針對(duì)投資者有限理性決策行為的模仿學(xué)習(xí)等特質(zhì),運(yùn)用復(fù)雜網(wǎng)絡(luò)、貝葉斯學(xué)習(xí)和社會(huì)學(xué)習(xí)理論,分別對(duì)個(gè)人投資者和機(jī)構(gòu)投資者的投資行為決策機(jī)制進(jìn)行系統(tǒng)性分析,由此構(gòu)建基于網(wǎng)絡(luò)混合學(xué)習(xí)策略的投資者行為演化機(jī)理和數(shù)理模型,并進(jìn)行數(shù)理解析和模擬仿真。研究發(fā)現(xiàn),投資者金融關(guān)聯(lián)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)對(duì)個(gè)人投資者行為動(dòng)態(tài)演變具有較強(qiáng)影響,但對(duì)機(jī)構(gòu)投資者的影響較弱;個(gè)人投資者的學(xué)習(xí)策略偏好影響其行為動(dòng)態(tài)演變均衡狀態(tài)的穩(wěn)定性較為顯著;機(jī)構(gòu)投資者獲取的私有信息精確度與其行為動(dòng)態(tài)演變的均衡狀態(tài)之間存在顯著的非線性關(guān)聯(lián);投資者的初始行為狀態(tài)對(duì)其投資行為動(dòng)態(tài)演變均衡狀態(tài)的影響效應(yīng)均較弱。 

【文章來(lái)源】：運(yùn)籌與管理. 2019,28(11)北大核心CSSCICSCD

【文章頁(yè)數(shù)】：13 頁(yè)

【部分圖文】：

股市投資者行為決策演變機(jī)制圖

圖2網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)投資者行為演化過(guò)程影響的對(duì)比分析對(duì)于機(jī)構(gòu)投資者而言，無(wú)論網(wǎng)絡(luò)平均度大小，四類網(wǎng)絡(luò)中的機(jī)構(gòu)投資者行為演化過(guò)程均快速達(dá)到穩(wěn)態(tài)，且實(shí)現(xiàn)時(shí)間和狀態(tài)比例基本相同。由此可見(jiàn)，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)顯著影響個(gè)人投資者的行為演化過(guò)程，但對(duì)機(jī)構(gòu)投資者的影響較弱。3．2個(gè)人投資者學(xué)習(xí)策略偏好α的影響效應(yīng)以上述仿真實(shí)驗(yàn)參數(shù)為基礎(chǔ)，模擬分析個(gè)人投資者學(xué)習(xí)策略偏好α因素對(duì)個(gè)人投資者行為演化過(guò)程的影響，如圖3所示。由圖3(a)和(b)，對(duì)于BA網(wǎng)絡(luò)和WS網(wǎng)絡(luò)而言，當(dāng)α＜0．5時(shí)，個(gè)人投資者的行為狀態(tài)幾乎都為“持有”，且行為演變波動(dòng)不大;當(dāng)α∈(0．5，0．8)時(shí)，個(gè)人投資者“持有”狀態(tài)比例隨α的增加而減少，“買”或“賣”投資行為狀態(tài)比例相應(yīng)增加，且行為演變波動(dòng)較大;當(dāng)α＞0．8時(shí)，個(gè)人投資者選擇“持有”行為的比例幾乎等于零，行為演變的波動(dòng)性校圖3(c)描述了EＲ網(wǎng)絡(luò)中投資行為的演變過(guò)程，當(dāng)α＜0．7時(shí)，個(gè)人投資選擇“持有”行為的比例相對(duì)較高，但各種行為狀態(tài)比例的變化幅度不大。在圖3(d)中的多層網(wǎng)絡(luò)，當(dāng)α＜0．2時(shí)，個(gè)人投資者選擇投資行為“持有”狀態(tài)的比例較高，但隨著α的增加，“買”或“賣”行為比例逐漸增加;當(dāng)α＞0．5時(shí)，個(gè)人投資者選擇投資行為“賣”或“買”的比例均則較高。通過(guò)仿真分析可見(jiàn)，在BA網(wǎng)絡(luò)和WS網(wǎng)絡(luò)中，當(dāng)個(gè)人投資者學(xué)習(xí)策略偏好α∈(0．5，0．8)時(shí)，其對(duì)個(gè)人投資者投資行為演化影響較大，否則影響相對(duì)較小;在EＲ網(wǎng)絡(luò)中，個(gè)人投資者學(xué)習(xí)策略偏好的影響效應(yīng)均相對(duì)較小;在多層網(wǎng)絡(luò)結(jié)構(gòu)下，當(dāng)α∈(0．2，0．5)時(shí)，其對(duì)個(gè)人投資者行為演化影響較大，在其他范圍內(nèi)則相對(duì)較校461運(yùn)籌與管理2019年第28卷

圖3參數(shù)α對(duì)個(gè)人投資者行為演化的影響3．3私有信息的精度σ2i對(duì)投資者行為演化的影響基于上述四種網(wǎng)絡(luò)結(jié)構(gòu)，本節(jié)主要模擬分析機(jī)構(gòu)投資者持有的私有信息精度對(duì)其行為動(dòng)態(tài)演化的影響效應(yīng)，其他實(shí)驗(yàn)參數(shù)均采用上述默認(rèn)值設(shè)定，仿真分析內(nèi)容如圖4所示。在圖4(a)的WS網(wǎng)絡(luò)中，如果機(jī)構(gòu)投資者所獲取得的私有信息精度σ2i?2，所有機(jī)構(gòu)投資者基本上均進(jìn)行“買”或“賣”的投資操作，且各行為比例幾乎不變;當(dāng)σ2i∈(2，4)，投資者選擇“持有”行為的比率隨σ2i增大而上升;當(dāng)σ2i?4，選擇“持有”行為的投資者規(guī)模比率最高，且各行為之間的比例相對(duì)保持穩(wěn)定。由圖4(b)，在BA網(wǎng)絡(luò)中，當(dāng)σ2i?1．5時(shí)，幾乎所有機(jī)構(gòu)投資者進(jìn)行“買”或“賣”投資決策;當(dāng)σ2i∈(1．5，5)，選擇交易的機(jī)構(gòu)投資者比例隨著σ2i的增加而減少;當(dāng)σ2i?5，機(jī)構(gòu)投資者選擇“持有”規(guī)模比重最大，但其行為狀態(tài)比率基本保持不變。圖3(c)中的EＲ網(wǎng)絡(luò)，無(wú)論σ2i的增加幅度，幾乎所有投資者的行為狀態(tài)比率均保持不變。通過(guò)圖4(d)中的分析可見(jiàn)，當(dāng)σ2i＜2．5，幾乎機(jī)構(gòu)投資者和個(gè)體投資者均進(jìn)行“買”或“賣”操作;當(dāng)σ2i?4，幾乎所有機(jī)構(gòu)投資者均選擇“持有”狀態(tài)，且行為比例隨著σ2i的增加不發(fā)生變化;當(dāng)σ2i∈(3，5)，個(gè)人投資者選擇“持有”狀態(tài)的比例隨σ2i的加而增加;當(dāng)σ2i＞3．5，選擇“持有”狀態(tài)的個(gè)人投資者規(guī)模最大。為此，通過(guò)仿真實(shí)驗(yàn)分析可見(jiàn)，不同類型的網(wǎng)絡(luò)中的私有信息精度高低對(duì)投資者行為演化過(guò)程的影響效應(yīng)存在顯著性差異。在BA網(wǎng)絡(luò)、WS網(wǎng)絡(luò)和多層網(wǎng)絡(luò)中，當(dāng)私有信息精度分別處于σ2i∈(1．5，5)、σ2i∈(2．5，4)和的水平區(qū)間時(shí)，?

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)構(gòu)投資者信息共享會(huì)引來(lái)黑天鵝嗎?——基金信息網(wǎng)絡(luò)與極端市場(chǎng)風(fēng)險(xiǎn)[J]. 陳新春,劉陽(yáng),羅榮華.  金融研究. 2017(07)
[2]基于投資者情緒的市場(chǎng)均衡分析[J]. 謝軍,高斌.  運(yùn)籌與管理. 2015(06)
[3]基于學(xué)習(xí)行為的投資者決策模型[J]. 何琳潔,蘭秋軍,馬超群.  系統(tǒng)工程. 2015(11)
[4]羊群行為加劇股票價(jià)格波動(dòng)嗎?[J]. 劉祥東,劉澄,劉善存,陸嘉駿.  系統(tǒng)工程理論與實(shí)踐. 2014(06)
[5]異常情況下基于VARX模型的中國(guó)投資者行為研究[J]. 史永東,田淵博.  中國(guó)管理科學(xué). 2014(04)
[6]基于兩類學(xué)習(xí)模型的多主體人工股票市場(chǎng)研究[J]. 趙志剛,張維,張小濤,熊熊.  系統(tǒng)工程學(xué)報(bào). 2013(06)
[7]社會(huì)性學(xué)習(xí)、從眾心理和股市參與決策[J]. 孟涓涓,趙龍凱,劉玉珍,尤煒.  金融研究. 2013 (07)
[8]機(jī)構(gòu)投資者行為的傳染——基于投資者網(wǎng)絡(luò)視角[J]. 肖欣榮,劉健,趙海健.  管理世界. 2012(12)
[9]基于復(fù)雜網(wǎng)絡(luò)少數(shù)者博弈模型的金融市場(chǎng)仿真研究[J]. 李旲,曹宏鐸,邢浩克.  系統(tǒng)工程理論與實(shí)踐. 2012(09)
[10]證券市場(chǎng)機(jī)構(gòu)投資者投資行為分析[J]. 楊墨竹.  金融研究. 2008(08)



本文編號(hào)：3491266