基于网络混合学习策略的股市投资者行为演化模型及仿真
发布时间：2021-11-12 16:16
针对投资者有限理性决策行为的模仿学习等特质,运用复杂网络、贝叶斯学习和社会学习理论,分别对个人投资者和机构投资者的投资行为决策机制进行系统性分析,由此构建基于网络混合学习策略的投资者行为演化机理和数理模型,并进行数理解析和模拟仿真。研究发现,投资者金融关联网络的拓扑结构对个人投资者行为动态演变具有较强影响,但对机构投资者的影响较弱;个人投资者的学习策略偏好影响其行为动态演变均衡状态的稳定性较为显著;机构投资者获取的私有信息精确度与其行为动态演变的均衡状态之间存在显著的非线性关联;投资者的初始行为状态对其投资行为动态演变均衡状态的影响效应均较弱。
【文章来源】：运筹与管理. 2019,28(11)北大核心CSSCICSCD
【文章页数】：13 页
【部分图文】：
股市投资者行为决策演变机制图
图2网络拓扑结构对投资者行为演化过程影响的对比分析对于机构投资者而言，无论网络平均度大小，四类网络中的机构投资者行为演化过程均快速达到稳态，且实现时间和状态比例基本相同。由此可见，网络拓扑结构显著影响个人投资者的行为演化过程，但对机构投资者的影响较弱。3．2个人投资者学习策略偏好α的影响效应以上述仿真实验参数为基础，模拟分析个人投资者学习策略偏好α因素对个人投资者行为演化过程的影响，如图3所示。由图3(a)和(b)，对于BA网络和WS网络而言，当α＜0．5时，个人投资者的行为状态几乎都为“持有”，且行为演变波动不大;当α∈(0．5，0．8)时，个人投资者“持有”状态比例随α的增加而减少，“买”或“卖”投资行为状态比例相应增加，且行为演变波动较大;当α＞0．8时，个人投资者选择“持有”行为的比例几乎等于零，行为演变的波动性校图3(c)描述了EＲ网络中投资行为的演变过程，当α＜0．7时，个人投资选择“持有”行为的比例相对较高，但各种行为状态比例的变化幅度不大。在图3(d)中的多层网络，当α＜0．2时，个人投资者选择投资行为“持有”状态的比例较高，但随着α的增加，“买”或“卖”行为比例逐渐增加;当α＞0．5时，个人投资者选择投资行为“卖”或“买”的比例均则较高。通过仿真分析可见，在BA网络和WS网络中，当个人投资者学习策略偏好α∈(0．5，0．8)时，其对个人投资者投资行为演化影响较大，否则影响相对较小;在EＲ网络中，个人投资者学习策略偏好的影响效应均相对较小;在多层网络结构下，当α∈(0．2，0．5)时，其对个人投资者行为演化影响较大，在其他范围内则相对较校461运筹与管理2019年第28卷
图3参数α对个人投资者行为演化的影响3．3私有信息的精度σ2i对投资者行为演化的影响基于上述四种网络结构，本节主要模拟分析机构投资者持有的私有信息精度对其行为动态演化的影响效应，其他实验参数均采用上述默认值设定，仿真分析内容如图4所示。在图4(a)的WS网络中，如果机构投资者所获取得的私有信息精度σ2i?2，所有机构投资者基本上均进行“买”或“卖”的投资操作，且各行为比例几乎不变;当σ2i∈(2，4)，投资者选择“持有”行为的比率随σ2i增大而上升;当σ2i?4，选择“持有”行为的投资者规模比率最高，且各行为之间的比例相对保持稳定。由图4(b)，在BA网络中，当σ2i?1．5时，几乎所有机构投资者进行“买”或“卖”投资决策;当σ2i∈(1．5，5)，选择交易的机构投资者比例随着σ2i的增加而减少;当σ2i?5，机构投资者选择“持有”规模比重最大，但其行为状态比率基本保持不变。图3(c)中的EＲ网络，无论σ2i的增加幅度，几乎所有投资者的行为状态比率均保持不变。通过图4(d)中的分析可见，当σ2i＜2．5，几乎机构投资者和个体投资者均进行“买”或“卖”操作;当σ2i?4，几乎所有机构投资者均选择“持有”状态，且行为比例随着σ2i的增加不发生变化;当σ2i∈(3，5)，个人投资者选择“持有”状态的比例随σ2i的加而增加;当σ2i＞3．5，选择“持有”状态的个人投资者规模最大。为此，通过仿真实验分析可见，不同类型的网络中的私有信息精度高低对投资者行为演化过程的影响效应存在显著性差异。在BA网络、WS网络和多层网络中，当私有信息精度分别处于σ2i∈(1．5，5)、σ2i∈(2．5，4)和的水平区间时，?
【参考文献】：
期刊论文
[1]机构投资者信息共享会引来黑天鹅吗?——基金信息网络与极端市场风险[J]. 陈新春,刘阳,罗荣华. 金融研究. 2017(07)
[2]基于投资者情绪的市场均衡分析[J]. 谢军,高斌. 运筹与管理. 2015(06)
[3]基于学习行为的投资者决策模型[J]. 何琳洁,兰秋军,马超群. 系统工程. 2015(11)
[4]羊群行为加剧股票价格波动吗?[J]. 刘祥东,刘澄,刘善存,陆嘉骏. 系统工程理论与实践. 2014(06)
[5]异常情况下基于VARX模型的中国投资者行为研究[J]. 史永东,田渊博. 中国管理科学. 2014(04)
[6]基于两类学习模型的多主体人工股票市场研究[J]. 赵志刚,张维,张小涛,熊熊. 系统工程学报. 2013(06)
[7]社会性学习、从众心理和股市参与决策[J]. 孟涓涓,赵龙凯,刘玉珍,尤炜. 金融研究. 2013 (07)
[8]机构投资者行为的传染——基于投资者网络视角[J]. 肖欣荣,刘健,赵海健. 管理世界. 2012(12)
[9]基于复杂网络少数者博弈模型的金融市场仿真研究[J]. 李旲,曹宏铎,邢浩克. 系统工程理论与实践. 2012(09)
[10]证券市场机构投资者投资行为分析[J]. 杨墨竹. 金融研究. 2008(08)
本文编号：3491266
【文章来源】：运筹与管理. 2019,28(11)北大核心CSSCICSCD
【文章页数】：13 页
【部分图文】：
股市投资者行为决策演变机制图
图2网络拓扑结构对投资者行为演化过程影响的对比分析对于机构投资者而言，无论网络平均度大小，四类网络中的机构投资者行为演化过程均快速达到稳态，且实现时间和状态比例基本相同。由此可见，网络拓扑结构显著影响个人投资者的行为演化过程，但对机构投资者的影响较弱。3．2个人投资者学习策略偏好α的影响效应以上述仿真实验参数为基础，模拟分析个人投资者学习策略偏好α因素对个人投资者行为演化过程的影响，如图3所示。由图3(a)和(b)，对于BA网络和WS网络而言，当α＜0．5时，个人投资者的行为状态几乎都为“持有”，且行为演变波动不大;当α∈(0．5，0．8)时，个人投资者“持有”状态比例随α的增加而减少，“买”或“卖”投资行为状态比例相应增加，且行为演变波动较大;当α＞0．8时，个人投资者选择“持有”行为的比例几乎等于零，行为演变的波动性校图3(c)描述了EＲ网络中投资行为的演变过程，当α＜0．7时，个人投资选择“持有”行为的比例相对较高，但各种行为状态比例的变化幅度不大。在图3(d)中的多层网络，当α＜0．2时，个人投资者选择投资行为“持有”状态的比例较高，但随着α的增加，“买”或“卖”行为比例逐渐增加;当α＞0．5时，个人投资者选择投资行为“卖”或“买”的比例均则较高。通过仿真分析可见，在BA网络和WS网络中，当个人投资者学习策略偏好α∈(0．5，0．8)时，其对个人投资者投资行为演化影响较大，否则影响相对较小;在EＲ网络中，个人投资者学习策略偏好的影响效应均相对较小;在多层网络结构下，当α∈(0．2，0．5)时，其对个人投资者行为演化影响较大，在其他范围内则相对较校461运筹与管理2019年第28卷
图3参数α对个人投资者行为演化的影响3．3私有信息的精度σ2i对投资者行为演化的影响基于上述四种网络结构，本节主要模拟分析机构投资者持有的私有信息精度对其行为动态演化的影响效应，其他实验参数均采用上述默认值设定，仿真分析内容如图4所示。在图4(a)的WS网络中，如果机构投资者所获取得的私有信息精度σ2i?2，所有机构投资者基本上均进行“买”或“卖”的投资操作，且各行为比例几乎不变;当σ2i∈(2，4)，投资者选择“持有”行为的比率随σ2i增大而上升;当σ2i?4，选择“持有”行为的投资者规模比率最高，且各行为之间的比例相对保持稳定。由图4(b)，在BA网络中，当σ2i?1．5时，几乎所有机构投资者进行“买”或“卖”投资决策;当σ2i∈(1．5，5)，选择交易的机构投资者比例随着σ2i的增加而减少;当σ2i?5，机构投资者选择“持有”规模比重最大，但其行为状态比率基本保持不变。图3(c)中的EＲ网络，无论σ2i的增加幅度，几乎所有投资者的行为状态比率均保持不变。通过图4(d)中的分析可见，当σ2i＜2．5，几乎机构投资者和个体投资者均进行“买”或“卖”操作;当σ2i?4，几乎所有机构投资者均选择“持有”状态，且行为比例随着σ2i的增加不发生变化;当σ2i∈(3，5)，个人投资者选择“持有”状态的比例随σ2i的加而增加;当σ2i＞3．5，选择“持有”状态的个人投资者规模最大。为此，通过仿真实验分析可见，不同类型的网络中的私有信息精度高低对投资者行为演化过程的影响效应存在显著性差异。在BA网络、WS网络和多层网络中，当私有信息精度分别处于σ2i∈(1．5，5)、σ2i∈(2．5，4)和的水平区间时，?
【参考文献】：
期刊论文
[1]机构投资者信息共享会引来黑天鹅吗?——基金信息网络与极端市场风险[J]. 陈新春,刘阳,罗荣华. 金融研究. 2017(07)
[2]基于投资者情绪的市场均衡分析[J]. 谢军,高斌. 运筹与管理. 2015(06)
[3]基于学习行为的投资者决策模型[J]. 何琳洁,兰秋军,马超群. 系统工程. 2015(11)
[4]羊群行为加剧股票价格波动吗?[J]. 刘祥东,刘澄,刘善存,陆嘉骏. 系统工程理论与实践. 2014(06)
[5]异常情况下基于VARX模型的中国投资者行为研究[J]. 史永东,田渊博. 中国管理科学. 2014(04)
[6]基于两类学习模型的多主体人工股票市场研究[J]. 赵志刚,张维,张小涛,熊熊. 系统工程学报. 2013(06)
[7]社会性学习、从众心理和股市参与决策[J]. 孟涓涓,赵龙凯,刘玉珍,尤炜. 金融研究. 2013 (07)
[8]机构投资者行为的传染——基于投资者网络视角[J]. 肖欣荣,刘健,赵海健. 管理世界. 2012(12)
[9]基于复杂网络少数者博弈模型的金融市场仿真研究[J]. 李旲,曹宏铎,邢浩克. 系统工程理论与实践. 2012(09)
[10]证券市场机构投资者投资行为分析[J]. 杨墨竹. 金融研究. 2008(08)
本文编号：3491266
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3491266.html
