论文部分内容阅读
波动性是金融市场的基本属性之一，金融理论的解释力与金融实践成功与否在很大程度上都取决于对于市场波动行为的理解与把握。因而波动性一直是金融领域研究的重要课题。
中国股市是经济转型时期建立起来的新兴市场，更有许多特有特征，如市场波动剧烈，股价经常发生大涨大跌。因此，关于中国股市波动性的研究就更加受到管理层、研究者和投资者的重视。学者们结合行为金融学、制度金融学、微观市场结构理论，以及利用各种先进的实证分析工具对股市波动性展开了丰富的研究，为我们对这一问题的认识提供了重要的参考。
本文对股市波动的研究取自一个颇为不同的视角，用计算实验金融的方法。国外计算实验金融方法近些年来的兴起是源于金融理论发展的断层期。新古典金融受到越来越多的批评，而行为金融学理论由于缺少满意的分析工具而进展受阻。而基于Agent的计算金融以现代计算机技术和计算数学为工具，以既定的金融市场为背景，赋予主体(即Agent)一定的行为模式和学习机制，强调Agents与金融市场之间的交互和学习，通过进行受控的可重复的仿真实验，揭示金融市场运行特征和规律。这一方法被认为是给新的金融学理论发展提供了重要的工具支撑。这样的背景下，本文将重点构建一个能捕捉中国股市部分特征的基于Agent的市场模型，并基于此模型开展对股市波动的实验研究。具体而言，本文做了如下工作：
一是构建了一个比较新颖的人工市场模型(ASM)，并用Netlogo实现了该模型。模型具有以下两个特点：首先模型更多的融合了中国市场特征：模型的利率、红利的增长率和波动率直接用中国股市的数据校准；模型中不允许卖空，符合国内股市的情况(融资融券业务推出的时间并不长)；模型中设计了10％的涨跌停限制，符合1997年以来中国股市的现实。其次，设计上，尤其是Agent的决策和进化方式上有新颖之处。大多数的人工市场模型都把Agent简单分为两类，基本面投资者和技术交易者。本文的模型没有武断的对投资者进行这样的划分，而是让在对技术指标和基本面指标进行某种加权运算的“神经网络专家”中选择。这样Agent就可以在纯技术和纯基本面交易者之间连续分布。而到底选择什么，则是根据这些“专家”以前的表现。Agent根据自己的记忆长度对专家过去的表现进行评价。这样，Agent事实上存在双重异质性，既表现在他们选择的投资原则的不同，也表现在他们具有不同的记忆长度。这部分工作在主要在文中第6章与第7章中阐述。另外第4，第5章也为模型的设计提供了基础。
其次，基于这个ASM模型本文考察了涨跌幅限制对股市波动的影响。第8章通过在ASM模型基础上进行实验设计，分析了有无涨跌幅限制，以及不同涨跌幅限制下，有无涨跌幅限制以及不同涨跌幅限制对股价波动的影响。实验结论支持了涨跌幅限制降低股价波动性的大部分实证研究的结论。当然考虑到ASM模型在证券种类设计、价格形成机制以及Agent行为设计上还存在很多简化之处，实验结果现实意义受到不少影响。但我们认为，至少基于ASM模型可以预先为政策的效果提供某种参考。
第三，本文对计算实验金融、噪音交易者模型、行为金融与新古典金融模型等金融理论进行了再思考。理论上的任何新的微小的发展都离不开对已有理论的传承。本文在界定计算实验金融在金融理论中的位置的同时，也对相关的理论重新进行了较为深入的思考。这些思考或许能对金融理论的发展有一点微小的参考价值。这部分工作体现在论文第2章文献述评和第3章基于Agent的计算实验金融概论中。
第四，本文对国外已有的基于Agent的模型进行了梳理。由于国内计算实验金融研究开展的并不多，对于各种已有的模型介绍的文献更少，这部分工作对国内学者了解这一领域的发展具有一定的参考意义。这个工作放在论文第3章阐述。