数字化建模：新视角探索经济复杂性

王国成

〔中图分类号〕F011;TP399 〔文献标识码〕A 〔文章编号〕0447—662X（2021）05—0039—11

试想一下，如果失去模型，人类会怎样与自然界对话、探寻事物变化规律并据之进行物质交换，相互之间该如何交流共享？如果认知观念、技术方法滞后，模型会被文明进程淘汰和抛弃吗？如果过于抽象和“严谨”，模型是否要失去鲜活的生命力和应用的便利性？毫无疑问，借助聚焦提炼、便于交流的模型，人们能够深入到事物和社会的本质，提高理论认知效率，加快文明进程;任何事物的存在变化和社会生活现象，通过模型可针对性地深入到难点、热点、顽症……模型的出现，是人类认知进化的必然，模型在应用实践的检验中不断改进提升，但从某种意义上说，其逐渐形成的思维定式也有可能阻碍创新，偏离初衷和预设目标。虽然模型被广泛应用，尤其是进人大数据和数字时代应用模型更为普遍，但似乎近年来未能见到比较全面客观地综述评析模型，深入系统地反思促升模型的意识为什么难以到位的文章。模型成为理论的硬核与分析中通行的工具手段，大数据与数字化时代的建模分析会有本质上的飞跃吗？在研究自然界事物的变化与探索人类行为及社会活动时有什么异同？对上述问题的回答需要敢于正视，予以重新审视和认真深入的反思探索，而从人文认知角度考察，能将这一系列问题联系起来，更清楚地看到其本质所在和相互关联。

一、为什么需要数字化建模

1.建模初衷

模型是以直观或抽象、或实或虚或虚实兼容等形式来表现真实世界和研究对象，虽不是真实世界原型，但却可通过建造现实与思维之问的桥梁通道来帮助人们更好地理解真实世界。模型是知识理论体系构建和发展不可或缺的辅助手段，发挥着越来越重要的作用，并且也在随着人类的文明进程不断调适、演进、转型和提升。

引入模型分析的初衷在不断接受实践检验中得以强化：建模是认知提升必要的工具手段和技术实现方式，现实需求、条件许可和认知进步又是推动模型改善的主要力量与保障。而当分析社会经济问题时，如何进一步强调和突出人的主体作用，从人文视角②需要重新审视和回答：什么是模型，为什么需要模型，新时代背景下开发者如何建模、如何应用等;作为认知工具和交流媒介，模型的演进逻辑和轨迹怎样，为什么要以问题为导向和驱动;观察提炼、理论依据、方法选择、数据获取等大数据时代的数据驱动建模方法如何增效，如何构建与研究问题和目的相应的模型评价标准等一系列相关问题。

一般的建模分析需要有三方面的基础支撑或三基石——理论、方法和数据;而具体到经济（金融）及人文社会科学研究中的模型构建，因研究对象和研究主体都是能对外界条件变化产生综合响应的人及行为，据其特点可提炼出更具针对性的三要素——目标、变量和关系，它们之间具有密切的内在联系且环环相扣。

（1）目的性。由于人的主体性使研究的关注点和目的有更多的选择性，这就需要考虑主观意识、价值取向、立场预设、境况研判和内生适变的行为属性。理性人的资源优化配置与人和自然交互中的全面发展之间的权衡取舍，就不只是纯理论的初始假定和技术选择。如此的问题导向使研究目的成为建模的第一要素，具体到政策选择时更应体现这一点。

（2）变量（因素）选取。任何现实社会现象，都是在若干主要或次要的因素错综复杂的交织影响下产生的，针对关注对象和研究目的，需要对影响因素予以筛选、分类和设定，并依据研究者的价值取向和偏好取舍为主要和次要因素赋权，在可实现的技术支撑下，将所考察的因素按特定的指标体系和维度量化，转化成相应的变量（外生或内生）。如以资源优化配置为目的时，就主要考察资源、劳动、资本、能源、技术、信息和产量（值）、成本、收益、效率、生产、消费等;而聚焦到人时，还要更深入地考察秉性偏好、感触认知、响应模式、学习适应、信任合作、情感意念、公平正义和社会规范等主体行为异质性及交互机理对前一类变量的影响，虽然这后一类变量在测度、表达和获取行为相关数据时会更加困难。

（3）对应关系。为达成研究目的，建立起由原型集到可能的备选模型集的映射，既可以认知空间理论体系反映研究对象和现实空间的组织结构、运行机理和演变轨迹等所涉及的因果/相关关系，又能解释和指导现实。为此，不仅可采取分析/解析式的函数关系，还可以用案例、模拟、实验和多态数据等方式。对不同的经济体和利益群体、在不同的发展阶段和条件下，不可能做到真正的价值中立（隐含假设），经验推测、模型识别、架构选择、表达形式、技术路经、参数估计、试错探索、假设检验、评价定标等环节中都隐含着价值取向、预判取舍和理论认可等，这些都要与研究目的相匹配;探索经济关联，不可人云亦云，又不能奢望窥一斑而知全貌，也不可将行为与情景截然分开，更不宜强求重复验证。

2.拓展经济研究的数字化建模的必要性

自然科学（包括工程技术）与人文社会科学建模有同有异，可相互借鉴、相互促进，二者相辅相成。就纯方法技术意义而言，解析式函数关系、逻辑推理方法和自动化程序等完全可以通用，可供经济学研究借鉴;而就研究对象和研究目的而言，经济（金融）模型应该更强调人本特征，是带有主观意识、借助一定的形式或规范的对研究对象或真实世界的再现或重塑，系统关联的辩证思维可供自然科学研究借鉴。经济学乃至所有人文社会科学要实现根本突破，必须要有自我认知观念的转变和提升，不应回避价值取向、立场预设上的分歧和差异，要坚持人本（行为）焦点和主线，进而逐步用基于现实场景和真实行为进行数字化转换映射建立起的对应的数字模型（ABM：基于主体行为的建模），来替代传统的基于因素关系的解析式模型（EBM：基于方程的建模）。

经济模型，以现代西方主流经济学的观点，主要是指可数理化的一类形式化表述，多以因素归集关联的分析方式（解析函数）存在;若拓展来看，是各种现实存在到另一种表现形式之间的多元化技术转换、多类型展示的认知通道、媒介，是对原型的有目的、遵规范的任何形式的认知缩放甚至重塑，通过提炼聚焦、分化组合、逻辑变换、运算推理、检验推测，或类比、或平行、或交融，以便交流分享、促进提升，更有成效地探索和揭示研究对象的特点与变化规律。正如Box等在1987年的精到表述“Essentially，all models are wrong，but some are useful”，任何模型都不可能百分百地反映原型的变化特点和规律，而正是对不完整性的取舍，能够将问题因素和相互关系离析出来、聚焦定位，模型才有用有效和便利;若非如此，就会折损模型的可信度，暗淡发展方向和空间。不确定性既有来自客观世界的风险和不确定性，也有源自主體行为更加复杂的不确定性;对不确定性认知的提高增强，并不意味着可逐步减弱不确定性。传统经济建模的种种障碍源自未能直面人类行为特有的本质属性——主体性和内生适变性，由于主体意识和群体（社会）交往影响的作用机理的复杂性，以及人的行为和认知的不确定性，传统的建模思路和技术有可能不会随着建模的严谨、完善而减少不确定性。

一般认为，技术视角下的数字化主要是指模数转换，实践中常常被看成是信息化的高端形式;就经济研究而言，经济模型的数字化或者说是数字化建模，就是通过精准、细密、层次化地将主体行为及相互关系内生化，将问题和现象通过0—1数字表达转化成可分析可量化的形式的过程，有助于从行为根源上揭示因素或变量的因果（相关）关系深层驱动和支配的动力学原理，借助大数据、AI、机器学习、IoT（万物互联）和区块链等数字化关键技术，实现认知转型升级，这是数字经济的现实需求，是经济研究发展之必然。再来看模型假设和前提，由于社会经济活动的复杂本质，考量与现实对接的初始假设有特殊重要的意义。无论是显在的还是隐含的，如果作为基准参照进行类比分析，模型的初始假设或许无关紧要，可通过平行分析验证结构关联、变化特点和趋势等。现实经济活动的复杂特性、研究目的的多元化、主体行为的易变性等，使得经济模型更具多样性，需要在目的、手段、元素等各种可能组合的备选模型集中比较选择，需要在实时反映现实与理论演绎的自洽之间合理权衡，因而针对性地分析讨论经济模型和前提假设也就更显必要和迫切。当今多源多态、异质异构的大数据和双向传输、转换还原的数字技术，如主题词模型、文本/语义挖掘和数据价值重塑等全新映射和无缝衔接技术，这些并不是一般意义上信息的扩容升级，而是从真实世界到认知空间沟通对接方式的升级换代，相应地也必然会引发建模的观念、理论和技术方法的根本性转变，需由实证因素（变量）关系、结构等转变到现象与数字的对应，从基于经验理论和数据驱动的建模转变到基于行为一情景的数字化建模，在可信、保值映射基础上构建由元模型到全方位的机理式建模等，如此方能为经济模型固本铸魂、定向赋能。

3.模型评价

对于自然科学和工程技术等领域模型的学术价值和应用效果，有相对客观、科学的评价标准和方法;经济理论模型，在借鉴的基础上，则必须有能体现人类主体特色的科学评价标准体系，必须有相对明晰、公认的评价准则、核心主轴和话语体系。根据经济学及人文社会科学建模的本意、初衷、特点及相关因素等，试图构建三个维度的框架和基准来检验评价经济理论模型：

（1）可信度。一般而言，模型的可信度是指人们对模型的相信和依赖（普遍认可）程度。这需要从主观和客观两方面考量：一方面由于研究对象与研究主体的不可分、有意识的和有目的的选择等特点，模型使用者的主观倾向和信念、文化基因与传统、价值取向和立场预设的中立性及应用企及的靶向性等是必须要考察的主观因素;另一方面，客观因素则包括与模型有关的所有信息（数据）及附加分析内容的真实客观且可扩容性，基础假设与实际的符合度、模型识别与选择的合宜性，不确定性情景下参数估算、结构的可靠性和稳定性，可重复检测的一致性，逻辑自洽的科学严谨性，内部各组成部分的协调耦合度和模型对预期应用的适宜性等。

（2）有效性。主要是指目的与手段的一致性，即模型的输出结果与原型特性的符合程度，这需要考量数据亲和、预期目的实现程度、解释力和可预见性等。对模型的有效性评估，一般意义上包括模型确认和模型验证两部分：模型确认主要是考察所建模型与研究对象之间的对应符合程度;模型验证侧重考察所建模型与可计算实现之间的关系，然后才是推理和实证。除此之外，视研究情况可能还需要：有效预期和需求应用效果分析，对预期应用效果进行客观科学的评估，以确定哪些因素对结果起关键作用;逻辑追踪分析，通过对模型的逻辑检测来评估验证推理运算的自洽性，看其能否代表所指定实体的行为，并确定这些行为是否都是所期望的等;以及运用模型的投入产出比与改进方向。

（3）便利化。应用模型时常常要考量既可外推、通用和程序化，又能聚焦、内嵌和专用化，要考虑模型的可维护和稳健性、包容融合、可双向转化、容错纠错和自调适演进等属性，以及良好的人机交互界面和流程、运行操作简便。这一方面取决于模型自身的逻辑严谨，另一方面则要看假设、结构和类型与现实对接的吻合度，并且要看是否符合人们的认知和行为习惯及可接受度。数字化建模注重更全面地研究对象的分布状态、内在结构关联和传导机理，而不只是因素变量可数理化，正好可弥补传统的数理建模分析在反映现实上的薄弱缺陷;模型的便利性分析，还可对相应的算法和不同层次子模型进行评估辨识，并确定子模型之间是否协调和能否保证模型的预期应用。

模型实际上是关于研究对象的抽象表述（有目的、以专业术语或惯例复现），要验证一个模型是否100%地符合原型和有效是极其困难的，而且也没有实际意义。为获取更有价值的结论，在对模型进行系统分析、辅助决策和预测展望时，必须保证模型能够准确地反映研究对象并且便于在计算机上顺暢运行。经济模型的有效性是相对于研究目的以及用户需求而言的，而如何较全面地评判则要看所选择的评价维度与尺度;在有些情况下，模型有60%的确信度就可满足要求，而在另外一些情况下，模型达到90%的符合度可能都不满足需求。模型作为认知媒介，要能对现象的感知捕捉、因素变量的测度转换和相互关系等进行恰当的分析评价，而且要有助于研究者形成统一的关注点和便捷的表达交流方式。

稀疏纤弱的根须何以供养枝繁叶茂的大树，高度简化刻板的基础行为假设必然会使理论体系苍白脆弱，经济学未来的创新发展也就必然是以深化行为分析、夯实微观基础为着力点和提升方向。转变认知观念、构建合理的评价体系和话语体系，是经济理论和建模方法跃升的重要基础与有力保障。

二、经济研究数字化建模分析凸显人文特色

从人文认知视角考察数字化建模分析，模型构建既要源于现实且能在动态演变过程中与现实对接契合，又要有利于学术上的探索推理和沟通交流，其是以一系列假设（或显或隐）为基础，既能萃取聚焦问题，方法（论）本质上又还是由局部推知全体。尤其是针对人类主体行为及对外界条件变化、多因素交融不可分性的综合响应等复杂特点，经济学及人文社会科学的研究更需要既科学严谨又鲜活独到的建模及相应的实证分析。

1.为什么要拓宽经济建模分析的认知视角

如何建模？通过观察体验和分析思考，前提假设必不可少，提出假设有两方面的作用：一方面是取舍提炼、抽象和聚焦问题（不只是简化）;但另一方面却有可能掩盖、丢弃重要信息，有可能偏离建模初衷和目的。所以一定要有相应的基础假设检验，以增强模型的可信度和可行性，不同类模型各有分工：基准模型作为参照研究共性问题，特定的异质行为模型研究个体差异及个体与群体的复杂行为关系（后文简称为个群关系）等。

欲拓宽和丰富经济建模分析，可从建模的习惯做法切入。首先是以建模目的为导向，明确理论分析的原（起）点，展开方向与技术路径，将基本原理依据、核心问题与关键点、主体行为描述、数据获取和加载贯通起来;其次是精细斟酌与权衡选择点、符号体系和逻辑规则等作为基准参照模型，让模型更有针对性地聚焦至所研究的问题上;再则是数理推演、数据加载与实证分析，既要有宏观层面共性意义上基于样本统计平均的解释变量与被解释变量（或外生与内生）总量关系的解析式模型，又要有微观层面上的个性化异质行为大数据广义矩阵的展开式模型，两类模型有机结合，已发生的经验数据和主动有目的地获取的数据结合，有望全面透彻地认知真实世界。

以资源优化配置为目的的传统模型的一般形式为：

2.如何借助数字化技术从人文视角拓展经济建模

经济和人类社会的复杂性是根源于主体行为及其相互关系的人文复杂性，更有针对性、能灵活定位聚焦的数字化建模有助于经济研究凸显人文特色。深入细致地刻画微观个体行为差异、网络结构中变化着的多连通传导和孕育酿成的宏观异象效应，以及环境条件变化对微观决策行为影响的互反馈机制，对这类现实问题的分析与建模，必然要有与之相应的建模和实证分析技术，而数字化建模就应运而生，其能深入细致地刻画行为的主体性（主观意识、目的选择、主动应对和自我调适等）以及交互影响的策略性和社会整体性等特有属性，且未来一定是蓬勃发展、势不可挡。

如何将现实问题转化为既可共同探索、又便于交流分享的学术问题，其关键事项就是基于行为大数据建模，概括行为特性与响应模式，进行过程和机理分析，以使行为关联和轨迹通达协同，透析宏观异象的微观成因等。由优势因素主导的集中分析式建模到多因素分布式混合结构的广义大数据建模（即数字化建模），能更直接反映经济金融活动的本质特征，夯实基础，标明特色，寻根筑基，固本铸魂。在惯常的认知模式下和理论空间中的分析探讨，具有人物分离、因素独立、动态一致性等隐含假设和特性，可保持相对平行独立稳定。基于特定时期背景的延伸、发展和变化，观察与选用、权衡与取舍、抽象与具象、假设与推理、理论与实证、借鉴与创新、焦点与难点、自洽与突破、继承与创新、应用及建议等这一系列处理有助于拓展认知视角，在微观行为层面处理主体内生适变性、综合处理外界变化的不可分离性等，通过抽象简化、对应平行地在认知空间进行逻辑演绎、探索规律，反过来解释和指导实践活动。由此发展而来的数字化建模其实就是将主体行为轨迹和印痕全程式分类分段记录并离散化赋值，辅助采用二分法、分区（象限）和网格化（多主体关联）等方法，如此全方位全息地对应映射、实时交互分析处理、多频（方式）输出，以便修正提升、还原校准。

数字化建模与大数据技术应用天然关联，数据矩阵其实就可看成是数字模型。遵循由实践到认识，再回到实践的认知关系和规律，数字化建模也是经历由散点具象的描述，到集中抽象的主因素关系建模，再回到分布式“具象”建模这一过程，是在更高层次上的认知循环回归。个体差异化就是决策行为因人而异、因景而变，而情景或群体（宏观）现象又是众多异质性个体行为交互作用和叠加聚合而成。在主体i的二元变量的定义域{（行为，情景）所有可能的变化范围}内，即框定与i相应的特有的响应模式，以两分法或分段方式赋值，可将复杂情景下微观主体的临界决策行为描述推广为：

其中符号意义与前上述公式（1）和（2）中的符号意义相同。这种描述和处理方法，是数字化技术的自然应用和对接，是探索人类行为及社会活动比较理想的基础工具和基本方法。由于研究对象的不同，自然科学（工程技术）的建模分析是人格物化，而数字化建模，却能捕捉、聚焦和更好地刻画人文特征。对现实问题中所有主体在临界点的决策行为/关键特征赋值转化，就可创新得到所研究问题的数字模型，如此能使模型更加科学严谨、直观可信和灵活便利。

数字化是一场思维认知革命，利用AI和VR+等技术手段为数据赋予灵魂，数字化建模极大地丰富和提升了大數据的含义、应用价值和利用率，促进了经济理论研究和建模分析的观念变革、视野拓展、技术提升和效应升格，使得深化分析微观主体行为成为可能。技术手段进步得越高越快，试图完善模型的努力越大越紧迫，或许能发现主体行为与外部不确定性条件变化的不匹配会更多，就觉得模型更不完善，而常常由此陷入认知逻辑怪圈。新一轮科技革命迅猛发展，无论出现何样的技术形式和进步，但从认知角度看，都要以数字映射为前提，借助模型中介实现。数字化建模是科学合理、直观易懂、便利操作和自动程序化的高—保—真映射，能最大限度避免由于缺乏行为假设检验和数据可信检验而可能导致的根基层面上的潜在失误与风险。

譬如，按传统方法，通过训练时间、经费投入、参赛场次等能回归和预测出即将发生的赛场情况吗？而根据球员的个人特性技能、情绪和现场发挥（包括对手的），却能很好地分析和把控赛况。类似地，对于一个公司的绩效、一个国家的经济运行，也需要如此的行为建模分析思路和技术，只不过规模上更大、异质行为更鲜活丰富、交互关联结构更加多连通化、群体组织层级更加频繁交叠、作用机理更复杂和市场总体形态更多样易变而已，它们的内在机理类似。与传统方法相比，数字化建模在全面综合、精细深入处理主客观因素时有明显优势，只是考虑到技术上的计算资源和算力的局限，以及数据可获取性等，应用时适宜对微观主体行为做适当的层次和群组分类，然后做赋值转化后再进行数字化建模。

三、个体与群体复杂行为关系的数字化建模揭秘

社会经济活动中的个体差异性与群体交互关系的复杂性，是人文社会科学研究最具挑战性的两大瓶颈难题，是必须要明确回答、彻底解决的主旨问题。然而不无遗憾的是，高度抽象、简化理想的传统理论基础和建模技术方法对模型的因素测度、权衡关联、类型识别、参数设置和估计等架构和实施步骤，未能逐步解开或隐匿了不同层次、环节和步骤中差异个体相互作用所可能产生的总体疑难现象和困惑，并受其长久困扰。而数字化技术不仅推进了对个体行为异质性的研究，也能为探讨个群关系开辟新的有效途径。

1.群体行为是个体行为的线性叠加吗

社会经济活动中的群体行为或总体现象，是由差异性个体的行为选择和结果表现的积淀交叠而成，其中主体问的网络关联结構、连通链路和作用权重、个量生成总量的机制和传导机理等内在因素影响重大;反过来，个体的行为选择也与交互关联的网状结构、群体行动结果的形态性能等密切相关，而人类的主动意识，使此双向过程更加扑朔迷离。异质主体问行为相互影响的双向多连通性，是探索个群关系和经济复杂性的切入点，也是经济学研究的核心难题，而行为与实验经济学、博弈论与复杂网络或社会网络分析（SNA）各有侧重地为此提供了理论基础。但是，如何进一步模型化，才有助于从根本上破解经济金融复杂决策密码？更深入的分析还需要同胚同构的网络拓扑映射、内生自适应演进、结点主体与网络路径结构相互作用可引发的个体行为性能的变化等，因而，鲜活属性、多变结构，打开行为黑箱，揭示机理奥秘，聚焦关键（决策）结点，这些或许最适合用数字化建模来分析。

现实的突显与理论的回避加剧了群体行为复杂性分析的难度，其关键点在于对集体行动逻辑的认知和由个量生成总量的机理。前者，可由背景分析、问题归类和明确建模需求，来强调人本主体和行为主线，对互为因果关系、互反馈机理进行基本描述刻画和深入分析;后者，可由仅依据行动结果推测的外推式分析发展为由内至外、由动因到结果的内生、内嵌式分析。与内在元素的同质和稳定属性的情况不同，当意识主导下的个体行为差异化显著，且会随交往对象、节点和路径的特性不同而发生不同变化时，原有方法就会失灵或不严谨。而如何考虑有意识行为的作用，这正是人文类研究的本征要求。

探讨现实复杂的个群关系，其扼喉的理论困扰在于对个群关系不宜用线性加总和同类优化目标函数来描述。由均衡到非均衡、线性优化到非线性涌现、规范常态到非常态复杂，数字化建模最大的价值与优势或许就体现在：能更深入细致地展开式刻画个体异质性行为和揭示个群关系的复杂奥秘、社会经济活动的传导机理、个量到总量的生成模式、宏观涌现和异象的微观成因、结果分析检验和应用价值与含义，以及群体或宏观变化影响微观个体决策行为的反馈机制。传统理论和方法“巧妙”地回避，或者说是有意掩盖了微观主体行为的差异是宏观突变涌现、波动变化等异象生成的根本性原因等更为合理的解释。

2.数字化建模能揭秘个体与群体的复杂行为关系吗

博弈论以策略行为刻画个群关系，以纳什均衡为核心概念和主轴，在各博弈方的策略空间上构建一系列博弈模型，为研究群体交互行为提供了理论基础框架和展开路径：从参与者谋定博弈局势，到个体策略行为和交互结构，再到博弈均衡产出，如此对策略行为及收益的离散化、分布式刻画和表达分析，实际上就是某种程度上的数字化技术的应用。

无论现实多么复杂深奥、情景多么丰富鲜活，复杂情景中人们的临界决策最终都可简化为在A与非A之间的两难抉择，而经由问题提炼、假设取舍（ceteris paribus），在约束条件下追求目标函数（或方程组）的优化，是在人格物化基础上借鉴热力学定律等统计物理的总量概括视角和方法。需要进一步引入非线性科学、复杂性科学及混沌理论等前沿交叉学科，用前述的基于二元变量（行为—情景）或两分法的数字化建模分布式、离散化和行为与情景双向互反馈的观点，将上一小节中两分赋值方法在整个网络关联结构和传导链上实现，才能充分展现及从行为根源上处理好复杂易变的个群关系。用关键行为特征平（曲）面一道道截取，用多情景现象一层层揭开，使得行为响应、网联结构和复杂机理等在每幅截面、每个节点等关键点上分解、深化和延展，得到数字模型，能分布式精细化地描述个群关系，探明贯通机理。主体问交往的每一节点上有多种变化的行为表现和生成原因，只有以大数据为基础、数字化技术为枢纽，才可将网络全局各节点上不同类型主体的个性化行为在受网络链路和结构的影响下的属性表现展示出来，而真实的网络结构性征和传导路径也是由各节点上个体的差异化选择所决定，如此的双向互反馈，能且也只能以微观层面上的行为—情景互反馈为基本分析单位，用分布式、离散化、变权重、揭示呈现机理、相机路径选择的数字化准确精细地刻画和构建模型;进而与计算实验、多情景模拟等技术结合，有望揭开群体思维和集体行动之谜。由于认知局限，经济理论就埋下基本行为假设失验的隐患;由于缺乏数字化技术，养成了对可信度含混的数据的依赖;由于未引入数字化建模，就难以深入、精细地分布—整合式刻画揭示个群复杂行为关系，就难以贯通传导机理、透析认清宏观典型化事实的微观成因及其微—宏（观）内在的互反馈机制，也就必然滞缓经济学科学化的进程。传统模型不宜刻画具有自主意识的个群关系的人文复杂性和多途径网联的传导机制，而以数字化技术构建的数字模型，则能与刻画异质行为的（M）ABM技术交叉并联、纵横结合，以动态分析截面图做纵向分拆，如此有望更加科学有效、直观便利地刻画和解释个群关系。

四、数字金融模型构建及应用

与一般商品市场不同，金融（资本）市场中主体行为属性和关键特征、信息公共池作用与投资者异质化响应，个体差异性和群体交互等特点更加明显，个群关系及传导机理更为敏感复杂。关注金融市场不确定条件下的价格或收益率波动，应着眼于市场的不确定或复杂涌现等异象，这其中起根本作用的是人的投资决策思维和行为，焦点是人对资金融通的作用。

1.数字金融模型

分类考察现有经济模型与应用领域，如生产函数、回归模型、时间序列类，联立、结构、投入产出、空间计量、面板数据类，投资圈的唯象、经验模型，行为博弈实验、计算机模拟模型及经济控制论等其他专用、辅助模型，模型的适应性与边界框定、转化与整合（一体化）、继承与创新等，都是在围绕主要用途和特点构建基本变量关系，以服务于主题。具体到金融建模，将理论依据与现实解释结合来创新模型，就应聚焦到投资者的异质行为上，拓宽视野，深植根基。对微观投资行为的数字化描述和建模如下：

如此建模将同质性投资主体推广到异质性投资主体，能以行为属性、临界变化和转折突变的阈值的不同来反映投资者个体的差异性（异质性），将阈值TB的框定同众多主体行为边界、心理底线、共同作用和对外界条件变化的综合响应联系起来，也包括了主体间的影响，即内生化与交互性。阈值的框定还要考虑个体行为特征参数、对信息的异质化响应和其他相关投资者的策略行为，将外生赋予的经典概率分布或主观概率拓展到容纳投资者个性化心理特征来框定临界阈值，尤其是在分析不同资产规模、风险承受类型年龄段的储蓄和投资等行为特点时更具针对性和有效性。与股市总量特征和现象对接，由此构建微观宏观一体化的金融模型，还可进一步推广到一般市场上异质性主体的多种关键行为特征。如刻画分析投资者的差异化行为特性，就要与市场运行基本态势、群体聚类、市场结构、波动变化和建模分析技术支持及认知水平密切关联起来。将此类问题合理地数字化，有望从根本上创新金融建模方法，推升金融建模水平。

2.资本资产定价模型中的β系数

下面以资本资产定价模型CAPM为例，E（r_i）=r_f+β_im（E（r_m）-r_f），即投资者i的决策依赖于预期的市场收益率。其中的β系数，高度概括地刻画分析了行为的能动性，再深入一步拆开来看，其实质上是掩盖了个体差异性（行为多样性）、综合响应处理和群体交互的多连通性（网络结构关联和传到机理的复杂性）所潜藏的风险和可能出现的多态势市场涌现等异象。且不说理想假设和经典模型与现实在一定程度上的脱节，我们强调指出要对抽象、规范的初始行为做基本假设检验，是因为一旦个体行为的偏差（bias）和异质性超出随机误差（error）的界域，又在多连通多类型的网络结构关联和传导机理的增强作用下，其市场结果和效应会大大偏离理论预期结果。这揭示出一个关于个群关系（市场总体）的更为深层严苛的隐含假设，传统建模预设了一个典型的随机试验情境，使得样本与总体的数字特征保持一致，只是为了将现实世界、真实市场对应地转换搭建成认知空间中自洽的理论体系。欲深刻理解异质行为与市场形态之间的互反馈机制，基于大数据对异质投资行为的数字化建模，不宜简化为典型的代表性主体行为、套用总量特征和因素关系的解析类函数方式来分析，须跳出传统思维框架和理论局限、摆脱对经验数据的依赖，将关于投资者行为与市场的初始描述和界定联系起来看，才能打开行为黑箱、探明传导机理。

按市场形态、结构类型、行为特性及不同时段等先确立一基准值，再分类估算系数、识别模型，或相对成熟稳定或幼稚波动，或理性主导或投机扰动，或外生牵引推动或内生蓄势触发等，而不是笼统地用投资行为结果和市场总体特征数据来经验性地估计参数。基本面投资者与技术型投资者、幼稚投资者与老练投资者、散户与机构等不同类型投资主体对信息的冲击、他人策略的影响、结构演变和市场波动的行为响应、投资决策随网络节点变化等方面有显著差异，而数字模型相对直观、全面和有关联的展示，能增强模型分析的解释力和预见性，有助于揭示股市复杂奥秘。

3.应用尝试

模型其实就是思想实验室、理论检测台，力求全面反映市场状况、细分投资者行为，整体关联地考察并且便于比较类推，哪些行为属性在什么条件和相互影响下，能产生何样的市场形态等，如何才能有更具针对性的分析理论与模型方法。具体以所关注的投资者个体行为属性和关键特征等微观背景为行，市场现象（事件）为列，组建（大）数据广义矩阵，用外生冲击或条件变化为截面，二分法截分后对应地0—1或离散赋值，然后叠加汇总。构建和利用此类数字金融模型经过总体关联、分类对比，就可从中发现：

（1）最有可能引发某种市场形态（异象、涌现或事件）的微观成因（或影响最大的微观主体行为因素）、传导机理和可行路径;

（2）个体临界决策和结构突变的重要特征与替代转换比等。

自然界事物存在变化常态下的特点和规律，适宜用因果（相关）关系解析式函数模型;而以人的行为为主因的社会经济活动，尤其是非常态非线性复杂情景下的分析预测，或许更适合用分布式数字模型，如此能更加清晰可信地察觉一些关键特征，对临界突变或涌现等异象起更好的警醒作用。下面给出尝试性应用示例。

表1 投资者行为与股市典型化事实的关联分析示意表

表1中的数据，是特定时点真实市场形态经数字化对应转换所得，刻画出中国投资者分类行为特点：一般投资者（Ⅰ，散户基本面、跟风）、老练大户（Ⅱ，理性、技术）、投机者（Ⅲ，私有内幕信息）、专业机构（Ⅳ，包含Ⅱ和Ⅲ）等。表1中可包含行为属性分类、市场形态变化的文字描述等其他数据类型。转变认知观念、利用数字化技术建立的表格模型，即数字模型;数据关联和模型机理与反映的对象不一致，所做分析和实证的技术再高深、再严谨，也根本不可能解决现实问题，这就像厨师穿着白大褂看病，所开处方不可信，自然解决不了病痛问题。而上述基本数字模型（表格）与真实市场变化实时对接，输出所关注的关键点，不仅能跳出传统建模方法的局限和框架，还能基于大数據，从认知视角解决维度诅咒、数据与模型不匹配、信息噪音与数据清洗之间的权衡等问题，大大增强解释力和预见性，且应用时非常便利。

从认知角度和层面上，根本解决假设与现实的符合，理论与实践的对接，主次因素交互取舍排序，数据的清洗、规范与挖掘，局部与整体的关系等问题，数字化建模有独特优势，这就是新科技革命浪潮冲击下适应新经济生态、开创这一新途径的意义和价值所在，也是大数据和数字时代建模技术发展之必然。

五、结语

现实需求孕育和积蓄着创新发展数字模型的不可阻挡之势。以研究目的为导向，提炼问题、描述背景、明确动因，建立基准模型辨识评估模型的有效应用及适应性，样本估参和类比，数据的质量和可获取性，技术方法的适定性（确信度、可确证性），如何提高模型应用的解释力及预见性，应用的一般步骤、技巧和注意事项，效果的检验和评价（隐含假设及局限性）等一系列环环相扣的问题，在数字模型中都会有新的做法和展现。

由于个体特性、交互效应、群體增强，因素（变量）形态和关联内生适变，模型却相对稳定，而以人本主线贯穿、基于行为大数据、以数字化技术支撑，有望拓宽认知视角取得突破，对于方法的单一僵化与现实的多态易变之间的矛盾、缺乏行为假设与数据可信等基础检验的理论参照系与现实问题的偏离造成的复杂扭曲现象，数字模型在跨学科跨领域探索揭示复杂奥秘时，具有综合优势且更符合人们的认知习惯，尤其是非常态情景复杂决策及管理等;再加之行为实验类模型凸显人本特色，能为复杂性科学、计算实验与计算社会科学等融入人文灵魂，进而可借助数字模型实现人文社会科学的大跨度、大纵深和大整合。数字化建模具有认知对应、关联类比，简化复杂、化解关键难点，且直观便利、易于程序化等显著特点和优势，将其与传统方法做简要对比见表2。

表2 传统模型与数字模型主要特征对比表

以大数据、AI和数字化及VR+类技术等为鲜明特征的新一轮科技革命与人类自我发展的协同共进，必将对经济理论和模型的研究创新产生重大影响。培养数字思维、形成数字认知、树立数字观念、构成数字世界，可从根本上一改传统做法，转换和提升认知观念，打开行为黑箱，深化夯实微观基础。大数据广义矩阵与“全”样本统计分析，行为动力学建模与动态分析，决策复杂性机理的深刻揭示，应用范围的迅速拓展等，必定会促进数字化技术应用于经济学及人文社会科学研究的实质性跃升，开辟新的时代和新的途径。

责任编辑：牛泽东