面向资本市场复杂性建模:基于Agent计算实验金融学

本文介绍了现代金融学领域一个新兴分支———基于Agent计算实验金融学的理论基础、基本概念和研究内容。并以SantaFeInstitute的人工股票市场为例说明了它的建模方法 ;探讨了它与现代金融学中金融市场微观结构理论、行为金融学等其他新的研究分支之间的关系 ;阐述了它的研究现状及未来发展。

基于Agent的计算实验金融学:原理、方法和挑战

近年来金融领域兴起了一个重要的理论分支-基于Agent的计算实验金融学。它将复杂自适应系统(CAS)理论思想与计算机技术相结合,通过构建人工金融市场模型,从微观层次揭示金融市场的宏观动力特性。介绍了基于Agent的计算实验金融学的理论基础、研究方法和取得的研究成果,最后讨论了它存在的问题和面临的挑战以及进一步的研究方向。

基于Agent建模的计算实验金融学:思想与方法

本文首先阐述了复杂自适应系统CAS的内涵,因为资本市场是一个复杂自适应系统,所以引出基于CAS理论的计算实验金融学。其次介绍了计算实验金融学的建模框架和建模思路,强调了市场价格形成机制、Agent个体行为和市场信息结构三者之间的相互作用。最后阐述计算实验金融学的发展前景,为计算实验金融学的进一步研究提供参考。

金融科技视角下计算实验金融建模分析

该文简略阐述了计算实验金融研究方法及其优劣势,介绍计算实验金融建模过程中所涉及的新型技术,并基于金融科技的发展,对计算实验金融建模的主要类型和实际建模方法进行详细分析,旨在为相关研究人员提供参考,使其能够充分了解到计算实验金融建模的发展历程和其中所存在的问题,进而不断总结经验对计算实验金融建模进行持续优化完善。

损失厌恶对金融市场的作用机理探究

行为金融理论认为投资者具有损失厌恶特征,面对损失时,投资者表现出风险喜好,而面对盈利又会变得风险厌恶。而计算实验金融模型研究表明:损失厌恶投资者的存在不仅能够提高市场收益,减弱市场波动,还能有效降低价格与基础价值的偏离程度,从而提高市场质量。因此,深入研究投资者的损失厌恶特征在金融市场中的作用机理对于市场监管、资产定价和风险管理具有重要的理论和实践意义。

基于复杂网络少数者博弈模型的金融市场仿真研究

本文构造了具有学习机制、学习结构及时间控制策略(持续期策略)的复杂金融网络少数者博弈模型.基于少数者博弈模型,以网络学习作为Agcnt的主要学习机制,基于随机网络、小世界网络及无标度网络三种网络,分别对应金融市场中全局信息下的投资者随机决策,基于社会网络的决策.及寡头垄断下的决策.以持续期期作为时间控制要素.通过仿真观察到金融市场收益分布的"尖峰厚尾"特征、寡头市场股价异常等金融市场复杂现象.并分析了学习机制、学习结构及持续期策略在博弈中的作用及产生的不同市场效应.