的计算机世界中能不能得到与现实股市相近的数码股市的拷贝。 ????在下面的讨论中，第2节概述了人工股市系统的运作机理，第3节详细介绍模型的内部结构，其中包括股市环境、相互作用的作用者模型、学习算法等等细节问题。第4节介绍系统的运行情况与仿真结果，看看这样一种有归纳的作用这形成的股市系统到底有什么神奇之处。 2、ASM系统模型概述 2.1、系统结构 ???? ASM系统主要分成两个大部分，一部分是股票交易者（我们称其为Agent，意为智能代理），另一部分是每个Agent所面临的环境。它主要模拟了单一股票的交易情况（也就是说市场上仅仅有一种股票发行）。 ????其中Agent模型又是由预测规则、效用函数、财富状态以及参数集合四个部分组成的。预测规则是形如if [condition] then [result]这样的规则，其中[condition]部分都是经过编码后的01序列抽象信息，[result]是当agent采用当前规则所采取的动作。为了模拟现实中的交易者的多样性，每个Agent都有一组不同的规则，而且学习效应是在规则层次体现的。具体说来，就是Agent通过不断的运用规则对股票的价格进行预测从而进行买入或者卖出或者持有的决策，然后根据预测的后果来对他们运用的规则进行评价，从而确定每个规则作用的排序，然后运用一种称为“遗传算法”的方法模拟大自然的优胜劣汰，淘汰掉评价不好的规则，同时产生新的更好的规则。Agent的效用函数表达了每个Agent对股票价格以及股票持有量之间的偏好，给定当前的股票价格、该Agent对未来股价的预期就可以得到Agent对股票持有的需求量。为了设计简便，系统给每个Agent设计了同一类型的效用函数。Agent的财富状态主要包括当前该Agent的股票持有量和现金量。Agent的参数集合定义了Agent在运行过程中的不同行为参数，包括效用函数的具体参数、遗传算法的参数、最大（小）持有股票量等等。 ????A