金融系统中证券市场资金流仿真研究

谷亚中

(上海交通大学安泰经济与管理学院，上海200030)

金融系统是一个复杂系统，系统中的主体主要有企业、个人、政府和银行四类.其参与者具有智能性，参与者与外界环境、参与者之间的交互构成了金融系统的复杂性.利用基于Agent的建模仿真技术能够在较大程度上还原金融系统运行的状态，反映金融系统的运行规律.因此，在金融系统仿真的过程中，应分别为其建立Agent并通过资金转移进行交互.通过对模拟交易数据的流动进行分类，对某类主体银行账户的交易行为进行划分，这样的技术广泛应用于金融监管中[1].本文将根据证券市场的各主体的行为准则，对金融系统中投资者的特征进行分析，并最终确定其内部状态和处理规则等重要信息.

1 Agent经济模型研究

Agent是复杂适应系统理论(Complex Adaptive System，CAS)的核心概念，其方法学基础是基于Agent的建模方法.传统系统仿真方法中的建模，其侧重点是对形式化模型进行演绎推理、实验、分析;而在复杂系统的建模中，其侧重点是解决如何建立系统的形式化模型，建立一种抽象的表示方法以获得对客观世界和自然现象的深刻认识.

复杂适应系统把系统的成员看作是具有自身目的与主动性的积极的主体，主体能够与环境以及其它主体进行交流，在这种交流的过程中“学习”或“积累经验”，并且根据学到的经验改变自身的结构和行为方式.它有着以下4个特点[2].

首先，主体(Agent)是主动的、活的实体.这点是复杂适应系统理论和其他建模方法的关键性的区别.正是这个特点，使得它能够用于经济、社会、生态等其他方法难于应用的复杂系统.其次，在这个模型中，个体与环境、包括个体之间，相互影响，相互作用，是系统演变和进化的主要动力.第三，这种建模方法不像许多其他的方法那样，把宏观和微观截然分开，而是把它们有机地联系起来.第四，这种建模方法还引进了随机因素的作用，使它具有更强的描述和表达能力.

Agent建模方法是在微观层次上构造经济个体，进而推出由微观个体行为形成的宏观效应，是一处自下而上的研究方法.该建模方法能够展示属性之间的交互行为，使属性之间关系的前因后果变得清晰、直观，并且其本质上认为是有限理性的，因此更符合现实世界的现状.进而使政府部门能够通过模型的测试，得到更有效宏观调控政策.

将Agent的基本理论应用到金融仿真领域，应用到证券市场中，把整个金融证券市场的走势、各种股票的价格以及成交量的形式看作证券市场的整体行为特征，目标是试图通过仿真，理解各种因素，如政策、上市公司信息、股息、股民之间信息的流动等，对金融证券市场宏观行为的影响程度.

在系统仿真平台方面，Swarm是一个复杂适应系统仿真的多主体软件工具集见图1.它的建模思想就是让一系列独立的Agent通过独立事件进行交互，帮助研究由多个个体组成的复杂适应系统的行为和演化规律[3].SFI在Swarm平台上开发了虚拟股市，成功地将基于Agent的建模思想运用到股市的仿真中.另外，ASPEN是美国Sandia国家实验室开发的一套美国经济的仿真框架，其建模的主要方法也是多Agent的方法.

基于Agent的复杂系统的建模仿真方法及步骤如图1所示[2].

2 证券市场资金流动基本状况

在金融系统中，我们将所有的参与者抽象为4类Agent:政府、银行、企业和个人.不同的Agent通过资金流动联结起来，初步形成了社会资金流动网络.各类Agent之间的信息和资金流动情况如图2所示.银行作为社会金融网络的重要组成部分，发挥着资金融通的作用.银行通过发放贷款获得利息收入，银行的支出包括存款利息支出、员工工资支出等.银行的资金，首先需要按照规定缴纳法定准备金，其次可以用来投放贷款，然后保持一定的现金水平用于日常运营，最后闲置的资金可以用来投资国债.

政府获取收入的主要途径是企业以及个人缴纳的各种税收收入.政府的支出项目包括经济建设、科教文卫、国防、行政管理等，其中与其他个体有交互的项目包括公务员工资支出、对个人和企业的转移支付、政府采购(房产、汽车)等等.如果政府入不敷出，可以考虑发行国债筹集资金;如果政府流动资金富裕，可以在国债市场上回购国债.

图1 基于Agent的复杂系统的建模仿真方法

个人通过在单位就业获取工资或者通过政府补助而获取收入，同时需要向政府缴纳个人所得税.个人有日常的消费需求，例如从百货公司购买日常必需品等.个人也会有大额消费的需求，例如购买房屋与汽车，如果个人的资金不够，可以向银行申请贷款.在证券市场上，个人Agent中投资偏好程度较高的个体会购买国债、企业债券、通过证券公司购买股票等等.

在图2的模型中，抽象了三类与个人消费密切相关的企业:生活用品生产商、百货公司、机器生产商.企业通过销售产品获得收入;企业的支出包括产品成本、员工工资等;企业的闲置资金除了存放银行外，也可以用于购买国债.若企业短期缺乏资金，可以向银行申请贷款.企业于每月月末核算利润，然后向政府缴纳税收.另外，在证券市场上，加入了基金公司和证券公司，分别作为大额投资者和投资渠道商.下面介绍和分析基金公司和证券公司Agent的行为和规则.

图2 仿真平台中各Agent之间资金流动情况

基金组织Agent指的是具有较大资金的投资者，他们具有以下的特点:1)投资资金较大，可能能够影响到证券市场的价格;2)选择多种股票，以分散风险;3)在做出买卖选择时，所考察的金融价格情况比较复杂;4)规则数量相对比较多;5)基金组织的数量比较少.基金组织的行为如图3所示.

图3 基金组织行为流程图

证券公司负责组织各个投资者Agent向股票交易所提出交易申请(买卖);负责检查各个投资者的交易申请是否合法，如资金/股票数量是否满足要求等等.证券公司通过向投资者收取交易佣金获得收入.证券公司的行为如图4所示.

图4 证券公司行为流程图

3 投资者Agent内部模型

投资者Agent可以根据规则库中的权值进行概率匹配，选择合适的规则，根据交易价格历史和其他的环境参数，执行规则，并且根据执行的结果对规则和权值进行评价和修改.Agent内部结构如图5所示.

图5 投资者Agent内部结构图

图5中各模块如下.

内部状态.投资者的资金信息、购买股票信息、开户证券公司信息、风险偏好程度等.

消息接口.接收到的消息可能有:债券利率、股息、政策信息、其他投资者Agent或者证券公司A-gent发送过来的消息，例如宏观经济形势、国家政策、当前成交价格和交易量、历史交易价格和交易量、上市公司经营状况等.

状态转换.接收到消息后，根据规则系统改变内部状态，如资金信息等，然后发送消息.

其中，投资者Agent中规则库的操作可以分为以下几个方面.

1)规则选择

在现实的证券市场中，人们根据市场情况，可能会选择具有高可信度的经验，也可能会“冒险”选择可信度比较低的经验.因此，在金融证券市场仿真中，根据规则库中规则的权值进行概率匹配，其目的是使得选择权值高的规则具有高的概率，并且权值比较低的规则也有可能选中.

2)规则修改

根据当前的交易价格，可以对规则库中规则的权值进行评价和修正[4].

其中:

Wi为规则i的权值;

Wi为规则i修正后的权值;

Fpi'为规则i对交易价格的预测值;

Δ为常量.

4 结语

基于多Agent的仿真是研究复杂金融系统的一个有力工具，多Agent仿真的核心及难点在于建立代理人行为的模拟和代理人之间的交互.本文通过对证券市场各类主体行为的理解，抽象出四类Agent，并且建立了各类Agent的经济模型，用以模拟证券市场上的资金流动，为金融仿真的研究以及金融信息监管奠定了基础.

[1]张 敏，张朋柱，刘 璇.商业银行资金流动异常行为监测的仿真体系设计[J].上海管理科学，2007(1):10－14.

[2]廖守亿，戴金海.复杂适应系统及基于Agent的建模与仿真方法[J].系统仿真学报.2004，16(1):113－117.

[3]朱 晔.复杂适应系统软件平台SWARM在金融体系中的博弈仿真研究[D].厦门:华侨大学，2002.

[4]李宏亮.基于Agent的复杂系统分布仿真[D].长沙:国防科学技术大学，2001.