探究复杂金融系统的计算实验9.pptVIP

其基本构成为Agent系统和交易机制系统，外围为所相关的环境，Agent通过对信息的处理产生决策，然后通过一定的交易机制来对Agent的订单进行处理，产生相对应的市场价格，而价格等信息又通过市场环境反馈给Agent以供其参考决策 * * * * * * * * * * * * * * * * * 计算实验金融：与理论解析模型有何不同？ 易于构建异质主体（Heterogeneous Agent） Ehrentreich（2008）指出，理论解析模型往往选择代表性主体（而不是异质主体）以构建一个完美的瓦尔拉斯市场模型，但是这种假设条件受到了来自现实的挑战。 尽管Brook和Hommes（1998）建立了HAM的分析框架，但在理论解析模型的范畴内，引入异质性使模型的求解发生了很大困难。 与理论模型自上而下的建模思想不同，计算实验从下而上的形式使得其能够更容易地对Agent的异质行为、规则、以及偏好等特征进行刻画和建模 * 计算实验金融：与理论解析模型有何不同？ 易于描述个体的交互行为 由于金融市场是一个复杂系统，特别是系统内的Agent之间的交互模式及交互网络，使用传统数理建模方法是十分难以的描述； 而计算实验可以很容易地对这些复杂的交互特征进行刻画，设计各种交互网络模型，增加系统的交互维度 * 计算实验金融：与理论解析模型有何不同？ 更加贴近于真实的市场交易机制表达 传统理论模型关注的是抽象的经济学意义下的均衡解，因而在模型中形成均衡的方法上往往与实践中的价格形成机制相去甚远 但由于其微观建模的特点，计算实验手段对于真实市场机制的描述能力是传统解析模型完全无法比拟的（LeBaron，2006；Marks，2006）。 * 计算实验金融：与实证研究有何不同？ 降低对数据环境及时间的依赖 实证研究往往是通过对某一个特定的市场进行数据采集，然后对数据进行分析和比较，这在本质上是对一个随机过程的一次“实现”进行的研究。就像你不能两次跨进同一条河一样，实证的结论往往具有很强的数据依赖性 计算实验在这方面的比较优势是，它可以通过在保证系统构成部件不变的条件下产生大量可重复的实验数据，并据此展开可重复的研究 * 计算实验金融：与实证研究有何不同？ 降低对数据环境和时间的依赖（续） 举例来说，金融市场可以看作是由投资者、交易机制和环境构成，那么当我们研究投资者行为时，可以保证交易机制和环境都不变的情况下，测试不同的投资者的行为反应； 同样也可以在保证投资者行为特征及环境不变的条件下，进行改变和调整交易机制，从而观察市场的表现，以设计一个合适的交易机制。 * * 计算实验金融：与实验研究有何不同？ 提高实验可靠性 实验经济学中的参与者往往有“被实验”感，因此如Smith（1962）指出，对参与者的激励与其行为可靠性的问题十分重要。也就是说，由于参与者知道这是一个实验，因而其行为有可能并非与真实环境下的行为相一致，这就容易误导实验的结果。 而计算实验中的Agent却可以在人造的虚拟世界中“忠实”地生活，它们十分“敬业”地参与着计算实验中设定的“游戏”，因而在特定的实验条件下所展现出的情形是具有一致性的。 * 计算实验金融：与实验研究有何不同？ 构建更加可控的Agent 在一个由人和各种机制构成的市场环境中，实验经济学只做到了对市场机制的完全控制，而对于人的行为则没有做到完全的控制。 这也是由人的行为复杂性所决定的，这就使得研究者很难观察到实验参与者的偏好和动机，因此Smith（1976）提出了“诱导值理论”的方法来减少实验参与者个体偏好对实验的影响 * 计算实验金融：与实验研究有何不同？ 构建更加可控的Agent（续） 而在计算实验中，就能够避免实验经济学中遇到的这个问题，在计算实验模型中可以分别对Agent的行为与市场机制都进行很好的控制，进而针对某一金融问题进行方向明确的深入研究。 另外，从实验成本的角度考虑，为了获得可靠的实验数据和结果，研究者都会要求进行大量可重复的实验进行验证，这种情况下，计算实验要比人工实验的时间成本和资金成本都小的多 * 计算实验金融：Agent的行为是否足够逼真？ 其实，如同其他研究方法中的模型是对真实世界某个方面的一种抽象一样，计算实验中Agent行为也是对真实市场参与者某个行为侧面的一种抽象 特别地，针对不同的研究问题和目的，对于真实市场参与者的行为建立不同的Agent模型，更有利于深刻地解释问题的本质，这与其他研究方法在哲学上是相同的 * 计算实验金融：Agent的行为是否足够逼真？ 对这个问题的答案也可以部分地借鉴实验经济学对参与者的身份与专业化的观点 长期以来，Smith（1988）、Flood等（2002）等众多学者进行了一系列的选取职业交易者参与的实验，他们通过对实验结果的比较，发现学生参与者与职业投资者