金融时间序列多分辨率实证研究的ＥＭＤ方法(2)
2017-11-12 02:41
导读：早期的关于适应信念系统研究的文献主要关注于这些系统通过分叉形成的混沌吸引子。最近，Gaunersdorfer 和 Hommes开始考虑波动丛集涌现的机制，他们的研究
早期的关于适应信念系统研究的文献主要关注于这些系统通过分叉形成的混沌吸引子。最近，Gaunersdorfer 和 Hommes开始考虑波动丛集涌现的机制，他们的研究表明当系统中同时存在不同的吸引子时，这时如果引入一定的噪声，系统就会在不同吸引子之间来回转换，因为不同的吸引子对应着不同的价格波动，这样模型就能够产生与实证数据相似的波动丛集现象。
4.自组织模型
复杂系统和人工股市的研究表明微观个体的适应性可以产生复杂的宏观现象，但同时也证明适应性并不一定总能够产生复杂性。许多时候适应性能否产生复杂性，还得看相应的适应性能否产生自组性，否则汇总的宏观动态会由于大数定律的作用而变得平凡。所以“自组织性”也是人工股市建模的一个重要理念。金融市场中投资者的模仿和羊群行为就是一种典型的自组织行为。
Cont和Bouchaud（1999）首先应用逾渗理论刻画这种自组织效应，成功建立了CB模型，Iori（2002）以随机场伊辛模型为基础，建立了一个与Cont-Bouchaud模型相似的市场模型，所不同的是在Cont-Bouchaud模型中Agent按团体决策，而Iori的模型中的决策者是个人。许多学者对CB模型和Iori模型作了扩展和改进，通常这些改进后的模型都能够产生大多数典型事实，包括收益的厚尾分布，波动丛集等特征。有些模型甚至可以产生与实证数据相近的幂率标度和多重分形等性质。
二、现有模型的优缺点
以SFI-ASM为代表的智能学习模型使用了分类器系统、遗传规划和神经网络等复杂的智能学习算法，这样的设置使得Agent具备了较好的适应性，但同时也大大增加了模型的复杂性，使得难以对得出的结论进行评估。Ehrentreich（2002）对SFI-ASM技术交易涌现的质疑就是其中的一个例子。
（科教作文网http://zw.ΝsΕAc.com发布） 相比之下少数派博弈模型要简单的多，只有少量的参数，而且可以应用平均场理论得到近似的结果。但少数派博弈模型的计算量并不小，所以同智能学习模型一样，只能模拟少量的Agent。再者，投资股票并不是一个争做少数派的博弈，而恰恰相反是一个争做多数派的博弈，但无论简单多数派博弈模型还是Andersen扩展的美元博弈模型都遇到强烈的正反馈。
模仿传染模型虽然可以建立数学模型，并且这些模型在一定程度上具有可解析性。但缺点也是明显的，BH模型需要适度调节转换噪声的大小，防止系统中只剩下单一的策略；而Lux模型则通过人为限制每类Agent的最小比例，以避免所有的Agent转换为单一类型的Agent。
三、未来的发展方向
人工股市建模还存在许多缺点，但最为重要的问题还在于实证基础薄弱。对于个体的认知和行为，行为金融学认为投资者的认知存在着各种偏差，但何种条件下投资者表现为何种偏差至今还没有搞清楚；而对于金融系统的输入——信息，尽管有大量的文献研究不同类型的信息，如公司合并公告和季度收益公告等信息对市场的冲击，但却很少关于金融市场信息过程建模的研究。 由于目前人工股市建模的关键问题在于缺乏实证的支持，而并不在于设计具有如何强的学习适应能力的Agent，所以人工股市建模与实证研究更为紧密的结合将是未来发展的主要方向。
四、结论
基于Agent的人工股市建模经过二十多年的发展取得了重要的成果。在过去的十多年间，互联网也得到了未曾预料的发展和普及，这为众多学者从事金融复杂性这种跨学科研究提供了良好的条件。从人工股市建模的对象来看，由于金融市场中有大量的数据，相比于其他复杂社会系统而言，具有无可比拟的实证研究方面的优势。所有的这些因素都预示着基于Agent的人工股市建模仍然是未来最具活力的研究领域。
参考文献：
[1]Kim G,Markowitz H M.Investment rules, margin and market volatility[J].Journal of Portfolio Management,1989,16:45-52.
