本文所研究的股票市场是一个复杂自适应系统。对它的研究仅采用纯粹数学理论的建模方法已经不能满足需求。当传统金融学对金融市场中的“波动之谜”、“股权溢价”等现象不能给出合理解释时，行为金融学应运而生。该理论通过研究投资者的认知心理，从而分析并解释发生在经济市场宏观表象背后的微观原因。上世纪90年代，人们又尝试了用计算机建模的方法来仿真现实的经济系统，圣塔菲研究所（Santa Fe Institution）建立的人工股市开了计算机金融学的先河。在此十年之后，美国的Holland教授提出的“复杂自适应系统”理论给人们进一步认识金融市场提供了新的思路，同时这也是人们在认识系统运动和演化规律上的一次飞跃。此外，“适应性造就复杂性”也成为人们研究人工金融市场的重要理论依据。当前关于人工股票市场的研究中，并没过多的考虑投资者的心理因素对其自身的投资策略和对整个股票市场的影响。因此，本文在对多Agent建模方法、复杂自适应系统、行为金融学及其中的从众行为理论进行分析的基础上，选取投资者心理因素中的从众心理并参考现实中股民的从众行为对其建模，使得模型更加接近现实。最终在Swarm平台上完成了一个基于从众行为的多Agent人工股票市场的建立。本文的创新之处在于：第一，将行为金融学中的从众行为抽象出来，运用基于Agent的建模方法建立本文所提出的基于从众行为的人工股市模型。第二，在投资者的分类问题上，本文并没有简单的将其分为纯粹的从众交易者或纯粹的理性交易者，而是用模糊数学的理论让投资者根据概率判断属于哪一类交易者，这更加接近现实中的投资者行为。第三，对模型中的投资者进行区域划分，即如果模仿则只能模仿圈子里的其他投资者，这有效的避免了模仿聚集现象的发生——所有投资者都去模仿某一个或两个投资者，同时这样建模与现实中投资者更愿意模仿自己能接触到或认识的投资者的情况更加接近。本文最后利用该模型进行了仿真实验，并从中收集到财富分布、交易量等仿真数据。实验中通过设计投资者从众概率的分布来研究从众行为对股票市场稳定性和活跃性的宏观影响。同时，模型的仿真实验中也再现了涨跌停板、无风险资产利率等对股票市场的影响，从而从计算机模拟的角度给出了相关理论的论证。