張 偉
(南通職業(yè)大學(xué),江蘇 南通 200437)
基于小世界復(fù)雜網(wǎng)絡(luò)代理人模型的改進(jìn)
張 偉
(南通職業(yè)大學(xué),江蘇 南通 200437)
以ISing模型為基礎(chǔ),在一個(gè)具有小世界效應(yīng)的隨機(jī)復(fù)雜網(wǎng)絡(luò)上建立市場(chǎng)拓?fù)浣Y(jié)構(gòu),改進(jìn)了代理人決策機(jī)制和市場(chǎng)定價(jià)機(jī)制模型,利用計(jì)算機(jī)模擬,得出該拓?fù)浣Y(jié)構(gòu)下的人工金融市場(chǎng)的對(duì)數(shù)收益率趨近于”胖尾”分布的結(jié)論。
復(fù)雜網(wǎng)絡(luò),小世界效應(yīng),代理人模型,“胖尾”分布
自然界和人類社會(huì)中存在著大量結(jié)構(gòu)復(fù)雜的系統(tǒng),復(fù)雜網(wǎng)絡(luò)正是對(duì)這些復(fù)雜系統(tǒng)結(jié)構(gòu)的一種量化表達(dá)[2-3]。數(shù)學(xué)上把網(wǎng)絡(luò)定義為 G=(V,E),是指由一個(gè)點(diǎn)集V(G)和一個(gè)邊集E(G)組成的一個(gè)圖。網(wǎng)絡(luò)中的節(jié)點(diǎn)表示復(fù)雜系統(tǒng)中的真實(shí)個(gè)體,網(wǎng)絡(luò)中的邊表示個(gè)體之間的相互關(guān)系,邊的權(quán)值表示與某一個(gè)體相鄰的不同個(gè)體對(duì)該個(gè)體影響力的大小。通過(guò)建立復(fù)雜網(wǎng)絡(luò)模型,可以更好地理解真實(shí)復(fù)雜系統(tǒng)在其拓?fù)浣Y(jié)構(gòu)與內(nèi)部動(dòng)力學(xué)機(jī)制等方面的特性。在構(gòu)建復(fù)雜網(wǎng)絡(luò)模型方面,Watts和Strogatz首先構(gòu)造出了WS網(wǎng)絡(luò),這是一種既非完全的規(guī)則網(wǎng)絡(luò)亦非完全的隨機(jī)網(wǎng)絡(luò)的網(wǎng)絡(luò)模型[4],這一模型反映了真實(shí)復(fù)雜網(wǎng)絡(luò)中普遍存在的小世界效應(yīng)[5-6]。隨后,Barabási和Albert給出了無(wú)標(biāo)度網(wǎng)絡(luò)的演化模型[7-8]。
近年來(lái),用復(fù)雜網(wǎng)絡(luò)模型解釋金融市場(chǎng)中的現(xiàn)象與機(jī)制也受到了廣泛關(guān)注。在眾多解釋和模擬金融市場(chǎng)行為的模型[1,15-18]中,代理人模型(agent-based model)扮演著十分重要的作用。與關(guān)注體系動(dòng)力學(xué)方程演化不同,代理人模型通過(guò)計(jì)算機(jī)模擬大量同質(zhì)或異質(zhì)的微觀代理人的行為,計(jì)算在個(gè)體動(dòng)態(tài)博弈過(guò)程中體系的演化[9,10,13]。經(jīng)濟(jì)物理學(xué)家們以凝聚態(tài)物理的已有模型為藍(lán)本,在其上構(gòu)建代理人模型。其中,將市場(chǎng)參與者的資本定價(jià)關(guān)系考慮為宏觀指數(shù)與近鄰代理人相互作用的加和的Ising框架代理人模型取得了初步成功[11]。本文以小世界復(fù)雜網(wǎng)絡(luò)為拓?fù)浣Y(jié)構(gòu),對(duì)Sornette等人的代理人模型進(jìn)行了改進(jìn)和重建,取得了一些較為滿意的結(jié)果。
小世界效應(yīng)是指網(wǎng)絡(luò)同時(shí)具有大的簇集系數(shù)和小的平均距離兩個(gè)統(tǒng)計(jì)特征。圖1表示了兩個(gè)符合小世界特性的網(wǎng)絡(luò)示意圖。
簇集系數(shù)是用來(lái)衡量網(wǎng)絡(luò)節(jié)點(diǎn)聚類的情況的參量。對(duì)于某個(gè)節(jié)點(diǎn)i,它的簇集系數(shù)為該節(jié)點(diǎn)與它相鄰節(jié)點(diǎn)之間形成的邊數(shù)同整個(gè)網(wǎng)絡(luò)的總邊數(shù)之比。某個(gè)節(jié)點(diǎn)的簇集系數(shù)Ci表示式為:
其中,ki為與第i個(gè)節(jié)點(diǎn)相連的點(diǎn)的數(shù)目,Ei為這ki個(gè)節(jié)點(diǎn)之間存在的邊的數(shù)目。整個(gè)網(wǎng)絡(luò)的簇集系數(shù)是網(wǎng)絡(luò)中所有節(jié)點(diǎn)簇集系數(shù)的平均。Ci越趨近1,表示網(wǎng)絡(luò)節(jié)點(diǎn)的連通性越強(qiáng)。
圖1 小世界特性網(wǎng)絡(luò)示意圖
最短距離是指兩個(gè)節(jié)點(diǎn)間的最短路徑所包含的邊數(shù),整個(gè)網(wǎng)絡(luò)的平均距離是網(wǎng)絡(luò)內(nèi)所有節(jié)點(diǎn)間最短距離的平均。因此,網(wǎng)絡(luò)的平均距離L表示為:
其中,N為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù),dij表示i,j兩個(gè)節(jié)點(diǎn)之間的最短距離。
考慮一個(gè)有N個(gè)代理人的市場(chǎng),代理人之間兩兩以概率p建立連接,這樣就建立了一個(gè)基礎(chǔ)的隨機(jī)復(fù)雜網(wǎng)絡(luò)Ω,示意圖如圖2所示。
圖2 代理人拓?fù)浣Y(jié)構(gòu)示意圖
該網(wǎng)絡(luò)的平均距離和簇集系數(shù)符合小世界網(wǎng)絡(luò)的統(tǒng)計(jì)特性,這在下一節(jié)中將給出驗(yàn)證。
參考相關(guān)文獻(xiàn)[11-12],在進(jìn)行到第t輪交易時(shí),第i個(gè)代理人所選擇的策略用si(t)表示。實(shí)際上,每個(gè)代理人的策略只有兩種:買進(jìn)(si(t)=+1)和賣出(si(t)=-1)。 si(t)的 選 擇 機(jī) 制 由 下 式 決 定 :
參數(shù)說(shuō)明:
sign表示符號(hào)函數(shù),括號(hào)內(nèi)為正則取+1,括號(hào)內(nèi)為負(fù)則取-1。Kij(t)表示在第t輪交易時(shí)第j個(gè)代理人對(duì)第i個(gè)代理人的影響力相關(guān)系數(shù)。當(dāng)i,j兩個(gè)節(jié)點(diǎn)不相連或i=j時(shí),Kij(t)=0.Ei[si](t)表示第t輪交易時(shí),第j個(gè)代理人策略的期望值。而實(shí)際上,Ei[si](t)=si(t)。因此,公式的第一項(xiàng)表征了與第i個(gè)代理人相連的其他代理人對(duì)該代理人策略的影響。
公式的第2項(xiàng)表征了市場(chǎng)的外部信息對(duì)于代理人策略的影響。G(t)表示在第t輪交易時(shí)的市場(chǎng)外部信息的影響,它服從標(biāo)準(zhǔn)正態(tài)分布。σi表示第i個(gè)代理人對(duì)于外部信息的敏感程度,它服從[0,σmax]的均勻分布。
公式的第3項(xiàng)εi(t)表征了每個(gè)代理人做決策的特異性,εi(t)服從以0為期望,cv+ui為方差的正態(tài)分布。其中cv是常數(shù),Ui服從[0,0.1]的均勻分布。
代理人之間的影響力相關(guān)系數(shù)Kij(t)由下式?jīng)Q定:
參數(shù)說(shuō)明:
bi表示代理人i的異質(zhì)性決策傾向,服從[0,bmax]上的均勻分布且是固定的;
Ki(t-1)表示上一輪交易時(shí)代理人j對(duì)代理人i的影響系數(shù),常數(shù)a是調(diào)整系數(shù);
r(t-1)表示上一輪的收益,G(t-1)表示上一輪的外部信息;
β表示代理人對(duì)于外部信息的反應(yīng)方向,β=0表明代理人是絕對(duì)理性的,β=1表明代理人是受外部信息影響的。在本文中取β=1。
市場(chǎng)收益的決定式為:
市場(chǎng)價(jià)格的決定式為:
這就使得r(t)為每一輪交易的對(duì)數(shù)收益率。
本文設(shè)計(jì)的人工金融市場(chǎng)模擬交易的C語(yǔ)言程序基于Code:Blocks12.11環(huán)境實(shí)現(xiàn),將程序運(yùn)行所得數(shù)據(jù)導(dǎo)入Origin 8.0生成可視化數(shù)據(jù)圖形如圖3~圖5所示。
取N=400,將代理人之間的連接概率p從0.1~1,以步長(zhǎng)0.1進(jìn)行枚舉,利用計(jì)算機(jī)圖論中的Floyd算法[14]計(jì)算網(wǎng)絡(luò)的平均距離以及簇集系數(shù),結(jié)果如表1所示。
表1 復(fù)雜網(wǎng)絡(luò)小世界效應(yīng)驗(yàn)證
由上表可得,隨著p不斷增大,隨機(jī)網(wǎng)絡(luò)的平均距離不斷減小,簇集系數(shù)不斷增大,且簇集系數(shù)與連接概率在誤差范圍內(nèi)一致。為了滿足小世界網(wǎng)絡(luò)的條件,取p∈[0.7,1.0]區(qū)間進(jìn)行下一步的模擬和運(yùn)算。
為了驗(yàn)證所建立的拓?fù)浣Y(jié)構(gòu)、代理人決策以及市場(chǎng)定價(jià)機(jī)制的穩(wěn)定性和真實(shí)性,利用C語(yǔ)言程序基于Code:Blocks12.11環(huán)境進(jìn)行模擬。
經(jīng)過(guò)測(cè)試,對(duì)于第2節(jié)的代理人模型中提及的一些常數(shù)采用以下一系列數(shù)值,以使程序運(yùn)行結(jié)果數(shù)據(jù)得以收斂:
表2 參量取值表
在p∈[0.7,1.0]區(qū)間,改變代理人之間的連接概率p,運(yùn)行程序,得到在不同連接概率p下的模擬結(jié)果:
①市場(chǎng)價(jià)格(price)—時(shí)間(times)走勢(shì)
圖3 不同p下價(jià)格-時(shí)間走勢(shì)圖
圖3所示為不同連接概率p下的市場(chǎng)價(jià)格隨交易輪數(shù)的走勢(shì)??梢钥吹竭@些價(jià)格走勢(shì)圖均體現(xiàn)較強(qiáng)的隨機(jī)性。
②對(duì)數(shù)收益率(returns)—時(shí)間(times)波動(dòng)
圖4所示為不同連接概率p下,對(duì)數(shù)收益率隨時(shí)間的分布??梢钥闯?,對(duì)數(shù)收益率均密集分布在0附近,偶有隨機(jī)偏離。
圖4 不同p下收益率-時(shí)間走勢(shì)圖
③對(duì)數(shù)收益率的概率分布
圖5 不同p下歸一化收益率概率分布圖
圖5中,彩色線所示為連接概率p取不同值時(shí)對(duì)數(shù)收益率的歸一化概率分布,橙色線所示為標(biāo)準(zhǔn)正態(tài)分布曲線,可以明顯看出,對(duì)數(shù)收益率的概率分布曲線相比于正態(tài)分布曲線,在p=0附近概率更大,而在兩側(cè)極端值的概率也遠(yuǎn)大于正態(tài)分布,表現(xiàn)出了“尖峰厚尾”的分布特征,這也是與真實(shí)金融市場(chǎng)相趨近的[16]。
本文基于Ising框架的代理人模型,建立了具有小世界效應(yīng)的隨機(jī)復(fù)雜網(wǎng)絡(luò)這一市場(chǎng)拓?fù)浣Y(jié)構(gòu),改進(jìn)和重建了代理人決策機(jī)制和市場(chǎng)定價(jià)機(jī)制模型,利用計(jì)算機(jī)模擬上述人工金融市場(chǎng)的運(yùn)行,得到了市場(chǎng)價(jià)格走勢(shì)高度隨機(jī),對(duì)數(shù)收益率的時(shí)間分布集中在0附近,以及對(duì)數(shù)收益率的概率分布趨近于胖尾分布的結(jié)論。這些結(jié)論對(duì)今后利用復(fù)雜網(wǎng)絡(luò)這一拓?fù)淠P蛠?lái)研究金融市場(chǎng)內(nèi)交易者的相互作用具有一定的參考價(jià)值。
[1]Liang Y,YangG,Huang JP.Progress in PhysicalProperties of ChineseStockMarkets[J].FrontiersofPhysics,2013(8):438-450.
[2]Albert R,Barabási A L.Statistical Mechanics of Complex Networks[J].Reviewsofmodern physics,2002,74(1):47-51.
[3]Newman M E J.The Structure and Function of Complex Networks[J].SIAM Review,2003,45(3):167—256.
[4]WattsD J,StrogatzSH.Collective Dynamicsof‘Small-world’Networks[J].Nature,1998,393(6684):440-442.
[5]Newman M E J,Watts D J.Scaling and percolation in the Small-World Network Model[J].Physical Review E,1999,60(6):7332-7335.
[6]Milgram S.The SmallWorld Problem[J].Psychology today,1967,2(1):60-67.
[11]Zhou W X,Sornette D.Self-organizing Ising Model of Financial Markets[J].The European Physical Journal B,2007,55(2):175-181.
[12]Zhao H,Zhou J,Zhang A,etal.Self-organizing IsingModelof Artificial Financial Markets with Small-world Network Topology[J].EPL (Europhysics Letters),2013,101(1):18001-18005.
[13]黃吉平.經(jīng)濟(jì)物理學(xué)——用物理學(xué)的方法或思想探討一些經(jīng)濟(jì)或金融問(wèn)題[M].北京:高等教育出版社,2013.
[14]嚴(yán)蔚敏,吳偉民.數(shù)據(jù)結(jié)構(gòu)(C語(yǔ)言版)[M].北京:清華大學(xué)出版社,1997.
[15]莊新田,閔志鋒,陳師陽(yáng).上海證券市場(chǎng)的復(fù)雜網(wǎng)絡(luò)特性分析 [J].東北大學(xué)學(xué)報(bào):自然科學(xué)版,2007,28(7):1053-1056.
[16]劉曉霞,王衛(wèi)華.上海證券市場(chǎng)股票網(wǎng)絡(luò)的復(fù)雜網(wǎng)絡(luò)特性研究[J].武漢理工大學(xué)學(xué)報(bào):信息與管理工程版,2012.
[17]莊新田,黃瑋強(qiáng).基于消費(fèi)者網(wǎng)絡(luò)的金融創(chuàng)新擴(kuò)散研究[J].管理科學(xué)學(xué)報(bào),2009,12(3):132-141.
[18]黃瑋強(qiáng),莊新田,姚爽.中國(guó)股票關(guān)聯(lián)網(wǎng)絡(luò)拓?fù)湫再|(zhì)與聚類結(jié)構(gòu)分析[J].管理科學(xué),2008,21(3):94-102.
[19]韓定定.無(wú)線接收機(jī)電路系統(tǒng)的復(fù)雜網(wǎng)絡(luò)特性及可靠性分析[J].電子測(cè)量技術(shù),2008,31(9):1-5.
An Improvementof Agent-based M odel Based on Small-world Complex Networks
ZHANGWei
(Nantong Vocational University,Nantong 200437,China)
Based on the Isingmodel raised before,a topology structure of themarket on a Smallworld random complex network is constructed.The mechanism of agents’decision and pricing of the market is improved.Through computer simulation,we came to a conclusion that,in this topology structure,the distribution of the logarithm return rate of the artificial financialmarket is quite similar to the‘Fat-tail’Distribution.
complex networks,small-world effect,agent-basedmodel,‘fat-tail’distribution
TJ630
A
1002-0640(2015)11-0167-03
2014-09-10
2014-11-08
張 偉(1960- ),男,江蘇南通人,本科。研究方向:系統(tǒng)工程與計(jì)算機(jī)應(yīng)用。