随着复杂性科学的研究深度和广度不断提升,越来越多的学者和研究人员将复杂性的概念引入到金融市场研究中来。而作为一个复杂巨系统,金融市场的复杂性特征有其独特的表现,如收益率的过度波动、尖峰厚尾、分形以及波动聚集效应等特征。这些复杂性特征的发现动摇了有效市场假说的理论基础,也对传统的金融学研究范式提出了巨大挑战。为了探究这些复杂性特征背后的成因,也为了发展更加符合现实金融市场的理论和模型,一种结合计算机技术、复杂性科学以及行为金融学理论的交叉性学科悄然兴起,这就是基于Agent的计算经济学(ACE)。它通过自下而上的建模方法,利用计算机的高速信息处理能力,建立起人工股市,实现对现实金融市场的高度仿真,成为可以用来指导金融市场监管和政策制定的“经济实验室”;另外,通过对人工股市中投资者个体决策机制和群体间传染影响机制的研究,不仅有利于揭示资产价格发现和形成机制,而且对于完善市场结构和市场化运行机制,加强市场监管体制建设,规范交易者行为,保护投资者利益,都具有积极的意义。本文首先对国内外对基于Agent人工股市建模的研究现状进行了评述,在此基础上研究了相关理论,包括复杂性科学理论、无标度网络理论以及基于Agent建模的方法。在构建人工股市改进模型时,首先研究了投资者的有限理性和异质性这一基本问题,并通过数据说明了不同国家和地区投资者的投资理性存在差异,随后提出了改进模型的基本假设。模型通过引入无标度网络对网络拓扑结构进行了改进,并据此设计了Agent的相互影响系数,从而使投资者的决策函数更加符合现实。结合投资者对股票基本价值的确定方法和市场的定价机制,本文通过Matlab编程对模型进行了仿真。仿真实验结果表明:无标度的网络拓扑结构更加符合实际股票市场的人际关系;作为“枢纽”的投资者将对市场产生较大的影响力;股票市场的部分复杂性特征可以通过模型的微观机理设计得到解释。本文建立的改进人工股市模型在一定程度上实现了对真实股票市场的模拟,这表明基于Agent和无标度网络的改进人工股市建模方法是有效的,从而模型的应用价值分析也具有重要的现实意义和相当的针对性。