金融系统建模和计算机仿真研究

系统建模和计算机仿真研究。系统动力学认为，系统的行为模式与特征主要取决于其内部结构。因此可以选取证券市场等金融子系统为例构建金融系统发展的因果模型,研究金融系统仿真模型的机理、金融发展系统动力学研究步骤与检验、金融系统的仿真与预测。20世纪80年代后期先后有 iT h in k 、S T E L L A 和V e n sim 、P o w e rsim 主流绘图建模模拟软件。2006年Vensim已经发展到5.5d版,STELLA和iThink已经发展到9.0版。这些为系统科学在金融系统研究中的应用提供了便利。

国内外社会科学领域仿真实验系统应用情况

系统仿真是上世纪40年代末以来伴随着计算机技术的发展而逐步形成的一门新兴学科。仿真就是通过建立实际系统模型并利用所建立的模型对实际系统进行实验研究的过程。最初，仿真技术主要用于航空、航天、原子反应堆等价格昂贵、周期长、危险性大、实际系统试验难以实现的少数领域，后来逐步发展到电力、石油、化工、冶金、机械等一些主要工业部门，并进一步扩大到社会系统、经济系统、交通运输系统、生态系统等一些非工程系统领域。现代系统仿真技术和综合性仿真实验系统已经成为对任何复杂系统进行不可缺少的分析、研究、设计、评价、决策和训练的重要手段。其应用范围在不断扩大，应用效益也日益显著。

    系统仿真技术是建立在控制理论、信息处理技术和计算机技术等理论基础之上的，以计算机系统和其他实验设备为工具，利用系统模型对真实或假设的系统进行试验，并借助于专家的经验知识、统计数据和信息资料对实验结果进行分析研究，进而作出决策的一门综合的实验性学科。系统仿真一般都经历如下步骤:问题定义；制定目标；描述系统并对所有假设列表；罗列出所有可能替代方案；收集数据和信息；建立计算机模型；校验和确认模型；运行模型；分析输出等。一个模型不可能呈现被模拟的现实系统的所有方面，有时是因为太昂贵。另外一个表现真实系统所有细节的模型也因为它将过于复杂和难于理解。因此，明智的做法是：先定义问题，再制定目标，再构建一个能够完全解决问题的模型。模型性能测度是否同真实系统性能测度匹配，通过模型确认建立模型的可信度。需要用统计技术来分析不同方案的模拟结果。一旦通过分析结果得出结论，要能够根据模拟的目标来解释这些结果，并提出实施或优化方案。

    数据仓库、方法库和模型库，是最近发展起来并应用于决策支持系统的技术。这是三种相互又相互关联的信息处理技术，是新一代决策支持系统的基础。这三种技术从不同的角度辅助决策。其中数据仓库是基础，方法库和模型库是两种不同的分析工具。这三种技术的结合使仿真系统的分析、预测、模拟和决策能力达到更高层次。

    随着计算机技术的发展，系统仿真试验技术在社会科学领域的研究及制定和决策支持中的应用越来越得到普及。国外社会科学领域仿真系统应用较早，由美国兰德公司建立的用于研究国际关系国际事务的模型，华尔街诸多金融分析模型，剑桥大学等建立的人口微观仿真模型，耶鲁大学等研究的社会保障模型以及联合国的国家发展模型等，在研究和决策支持中发挥了重大作用。随着仿真系统在社会科学领域的应用，系统仿真方法也在逐步完善，自从1961年福雷斯特教授出版了 《工业动力学》一书，用系统动力学方法解决社会系统问题在国外被成功地应用。系统动力学是系统科学的一个重要分支，由于它为社会科学提供了较好的实验途径，被人们誉为 “实验室”。美国、日本、德国、前南斯拉夫、波兰以及欧洲的一些国家都普遍地应用系统动力学方法建立了国家模型并予以应用，美国模型、美国威斯康星地区能源规划模型是很好的应用案例。

    许多发达国家非常注重仿真技术在社会科学研究中的应用。世界银行、亚洲开发银行等将仿真技术运用于人力资源社会保障领域，澳大利亚建立了人力资源社会保障仿真技术系统，芬兰的仿真试验系统在人力资源社会保障制定中发挥了重要作用。目前，受研究方面的推动，仿真技术系统的应用日趋广泛，研究系统的微观个体与宏观变量 （如变化等）之间的相互作用，评价社会经济可能产生的效果。仿真技术在一些国家和地区已经形成了较大的市场，特别是在德国和美国，养老金制度、累进税制等方面的制定受益于仿真技术的应用。比如德国早在上世纪80年代就建立了医疗保险预测预警仿真系统，美国建立仿真实验系统利用主成分分析法及神经网络法对失业进行预警。

    在我国社会科学领域，仿真也逐步从书本走向了人们的工作和生活。1994年，中国人民大学成立了经济科学实验室，建立了电子商务模拟系统，再现不同类型企业进行国际贸易的过程；农科院农经所成功开发农业分析平台与决策支持系统，在农业方面进行模拟分析，在国内为农业经济领域的决策作出贡献。国家气候中心在过去统计预测的基础上，组织气象学、物理、化学、土壤、计算机等多学科专家开发气候模型，用以预测气候的变化情况，模型预测的预测周期将比过去统计外推预测的周期大很多。国家人口计生委建设的人口宏观决策支持系统，构建了3大主题的11组模型，对人口数量、素质、结构、分布等方面作出预测和仿真，近期为重大人口课题，提供了十多套预测方案。人口宏观决策和仿真系统目前在全国人口系统试点应用，他们开发的模型得到国内外专家的高度评价，并引起了副总理李克强的重视。北京市建设的经济决策支持系统，面对、市的经济决策，按照经济决策问题的分类，包括经济增长、失业状况、物价波动、收入状况、投资增长、消费水平、社会保障、对外贸易、产业结构、科技创新、技术改造、人力资源、流动人口、工业问题、农业问题、财政收支、金融问题、国有资产等数据查询、趋势预测、选择、效果模拟等诸多方面提供决策支持。（张一名 作者单位：中国劳动保障科学研究院）

基于复杂适应系统理论的实验金融系统研究

专　业: 控制理论与控制工程

关键词: 实验金融学 复杂适应系统 证券交易市场 投资者行为 正则规则

分类号: F830.9　 F832.5

形　态: 共 128 页　约 83,840 个字　约 4.01 M内容

阅　读: 内容摘要　-　全文目录　-　相似论文　-　下载全文

内容摘要

近年来，经典金融理论的传统范式的统治地位逐渐被动摇了，期望效用最大化理论和有效市场假说受到了来自行为金融学等新兴的金融理论强有力的挑战。 行为金融学更加强调个体投资者的行为因素，把投资者从教条的理性框架中解脱出来，使其更加真实化和人性化。 经典金融理论过分强调整体环境，行为金融学却走向了过分强调个体的另一个极端。 实际上，金融市场是一个典型的复杂适应系统，个体和个体之间以及个体和整体环境之间一直在不停的进行强烈的相互作用，我们不能把整体环境和个体分割开来进行研究。 基于复杂适应系统理论的计算实验金融学提供了一个很好的研究方法，使我们可以进行针对完整金融市场的研究。 实验金融学为金融学的研究方法中注入了一针新鲜的血液，在以演绎推理方法为主要手段的传统金融学中，引入了几乎从来不曾出现过的归纳分析方法，这是一个全新的思路。 实验金融学使我们可以做出一些在真实金融市场上不可能做到的实验，不需要付出很大的代价，而且实验金融学的研究方法可以为我们提供比有限的历史数据更多得多的数据。 中国证券市场是一个新兴市场，从其开始发展至今，不过十几年的历史，其制度和结构一直在不停的变化着。 如此复杂多变的证券市场，历史数据又很有限，实验金融学方法就更具有实用意义。 然而实验金融学目前仍处于萌芽阶段，很多研究方法还不完善，存在着过多的简化，而且国外学者建立的证券交易仿真模型很多地方并不符合中国股市的实际情况。 本论文在对计算实验金融学的背景理论复杂适应系统理论进行了详细的分析之后，提出了一系列针对现有实验金融学方法的改进方法，并详细的描述了实验金融复杂适应系统EFCAS的建立方法，通过对证券交易市场进行仿真实验，我们对EFCAS的效果进行了分析和评价。 总体来说，主要做了以下几个方面的工作:1、综述了金融学的各个分支，总结了从传统金融学到微观金融学、行为金融学以及到实验金融学发展的历程，分析了实验金融学适用的领域，说明了实验金融学与其它金融学分支的关系，介绍了实验金融学的研究方法。 2、介绍了复杂适应系统仿真方法的发展历程，分析得出证券交易市场是一个不断演化的复杂适应系统，并在复杂适应系统理论的基础上，根据证券交易市场的实际情况，进一步提出了证券交易市场的五层复杂适应系统仿真模型，给出了实验金融系统的层次框架。 3、根据对证券交易市场复杂适应系统划分的五个层次，结合中国证券交易市场的实际情况，重新设计了全新的人工股票市场，即实验金融复杂适应系统EFCAS，对五个层次逐层进行了详细设计并实现，同时给出了开放的模型接口，供其它研究者将自己的投资者模型接入EFCAS，完成了完整的分布式实验金融复杂适应系统。 4、发展了人工股票市场中投资者的模型，根据我国投资者的现状，给出了证券交易系统中股民的建模方法，分别在行为层和思考层给出了投资者和信息提供者的模型，重新设计了完整的投资者的行为和进化模型，并引入大量不同的交易者类型。 对个人投资者和机构投资者的行为和进化进行了分析和实现。 5、优化了MMDR算法产生正则规则的方法，分析了正则规则在股市价格发现中的应用，并研究了MMDR算法运行过程中产生的大量规则，分析了其在个体多样性建模中的可行性，给出了利用这些规则对实验金融复杂适应系统中的个体建立初始模型的方法。 6、对实验金融复杂适应系统的仿真实验效果进行了分析，探讨了实验金融系统的评价方法，针对证券市场中特殊现象的仿真实验效果进行了评价..……

-

全文目录

文摘

英文文摘

第一章 绪论

1.1证券交易系统的介绍

1.2本文的研究动机

1.3本文所作的工作

1.4本文的组织结构

第二章 计算实验金融学简介

2.1我国金融学的发展与现状

2.1.1金融学的定义

2.1.2金融学的学科分支

2.2计算实验金融学的产生

2.2.1实验金融学

2.2.2调查实验金融学

2.2.3计算实验金融学

2.3计算实验金融学与其它新兴金融理论分支的关系

2.3.1计算实验金融学与金融市场微观结构理论

2.3.2计算实验金融学与行为金融学

2.4计算实验金融学的实验方法

2.4.1实验金融学方法的特点

2.4.2调查实验金融学的实验方法

2.4.3计算实验金融学的实验方法

2.5本章总结

第三章 复杂适应系统仿真方法

3.1复杂系统仿真方法的发展

3.1.1早期的仿真方法

3.1.2系统仿真方法

3.1.3复杂系统学说的产生

3.1.4复杂系统仿真方法

3.2复杂适应系统仿真方法

3.2.1复杂适应系统

3.2.2复杂适应系统仿真的实现方法

3.3复杂适应系统仿真在实验金融学领域的应用

3.3.1.简单Agent的金融证券市场仿真

3.3.2 Santa Fe的人工股票市场，

3.3.3其他模型

3.4实验金融复杂适应系统EFCAS

3.4.1当前人工模拟股票市场的局限

3.4.2实验金融复杂适应系统的目标

3.4.3 EFCAS的五层仿真结构

3.5本章总结

第四章 实验金融系统的设计结构

4.1我国证券交易系统的情况

4.1.1证券交易所及监管机构使用的系统

4.1.2券商及其它服务提供商使用的系统

4.1.3投资者及投资基金使用的系统

4.2证券交易市场的复杂适应仿真结构设计

4.2.1交易所仿真的设计

4.2.2券商仿真的设计

4.2.3信息服务仿真的设计

4.2.4投资者客户端仿真的设计

4.2.5仿真投资者的设计

4.3本章总结

第五章 投资者模型的建立

5.1投资者模型的结构

5.1.1投资者群体的总体结构

5.1.2投资者Agent的调度

5.1.3投资者Agent的内部结构

5.2投资者行为的分析

5.2.1投资者的反应模型

5.2.2投资者的思考模型

5.3投资者的进化

5.4投资者的分类

5.5散户投资者模型

5.5.1我国散户投资者的特征

5.5.2散户投资者的综合行为

5.6机构投资者模型

5.6.1我国机构投资者的发展状况

5.6.2机构投资者的市场作用

5.6.3机构投资者的投资行为

5.7股评家模型

5.8本章总结

第六章 正则规则在实验金融复杂适应系统中的应用

6.1正则规则相关的概念

6.2 MMDR算法介绍

6.2.1 MMDR算法的任务

6.2.2 MMDR算法的过程

6.2.3初始MMDR算法的伪代码

6.3 MMDR算法的改进

6.3.1改进算法过程中引入的概念

6.3.2纵向长入与后缩的MMDR改进算法

6.3.3横向拟正则的MMDR改进算法

6.3.4 MMDR改进算法的效果

6.4 MMDR算法在建立投资者模型时的应用

6.4.1使用MMDR算法对股票价格进行预测

6.4.2使用MMDR算法进行投资者的建模

第七章 实验金融复杂适应系统的评价

7.1概述

7.2对实验金融复杂适应系统研究思想的评价

7.3对实验金融复杂适应系统功能的评价

7.4对实验金融复杂适应系统性能的评价

7.5实验金融系统仿真效果的评价

7.5.1股票价格一般行为特征的仿真效果

7.5.2股票价格特殊行为特征的仿真效果

7.5.3股票价格对于特殊事件的反应情况的仿真效果

7.6本章总结

第八章 结论与展望

8.1全文总结

8.2展望