多主体仿真已经被广泛使用于行为金融学,一些基于ABM建模的仿真系统已经被提出。但是传统股票市场仿真系统运行在单机系统,仿真中主体(Agent)的数量受限于单机的计算能力,而金融研究人员为了获得更有效的数据需要的Agent数量越来越多,为了获得更智能的Agent需要仿真的轮次(round)越来越多。本文专注于大规模Agent、通讯系统和仿真调度提出了一个适用于股票市场的分布式的多主体仿真系统PSSPAM,包括通讯系统、Agent模块、市场中心模块和用户界面四个松耦合模块。Agent基于可以自定义的网络拓扑结构,通过通讯系统模块和其他Agent以及市场中心进行通信。本文提出了一个分布式round线程调度机制,对较大数量的Agent线程进行调度。为了提高分布式环境中带有可演化社交网络模型的PSSPAM仿真系统,节点间的负载均衡和节点间通讯总量都需要被考虑。本文提出一种处理调度方法LBMIC,在考虑节点间负载的不均衡性低于给定阈值并且节点间通信量尽量少的情况下将Agent划分并部署到不同的就按节点。LBMIC将上述问题转化为图划分问题并使用多层图划分算法来实现Agent的调度。当社交网络发生演化时,LBMIC通过迁移Agent来动态调整初始划分。本文进行了一些实验来验证PSSPAM仿真平台的有效性可扩展性。同时,实验还表明无论是LBMIC的初始划分还是网络演化时的动态调整,都能显著提高通讯密集型仿真的效率。最后,本文还提出一种面向分布式多主体股票市场仿真的规则驱动编程模型,以规则组合定义股票市场模型中的市场、主体和主体间交互网络,设计并实现了相应的插件式体系结构支持规则定制。