论文部分内容阅读
计算实验金融学研究中的构建人工股票市场,核心问题是主体的学习机制的设计,学习机制是主体理性不同的体现。随着大量学习模型的理论研究的涌现,采用实际的、高质量的实验数据来对模型进行校验研究的重要性也日益凸显。本文实际采用人类主体实验的方法获得投资者学习过程的股价序列,来校验计算实验金融里Roth-Erve学习模型中的遗忘参数和类比参数。通过在一定区间内改变学习模型参数的大小,得到拟合性相对高、适应性较强的投资者学习过程的模型参数。本文首先从计算实验金融研究的整体研究高度出发,详细探讨了Roth-Erve学习模型在此领域研究的起源、发展和重要应用意义,以及应运而生的学习模型的校验研究。并通过文献的梳理和对问题的理解,提出了采用适应我国投资者学习心理和过程的人类主体实验对学习模型校验的观点。因为校验学习模型的本质是从心理学角度出发的,单纯的将西方的理论套用在我国投资者上,其科学性和可行性是值得质疑的。通过基于实验经济学软件z-Tree,结合Hommoes提出的“学习并预测的主体实验”(LtFEs)的实验原理,设计了符合本国投资者心理特征的人类主体实验,实验后获得了股价序列等相关数据。同时,也基于MATLAB软件设计了采用Roth-Erve学习模型的计算金融实验,模拟投资者的投资决策过程,同样收集股价序列等数据。通过调整学习模型的参数值,来控制学习模型的拟合效果,进而探析如何设置学习模型参数能够更好的模拟我国投资者的心理特征和学习过程。实验结果表明,本文设计的人类主体实验得到具有收敛和阻尼振动特征的两类股价序列。当价格序列收敛时,说明本实验所构造的异质投资者条件和自适应的学习过程是有效的,能够达到类似理性预期均衡的状态;通过计算金融实验,用Roth-Erve学习模型对两类股价序列进行模拟,能够找到拟合性高的解,并结合四个选项的实际意义,分析了学习过程和股价序列特征的理论原因;最后,在给定的参数区间内,通过改变参数而进行拟合性高低的比较,可以找到相对本国投资者适应性更高的参数值。这为计算实验金融的应用,提供了更适应本国投资者的学习模型。