复杂网络中的资产定价相关研究综述

摘  要：就资产定价理论研究而言，目前学术界已经从标准金融学过渡到了行为金融学的相关范畴。形成了行为金融资产定价、基于噪声的资产定价模型、基于偏差的资产定价模型以及基于投资者情绪的资产定价理论等几大理论。相关的研究更加重视信息传递以及投资者的风险厌恶以及情绪在资产定价中的影响。

关键词：资产定价;信息网络;行为金融;理性预期

金融市场的研究始终围绕着股票的基本面信息被获取的量以及股票价格如何反映投资者的信息而展开。Grossman和Stiglitz（1980）[1]最早使用理性预期模型来分析投资者对股票价值的信息获取的动机。Admati（1985）[2]则将风险资产的数量进行了扩张，推导出了基于多资产的噪声理性预期均衡的封闭式解。在此后的研究中，复杂网络被用于分析资产定价问题。

在理论研究不断丰富和复杂网络方法不断发展的基础上，学者们开始围绕着复杂网络探究资产定价和市场信息效率问题。Colla和Mele（2010）[3]开始研究一种特定的网络结构，即周期性网络，对资产定价的影响。资产的价格、波动性以及流动性容易受到交易者之间的信息交流的影响。资产的交易量和价格的信息量会随着交易者之间的信息關联而上升。Ozsoylev和Walden（2011）[4]则是在噪声理性预期资产定价模型中，引入了信息网络。文中的信息网络是一种稀疏的且具有幂律度分布的网络，与大规模社会网络具有相同的特征。作者推导出了关于网络连通性的价格波动性、市场有效性、资产的收益情况、交易量以及社会福利的封闭式表达式。Andrei（2012）[5]对理性预期模型进行了扩展，提出了可控制的动态理性预期模型，并基于该模型解释了资产价格的突变后伴随的持续高波动性现象。Han和Yang（2013）[6]基于理性预期均衡模型研究信息网络中的金融产出。在固定经济中的信息量的情况下，网络交流会提高市场效率、降低了资金成本、增加了流动性和交易量。实证研究方面，Manela（2014）[7]提出了非对称信息资产定价模型，分析了不同的信息扩散速度是如何影响投资者的价值。Walden（2019）[8]通过引入动态噪声理性预期模型，研究均衡状态下，不同网络结构的代理人的交易特征以及最终的收益情况。Wang et al.（2019）[9]模拟了在信息网络框架下，当代理人数量不变或趋于无穷大时的资产定价问题。当代理人数为常数时，风险厌恶系数越高，信息不确定性越低以及波动率标准方差越大。当代理人趋于无穷时，较高的网络连接度或较低的风险厌恶系数会导致较高的信息驱动波动分量和较低的夏普比率。

在金融领域中，复杂网络研究视角极大地推动人类对金融经济体系认识的深化。在一些实证证据的支持下，研究者开始研究市场信息效率和资产定价是如何依赖于社会网络结构的。因此，网络中的资产定价问题逐步进入人们的视野。

参考文献：

[1].Grossman S. J.， Stiglitz J. E. On the Impossibility of Informationally Efficient Markets[J]. The American Economic Review， 1980， 70（3）： 393-408.

[2].Admati A. R. A Noisy Rational Expectations Equilibrium for Multi-asset Securities Markets[J]. Econometrica， 1985， 53（3）： 629-657.

[3].Colla P.， Mele A. Information Linkages and Correlated Trading[J]. Review of Financial Studies， 2010， 23（1）： 203-246.

[4].Ozsoylev H. N.， Walden J. Asset Pricing in Large Information Networks[J]. Journal of Economic Theory， 2011， 146（6）： 2252-2280.

[5].Andrei D. Information Percolation Driving Volatility[J]. Social Science Electronic Publishing， 2016.

[6].Han B.， Yang L. Social Networks， Information Acquisition， and Asset Prices[J]. Management Science， 2013， 59（6）：1444-1457.

[7].Manela A. The value of diffusing information[J]. Journal of Financial Economics， 2014， 111（1）：181-199.

[8].Walden J. Trading， Profits， and Volatility in a Dynamic Information Network Model[J]. The Review of Economic Studies， 2019， 86（5）： 2248-2283.

[9].Wang W.， Zhang J.， Zhao S.， et al. Simulation of asset pricing in information networks[J]. Physica A-statistical Mechanics and Its Applications， 2019： 620-634.

作者简介：王文涛（1994- ），男，汉族，江西南昌人，博士。主要研究方向：金融工程.