復雜網絡中的資產定價相關研究綜述

摘? 要：就資產定價理論研究而言，目前學術界已經從標準金融學過渡到了行為金融學的相關范疇。形成了行為金融資產定價、基于噪聲的資產定價模型、基于偏差的資產定價模型以及基于投資者情緒的資產定價理論等幾大理論。相關的研究更加重視信息傳遞以及投資者的風險厭惡以及情緒在資產定價中的影響。

關鍵詞：資產定價;信息網絡;行為金融;理性預期

金融市場的研究始終圍繞著股票的基本面信息被獲取的量以及股票價格如何反映投資者的信息而展開。Grossman和Stiglitz（1980）[1]最早使用理性預期模型來分析投資者對股票價值的信息獲取的動機。Admati（1985）[2]則將風險資產的數量進行了擴張，推導出了基于多資產的噪聲理性預期均衡的封閉式解。在此后的研究中，復雜網絡被用于分析資產定價問題。

在理論研究不斷豐富和復雜網絡方法不斷發(fā)展的基礎上，學者們開始圍繞著復雜網絡探究資產定價和市場信息效率問題。Colla和Mele（2010）[3]開始研究一種特定的網絡結構，即周期性網絡，對資產定價的影響。資產的價格、波動性以及流動性容易受到交易者之間的信息交流的影響。資產的交易量和價格的信息量會隨著交易者之間的信息關聯(lián)而上升。Ozsoylev和Walden（2011）[4]則是在噪聲理性預期資產定價模型中，引入了信息網絡。文中的信息網絡是一種稀疏的且具有冪律度分布的網絡，與大規(guī)模社會網絡具有相同的特征。作者推導出了關于網絡連通性的價格波動性、市場有效性、資產的收益情況、交易量以及社會福利的封閉式表達式。Andrei（2012）[5]對理性預期模型進行了擴展，提出了可控制的動態(tài)理性預期模型，并基于該模型解釋了資產價格的突變后伴隨的持續(xù)高波動性現象。Han和Yang（2013）[6]基于理性預期均衡模型研究信息網絡中的金融產出。在固定經濟中的信息量的情況下，網絡交流會提高市場效率、降低了資金成本、增加了流動性和交易量。實證研究方面，Manela（2014）[7]提出了非對稱信息資產定價模型，分析了不同的信息擴散速度是如何影響投資者的價值。Walden（2019）[8]通過引入動態(tài)噪聲理性預期模型，研究均衡狀態(tài)下，不同網絡結構的代理人的交易特征以及最終的收益情況。Wang et al.（2019）[9]模擬了在信息網絡框架下，當代理人數量不變或趨于無窮大時的資產定價問題。當代理人數為常數時，風險厭惡系數越高，信息不確定性越低以及波動率標準方差越大。當代理人趨于無窮時，較高的網絡連接度或較低的風險厭惡系數會導致較高的信息驅動波動分量和較低的夏普比率。

在金融領域中，復雜網絡研究視角極大地推動人類對金融經濟體系認識的深化。在一些實證證據的支持下，研究者開始研究市場信息效率和資產定價是如何依賴于社會網絡結構的。因此，網絡中的資產定價問題逐步進入人們的視野。

參考文獻：

[1].Grossman S. J.， Stiglitz J. E. On the Impossibility of Informationally Efficient Markets[J]. The American Economic Review， 1980， 70（3）： 393-408.

[2].Admati A. R. A Noisy Rational Expectations Equilibrium for Multi-asset Securities Markets[J]. Econometrica， 1985， 53（3）： 629-657.

[3].Colla P.， Mele A. Information Linkages and Correlated Trading[J]. Review of Financial Studies， 2010， 23（1）： 203-246.

[4].Ozsoylev H. N.， Walden J. Asset Pricing in Large Information Networks[J]. Journal of Economic Theory， 2011， 146（6）： 2252-2280.

[5].Andrei D. Information Percolation Driving Volatility[J]. Social Science Electronic Publishing， 2016.

[6].Han B.， Yang L. Social Networks， Information Acquisition， and Asset Prices[J]. Management Science， 2013， 59（6）：1444-1457.

[7].Manela A. The value of diffusing information[J]. Journal of Financial Economics， 2014， 111（1）：181-199.

[8].Walden J. Trading， Profits， and Volatility in a Dynamic Information Network Model[J]. The Review of Economic Studies， 2019， 86（5）： 2248-2283.

[9].Wang W.， Zhang J.， Zhao S.， et al. Simulation of asset pricing in information networks[J]. Physica A-statistical Mechanics and Its Applications， 2019： 620-634.

作者簡介：王文濤（1994- ），男，漢族，江西南昌人，博士。主要研究方向：金融工程.