复杂性分析在金融领域应用.docVIP

复杂性分析在金融领域应用 　　摘要：从金融复杂性的特征、理论研究思想和实证研究技术三个方面出发，概述性总结复杂性科学在金融领域的发展现状，并从股票市场、银行信贷市场、外汇市场和金融系统稳定性这四个角度分类归纳复杂性分析在金融领域的应用文献，从中提出现有研究的问题和不足之处。 　　关键词：复杂性；计算金融；行为金融 　　中图分类号：F830文献标志码：A文章编号：1673-291X（2014）18-0100-02 　　 　　经济金融化、金融自由化的不断深化使得金融逐渐成为现代经济的核心，而传统金融经济学在解释某些现代金融系统问题上的局限性已经严重阻碍金融学科的发展。20世纪80年代复杂性科学的兴起与发展，使其影响超越了具体的学科领域，走向一般科学方法论的道路。随之涌现的金融创新和网络技术更促使复杂性科学的研究开始延伸到金融领域，用于分析金融系统、金融市场复杂性的生成及演化过程，并产生很多创新性的理论成果。 　　一、金融复杂性特征 　　金融系统是一个开放的复杂系统。首先，金融系统具有非线性特征，包含资本市场、货币市场、外汇市场、商品市场、银行信贷市场等多个子系统，彼此相对独立，又相互关联、制约，其整体作用在金融活动的正负反馈效应下被不断扩大，而非各子系统的简单线性叠加。金融系统具有积累效应，起始状态的微小变动都会随着系统演化被迅速放大，最终导致系统行为的质变，故无法对系统做出精确的长期预测。金融系统具有非周期性，它的演化路径是无序的、不规则的，因而过去危机中总结的经验教训并不能完全防范新一轮的危机传染。金融系统具有自组织性，系统中各个主体在面临危机时会自发做出相似选择，导致的集体行为很可能加速危机的蔓延，陷入系统性危机。金融系统具有动力特征，总是处于发展变化之中，不断与外界环境之间进行丰富的物质、信息、能量交换，在回归与偏离局部均衡的过程中改善自身结构，使整个系统朝着更规则、更有序的方向发展。 　　鉴于金融复杂性的这些特征，用经典的有效市场理论、传统的数理分析方法已无法解释金融系统的复杂现象。于是针对固有理论研究的缺陷，产生了一系列新的思想和方法。 　　二、金融复杂性的理论研究思想 　　复杂性研究是一门新兴学科，目前研究金融复杂性的主流思想可划分为混沌分形理论、自适应系统理论、临界突变理论、网络理论等。这些理论在近二十年已经取得突破性的进展。 　　混沌和分形理论研究了金融系统向复杂性演化的时间性和空间性。它突破传统的线性思维模式，把市场看作一个复杂的、具有适应性和交互作用的非线性动力学系统，能对资产价格的行为提出新的解释。混沌的非周期性循环特征适用于经济增长和周期理论的研究。 　　自适应系统理论的提出是从系统演化规律的思考引起的。它认为金融系统中的个体具有适应性，能够与外部环境及其他个体进行持续不断的学习交流，并根据学到的经验改变自身结构和行为方式，以适应环境变化和其他主体的协调一致，可用于解释资产价格如何在资本市场中达到一般均衡，或金融市场上投资者的羊群效应。 　　突变理论主要研究金融系统演化中不连续的跳跃式突变过程，进行复杂组织的突变机制分析。它建立在集合、拓扑、群论等现代基础数学之上，尤其适用于内部结构尚不明晰的系统。像股票市场证券价格的演化、泡沫经济的破裂均存在渐变到突变的过程，能用突变理论进行变点检测。 　　网络理论是复杂性科学理论最新的理论分支，是刚刚提出和正在探索的新理论。它将系统的结构抽象成为网络，构成要素抽象为节点，相互作用抽象为节点间的连线或边，运用复杂网络的理论方法研究复杂系统的拓扑特性。目前大量应用于金融市场风险传染机制、金融稳定性的相关研究。 　　三、金融复杂性的实证研究技术 　　金融复杂性在研究技术上的创新主要包括行为金融和计算金融两方面。行为金融利用“人”的特点研究市场参与者行为和市场行为间的相互影响，来解释金融的复杂性。主要的行为金融理论模型包括基于信念的BSV模型、HS模型，基于偏好的BT模型、BHS模型，基于行为偏差的DSSW模型、BAPM模型等。 　　计算金融则充分利用计算机强大的计算能力来处理金融中的大量数据和仿真，并在建立数学模型上有所突破。该技术包含仿真、混沌动力学、随机微分、人工神经网络等多个方面。仿真技术通过计算机模拟真实的金融系统，利用生态和网络刻画金融系统的各种特征，如元胞自动机、神经网络和演化模型算法、遗传算法、演化博弈与均衡分析、模拟退火算法和仿真的NK模型等。 　　除行为金融和计算金融外，还有扩散模型、小世界现象、经济黑洞理论等一系列新方法能较好地应用于金融复杂性的研究。 　　四、复杂性方法在金融领域的研究综述 　　1.股票市场的复杂性分析。研究股票市场复杂性的文献主要分为三类：一类研究股票市场中的价格相关性，如Vandewalle