《基于计算实验方法的金融理论研究——定义现状与未来展望》由会员分享，可在线阅读，更多相关《基于计算实验方法的金融理论研究——定义现状与未来展望（57页珍藏版）》请在金锄头文库上搜索。
1、关于“计算实验金融学” 定义、现状与未来展望,张维 赵帅特 天津大学 天津财经大学2009-02-26 中国 北京,2,引言：市场实践的冲击,自上世纪八十年代开始，随着越来越多的难以解释的市场异象和公司行为被逐个揭示，标准金融经济学的理论体系出现前所未有的动摇 作为这些冲击最现实的代表,美国乃至于整个世界金融市场刚经历的危机典型地反映了金融市场的高度复杂性演化特征,3,引言：市场实践的冲击,现实表明，传统（或标准）的金融理论在预见和解释这些已发生的市场现象方面存在相当的困难,实践对于新的金融经济学研究提出了迫切的需求 这种现实需求以两种形式推动了金融经济学研究的前进,4,引言：理论界的反应,标
2、准金融理论的修正 标准金融学一般从集结性（agrregated）数据（例如价格、收益率、波动率、交易量等等）的角度来研究市场的运动规律 因此，其改进的角度更多地考虑非完美的市场条件（例如重视交易成本和投资者异质信念的影响） 并开始关注微观个体的较为具体的投资行为、预期方式、交易活动等方面,5,引言：理论界的反应,新金融理论的探索 行为金融学：投资者的不完全理性和认知心理偏差 有限理性论：投资者认识水平有局限性，但具有学习能力，或者更进一步有适应能力 微观市场结构理论：交易机制的作用 信息不对称理论：市场中信息的拥有、传播、处理方式的影响 不完全市场理论：多重均衡与非均衡的存在,6,引言：理论界
3、的反应,Individual restrictions,7,引言：理论界的反应,新金融理论研究的一个重要特点 更加重视微观的决策行为和微观的价格形成机制对于市场甚至整个金融系统的影响 不再将关注点唯一地直接放在集结性金融数据所表达出来的宏观规律性上 其实，溯源到微观经济学的研究范式，这种视角原本就是一种规范的做法 这些探索更加复杂金融现象的研究对标准的研究方法和范式提出了新的要求,8,引言：理论界的反应,因此，这些新的研究不仅对现有金融经济学理论的成果给予了扩展和创新，同时也由于上述研究过程中的困难，提出了新的研究方法、甚至新的研究范式！ 按照科学哲学家库恩的观点，科学研究范式的转变是科学研究
4、产生飞跃性进步的标志 在这些新的金融理论探索活动中，比较典型的是一类通过计算机和人工智能技术实现的、以科学“实验”作为发现规律基本途径的金融经济学研究活动,9,引言：理论界的反应,这个领域被比较多地称为“计算实验金融学”（Agent-based Computational Finance， ACF） 它与计算实验经济学（ACE）具有相似的学科特征，与“Social Computing”或者“Computational Social Science”等新兴领域也有着千丝万缕的联系 与传统的金融经济学研究相比，它不是运用基于被动观测数据的实证手段，也不是运用数理模型的逻辑手段，而是利用一类特定的“
5、实验”手段来追寻金融现象背后的规律,10,计算实验金融：概念界定,作为一个领域，计算实验金融（ACF）以复杂性科学中CAS理论作为指导思想，依托基于Multi-Agent-System的计算机仿真技术，根据金融经济学的基础理论，研究金融市场中相互作用的微观个体的交互规律及其对市场整体运动的影响规律 它试图据此揭示潜藏于表象之下的金融规律、回答围绕资产价格或收益率产生的种种疑问,11,计算实验金融：产生背景,LeBaron(2006)曾经将这个领域产生和迅速发展的原因归纳为五点： 市场有效性与个体理性的争论远未结束 许多市场异常现象没有被很好的理解 存在大量可用分析的价格和交易量数据 个体学习效
6、果易于通过财富和收益近似表示 仿真结果与市场实证之间关联强烈,12,计算实验金融：产生背景,相比起来，Arthur等(1997)对此的阐述更加直观。他们认为，之所以ACF会出现，是因为“计算机实验能够解释金融学中最令人困惑的难题：一方面学术理论家坚信市场的有效性与投机机会的稀缺，另一方面市场交易者却相信诸如技术分析、市场心理学以及流行效应等概念。” 这一评论切中了基于传统方法的金融理论研究的“软肋”理论与实践的相互背离,13,计算实验金融：产生背景,H. Levy, M. Levy & Solomon(2000)也强调： “（传统）金融理论研究存在的问题是，虽然不现实的简化假设有助于获得数学解
7、析的便利性，但这些假设所导致的结论在实际证据面前却无法取得令人信服的支持。或许我们一直寻找的丢失的硬币就在灯柱之下。我们相信微观模拟将成为金融经济学研究中深具潜力的工具”,14,计算实验金融：产生背景,2008年10月，法国物理学家Jean-Philippe Bouchaud教授在自然杂志上发表文章，也揭示了金融经济学所需要的“科学革命”,15,计算实验金融：思想基础,经典金融经济学和新金融经济学重要理念、假设、思想的综合。,构筑受控的、可重复的计算实验室，从事严格的计算研究。,适应性造就复杂性。市场运动是个体自适应的结果。,金融 经济学,计 算 实 验,复 杂 性 科 学,16,计算实验金融
8、：思想基础,ACF思想基础的主体由前述三部分组成 计算实验的思想,是科学和工程中仿真实验思想在金融市场的延伸，如Tesfatsion所言，“经济学的计算研究就是要构筑计算实验室” 复杂性科学的思想,主要体现为复杂适应系统(CAS)的思想，即“适应性造就复杂性” 金融经济学的思想比较庞杂，既包含了经典金融经济学中理性预期、个体追求最优化等重要方面，又体现了新金融经济学中个体信息和行为异质性、市场有限套利性等内容,17,计算实验金融：方法论特点,从传统的角度看，计算实验金融方法是在系统仿真技术的基础上发展出来的，其主要功能是对复杂系统的宏观行为进行仿真 但它与很多常规的仿真技术不同的是： 从对系统
9、微观个体的行为特征及其基本相互作用的描述来最终反映系统的整体特征（金融经济学思想的一种体现） 系统中的微观元素具有根据所收到的信息进行适应性的主动反应的特性（CAS思想的体现）,18,计算实验金融：方法论特点,我们也可以从“Social Computing”的角度（Wang, Carley & Zeng2007）看待ACF研究 “社会计算”主要是通过仿真一个社会系统中大量相互作用的微观主体的行为，来考察该系统宏观层面的运行规律。它包括三个层次： 仿真建模：表达系统的内在规律 计算实验：利用上述模型进行理论的“实验”研究 平行执行：使模型和真实系统的“对接”,19,计算实验金融：研究优势,准确地
10、讲，这里的研究优势主要是指因采用计算实验方法而为金融理论研究带来的益处。归根结底，它们都是源于ACF的方法论特点。 一般地，我们可以将研究优势划分为两个层次 基本优点：仿真模型自身的良好性质 衍生优点：对于具体研究产生的积极作用,20,计算实验金融：研究优势,基本优点（一） 逻辑顺畅、结构合理 模型被有机地划分为投资者、市场环境、信息源、学习演化等多个相对独立模块 能够针对具体问题有的放矢进行研究，可以将一些构成市场动态的基本因素（例如个体行为与市场结构）之影响分离开，按照不同的研究偏好来设计仿真实验以得到所关心的研究结果,21,计算实验金融：研究优势,基本优点（二） 相对于金融经济学的传统研
11、究方法，本方法采样方便、数据充足 仿真程序可以根据实验者的意图调整运行参数以获取不同条件下的数据， 有利于从事不同金融理论（如传统金融理论、行为理论）的比较研究,22,计算实验金融：研究优势,基本优点（三） 控制简单、修改容易（对处于计算实验阶段的主流研究而言） 程序代码书写规范，注释清楚，接口丰富，易于依研究目的进行改编和扩展 软件齐全丰富（如Swarm、Repast、Netlogo、Ascape等），很多是公开免费的,23,计算实验金融：研究优势,衍生优点 适合异质投资者研究 享受跨学科的支持 辅助解决长期争议问题 方便探索未知理论 提供合理的政策建议,ACF的 技术特点,24,计算实验金
12、融：研究优势,适合异质投资者研究 ACF方法的最大特点是面向个体建模，投资者的财富积累、消费习惯、效用函数、交易策略、风险偏好、心理偏差等都可以被编辑，这为开展投资者异质性研究提供了技术条件 无论是学习模型，还是非学习模型均能突破规范分析在数学处理上的种种限制，解决Arrow所谓“异质分析模型发展的必要性与艰难性共生”的悖论 由于ACF弥补了异质个体模型计算和分析工具的不足，所以Hommes相信未来基于Agent的可计算的异质分析模型将拥有高度的优先性,25,计算实验金融：研究优势,享受跨学科的支持 计算实验方法的应用普适性为学科背景互补的研究人员进行合作创造了机会和平台。SFI-ASM的诞生
13、就凝结着人工智能专家、生物学家等非经济金融学者的智慧。本领域其他研究中物理学家、计算机科学家、自动控制专家等的参与早已是司空见惯 恰如Axelrod所言，计算实验方法方便了跨学科的合作，在数学无能为力的情况下提供了一个有用的多学科工具，帮助我们揭示那些基本的理论问题 同与多学科保持密切联系的计算实验方法相结合势必有利于加速金融理论研究,26,计算实验金融：研究优势,辅助解决长期争议问题 ACF的自底向上性可以帮助研究人员从微观个体层面入手解答一些长期富有争议的问题 例如，许多ACF研究都发现并证明了“风险规避的理性投资者不大可能狙击弱理性投资者引起的市场动力学”的行为金融理论假说 ACF使我们
14、能够检验、评价新金融经济学理论的科学性与适用性，直接或间接回应久议未果的问题，并促其早日获得共识,27,计算实验金融：研究优势,方便探索未知理论 计算实验方法的自由探索性可以协助寻找关乎金融理论发展的若干未知问题的答案 举例来说，Mansilla测度了信息量对个体策略选择的影响、喻&张（2005）证明了学习速度的提高不能保证投资收益的增加等都佐证了这点 此外，ACF在市场环境对信念的形成与更新的作用、投资者的注意力、记忆、知识对投资业绩的影响等问题的探索上也都得到有意义的结果 特别地，它可能帮助人们发现一些现实中尚未遇见的市场情景，从而为金融风险管理提供新的视角,28,计算实验金融：研究优势,
15、提供合理的政策建议 ACF的结构明晰性缓和了投资者的不完全理性与市场微观结构的作用在实证分析中难以辨别的矛盾 例如，Gode & Sunder基于零智能体的仿真就区分了一些市场现象究竟是个体学习行为引发的还是交易制度造成的；Chiarella & Iori分辨了指令簿机制和投资者互动谁才是造成市场价格特征现象的原因 另外，保证金交易、日内交易、市场崩盘、类Tobin税的研究也证实了金融理论的推断 面向未来，投资者治理、公共政策制定、市场监管等还需开展大量工作，对此本领域将大有可为,29,人工股票市场：发展历程,人工股票市场(artificial stock market, ASM) 是计算实验
16、金融研究（ACF）的基本模型和工具，一如计量金融模型、数理金融模型在传统的金融研究中的基础性作用 经过近二十年的探索，ASM已经由最初的少策略、单资产模型，发展为复杂策略、多资产模型。在这一过程中，先后出现几个具有里程碑意义的ASM，它们对于ACF研究产生了深远影响,30,人工股票市场：发展历程,Kim & Markowitz(1989)的常数比例组合保险模型：早期典型的少策略(few-type)模型 圣塔菲研究所SFI-ASM模型：开启多策略(many-type)与复杂（complex）策略学习模型的时代 以色列Hebrew大学LLS-ASM模型：更加逼真的投资者行为与风险偏好 台湾政治大学陈树衡教授团队AIE-ASM模型：另辟蹊径的复杂策略学习模型,31,人工股票市场：发展历程,意大利Genoa大学的G-ASM模型：瞄准市场微观结构研究的产物 Westerhoff(2004)的五风险资产模型：迈入多资产横截面研究阶段 英国Essex大学与伦敦证券交易所合作研发的CCFEA-ASM模型：实践平行执行理念的先行者,32,33,回顾：现有研究分类,
