股票市場風(fēng)險成因及傳染：基于多主體仿真研究

鄔松濤， 何建敏

（東南大學(xué) 經(jīng)濟(jì)管理學(xué)院，江蘇 南京211189）

一、引 言

價格波動本是股票市場發(fā)揮“晴雨表”作用的應(yīng)有之意，但受諸多因素影響近幾年牛熊市轉(zhuǎn)換頻繁并夾雜著短期內(nèi)的劇烈震蕩，由此導(dǎo)致股票參與主體面臨前所未有的潛在損失，同時亦不利于股票市場本身的健康發(fā)展。研究股票市場風(fēng)險形成及傳播機(jī)制對參與者和相關(guān)監(jiān)管部門具有重要意義。自Bollerslev在Engle的基礎(chǔ)上提出GARCH（generalized autoregressive conditional heteroskedasticity）模型后［1］，對金融時間序列高峰厚尾、波動聚集等特征的擬合精度得以提高且解決了高階回歸計算不便的問題。此后，GARCH類模型成為金融市場風(fēng)險度量和預(yù)測的重要手段，此外風(fēng)險溢出效應(yīng)也是其主要應(yīng)用領(lǐng)域，如股指期貨與現(xiàn)貨之間的風(fēng)險溢出［2］、宏觀經(jīng)濟(jì)變動對股市風(fēng)險溢出效應(yīng)［3］、國際“熱錢”對中國股市風(fēng)險溢出效應(yīng)等［4］。關(guān)于風(fēng)險溢出的解釋有“經(jīng)濟(jì)基礎(chǔ)假說”和“風(fēng)險傳染假說”，上述實(shí)證研究在風(fēng)險度量和溢出在“經(jīng)濟(jì)基礎(chǔ)假說”方面提出了很多有益見解，但對于風(fēng)險究竟怎樣由“人的因素”傳染方面未能給出具有說服力的解答。

第一個人工股票市場（SFI－ASM）模型是圣塔菲研究所于1989年為研究具有自適應(yīng)的Agent在復(fù)雜系統(tǒng)中的交互能否形成市場中理性預(yù)期均衡而建立。Arthur等學(xué)者利用SFI－ASM對資產(chǎn)定價的研究則進(jìn)一步拓展了人工股票市場的研究范圍。隨著認(rèn)知心理學(xué)、人工智能和計算機(jī)技術(shù)的發(fā)展以及演化經(jīng)濟(jì)學(xué)研究范式逐漸被學(xué)界接受，學(xué)者運(yùn)用仿真方法對股票市場相關(guān)問題進(jìn)行了大量探討。Chiarella和He在文中引入了基本面交易者和趨勢交易者，發(fā)現(xiàn)不同類型投資者的風(fēng)險規(guī)避態(tài)度與學(xué)習(xí)對股票價格運(yùn)行動態(tài)有明顯影響［5］；楊敏和馬進(jìn)勝在市場價格由超額需求或供給決定的情況下研究了“大小非”解禁拋售股票數(shù)量對價格波動的影響［6］；李悅雷等在連續(xù)雙向拍賣人工股市平臺上進(jìn)行仿真實(shí)驗，發(fā)現(xiàn)股市最小報價單位的減少可降低市場流動性風(fēng)險［7］；袁建輝等在單一股票和類似做市場出清機(jī)制條件下，發(fā)現(xiàn)模仿導(dǎo)致顯著的羊群行為并對股票價格波動產(chǎn)生顯著影響［8］；卞曰瑭等進(jìn)一步證明了羊群效應(yīng)與近鄰擇優(yōu)函數(shù)的凹凸性以及Agent所處的網(wǎng)絡(luò)結(jié)構(gòu)有關(guān)［9］；Wilhite則重點(diǎn)對人工市場中小世界網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了相關(guān)研究［10］。然而，越來越復(fù)雜的人工市場設(shè)計讓學(xué)者們開始反思人工股票市場表現(xiàn)出的復(fù)雜性究竟是對真實(shí)市場逼真的模擬，還是由模型本身設(shè)計的復(fù)雜性所導(dǎo)致［11］。對此，零智能學(xué)派的代表人物Gode和Sunder認(rèn)為，即使是零智能投資者在既定市場機(jī)制下的投資行為所形成的市場特征也與真實(shí)市場高度吻合，而與投資者是否智能無關(guān)［12］。我國學(xué)者關(guān)于市場微觀機(jī)制對價格波動影響的研究也支持這一觀點(diǎn)［13］。

回顧上述文獻(xiàn)發(fā)現(xiàn)，實(shí)證研究在股票風(fēng)險度量和溢出的研究成果不可謂不豐富，然而在對風(fēng)險成因的解釋上卻存在一定局限性?；谌斯す善笔袌龅姆抡嫜芯堪l(fā)現(xiàn)，投資者類型、學(xué)習(xí)、交互網(wǎng)絡(luò)以及股市環(huán)境均對價格波動有重要影響，但過于復(fù)雜的Agent及市場設(shè)計易引起爭議，同時現(xiàn)有的研究多從異質(zhì)投資者微觀行為或微觀市場結(jié)構(gòu)出發(fā)，而在一定程度上忽視了投資者群體的宏觀行為趨勢。最重要的是只針對一只股票的風(fēng)險進(jìn)行研究并未涉及風(fēng)險如何傳染問題。因而本文構(gòu)建包含兩只股票的人工市場，逐步引入資金面、投資者人數(shù)變化等宏觀因素，研究不同類型股票的風(fēng)險成因及其傳染問題，為相關(guān)機(jī)構(gòu)的政策頒布和股市動態(tài)監(jiān)控以及投資者時機(jī)和策略選擇提供一定依據(jù)。

二、基本市場結(jié)構(gòu)及投資者設(shè)計

1.市場結(jié)構(gòu)與出清機(jī)制

假設(shè)市場中存在兩種類型資產(chǎn)，一類無風(fēng)險資產(chǎn)為固定收益?zhèn)涔┙o量無限，收益率為r；另一類風(fēng)險資產(chǎn)為股票，一種股票為大盤股，假設(shè)其內(nèi)在價值由服從一階自回歸過程dt＝＋ρ（dt－1－d）＋εt的股息｛dt｝和固定債券利率決定，其中dt為當(dāng)期股息、dt－1為前期股息、為股息均值、ρ為回歸系數(shù)、εt為服從N（0，σ2）的隨機(jī)波動；另一種股票為小盤股，假設(shè)其內(nèi)在價值服從漂移率為0，波動率為σ32的幾何布朗運(yùn)動［14］。仿真初始時刻市場中有N個Agent，其持有大盤股和小盤股的數(shù)量分別服從U［0，n1］和U［0，n2］分布，其中n1＞n2＞0，現(xiàn)金持有量服從U［0，c］分布。Agent個數(shù)在市場運(yùn)行中根據(jù)進(jìn)入與退出機(jī)制不斷變化，且新進(jìn)入Agent現(xiàn)金持有量服從U［c1，c2］分布。

在市場出清機(jī)制上，采用與我國股市吻合的連續(xù)雙向拍賣（continuous double auction，簡稱CDA）機(jī)制，其特征主要表現(xiàn)在成交價格與成交量形成上。在價格方面，遵循“價格優(yōu)先，時間優(yōu)先”原則，即較高價格的買入申報優(yōu)先于較低價格的買入申報，較低價格的賣出申報優(yōu)先于較高價格的賣出申報。如果買賣方向相同、價格相同，先提交的申報訂單優(yōu)先于后提交的申報訂單。因此，最優(yōu)賣價訂單為價格最低且到達(dá)訂單薄的時間最早的訂單；最優(yōu)買價訂單為價格最高且到達(dá)訂單薄的時間最早的訂單。在成交量方面，采取逐筆交易處理，由買量和賣量中最低者決定，若完全成交則將訂單從訂單薄中刪除；若部分成交，則剩余訂單仍保留在訂單薄中，等待新的交易或交易日結(jié)束，即假設(shè)Agent沒有撤單操作。

2.投資者預(yù)期價格、買賣數(shù)量及報價

（1）預(yù)期價格

Agent預(yù)期價格的形成由三種成分——價值交易者成分、圖形交易者成分和噪聲交易者成分共同決定［15］。價值交易者以股票的內(nèi)在價值為交易準(zhǔn)則；圖形交易者在實(shí)踐中的買賣策略形成較為復(fù)雜，本文僅假設(shè)其為趨勢交易者，分為趨勢追逐交易者和趨勢反轉(zhuǎn)交易者兩種情況，“追逐”與“反轉(zhuǎn)”的選擇取決于以下三個要素：投資者記憶長度范圍的移動平均價格、移動平均價格前一期的基準(zhǔn)價格以及投資者對股票內(nèi)在價值的信念；噪聲交易者的價格預(yù)期為隨機(jī)。因此，投資者i對t＋1時期的預(yù)期價格可表示為：

（2）需求數(shù)量及買賣方向

在預(yù)期價格形成后，根據(jù)投資者短視假設(shè)，由CARA（constant absolute risk aversion）效用函數(shù)得出對各股票的需求數(shù)量，進(jìn)而基于已持有股票數(shù)量得出買賣方向。CARA效用函數(shù)為：

其中，Wi是投資者i的財富值；αi是相對風(fēng)險厭惡系數(shù)，本文假設(shè)其遵循兩個變化過程。第一，αi，t＝αk（1＋／（1＋），k＝1，2，即投資者價值交易者權(quán)重越大越表現(xiàn)出風(fēng)險規(guī)避傾向，其中，αk為初始風(fēng)險厭惡系數(shù)；第二為t期股票結(jié)算價，p為股票基準(zhǔn)價格，取Agent記憶長度前一交易日結(jié)算價格。由該式可看出，股價相對于基準(zhǔn)價格越低，則投資者的風(fēng)險厭惡系數(shù)越低，這種設(shè)置與現(xiàn)實(shí)中投資者偏向于投資低價格股票的情形相符。

本文投資者財富由兩種股票和一個固定收益?zhèn)瘶?gòu)成，在不考慮股息的情況下投資者i在t＋1時刻的財富可以表示為：

W、p和z分別表示投資者財富、股價和股票持有量；變量上標(biāo)代表第1和第2種股票；下標(biāo)為第i個投資者和第t及t＋1時刻；r為固定收益?zhèn)找媛省Ｔ谪敻患s束的情況下，通過最大化效用函數(shù)得到投資者對股票的需求量。投資者尋求投資在各個風(fēng)險資產(chǎn)中的數(shù)量（j＝1，2），使在t時刻對t＋1時刻的期望效用Ei，t［－exp（－αi，t＋1Wi，t＋1）］最大化，即等同于下式：

（3）訂單報價

得到買賣數(shù)量及方向后，投資者將根據(jù)訂單薄所揭示的價格信息確定買賣報價。根據(jù)我國股市實(shí)際情況，本文人工市場假設(shè)Agent只能看到五檔口所揭示的市場行情范圍。買一到買五的報價分別為b1，b2，b3，b4，b5，賣一到賣五的報價分別為a1，a2，a3，a4，a5，且b5＜b4＜b3＜b2＜b1＜a1＜a2＜a3＜a4＜a5，每個報價間隔為0.01。Agent將根據(jù)訂單薄所揭示的行情，并在漲跌幅范圍內(nèi)確定報價，即買入報價范圍為［b5，a1］，賣出報價范圍為［b1，a5］。若Agent買入訂單報價為a1，則和賣出報價為a1的Agent進(jìn)行撮合成交；若買入訂單報價為b1，則等待報價為b1的買入訂單進(jìn)行成交；若為其他價格的賣出或買入訂單，則被存儲在訂單薄中等待被成交。

在假設(shè)的買賣報價時，本文沒有采取隨機(jī)確定報價的方式，而是假設(shè)價值交易者為了達(dá)到盡快成交的目的，傾向于提交接近當(dāng)前成交價格的訂單；而趨勢交易者則預(yù)期價格在一天內(nèi)也會出現(xiàn)短暫的均值回歸現(xiàn)象，因而更可能提交偏離當(dāng)前成交價格的訂單。因此，Agent的買賣報價可根據(jù)隨機(jī)得到的價值交易者權(quán)重和趨勢交易者的權(quán)重表示為：

其中，pa為賣出報價，pb為買入報價，［·］Δ為將數(shù)值取為小數(shù)點(diǎn)后兩位。由前文知1，當(dāng)→1時→0，此時Agent為完全價值交易者，因此，pa＝b1，pb＝a1，無論是買入還是賣出訂單都能盡快被撮合；當(dāng)→1時→0，此時Agent為完全趨勢交易者，此時pa＝b1＋0.05，pb＝a1－0.05，趨勢交易者為得到更優(yōu)成交價格需等待價格向有利于自身的報價方向變化。

至此，市場資產(chǎn)構(gòu)成、出清機(jī)制、Agent的價格預(yù)期形成、各股票買賣數(shù)量及方向和報價設(shè)計完成。另外，本文考慮了一種不同于以上規(guī)則的特殊情形，即“割肉”。當(dāng)投資者的當(dāng)期財富低于初始財富一定比例時，投資者會以設(shè)定概率選擇是否割肉，當(dāng)選擇割肉時投資者將表現(xiàn)出非理性行為——以訂單薄即時成交價格賣出所持有的全部股票，且存在撤單再賣出操作，直至清倉或當(dāng)天交易結(jié)束。

三、動態(tài)演化機(jī)理

投資者之間模仿行為是市場中個體演化的最基本要素之一，在本文人工市場中模仿具體要素包括以下三個方面：三種交易者成分權(quán)重；買賣訂單報價和記憶長度；投資者對兩種股票內(nèi)在價值的認(rèn)知和移動平均價格的計算。研究表明，人際間關(guān)系網(wǎng)絡(luò)符合復(fù)雜網(wǎng)絡(luò)特性，其中介于規(guī)則網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)之間的小世界網(wǎng)絡(luò)能準(zhǔn)確刻畫其特征。本文借鑒Watts和Strogatz于1998年提出的W－S小世界模型構(gòu)建規(guī)則，首先假設(shè)Agent之間的網(wǎng)絡(luò)為每個節(jié)點(diǎn)有10個鄰居的規(guī)則晶格網(wǎng)格，然后每條邊以0.1的概率進(jìn)行重連。具體模仿過程在以自身為節(jié)點(diǎn)、路徑長度為1的人際關(guān)系網(wǎng)絡(luò)中進(jìn)行，即Agent只模仿“鄰居”的投資策略，而不向鄰居的鄰居尋求幫助。在每一交易期結(jié)束時計算模仿范圍內(nèi)各投資者的利潤，投資者將以0.5的概率選擇是否模仿獲利最高投資者的策略。當(dāng)投資者選擇進(jìn)行模仿時，考慮到投資者對不同類型的股票持有不同態(tài)度，假設(shè)其將以0.5的權(quán)重模仿獲利最高者大盤股的投資策略，以0.8的權(quán)重模仿其小盤股的投資策略；當(dāng)投資者選擇不進(jìn)行模仿時，其以相同的概率保留原策略或進(jìn)行自我策略更新。同一范圍內(nèi)的獲利最高者則不模仿他人進(jìn)行策略，其將斷開與獲利最低者的鏈接，在市場中隨機(jī)選擇一個投資者并建立聯(lián)系，以期在下期獲得更好的投資建議。

現(xiàn)實(shí)中投資者不斷進(jìn)入和退出股票市場，本文通過以下設(shè)計將這一機(jī)制引入人工市場中。當(dāng)某投資者的累積獲利達(dá)到初始財富的0.2時便會吸引1個投資者入場，新投資者與其具有相同的人際關(guān)系網(wǎng)絡(luò)，且他們之間存在一條“關(guān)系邊”。這種引入機(jī)制的設(shè)計基礎(chǔ)是，獲利投資者的財富效應(yīng)會首先在已有的朋友圈中發(fā)生，并吸引好友進(jìn)入市場進(jìn)行投資，因此他們有共同的人際關(guān)系網(wǎng)絡(luò)。退出機(jī)制則通過虧損情況進(jìn)行設(shè)定，本文假設(shè)當(dāng)投資的當(dāng)期財富在初始財富的0.7～0.8之間時，投資者被套牢，此時不進(jìn)行買入和賣出操作，僅持有已有股票和現(xiàn)金。當(dāng)財富在0.6～0.7、0.5～0.6以及0.5以下時，投資者以0.5、0.6、0.7的概率“割肉”，當(dāng)持有股票全部賣出時，該投資者退出市場。

宏觀經(jīng)濟(jì)或貨幣政策是選擇是否進(jìn)行股票投資時需要考慮的基本因素之一，本文同樣考慮由于資金量變化帶來的流動性差異對市場造成的影響。通過設(shè)定，每隔100期從市場Agent中抽取或注入等量資金，具體操作如下：在第100期時，將每個Agent手中的現(xiàn)金數(shù)量減半，若投資者的資產(chǎn)全部為股票則不進(jìn)行此項操作；在第200期時，將每個Agent持有的現(xiàn)金加上第100期減少的部分，以此保持投資者初始資產(chǎn)數(shù)量的穩(wěn)定，并在后繼每隔100期時進(jìn)行同樣操作。

四、仿真實(shí)驗及結(jié)果分析

在進(jìn)行仿真之前需要對市場狀態(tài)和投資者的初始狀態(tài)進(jìn)行一定設(shè)置。本文人工市場參數(shù)如下：初始Agent個數(shù)N＝200，大盤股持有量參數(shù)n1＝100，小盤股持有量參數(shù)n2＝50，初始現(xiàn)金持有量參數(shù)c＝2000，以上參數(shù)設(shè)置在所列參考文獻(xiàn)中均不完全相同，本文綜合上述文獻(xiàn)以及本人工市場特征進(jìn)行確定。新進(jìn)入投資者初始現(xiàn)金持有量參數(shù)c1＝200，c2＝2000，從而新進(jìn)入市場的投資者現(xiàn)金與原有投資的現(xiàn)金和股票財富總量大體一致。大盤股記憶參數(shù)l1＝66、m1＝10、s1＝1；小盤股記憶參數(shù)l2＝22、m2＝5、s2＝1；其中66、22、10、5、1分別為一個季度、一個月、兩周、一周、一天的記憶長度。漲跌幅限制L＝±0.1為參考實(shí)際情況。文中μ4為市場股息，μ5為市場波動率。其他參數(shù)主要參考了文獻(xiàn)［7］和文獻(xiàn)［11］中的設(shè)置，見表1。

表1 市場及投資者初始參數(shù)設(shè)定

為分析基本市場狀態(tài)運(yùn)行結(jié)果及動態(tài)演化機(jī)理對人工市場的影響，本文在NetLogo平臺中通過逐步加入演化機(jī)理的方式進(jìn)行四次不同仿真實(shí)驗，具體實(shí)驗設(shè)計見表2。

表2 具有不同演化機(jī)理的實(shí)驗對照

圖1 具有不同演化機(jī)理的實(shí)驗運(yùn)行結(jié)果

圖1中分別給出了實(shí)驗1、實(shí)驗2、實(shí)驗3以及實(shí)驗4在500個時間步后的股票價格仿真運(yùn)行結(jié)果。從圖中可以看出，隨著表2中動態(tài)演化要素的逐步加入，人工市場中的股票價格表現(xiàn)出愈發(fā)豐富的運(yùn)行狀態(tài)。首先，在無任何動態(tài)演化機(jī)制情況下，當(dāng)股票價格下跌至均衡價格后隨即圍繞其上下波動，且在價格上風(fēng)險大的股票始終低于風(fēng)險小的股票。表明在無情緒傳染以及其他外部因素影響的情況下，投資者部分地表現(xiàn)出“有效市場假說”的相對理性行為，同時也佐證了本文人工市場設(shè)計的有效性；其次，投資者基于人際網(wǎng)絡(luò)的模仿機(jī)制加劇了股票價格短期震蕩，同時使之呈現(xiàn)出時間周期更長的大幅波動，模仿所導(dǎo)致的跟風(fēng)行為使風(fēng)險較大的小盤股出現(xiàn)價格超過大盤股價格的現(xiàn)象；再次，在股票內(nèi)在價值不變以及投資者對股票的價格預(yù)期機(jī)制穩(wěn)定的情況下，進(jìn)入股票市場的投資者數(shù)量增加并未推動股價上漲，而投資者退出市場的行為則擴(kuò)大股價短期內(nèi)的下跌幅度，這種情況在風(fēng)險較大的小盤股上表現(xiàn)尤為明顯；最后，資金周期性寬松或緊缺（見圖2）進(jìn)一步加大了整個市場的波動幅度，且資金變化周期明顯影響著大盤股的運(yùn)行態(tài)勢。

為進(jìn)一步厘清動態(tài)演化機(jī)理對人工市場中股票價格運(yùn)行的影響，將包含全部動態(tài)演化要素的實(shí)驗4運(yùn)行至1000個時間步長，并重點(diǎn)分析市場中投資者數(shù)量增加或減少與資金面的寬松或緊縮對兩種股票運(yùn)行狀態(tài)及其相關(guān)關(guān)系的作用。圖2中分別給出了大盤股價格、小盤股價格、市場總資金變動、投資者總?cè)藬?shù)及變動個數(shù)的仿真結(jié)果。從圖2可看出，資金周期性寬松或緊缺及投資者進(jìn)入或退出對市場運(yùn)行的影響。首先，在資金變化周期方面，其對內(nèi)在價值由較為穩(wěn)定的股息和固定利率決定的大盤股影響較為顯著，且由于需要通過股票交易來體現(xiàn)這種股價對資金量的反映，相對于資金變化周期來講股價變化存在一個滯后期，而內(nèi)在價值服從幾何布朗運(yùn)動的小盤股股價運(yùn)行則更多地受到非基本面的影響；在資金變化數(shù)量方面，由于在本文人工市場中股票內(nèi)在價值及投資者價格預(yù)期機(jī)制不變的假設(shè)下，并未使股價出現(xiàn)隨著資金增加而不斷突破前期高點(diǎn)的情況。其次，在投資者進(jìn)入與退出市場方面，當(dāng)投資者對股票的價格預(yù)期機(jī)制不變時，人數(shù)的增加也未推高股票價格；相反在退出機(jī)制作用下，一只股票價格下跌引發(fā)的投資者退出則與另一種股票“崩盤”現(xiàn)象有關(guān)，如大盤股價格在第146和478個時間步開始下跌，進(jìn)而引起投資者財富下降達(dá)到文中設(shè)定閾值并退出市場，進(jìn)一步導(dǎo)致小盤股在第178和538個時間步開始快速下跌。這一機(jī)理表明，在股票市場中某些股票之間雖無實(shí)質(zhì)性關(guān)聯(lián)，但同時持有該股票組合的投資者行為卻可能成為風(fēng)險傳染渠道。

五、結(jié)論和建議

股票市場伴隨著投資者模仿、進(jìn)入或退出市場、資金面的寬松或緊缺而運(yùn)行，本研究運(yùn)用仿真方法將以上因素納入含兩種股票和一種無風(fēng)險資產(chǎn)的人工市場中。為重點(diǎn)研究宏觀動態(tài)演化機(jī)制對兩種股票及其相關(guān)關(guān)系的影響，本文舍棄了以市場微觀結(jié)構(gòu)為研究重點(diǎn)的ZI（zero intelligence）假設(shè)以及強(qiáng)調(diào)投資者異質(zhì)性的人工智能決策機(jī)制，轉(zhuǎn)而假設(shè)投資者具有普通混合交易策略，并以我國股票市場微觀結(jié)構(gòu)和出清機(jī)制為藍(lán)本進(jìn)行仿真實(shí)驗。通過逐步引入演化機(jī)制設(shè)計多組仿真實(shí)驗，對參照組和實(shí)驗組對比分析得出如下結(jié)論：

圖2 投資者進(jìn)出與資金變動對股價影響

第一，在無任何動態(tài)演化機(jī)理的情況下市場運(yùn)行狀態(tài)平穩(wěn)，股票價格在達(dá)到均衡狀態(tài)后圍繞其上下波動，且風(fēng)險大的股票價格始終低于風(fēng)險小的股票價格。表明本文人工市場表現(xiàn)出“有效市場假說”的部分特征，也是本文實(shí)驗設(shè)計有效性的有力佐證。

第二，投資者模仿行為在股市波動的形成中起重要作用，且在投資者對一只股票的需求量同時由另一只股票信息共同決定的機(jī)制下，股票間的波動呈現(xiàn)一定的相關(guān)性。因此，相關(guān)監(jiān)管部門需密切關(guān)注互聯(lián)網(wǎng)等信息平臺上的股市虛假傳聞，避免投資者盲目跟風(fēng)。關(guān)注起參照作用的“風(fēng)向標(biāo)”股票最新動態(tài)對于把握股市整體行情具有參考意義。

第三，在投資者進(jìn)入市場方面，若投資者對股票的內(nèi)在基本價值預(yù)期不變，其數(shù)量的增加并未推動股價進(jìn)一步上漲，也不會累積市場風(fēng)險；在投資者退出市場方面，市場中資金減少將首先引起對基本面敏感的股票價格下跌，并由此導(dǎo)致投資者財富減少至預(yù)定值時，其將拋售所持有的另一種股票從而退出股票市場，此時雖然股票間無實(shí)質(zhì)性關(guān)聯(lián)，卻由于持有該股票組合的投資者退出市場形成了風(fēng)險傳染渠道。

第四，內(nèi)在價值由股息和利率決定的“價值型”股票對資金的周期性變化較為敏感，呈現(xiàn)出類似的波動周期，而內(nèi)在價值服從幾何布朗運(yùn)動的股票價格波動情況更多地受到非基本面因素的影響。由于投資者對股票的價格預(yù)期和買賣方向并未改變，市場中資金量的增加或減少并不會立即導(dǎo)致股價的上漲和下跌，只能通過交易行為逐步將資金變化信息融入股價中，這為貨幣政策實(shí)施與股票價格變動的時間關(guān)系提供了一種新的解釋視角。

［1］BOLLERSLEV T.Generalized autoregressive conditional heteroskedasticity［J］.Journal of Economentrics，1986，31（3）：307－327.

［2］梁朝暉.股指期貨上市對現(xiàn)貨市場的影響——來自中國的實(shí)證研究［J］.大連理工大學(xué)學(xué)報（社會科學(xué)版），2012，33（1）：14－18.

［3］謝尚宇，姚宏偉，周勇.基于ARCH－Expectile方法的VaR和ES尾部風(fēng)險測量［J］.中國管理科學(xué)，2014，22（9）：1－9.

［4］李浩宇，顧鋒娟.風(fēng)險傳導(dǎo)、資本流入與股市波動——基于滬深300指數(shù)的實(shí)證研究［J］.證券市場導(dǎo)報，2013，（4）：34－37.

［5］CHIARELLA C，HE X Z.Heterogeneous beliefs，risk and learning in a simple asset pricing model［J］.Computational Economics，2002，19（1）：95－132.

［6］楊敏，馬進(jìn)勝.基于主體的人工股市建模及其實(shí)證研究［J］.管理科學(xué)學(xué)報，2010，13（5）：91－96.

［7］李悅雷，張維，熊熊.最小報價單位對市場流動性影響的計算實(shí)驗研究［J］.管理科學(xué)，2012，25（1）：92－98.

［8］袁建輝，鄧蕊，曹廣喜.模仿式羊群行為的計算實(shí)驗［J］.系統(tǒng)工程理論與實(shí)踐，2011，31（5）：855－862.

［9］卞曰瑭，李金生，何建敏，等.網(wǎng)絡(luò)近鄰擇優(yōu)策略下的股市羊群行為演化模型及仿真［J］.中國管理科學(xué)，2013，21（3）：41－49.

［10］HEIN O，SCHWIND M，SPIWOKS M.Frankfurt artificial stock market：a microscopic stock market model with heterogeneous interacting agents in small－world communication networks［J］.Journal of Economic Interaction and Coordination，2008，3（1）：59－71.

［11］MANABOV V，HUDSON R.A note on the relationship between market efficiency and adaptability－New evidence from artificial stock markets［J］.Expert Systems with Applications，2014，41（16）：7436－7454.

［12］GODE D K，SUNDER S.What makes markets allocationally efficient［J］.DQuarterly Journal of Economics，1997，112（2）：603－630.

［13］吳術(shù)，李心丹，張兵.基于計算實(shí)驗的賣空交易對股票市場的影響研究［J］.管理科學(xué)，2013，26（4）：70－78.

［14］LI Y L，ZHANG W，ZHANG Y J，et al.Calibration of the agent－based continuous double auction stock market by scaling analysis［J］.Information Science，2014（256）：46－56.

［15］CHIARELLA C，IORI G，PERELL J.The impact of heterogeneous trading rules on the limit order book and order flows［J］.Journal of Economic Dynamics and Control，2009，33（3）：525－537.