一類復雜適應系統(tǒng)的模型及仿真方法研究.pdf

1、股市、房地產(chǎn)系統(tǒng)作為社會經(jīng)濟系統(tǒng)中的一個重要組成部分，預測其市場走勢是相當困難的：投資者迫切地渴望能對明天的價格做出某種程度的預測；學者們力圖理清市場價格是怎么形成的。傳統(tǒng)金融理論通過對這類系統(tǒng)的各種簡化，包括對投資者的預測和決策方式、市場機制等方面的簡化，建立擁有明確目標函數(shù)的數(shù)學模型，通過最大化目標函數(shù)來幫助理解和解釋市場中的種種現(xiàn)象。然而，數(shù)學模型僅能用來研究具有完全確定性的簡單系統(tǒng)。對于靈活多變的復雜系統(tǒng)，幾乎無法建立完備的數(shù)學

2、模型。即使建立起模型，由于過于龐大，結果也無從檢驗。并且復雜系統(tǒng)被簡化成一系列抽象的法則、公式是脫離現(xiàn)實的，不可能正確反映其本質并可能產(chǎn)生彼此矛盾的結果。雖然傳統(tǒng)數(shù)學模型解釋了一些現(xiàn)象，但卻留下了許多未能解答的問題，這種情況是由于系統(tǒng)的復雜性造成的。盡管傳統(tǒng)理論對此早有認識，但它們更多地把復雜性歸結為外界隨機信息沖擊的結果，而很少考慮復雜性內生的可能性。
　　復雜性科學對傳統(tǒng)的經(jīng)濟學理論提出了挑戰(zhàn)，不再將經(jīng)濟系統(tǒng)看成是市場穩(wěn)定和供

3、求均衡的結果，而看成是由許多相互作用的個體在不穩(wěn)定的狀況下彼此不斷調整關系的結果。在復雜性科學研究的學派中，以Holland教授等人的復雜適應系統(tǒng)CAS理論為代表。CAS理論主要采用計算機模型模擬的方法研究復雜系統(tǒng)，其研究工作的一大特點是高度重視應用計算機技術。計算機模型完全可以直接用有條件作用和其它諸如交換之類的組合算法描述，這些條件/組合算法用偏微分方程只能粗略地描述。采用基于計算機的直接描述的模型，而不是走偏微分的老路，能反映演化

4、過程中的組合復雜性。通過計算機模擬的方法來研究和觀察復雜系統(tǒng)，可以在計算機環(huán)境中重復或再現(xiàn)客觀存在的復雜系統(tǒng)。
　　論文針對現(xiàn)有股市、房地產(chǎn)系統(tǒng)研究的不足，突破傳統(tǒng)數(shù)學建模的框架，運用復雜性科學的最新成果，采用學科交叉的方式，建立新的研究方法和體系。試圖將CAS理論運用到股市、房地產(chǎn)系統(tǒng)研究中，構建基于Multi-Agent技術的股市、房地產(chǎn)系統(tǒng)框架體系，并對涉及的關鍵技術進行探討。論文主要研究以下內容：
　　分析股市、房地

5、產(chǎn)系統(tǒng)和CAS在內在特點上的一致性，依據(jù)CAS理論證實股市、房地產(chǎn)系統(tǒng)是一類復雜適應系統(tǒng)，因此采用CAS理論對股市、房地產(chǎn)系統(tǒng)進行研究具有科學性和可行性。同時，基于CAS理論，分析一類復雜適應系統(tǒng)的特征、復雜性行為等，指出復雜性是其內部本質特征，復雜性背后的機理是異質投資者同系統(tǒng)環(huán)境之間的非線性交互作用。通過對一類復雜適應系統(tǒng)傳統(tǒng)研究方法的總結，證實經(jīng)典的有效市場假說、傳統(tǒng)的數(shù)學工具(線性、固定點、微分方程系統(tǒng))和傳統(tǒng)的均衡經(jīng)濟理論對系

6、統(tǒng)的分析大多基于一定的假設，明顯具有主觀性，故根本無法描述此類系統(tǒng)的復雜多變性。因此，必須要用復雜系統(tǒng)的理論和方法來對此類系統(tǒng)進行重新的理解、研究。鑒于此，論文將股市、房地產(chǎn)系統(tǒng)視為一類復雜適應系統(tǒng)，提出運用CAS理論與方法對此類系統(tǒng)進行建模與仿真研究的思路方法。并且，通過對Holland教授ASM模型實例的分析，進一步論證用CAS理論的建模與仿真方法對這類系統(tǒng)進行研究的可行性。
　　CAS理論的核心概念是Agent，其方法學是基

7、于Agent的建模方法。Agent和Multi-Agent理論與技術為復雜系統(tǒng)的建模與仿真提供了一個嶄新的途徑。對于人工社會中多智能體系統(tǒng)MAS的應用，目前展開的研究工作仍然處于起步階段，因此采用MAS對一類復雜適應系統(tǒng)進行建模和應用研究具有理論探索意義。論文闡述了MAS建模的研究方法和過程：在基于Multi-Agent的建模過程中，最基本的是構造計算機模型，Agent在這一模型中運行著(行為)。首先要選擇合適的微觀個體，并對其建模；然

8、后建立微觀個體之間的交互關系；最后在宏觀上對整個系統(tǒng)進行建模。其中，重點研究了Agent及Agents之間交互關系的設計方法。同時，結合一類復雜適應系統(tǒng)的實際運作情況，運用Multi-Agent的建模方法并結合其它技術、方法對一類復雜適應系統(tǒng)進行建模研究。
　　在選擇微觀個體時，參與者的多樣性是CAS的一個顯著特征，因此，針對實際系統(tǒng)中交易者的不同類型，論文引入四種類型的智能體。對微觀個體建模，即建立每一類Agent的屬性和行為規(guī)

9、則，是Multi-Agent建模方法中最重要的設計問題：主要考慮決策、目標函數(shù)、異質性和學習幾個方面。比如對于神經(jīng)網(wǎng)絡智能體，嘗試用神經(jīng)網(wǎng)絡代替Agent，運用神經(jīng)網(wǎng)絡的學習能力模擬Agent的適應性。特別地，對于BP-CT神經(jīng)網(wǎng)絡智能體，運用Agent行為一致性自適應的神經(jīng)網(wǎng)絡方法結合CT方法對其進行建模，利用CT方法產(chǎn)生不斷變化的目標，從行為和行為所產(chǎn)生的效果兩方面來訓練神經(jīng)網(wǎng)絡，使其產(chǎn)生內部一致性，這也是智能體認知能力的一種體現(xiàn)。

10、
　　Agents間的交互是建模中的關鍵問題。Agents之間的交互涉及到模型整體的涌現(xiàn)結果，在建模過程中，既要考慮Agent的獨立性，又要考慮Agents間的交互。為此，引入ERA方案，自主開發(fā)基于ERA方案的一類復雜適應系統(tǒng)模型，模型中不僅保留了通過規(guī)則和一般數(shù)據(jù)仿照前后關系模型化的環(huán)境，而且還保留了在不同概念層次上具有個性化數(shù)據(jù)的Agent。模型設置了不同的規(guī)則管理器和規(guī)則生成器，規(guī)則管理器控制智能體的行為，規(guī)則生成器調整、

11、生成規(guī)則，一個規(guī)則生成器可以被多個規(guī)則管理器使用(如一個學習結果的運用)。這種模型設計方案，既保證了程序的模塊性，也保證了程序的可擴展性：當需要增加新類型智能體時，只需修改或增加相應的規(guī)則管理器和規(guī)則生成器就可以了。同時，為了更好地模擬真實系統(tǒng)，模型引入一類特殊的智能體book——訂單簿，負責接收并執(zhí)行買入、賣出定單。所有類型的智能體都向訂單簿智能體提交訂單，訂單簿在處理訂單過程的同時完成不同類型智能體之間的交互，克服了傳統(tǒng)股市研究方法

12、中引入分析專家干預市場的主觀行為。更重要的是，通過訂單簿智能體可以引入多支股票，其中每個訂單簿代表一支股票，從而克服了傳統(tǒng)股市研究中只有單股運行的缺陷。論文引入3支股票。
　　Swarm是一個實現(xiàn)了CAS理論、面向對象思想以及分布式人工智能技術三者綜合運用的仿真平臺。利用Swarm提供的強大功能，可以模擬從實際經(jīng)濟系統(tǒng)中抽象出來的模型，觀察其運行狀況及趨勢，從而為現(xiàn)實世界中的經(jīng)濟決策提供依據(jù)。論文探討在Swarm環(huán)境下進行一類復雜

13、適應系統(tǒng)仿真的技術和方法，并在Swarm仿真平臺下自主開發(fā)以股市為例的仿真程序，從而對一類復雜適應系統(tǒng)的復雜性進行仿真研究。通過設計多種類型的智能體對股市的實際運行情況進行仿真研究，模擬不確定環(huán)境下股市的動態(tài)演化過程，再現(xiàn)了許多通過傳統(tǒng)的研究方法很難得到而在真實系統(tǒng)中又確實存在的現(xiàn)象，從而驗證了用CAS理論與方法對一類復雜適應系統(tǒng)進行研究的可行性與有效性。為投資者的投資決策提供一定的參考。同時，對于研究類似復雜系統(tǒng)的研究者而言，論文的建