復(fù)雜性科學(xué)視角下的金融研究新進(jìn)展

摘要： 為解決基于均衡分析的新古典金融理論和行為金融理論在揭示金融危機(jī)機(jī)理和秩序涌現(xiàn)等方面的不足，更好地刻畫大規(guī)模金融系統(tǒng)的復(fù)雜性特征，從現(xiàn)有理論的困境和引入復(fù)雜性科學(xué)的原因入手，著重總結(jié)和論述了多主體模擬和復(fù)雜網(wǎng)絡(luò)分析兩個復(fù)雜性科學(xué)的基本理論工具在金融研究中取得的進(jìn)展，提出了復(fù)雜性科學(xué)在金融研究中的發(fā)展趨勢，為新時期復(fù)雜金融系統(tǒng)的理論研究和政策應(yīng)用提供了方法論基礎(chǔ)和分析工具參考。

關(guān)鍵詞： 復(fù)雜性科學(xué);金融系統(tǒng);多主體模擬;復(fù)雜系統(tǒng);涌現(xiàn)

中圖分類號：F4;N94文獻(xiàn)標(biāo)識碼： A

The Progress of Complexity Science in Finance Research

LU Zhoulai1， MENG Binbin1， WU Weitao1， ZHAO Jing2， QI Gang1， ZHAO Yangfan1

（1.Defense Innovation Institute， Beijing 100071， China; 2.Academy of Mathematics and Systems Science， Chinese Academy of Sciences， Beijing 100190， China）

Abstract：Mission of this research is to better capture the complexity of large-scale financial systems and overcome the insufficiency of equilibrium based neoclassical finance and behavioral finance in revealing the mechanism of financial crisis and the emergence of order. This study started from the dilemma of existing theories and the motivation of introducting complexity science. Then advances of multi-agent simulation and complex network analysis are summarized and discussed as two fundimental instruments of complexity science. Research trends of complexity science in financial research， are proposed as the result of the discussions. This study provides methodology reference and analytical tools for the theoretical research and practical applications of complex financial systems in the new era.

Keywords： complexity science； financial networks； agent-based simulation； complex systems； emergence

0 引言

20世紀(jì)末，經(jīng)濟(jì)思想史家戴維·科蘭德曾指出經(jīng)濟(jì)學(xué)理論的研究過于關(guān)注具有明確定義、遵循數(shù)學(xué)秩序的研究路徑，而對于過程和有機(jī)主義關(guān)注不夠［1］。遵循明確定義和數(shù)學(xué)秩序研究路徑，以理性經(jīng)濟(jì)人假設(shè)和一般均衡框架為基石的現(xiàn)代主流金融理論有效地促進(jìn)了全球金融市場的迅猛發(fā)展，但無法實現(xiàn)從微觀行為到宏觀現(xiàn)象的加總，無法揭示危機(jī)發(fā)生機(jī)理，更無法對危機(jī)時期的決策提供有效支撐，引起了學(xué)界的廣泛反思。行為金融理論在一定程度上改進(jìn)了新古典金融理論的前提假設(shè)，提高了理論解釋力，但其均衡分析內(nèi)核沒有改變。近年來，不斷應(yīng)用于金融研究的復(fù)雜性科學(xué)，立足非均衡分析，聚焦金融系統(tǒng)內(nèi)部基本組成和內(nèi)部交互模式［2］，為理解金融復(fù)雜巨系統(tǒng)的運行過程、金融主體微觀互動行為的宏觀秩序涌現(xiàn)等提供了一個全新的范式。

1 金融研究緣何引入復(fù)雜性科學(xué)

金融學(xué)是傳統(tǒng)經(jīng)濟(jì)學(xué)的一個分支，隨著應(yīng)用領(lǐng)域的拓展，逐漸形成自己的獨特理論，已從傳統(tǒng)經(jīng)濟(jì)學(xué)中分離出來，成為一門獨立學(xué)科。重點研究人們在不確定的環(huán)境中如何進(jìn)行資源的時間配置，聚焦不確定性、時間價值和個體能力三大基本要素，強(qiáng)調(diào)在不確定條件下，機(jī)構(gòu)或者個人對資金跨越時間和空間的優(yōu)化［3］。當(dāng)前主流金融理論主要包括新古典金融理論和行為金融理論［4］，現(xiàn)代金融體系的發(fā)展已經(jīng)超出了其解釋邊界，運用復(fù)雜性科學(xué)方法手段研究金融系統(tǒng)正成為一種全新的范式。

1.1 新古典金融理論及其困境

新古典金融是均衡分析、理性經(jīng)濟(jì)人、完美市場等條件下的演繹推理研究。假設(shè)金融市場中所有的行為主體有能力收集到?jīng)Q策所需的全部信息，依據(jù)內(nèi)在行為偏好進(jìn)行最優(yōu)決策。各行為主體的決策是相互獨立的，其內(nèi)在偏好不受其他行為主體決策的直接影響；不同行為主體間的影響是間接產(chǎn)生的，一個行為主體的決策僅能通過價格來間接影響其他行為主體的決策。當(dāng)金融市場中所有子系統(tǒng)都達(dá)到均衡時，整個系統(tǒng)達(dá)到一般均衡狀態(tài)［5］。從研究對象的角度，可分為資產(chǎn)定價、公司金融等；從分析理念的角度，分為均衡分析、套利分析、金融摩擦等。新古典金融理論的后續(xù)研究主要延續(xù)核心模型的思想，圍繞不同的設(shè)定進(jìn)行更加復(fù)雜的演繹性研究，改進(jìn)模型和拓展應(yīng)用。

新古典金融理論的操作化、應(yīng)用化，極大地促進(jìn)了全球金融市場的發(fā)展擴(kuò)大。金融機(jī)構(gòu)在以衍生品定價理論為代表的資產(chǎn)定價理論指導(dǎo)下，設(shè)計了多樣化金融產(chǎn)品，豐富了金融市場上的產(chǎn)品類別；市場中的各類企業(yè)則在公司金融、金融契約理論等企業(yè)金融領(lǐng)域的理論啟發(fā)下，在金融市場上開展各類融資活動；基金公司、保險公司等機(jī)構(gòu)投資者則在資產(chǎn)組合與資產(chǎn)管理理論的指導(dǎo)下進(jìn)行金融資產(chǎn)選擇與評估。金融市場在金融理論與實踐的互動中實現(xiàn)了規(guī)模的爆炸式增長，逐步跨越國界，促進(jìn)了金融全球化［6］。

對金融危機(jī)解釋的乏力和新科學(xué)范式的發(fā)展，引發(fā)了學(xué)界對新古典金融理論的反思。

新古典金融理論不能解釋金融“異象”。新古典理論構(gòu)建起了邏輯嚴(yán)密的理論大廈，而金融實踐卻充滿了新古典范式無法解釋的“謎團(tuán)”和“異?！保瑢W(xué)界把這些現(xiàn)象統(tǒng)稱為“異象”。常見的有：公司規(guī)模效應(yīng)、日歷效應(yīng)、市場過度反應(yīng)、過度波動之謎、股票收益的均值回歸以及新信息在股票價格中的反映不足等［7］。

新古典金融理論的前提假設(shè)受到嚴(yán)峻挑戰(zhàn)。新古典金融理論的市場主體理性、市場有效率、市場結(jié)構(gòu)線性、市場處于均衡等前提假設(shè)過于理想化。有效市場假說成立的兩個核心假設(shè)是“價格反應(yīng)全部信息并能夠隨之迅速變動”以及“所有投資者都是理性的”。相關(guān)研究通過均衡條件下證券價格軌跡現(xiàn)實比對、金融市場收益率數(shù)據(jù)統(tǒng)計驗證、噪音理性預(yù)期均衡建構(gòu)等途徑試圖證實有效市場假說，卻發(fā)現(xiàn)有效市場假說與許多經(jīng)驗事實并不符合［8］，使得學(xué)界更加清晰地認(rèn)識到新古典金融理論根基性的假設(shè)與現(xiàn)實不符。

新古典金融理論的均衡分析受到質(zhì)疑。新古典金融理論遵循機(jī)械論、還原論的哈密頓體系認(rèn)識論，關(guān)注有序、均衡和穩(wěn)定，堅持簡化理性，認(rèn)為金融系統(tǒng)遵循秩序、理性、完美的規(guī)律，金融系統(tǒng)中各元素的互動和金融運行規(guī)律能夠通過大量的聯(lián)立方程組來描述，傾向把真實金融系統(tǒng)中的多樣性、無序性、個體性因素排除在外。新古典金融理論采用的均衡分析遵循封閉系統(tǒng)的思維，以線性系統(tǒng)、不動點理論、微分方程組等數(shù)學(xué)工具為基礎(chǔ)，重點研究了體系中各種相互關(guān)聯(lián)和相互對立的因素處于平衡和穩(wěn)定狀態(tài)時的規(guī)律。關(guān)注的是什么樣的個體行為能夠創(chuàng)造出一種整體結(jié)果或模式，在該結(jié)果或模式下，任何經(jīng)濟(jì)行為主體沒有意愿去改變這種行為，也就是找到一種整體模式與創(chuàng)造它的微觀行為（或行動、或策略、或預(yù)期）相一致，這就是均衡，即數(shù)學(xué)上“不動點理論”。均衡分析難以描述金融系統(tǒng)狀態(tài)隨時間變化的機(jī)制，不能同時兼容行為主體（個體）層面和系統(tǒng)（總體）層面的分析，無法填補兩者之間的鴻溝，一般只能通過“代表性行為主體”來遮掩微觀到宏觀的割裂問題，而且也不能解釋新的相關(guān)狀態(tài)變量的出現(xiàn)，更不能解釋新的實體、新的模式和新的結(jié)構(gòu)涌現(xiàn)［9］。金融系統(tǒng)作為一個典型的開放系統(tǒng)，其動態(tài)結(jié)構(gòu)是耗散結(jié)構(gòu)，靠連續(xù)不斷的物質(zhì)流、信息流、負(fù)熵流維持，是遠(yuǎn)離平衡的非線性系統(tǒng)，需要一套非線性的非均衡分析范式［10］。

1.2 行為金融理論及其困境

人的心理、行為特征始終是金融投資決策中的重要影響因素，隨著心理學(xué)、行為學(xué)等相關(guān)學(xué)科的研究不斷深入，其觀點方法逐步進(jìn)入了金融研究的視野，并催生了行為金融學(xué)這一新興學(xué)科。以2013年和2017年諾貝爾經(jīng)濟(jì)學(xué)獎頒發(fā)給行為金融理論學(xué)者為標(biāo)志，行為金融學(xué)的相關(guān)成果得到學(xué)界的認(rèn)可，在金融理論中占據(jù)了一席之地。

學(xué)界認(rèn)為行為金融學(xué)的兩大支柱為有限套利和心理學(xué)，其奠基性的理論主要包括前景理論［11］、認(rèn)知偏差理論［12］、行為組合理論［13］和行為資產(chǎn)定價模型［14］、行為公司金融［15］、心理導(dǎo)向的金融監(jiān)管理論［16］等。Barberis等［17］從有限套利、偏好和信念出發(fā)系統(tǒng)性歸納了行為金融理論的全貌（見圖1）。行為金融理論采用了兩個新的分析方法：1）運用認(rèn)知心理學(xué)分析方法研究人類的判斷和決策行為；2）通過實驗室試驗來測試或檢驗理論預(yù)測。

行為金融理論對新古典金融理論的改進(jìn)主要體現(xiàn)在對其基本假設(shè)進(jìn)行了拓展（見圖2）。Barberis［18］從非完全理性信念、決策偏好以及認(rèn)知限制三方面闡述了行為心理因素影響資產(chǎn)價格和成交量的機(jī)理。新古典金融理論中，理性信念假設(shè)行為主體能夠迅速處理全部信息，并運用貝葉斯理論對先驗信念進(jìn)行更新，得到純理性的后驗信念；期望效用最大化假設(shè)行為主體完全理性，以最大化期望效用為目標(biāo)進(jìn)行決策。行為金融理論則提出了不同的觀點：1）人們的信念往往存在（過度）外推、過度自信、代表性偏誤、保守主義、錨定效應(yīng)、可得性偏誤等偏差，并不是完全理性的。2）金融市場中不同群體和階層的投資者接觸資產(chǎn)相關(guān)信息的渠道不同，不同投資時間尺度的投資者所需要處理的信息本身差異就很大，并且大腦的信息處理能力有限，存在認(rèn)知限制，沒有能力對全部信息進(jìn)行及時處理，這使得不同行為主體無法對同樣的信息做出一致的反應(yīng)。行為金融理論通過把腦力的有限處理能力作為一個額外的約束條件，來進(jìn)行最優(yōu)化問題求解。注意力缺乏是人們認(rèn)知資源有限，無法處理全部信息的一個典型現(xiàn)象［19］。人們更加容易對最顯著的、最重要的信息作出反應(yīng)，而容易忽略逐漸產(chǎn)生的、緩慢變化的、不顯著的、經(jīng)濟(jì)效應(yīng)微弱的信息，這種現(xiàn)象也被學(xué)界稱為有限注意力。3）在做決策時難以遵循期望效用最大化原則，人們往往會因為問題描述方式的差異而做出不同的決策，框架效應(yīng)、前景理論、模糊厭惡等行為科學(xué)的決策規(guī)則更能刻畫在不確定下做決策的規(guī)律，能較好地揭示資產(chǎn)價格和成交量機(jī)理。

行為金融理論雖然為金融學(xué)提供了新的思路和方法，改進(jìn)了新古典金融理論，但仍存在一定的缺陷：1）行為金融理論的各類模型主要關(guān)注的是個體的心理現(xiàn)象對金融市場的影響，能夠較好地解釋微觀金融現(xiàn)象，但仍然無法揭示微觀層面金融主體的互動如何涌現(xiàn)出宏觀金融現(xiàn)象。2）存在所運用的過度自信、非貝葉斯預(yù)測、損失規(guī)避等心理效應(yīng)偏差過于隨意、各種行為解釋僅僅是“事后”說明等缺陷，并且對同一金融現(xiàn)象，常常有好幾個不同的解釋，不同的認(rèn)知偏差或投資者情緒往往可以解釋同一問題。3）行為金融理論作為新古典金融理論的后續(xù)變體與改進(jìn)，以新古典金融主干模型為基礎(chǔ)，逐步放松傳統(tǒng)建模中的假設(shè)條件，從行為主體非理性出發(fā)對金融問題開展研究，使整個研究向著更具普遍意義和更接近現(xiàn)實的方向發(fā)展。其方法論基礎(chǔ)、哲學(xué)思想等內(nèi)核性的底層理念沒有發(fā)生根本性變化，沒有完全脫離基于無摩擦、隨機(jī)游走和均衡分析的方法，因此新古典金融理論存在的缺陷在行為金融理論中依舊沒有得到本質(zhì)改善。

1.3 金融研究的復(fù)雜性科學(xué)新范式

金融系統(tǒng)是一個龐大而復(fù)雜的包含無數(shù)制度安排和行為的體系，各類主體基于并發(fā)系統(tǒng)的行為，最終涌現(xiàn)為金融的總體宏觀模式。在金融實踐中，不同的參與者要不斷地調(diào)整個體的市場決策、策略和預(yù)測，以適應(yīng)這些行為（決策、策略或預(yù)測）共同創(chuàng)造的整體市場形勢。金融市場波動性、復(fù)雜性和非線性特征越來越凸顯，建立在機(jī)械論、原子論、還原論科學(xué)傳統(tǒng)上，以系列先驗假設(shè)為基礎(chǔ)，從本質(zhì)到現(xiàn)象由內(nèi)而外的演繹推理研究范式，已無法滿足發(fā)現(xiàn)、理解并解釋復(fù)雜多變的金融現(xiàn)象需求。作為一個非線性、復(fù)雜性、動態(tài)的、非均衡、開放性系統(tǒng)，其結(jié)構(gòu)涌現(xiàn)、模式展開等內(nèi)在規(guī)律亟需全新的研究范式、思想框架和知識譜系去揭示。復(fù)雜性科學(xué)主要解決行為金融中微觀層面金融主體的互動到宏觀金融現(xiàn)象的涌現(xiàn)這一問題。

復(fù)雜性科學(xué)作為一門研究“系統(tǒng)中相互作用的要素如何生成整體模式，整體模式又反過來如何影響這些要素發(fā)生變化以適應(yīng)整體”的科學(xué)，為探索金融系統(tǒng)的內(nèi)在規(guī)律提供了理論工具［20］?！皬?fù)雜系統(tǒng)”沒有精確的技術(shù)定義，但是該領(lǐng)域的大多數(shù)學(xué)者傾向于認(rèn)為它是一個由許多相互作用的部分組成的系統(tǒng)，使得系統(tǒng)的集體行為超過了它們個體行為的總和。這種集體行為有時也被稱為“涌現(xiàn)”行為［21］。部分學(xué)者將復(fù)雜性隱喻為某一類系統(tǒng)特有的系統(tǒng)形態(tài)，如具有層次性結(jié)構(gòu)、要素存在復(fù)雜關(guān)聯(lián)的系統(tǒng)就會出現(xiàn)“整體上有，局部沒有”的復(fù)雜性系統(tǒng)形態(tài)，并將這類系統(tǒng)起名為復(fù)雜系統(tǒng)?！皬?fù)雜系統(tǒng)”就是在這樣的背景下，為了應(yīng)對復(fù)雜性研究而提出的一個新概念，在一定意義上，復(fù)雜系統(tǒng)是復(fù)雜性的隱喻［22］。復(fù)雜系統(tǒng)可以看作由相互作用的部分組成的、具有涌現(xiàn)行為的系統(tǒng)。本研究試圖把運用復(fù)雜性科學(xué)理念、方法、手段工具來研究金融系統(tǒng)的理論概括為復(fù)雜金融學(xué)（從復(fù)雜性視角研究金融的理論，在學(xué)界也被稱為系統(tǒng)金融理論、計算實驗金融、物理金融等）。

總體來看，金融系統(tǒng)研究范式的轉(zhuǎn)變，是順應(yīng)科學(xué)范式本身大轉(zhuǎn)變的必然之勢。與以往相比，現(xiàn)在所有科學(xué)都在變得更加程序化、算法化、“圖靈化”，所有科學(xué)都更少依賴方程式、連續(xù)性、“牛頓式”的研究范式。即使是數(shù)學(xué)學(xué)科本身，也在從連續(xù)的公式、微分方程、靜態(tài)的結(jié)果轉(zhuǎn)向離散的公式、組合推理及算法思維?？茖W(xué)和數(shù)學(xué)中的確定性正在減少，它們正在走向開放、擁抱程序性思維。從方法論來說，科學(xué)理論的發(fā)展總是從簡單到復(fù)雜，科學(xué)范式變革正推動科學(xué)研究內(nèi)容、方法和范疇的改變［23］：研究內(nèi)容由靜態(tài)平均過渡到動態(tài)結(jié)構(gòu)，由局部現(xiàn)象擴(kuò)展到系統(tǒng)行為；研究方法由傳統(tǒng)的定性分析逐步轉(zhuǎn)變?yōu)槎款A(yù)測，從單一學(xué)科不斷發(fā)展為學(xué)科交叉，從數(shù)據(jù)處理延伸到人工智能；研究范疇由學(xué)科分割的知識區(qū)塊拓展到知識體系，從傳統(tǒng)理論上升為復(fù)雜科學(xué)，從追求細(xì)節(jié)發(fā)展到尺度關(guān)聯(lián)，從多層次的分科知識演變到探索共性原理。具體到經(jīng)濟(jì)金融領(lǐng)域也從靜態(tài)的供求曲線，到動態(tài)的經(jīng)濟(jì)波動模型；從線性的周期振子和布朗運動模型，到非線性的混沌模型和群體的隨機(jī)過程；從線性穩(wěn)定性理論到非線性的分岔理論［24］。金融研究向復(fù)雜性科學(xué)新范式轉(zhuǎn)變，在科學(xué)史上是一種必然。

2 復(fù)雜性科學(xué)在金融研究中取得的成果

本部分從思想、理論工具到實踐政策應(yīng)用對復(fù)雜性科學(xué)在金融研究中取得的成果進(jìn)行系統(tǒng)梳理。從復(fù)雜性科學(xué)的視角重新審視金融復(fù)雜系統(tǒng)，針對多主體模擬對微觀行為和宏觀現(xiàn)象關(guān)聯(lián)的研究，以及復(fù)雜網(wǎng)絡(luò)分析對非線性系統(tǒng)特征的研究，總結(jié)了這兩個復(fù)雜性科學(xué)的主要理論工具在金融研究中取得的進(jìn)展，并對其政策應(yīng)用進(jìn)行了介紹（見圖3）。

2.1 復(fù)雜性科學(xué)視角下的金融系統(tǒng)

復(fù)雜性科學(xué)引入金融研究存在一定的理論基礎(chǔ)和事實基礎(chǔ)。Herbert Simon明確了復(fù)雜性理論的本質(zhì)內(nèi)涵，即“一個由大量以非簡單方式交互的部分所組成的系統(tǒng)”［25］。在復(fù)雜系統(tǒng)中，整體所表現(xiàn)出來的特征并非其內(nèi)部各組成部分特征的簡單加總。這一定義與傳統(tǒng)金融學(xué)中宏觀整體特征與微觀個體特征之間的割裂不謀而合，這種對微觀行為到宏觀涌現(xiàn)機(jī)理的探索成為復(fù)雜性科學(xué)與金融學(xué)融合的理論基礎(chǔ)。學(xué)界通過對物理、自然、社會、生物和經(jīng)濟(jì)等類型網(wǎng)絡(luò)的分析和實驗，已經(jīng)較為全面地了解了復(fù)雜系統(tǒng)的動態(tài)特征，主要包括非線性、對沖擊反應(yīng)的非連續(xù)性、反饋放大效應(yīng)以及“突發(fā)”系統(tǒng)行為等［26］。研究發(fā)現(xiàn)的各類復(fù)雜系統(tǒng)表現(xiàn)出來的動態(tài)特征與現(xiàn)實金融市場中觀察到的特征具有高度的相似性，為金融學(xué)引入復(fù)雜性科學(xué)提供了事實基礎(chǔ)。

從復(fù)雜性科學(xué)的視角來看，金融系統(tǒng)是動態(tài)的復(fù)雜自適應(yīng)系統(tǒng)，其特性表現(xiàn)為不斷進(jìn)行自我“計算”、自我創(chuàng)建、自我更新。金融運行中面臨的不確定性和技術(shù)變革，使得金融系統(tǒng)始終處于變化之中，因此非均衡狀態(tài)是整個金融系統(tǒng)的自然狀態(tài)。投資者不斷改變自己的行為和策略，以便對他們共同創(chuàng)造的投資市場結(jié)果做出反應(yīng)，而且這種反應(yīng)進(jìn)一步改變了結(jié)果，這又需要他們重新進(jìn)行調(diào)整，這種循環(huán)往復(fù)會一直遞歸下去。這種總體模式形成于個體行為，而個體行為反過來又會受到總體模式的影響，就產(chǎn)生了一個無限的遞歸循環(huán)，正是這種遞歸循環(huán)使金融系統(tǒng)具備了復(fù)雜性。在復(fù)雜性科學(xué)的視角下，金融系統(tǒng)個體的行動和策略是不斷演化的，時間維度在整個系統(tǒng)中具有重要的意義，隨著時間的推移，金融系統(tǒng)結(jié)構(gòu)不斷形成、重組。從這一視角出發(fā)能夠更清晰地觀測到標(biāo)準(zhǔn)的均衡分析中常忽略的中觀層面在系統(tǒng)中的行為特征及影響。他們介于微觀層面和宏觀層面之間，對于金融現(xiàn)象的預(yù)測與理解具有重要意義。復(fù)雜金融系統(tǒng)就是要深入詳細(xì)地研究金融系統(tǒng)中單個主體的行為是如何共同形成某種結(jié)果的，以及這種結(jié)果反過來又是如何改變個體行為的。

2.2 金融復(fù)雜系統(tǒng)多主體模擬

金融復(fù)雜系統(tǒng)多主體模擬是復(fù)雜性科學(xué)與經(jīng)濟(jì)學(xué)開展學(xué)科交叉融合嘗試的一個重要的領(lǐng)域，該領(lǐng)域?qū)?fù)雜系統(tǒng)中多主體建模與仿真的理念和方法有機(jī)地與金融市場的實際相結(jié)合，運用多主體模擬的方法對金融系統(tǒng)的問題開展研究。從基本理念、共性基礎(chǔ)和模型演進(jìn)對金融復(fù)雜系統(tǒng)多主體模擬的研究成果進(jìn)行梳理。

2.2.1 金融復(fù)雜系統(tǒng)多主體模擬的基本理念

多主體模型是一類基于主體的計算機(jī)模型，通過建立一套從主體觀察映射到主體行動的顯性決策規(guī)則，刻畫主體行為、各個主體間的相互作用及微觀到宏觀的整體涌現(xiàn)現(xiàn)象。在學(xué)術(shù)文獻(xiàn)中多主體建模理論也被稱為多主體系統(tǒng)、基于主體的模型、基于主體的計算經(jīng)濟(jì)等，金融領(lǐng)域則有計算實驗金融等。在對金融系統(tǒng)進(jìn)行建模研究時，多主體建模能夠結(jié)合微觀和宏觀、過程和狀態(tài)，增強(qiáng)對復(fù)雜金融系統(tǒng)的分析和洞察能力。多主體模擬關(guān)注微觀個體的投資決策、預(yù)期方式、交易活動等方面的行為，而不是像傳統(tǒng)金融理論一樣從價格、收益率、交易量等加總性數(shù)據(jù)研究市場運動規(guī)律。通過抽象經(jīng)濟(jì)活動中投資者、銀行、政府等相互作用的決策者，并借助計算機(jī)，模擬這些主體在一定規(guī)則下的經(jīng)濟(jì)現(xiàn)象發(fā)生和演變的過程。通過從下到上的建模方式，能處理靜態(tài)的、線性的、平穩(wěn)的過程，也能處理傳統(tǒng)金融模型無法處理的動態(tài)的、非線性的、動蕩的過程。

以“Multi-agent System”、“DSGE”、“VAR”、“Machine Learning”、“Econometrics”、“Financial Market”作為關(guān)鍵詞在Web of Science數(shù)據(jù)庫中進(jìn)行檢索，得到一批文獻(xiàn)，對其作者關(guān)鍵詞進(jìn)行歸并及共現(xiàn)，關(guān)鍵詞間通過文獻(xiàn)集合進(jìn)行鏈接，得到文獻(xiàn)的主題關(guān)系（見圖4）。從中得出多主體方法不僅用于風(fēng)險、波動性、投資組合等金融市場領(lǐng)域的經(jīng)典問題，還能解決傳統(tǒng)方法難以解決的行為決策、市場均衡和復(fù)雜性等問題。

金融研究中各種類型的模型都是對現(xiàn)實世界中金融系統(tǒng)抽象的嘗試，其關(guān)注的重點各有側(cè)重，形成了一個模型譜系［27］。通常可以從內(nèi)部一致性外部一致性、異質(zhì)性主體代表性主體兩個維度進(jìn)行刻畫，從而構(gòu)成一個模型空間。內(nèi)部一致性指的是模型與微觀行為的符合程度，外部一致性指的是模型與現(xiàn)實數(shù)據(jù)的符合程度。主體異質(zhì)性程度指模型能夠包含的主體異質(zhì)性的高低，當(dāng)模型的異質(zhì)性最低的時候是代表性主體，即所有主體都是同質(zhì)的。各類模型在建?？臻g中有一個大概的位置，每一類模型內(nèi)部也有不同的變種，因此在上述模型譜系中各個模型的側(cè)重點呈現(xiàn)出的是區(qū)域，而非具體的點。通過模型譜系我們可以看到統(tǒng)計模型關(guān)注的是主體的同質(zhì)信息，而隨機(jī)動態(tài)一般均衡模型對主體的異質(zhì)信息則是進(jìn)行中等程度的刻畫，多主體模型則可以包含較高程度的異質(zhì)性。通過上述模型譜系可以清晰地看出金融研究中多主體建模與其他建模方式的差異。

多主體建模方法為研究金融這種復(fù)雜自適應(yīng)系統(tǒng)各個不同層級上的結(jié)構(gòu)發(fā)現(xiàn)和模式涌現(xiàn)的過程提供了重要工具。在金融市場中，行為主體的預(yù)測創(chuàng)造了行為主體試圖預(yù)測的世界，價格是由交易者的預(yù)期產(chǎn)生的，同時這些預(yù)期又是基于對他人預(yù)期的預(yù)期而形成的。預(yù)期的這種反身性或“自我指涉性”，排除了通過演繹推理形成預(yù)期的可能性，從而使得完全理性無法被明確界定。行為主體只能把他們的預(yù)期作為一種假說，根據(jù)歸納推理結(jié)果來采取行動，并通過不斷引入、檢驗而形成各種各樣的個人預(yù)期模型。因此，可以深刻認(rèn)識到市場受預(yù)期的驅(qū)動，而預(yù)期則內(nèi)生地適應(yīng)這些預(yù)期所共同創(chuàng)造的生態(tài)。金融多主體建模以真實世界中個體和機(jī)構(gòu)的行為作為出發(fā)點，通過主體之間的互動以及主體與環(huán)境的互動，能夠自發(fā)地涌現(xiàn)出宏觀上的周期性經(jīng)濟(jì)波動、金融危機(jī)等現(xiàn)象［2829］。

2.2.2 金融復(fù)雜系統(tǒng)多主體模擬的共性基礎(chǔ)

金融復(fù)雜系統(tǒng)多主體模擬又被稱為人工金融市場，是采用多主體建模的思路對金融市場中微觀異質(zhì)主體行為特征、主體間關(guān)聯(lián)演化以及主體與環(huán)境交互過程進(jìn)行建模，從而模擬金融市場運行，揭示微觀行為涌現(xiàn)出宏觀動態(tài)特性的方法［30］。學(xué)界主要針對人工股票市場、人工外匯市場、人工期貨市場等典型金融市場開展多主體模擬研究，這些研究都面臨著偏好設(shè)定、價格確定、演化學(xué)習(xí)等基礎(chǔ)性的共性議題。

主體偏好類型通常從以下幾個方面進(jìn)行衡量：1）均值方差偏好，即通過收益的二階矩衡量風(fēng)險，在期望收益不變條件下實現(xiàn)最小化風(fēng)險；2）風(fēng)險厭惡程度隨資產(chǎn)變化的相對風(fēng)險厭惡形式，刻畫風(fēng)險偏好隨總資產(chǎn)的變化，有恒定、遞減和遞增3種類型；3）短期和跨期偏好，刻畫時間對于主體偏好的影響，人們可能存在短視偏好、現(xiàn)時偏好等；4）損失厭惡、從眾行為等行為科學(xué)研究的特定行為特征。

價格確定的機(jī)制大體上分為4類。隨著信息技術(shù)的發(fā)展，現(xiàn)代金融系統(tǒng)的交易方式已從柜臺委托和電話委托發(fā)展成為4用戶通過電腦客戶端和移動端APP完成委托，所有的交易無需人工干預(yù)，由證券交易所的電腦交易系統(tǒng)自動撮合完成。雖然完成交易的具體流程和表現(xiàn)形式變化了，但是其價格確定的本質(zhì)規(guī)律未發(fā)生改變。多主體建模文獻(xiàn)中常用的幾種價格確定機(jī)制仍然具有重要的意義。1）基于市場非均衡狀態(tài)下供需差額的價格負(fù)反饋調(diào)整。做市商公布一個價格，各個主體提交在該價格下的購買數(shù)量和出售數(shù)量，加總后如果有超額需求，那么做市商就按照差值的一定比例，增加下一期價格，反之亦然。2）市場均衡狀態(tài)下的價格確定機(jī)制，該機(jī)制通過數(shù)值模擬方式或者理論簡化的解析方式計算出每一期市場出清的價格。這兩類價格形成的方法分別假設(shè)市場不出清和市場出清，做市商供需差額負(fù)反饋機(jī)制需要考慮在處理超額需求時是通過額外庫存還是配額供給；市場出清機(jī)制則強(qiáng)調(diào)出清，容易忽略金融市場上連續(xù)交易的情形，同時由于需要計算出市場出清的數(shù)值解或者解析解，對于數(shù)值求解過程和理論簡化要求比較高，往往不可行。在完全市場出清和市場不出清之間尋求一種折中的方法，成為了學(xué)界的趨勢。3）主體隨機(jī)交易。假設(shè)各類主體能夠隨機(jī)地彼此相遇，如果交易對雙方都有好處，那么買賣發(fā)生。4）試圖從市場微觀結(jié)構(gòu)的角度模擬真實金融市場中各類主體的買賣盤記錄［31］。這種方法把制度細(xì)節(jié)建構(gòu)到市場體系架構(gòu)和各類主體的學(xué)習(xí)規(guī)則之中，能夠?qū)φ鎸嵤袌鼋灰椎任⒂^行為進(jìn)行顆粒度較細(xì)的分析。

主體演化學(xué)習(xí)主要包括個體通過對自身歷史交易的自我反省學(xué)習(xí)以及個體之間的社會學(xué)習(xí)。個體學(xué)習(xí)僅僅是對自我經(jīng)歷的學(xué)習(xí)，而社會學(xué)習(xí)則還會從其它個體的經(jīng)歷中去學(xué)習(xí)。基于主體的金融模型建構(gòu)常用遺傳算法、貝葉斯學(xué)習(xí)、自適應(yīng)線性模型等方法來刻畫微觀主體學(xué)習(xí)和適應(yīng)過程［32］。其中遺傳算法是應(yīng)用比較多的一種。遺傳算法利用計算機(jī)仿真運算，將金融主體的策略演化轉(zhuǎn)換成類似生物進(jìn)化中的染色體基因的交叉、變異等過程。在基于主體的金融市場建模中，通?；谧钚【讲畹阮A(yù)測方法計算各個策略給主體帶來的預(yù)測效用值，以預(yù)測效用作為評估某一策略適應(yīng)度的基礎(chǔ)，結(jié)合個體既定偏好把預(yù)測值轉(zhuǎn)化為資產(chǎn)需求，從而評估和比較不同的策略［33］?？傮w上來看，計算機(jī)模擬的主體通過各個策略在金融市場的績效來不斷更新計算對應(yīng)策略的適應(yīng)度，從而選擇自身投資策略。在現(xiàn)實的金融市場中，個體不僅僅從自身的交易歷史去學(xué)習(xí)，也向其他個體學(xué)習(xí)，即社會學(xué)習(xí)［34］。主體間可以通過共享規(guī)則庫等方式實現(xiàn)策略更新，對資產(chǎn)價格和投資者收益都會產(chǎn)生影響［35］。社會學(xué)習(xí)進(jìn)一步發(fā)展形成了種群演化，不同個體通過社會學(xué)習(xí)，形成不同的種群，同一種群內(nèi)部個體的偏好、信念等比較接近，交易策略也比較雷同。外匯市場多主體模型刻畫了樂觀和悲觀信念兩個種群，模擬了外匯市場價格的復(fù)雜混沌特性［36］。多主體金融市場建?？坍嬃嘶久娼灰渍叻N群和技術(shù)面交易者種群，模擬了混沌、分叉等金融市場復(fù)雜現(xiàn)象［37］。金融市場常見的羊群行為也是社會學(xué)習(xí)的一種。同樣的模型設(shè)定下，在個體學(xué)習(xí)的基礎(chǔ)上引入社會學(xué)習(xí)，整個系統(tǒng)的總產(chǎn)出會增加［3839］。總體來看，基于主體的金融市場建模假設(shè)主體有限理性，其預(yù)期的形成過程由適應(yīng)性學(xué)習(xí)和基于遺傳算法的演化選擇來推動。

2.2.3 金融復(fù)雜系統(tǒng)多主體模型的演進(jìn)

金融市場結(jié)構(gòu)和主體行為建模的復(fù)雜程度是金融復(fù)雜系統(tǒng)多主體模型的核心，因此在對金融復(fù)雜系統(tǒng)多主體模型的演進(jìn)進(jìn)行梳理時以此作為主線。早期的多主體建模比較簡單，完全把主體行為因素排除在外，假設(shè)市場訂單是隨機(jī)產(chǎn)生的；零智能交易模型則包含了在預(yù)算約束下隨機(jī)交易的個體；更進(jìn)一步發(fā)展的復(fù)雜模型則包含了有限理性、博弈論原理、行為科學(xué)結(jié)論等行為規(guī)則。金融復(fù)雜系統(tǒng)多主體模擬隨著模型刻畫的主體行為的細(xì)化和主體間互動的市場結(jié)構(gòu)增多而趨于復(fù)雜，按照復(fù)雜程度可大致分為三大類：零智能主體模型、通過市場機(jī)制互動的異質(zhì)主體模型、直接互動的異質(zhì)主體模型。

1）零智能主體模型。

零智能主體模型的本質(zhì)特征是它刻畫的主體行為比較簡單并且不具備學(xué)習(xí)能力。金融市場的零智能主體交易研究開始于Gode和Sunder［40］。該研究構(gòu)建了一個雙邊拍賣市場，買賣雙方提交買賣指令，每個指令是服從相同分布的，當(dāng)指令中買方出價等于或高于賣方售價則成交。買賣雙方的指令都是滿足預(yù)算約束的隨機(jī)指令，即在滿足買方出價不能高于其估值，賣方售價不能低于其保留成本的約束下，各個指令的分布是隨機(jī)的。研究結(jié)果表明，以個體總財富作為衡量配置效率的標(biāo)準(zhǔn)，零智能主體交易者的績效與現(xiàn)實交易情形比較接近。Gode［41］在上述設(shè)定的基礎(chǔ)上，加入了主體的止損約束，研究結(jié)果表明，在大部分類型的金融市場結(jié)構(gòu)下，簡單行為規(guī)則比復(fù)雜行為規(guī)則更有效率。進(jìn)一步的研究文獻(xiàn)構(gòu)建了準(zhǔn)零智能主體模型，在隨機(jī)出價的基礎(chǔ)上，引入了上一期價格信息，重現(xiàn)了金融市場上的泡沫和崩潰等現(xiàn)象［42］。沿著該技術(shù)路線的后續(xù)文獻(xiàn)，引入交易者進(jìn)入退出市場、最小報價單位、泊松分布等更加現(xiàn)實的因素，發(fā)現(xiàn)即使個體交易策略較為簡單，特定的市場交易機(jī)制也能產(chǎn)生復(fù)雜的交易指令分布特征［43］。

2）通過市場機(jī)制互動的異質(zhì)性主體模型。

零智能主體模型假設(shè)主體不具備學(xué)習(xí)能力，在簡單的交易策略下能夠再現(xiàn)金融市場的部分復(fù)雜現(xiàn)象，但是這一類模型對于主體行為的刻畫太過于簡單，與金融市場的實際情況偏離較大，其結(jié)論的實際意義有限。為彌補零智能主體模型的局限性，研究者對行為和主體間的互動進(jìn)行了更加細(xì)致的刻畫，形成了異質(zhì)性主體模型。異質(zhì)性主體模型的異質(zhì)性體現(xiàn)在各個交易主體擁有不同的策略，能夠?qū)鹑谑袌鰞?nèi)生價格的波動進(jìn)行預(yù)測，進(jìn)而確定交易行為。異質(zhì)性策略主要體現(xiàn)為三大類：基本面交易策略、技術(shù)面交易策略、噪音交易策略。多主體建模通過引入三類交易策略，并考慮由收益率和群體慣性決定的這三類不同組群之間的轉(zhuǎn)換概率等因素，可以解釋收益率的厚尾分布、波動聚集性等現(xiàn)象［4445］。在此基礎(chǔ)上，不斷更新迭代的基于多智能體模擬的圣塔菲人工金融市場則通過引入了分類器、規(guī)則更替機(jī)制等，解釋了收益率尖峰厚尾、低線性相關(guān)性和持續(xù)波動性等現(xiàn)象［39］。

隨著研究的深入，關(guān)于主體策略的建模，不再止步于幾種純策略之間的轉(zhuǎn)換，而是直接關(guān)注混合策略，并引入遺傳算法，基于模型數(shù)據(jù)和實際數(shù)據(jù)的均方差構(gòu)建適應(yīng)度函數(shù)，對策略組合參數(shù)進(jìn)行更新［46］。這類經(jīng)過多次迭代更新的模型能夠刻畫交易規(guī)模、回報波動的長期記憶效應(yīng)，意味著可以通過歷史數(shù)據(jù)進(jìn)行預(yù)測［47］。在更為復(fù)雜的異質(zhì)性模型中，假設(shè)主體的回報收益預(yù)測策略是由基本面交易規(guī)則、技術(shù)交易規(guī)則、噪音交易規(guī)則等不同規(guī)則按照不同權(quán)重組成的混合策略，每個個體的權(quán)重向量不同［48］。此外，模型中的個體風(fēng)險偏好也不再相同，擁有不同的效用函數(shù)。個體基于其策略預(yù)測股票收益，以最大化效用函數(shù)為目標(biāo)進(jìn)行交易決策。復(fù)雜的異質(zhì)性主體模型表明，技術(shù)面交易策略產(chǎn)生了訂單分布的長尾性質(zhì)，價格的大范圍波動則可以由技術(shù)交易策略和基本面交易策略的負(fù)反饋價格預(yù)期來解釋。

3）直接互動的異質(zhì)性主體模型。

隨著高性能計算的發(fā)展，基于主體的建模能夠越來越多地刻畫主體的復(fù)雜學(xué)習(xí)行為和直接互動過程。主體間直接互動的建模發(fā)展經(jīng)歷了全局互動、網(wǎng)格點陣互動、網(wǎng)絡(luò)互動3個階段。

（1）全局互動。

全局互動中主體按照均勻分布隨機(jī)與其它主體互動，典型的全局互動模型有蟻群模型、少數(shù)者博弈等。

蟻群模型描述了個體之間的全局互動及其宏觀結(jié)果［36］。具體來看，蟻群中的個體都在尋找食物，假設(shè)存在黑色和白色兩種食物來源，每個個體在這兩種來源中選擇一種作為其覓食策略。如果兩個個體相遇，則有一定的概率交互彼此的覓食策略，同時也存在一定的擾動概率，個體不依靠與其它個體互動，也能改變覓食策略。給定初始值，則計算機(jī)可以模擬個體的全局互動及系統(tǒng)的演化。金融領(lǐng)域的大量研究通過把該模型的覓食策略轉(zhuǎn)化為金融市場的交易策略，刻畫了股票市場的羊群效應(yīng)。把蟻群模型中的黑白兩種覓食策略更改為金融市場上基本面交易策略和技術(shù)交易策略，交易者策略的更替則取決于該策略的歷史收益率，通過該策略的歷史收益現(xiàn)值來刻畫不同策略的適應(yīng)度。在這樣的設(shè)定下，模擬結(jié)果表明，大部分時期基本面交易策略占優(yōu)，但是少數(shù)向技術(shù)交易策略的轉(zhuǎn)換會增加波動性，可能導(dǎo)致泡沫和崩潰［49］。

少數(shù)者博弈模型描述的是奇數(shù)的參與者相互獨立地在兩個選項中做選擇，最終處于少數(shù)的一方獲得收益。這類模型很好地刻畫了金融市場的本質(zhì)，同一支股票買賣雙方博弈，處于少數(shù)的一方獲益［50］，金融市場上多空交易，同樣是少數(shù)的一方獲益。

（2）網(wǎng)格點陣互動。

網(wǎng)格點陣互動聚焦點陣內(nèi)規(guī)則排列的相鄰網(wǎng)格間的局部互動。典型的網(wǎng)格點陣互動是伊辛模型。伊辛模型建立之初是用以描述物質(zhì)相變過程，后來被運用于刻畫金融市場上交易者的行為。模型把交易者群體抽象為網(wǎng)格組成的點陣，每個交易者在偏好改變和信息交流方面受其相鄰交易者決策的影響?；谝列聊Ｐ偷慕鹑谑袌瞿M發(fā)現(xiàn)，僅通過相鄰決策者之間的模仿就能夠產(chǎn)生協(xié)同效應(yīng)，產(chǎn)生收益的大幅度波動，呈現(xiàn)出金融市場上觀測到的不同尺度現(xiàn)象［5152］。后續(xù)文獻(xiàn)對交易者的偏好改變進(jìn)行拓展，假設(shè)交易者對資產(chǎn)的需求偏好取決于其對價格的預(yù)測。具體來看，金融市場中的專家知識形成了豐富的交易策略集，點陣中的單個交易者依據(jù)每個策略的歷史收益數(shù)據(jù)來選取其交易策略，并對價格進(jìn)行預(yù)測。在這樣的設(shè)定下，最終金融市場的價格會偏離基本面。市場中交易者的預(yù)測方式的改變會導(dǎo)致自我預(yù)期的實現(xiàn)，技術(shù)交易策略會提高價格分布的方差和峰度，產(chǎn)生泡沫和崩潰［53］。

（3）網(wǎng)絡(luò)互動。

網(wǎng)絡(luò)互動聚焦網(wǎng)絡(luò)上的局部互動。多主體間的互動會形成網(wǎng)絡(luò)，對不同網(wǎng)絡(luò)結(jié)構(gòu)上的互動開展研究，是直接互動的異質(zhì)性主體模型研究的重點。網(wǎng)格點陣互動中未考慮節(jié)點之間的距離，節(jié)點與節(jié)點之間只有相鄰和不相鄰兩種狀態(tài)，而網(wǎng)絡(luò)互動中考慮了節(jié)點之間的距離，往往通過節(jié)點連邊的長度來描述。在金融研究中，常常將金融市場的投資者、金融機(jī)構(gòu)等主體的相互作用抽象為多主體間的互動網(wǎng)絡(luò)，為了讓多主體模型更加貼近現(xiàn)實，通常在模型中引入更加貼近金融市場實際的網(wǎng)絡(luò)結(jié)構(gòu)。經(jīng)典的蟻群模型通過平均場近似法計算個體的策略轉(zhuǎn)移率，并模擬均衡結(jié)果；在引入網(wǎng)絡(luò)理論后，可以計算不同結(jié)構(gòu)網(wǎng)絡(luò)下的均衡結(jié)果，在對規(guī)則網(wǎng)絡(luò)、無標(biāo)度網(wǎng)絡(luò)、隨機(jī)網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)等網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行計算后發(fā)現(xiàn)，只有隨機(jī)網(wǎng)絡(luò)能夠在不限制規(guī)模的前提下呈現(xiàn)出金融市場的典型事實，并且在該模型下，市場中交易主體的異質(zhì)性對于結(jié)果影響很小，而網(wǎng)絡(luò)結(jié)構(gòu)的異質(zhì)性會對結(jié)果產(chǎn)生重大影響［54］。金融市場中的主體有多種類型的信念，并且自我信念更新受網(wǎng)絡(luò)中相鄰節(jié)點投資決策的表現(xiàn)所影響，在正則網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)、隨機(jī)網(wǎng)絡(luò)等不同類型的網(wǎng)絡(luò)結(jié)構(gòu)下，異質(zhì)性信念互動對資產(chǎn)價格會產(chǎn)生不同影響［55］。

2.3 金融復(fù)雜系統(tǒng)網(wǎng)絡(luò)分析

隨著網(wǎng)絡(luò)理論和金融大數(shù)據(jù)的發(fā)展，網(wǎng)絡(luò)分析不再僅僅局限于多主體模型基礎(chǔ)上的拓展，而發(fā)展成為一個研究金融復(fù)雜系統(tǒng)的重要工具。復(fù)雜網(wǎng)絡(luò)理論起源于圖論，最早發(fā)展于18世紀(jì)，因應(yīng)用該方法解決了著名的“七橋問題”而受到關(guān)注，其后一直被運用于解決拓?fù)鋵W(xué)相關(guān)問題。1920年相關(guān)研究的成果，為社會網(wǎng)絡(luò)提供了數(shù)理分析的支撐，也為通過數(shù)學(xué)方法來研究社會現(xiàn)象的“社會計量學(xué)”奠定了基礎(chǔ)。直到數(shù)字革命之后，復(fù)雜網(wǎng)絡(luò)才完全出現(xiàn)在研究者的視野中。本部分對金融復(fù)雜系統(tǒng)的網(wǎng)絡(luò)拓?fù)?、預(yù)警、和重構(gòu)方法進(jìn)行了歸納，介紹了金融復(fù)雜系統(tǒng)信息網(wǎng)絡(luò)和信用網(wǎng)絡(luò)的研究進(jìn)展。

2.3.1 金融復(fù)雜系統(tǒng)網(wǎng)絡(luò)拓?fù)?/p>

金融網(wǎng)絡(luò)的宏觀分層結(jié)構(gòu)。金融的合作方式導(dǎo)致了金融網(wǎng)絡(luò)的出現(xiàn)，所有參與者作為網(wǎng)絡(luò)中的節(jié)點，通過與其他節(jié)點進(jìn)行活動來實現(xiàn)其價值。金融網(wǎng)絡(luò)有明顯的分層結(jié)構(gòu)，有點像細(xì)胞。表層是與社會交互的節(jié)點，如銀行對客戶的吸儲，人壽保險的銷售，對企業(yè)的放貸等進(jìn)行金融系統(tǒng)與整個社會的資金流動；內(nèi)層是金融機(jī)構(gòu)之間的市場，這里包括了各類投資、審計、衍生品設(shè)計等；核心層通過對節(jié)點的控制實現(xiàn)對網(wǎng)絡(luò)的規(guī)則制定，比如監(jiān)管機(jī)構(gòu)，央行等。

金融網(wǎng)絡(luò)的微觀結(jié)構(gòu)。中介型節(jié)點幾乎是最常見的節(jié)點，他本身即維護(hù)了一個二分圖結(jié)構(gòu)的市場，左側(cè)是貨幣提供者，右側(cè)是商品提供者。一種是對商品或貨幣不留存，如股票／期貨交易服務(wù)；另一種通過首先形成資金池或商品庫存，然后進(jìn)行服務(wù)，如商業(yè)銀行的吸儲功能，保險業(yè)務(wù)等。代理／服務(wù)節(jié)點通過提供專業(yè)知識，代替客戶作為介入金融網(wǎng)絡(luò)的節(jié)點。這包括諸如信托、資產(chǎn)管理等管理客戶資金的節(jié)點；信息、評級、法務(wù)等服務(wù)通過代替一些節(jié)點的部分功能來介入到網(wǎng)絡(luò)中。此外由于節(jié)點之間的相互協(xié)作產(chǎn)生了一些結(jié)構(gòu)模式。如鏈?zhǔn)浇Y(jié)構(gòu)因為節(jié)點之間具備時序關(guān)系的合約而構(gòu)成，前序違約會導(dǎo)致后序的違約；聚合結(jié)構(gòu)由若干具備相同功能的節(jié)點共同組成，這些節(jié)點對外的功能一致，但相互默契地劃分范圍，同時相互之間有小型市場的交易。

金融復(fù)雜系統(tǒng)表現(xiàn)出“無標(biāo)度”特性。真實系統(tǒng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)包括規(guī)則網(wǎng)絡(luò)、隨機(jī)網(wǎng)絡(luò)和復(fù)雜網(wǎng)絡(luò)等，其中復(fù)雜網(wǎng)絡(luò)中的無標(biāo)度網(wǎng)絡(luò)成為刻畫系統(tǒng)復(fù)雜性的有力工具。金融復(fù)雜系統(tǒng)的特征并不是其各組成部分特征的簡單加總，而是其復(fù)雜系統(tǒng)作為一個整體展現(xiàn)出的獨特的特征。研究發(fā)現(xiàn)許多復(fù)雜網(wǎng)絡(luò)都表現(xiàn)出“無標(biāo)度”特性［56］，即復(fù)雜網(wǎng)絡(luò)由具有大量連接的核心節(jié)點集和具有少量連接的大型外圍節(jié)點集組成，呈現(xiàn)出一個核心外圍（或中心輻條）的網(wǎng)絡(luò)配置形式。從統(tǒng)計學(xué)的角度來看，金融復(fù)雜網(wǎng)絡(luò)呈現(xiàn)出不規(guī)律且高度非正態(tài)的統(tǒng)計分布特征。因其相對于正態(tài)分布更容易出現(xiàn)系統(tǒng)范圍內(nèi)的交互，其反饋產(chǎn)生突發(fā)事件的概率高于高斯分布的“胖尾”效應(yīng)［5758］，最終也可能呈現(xiàn)出與多平衡模型一致的多模態(tài)分布［59］。根據(jù)美國標(biāo)準(zhǔn)普爾500指數(shù)中345只股票相關(guān)數(shù)據(jù)，以股票為節(jié)點，以兩支股票的收益時間序列之間的相關(guān)系數(shù)為連邊，構(gòu)建金融市場復(fù)雜網(wǎng)絡(luò)，分析表明生成的股票網(wǎng)絡(luò)具有冪指數(shù)近似為1的無標(biāo)度特性［60］。

金融復(fù)雜系統(tǒng)的“無標(biāo)度”拓?fù)浣Y(jié)構(gòu)決定了系統(tǒng)受到?jīng)_擊時的響應(yīng)模式。復(fù)雜系統(tǒng)的拓?fù)浣Y(jié)構(gòu)和連接方式是描繪金融復(fù)雜系統(tǒng)抵御沖擊能力的重要特征。無標(biāo)度網(wǎng)絡(luò)具有的核心外圍模型，當(dāng)應(yīng)對隨機(jī)沖擊時，這些沖擊很可能作用于與整個系統(tǒng)不相連的外圍節(jié)點上，因此對于整個系統(tǒng)的影響較??；一旦核心節(jié)點受到針對性的攻擊，其超連通性具有產(chǎn)生系統(tǒng)性連鎖反應(yīng)的風(fēng)險，對于金融復(fù)雜系統(tǒng)的全面崩塌起到了推波助瀾的作用［61］。核心節(jié)點對于網(wǎng)絡(luò)結(jié)構(gòu)穩(wěn)定的重要特性，導(dǎo)致系統(tǒng)容易受到針對核心節(jié)點（或“超級傳播者”）的定向攻擊。近幾年，金融復(fù)雜系統(tǒng)的研究主要集中于復(fù)雜的分層網(wǎng)絡(luò)的可控性［62］，主要致力于驗證在網(wǎng)絡(luò)維數(shù)很大（層級很多）的條件下是否可以通過對相對較少的關(guān)鍵層或節(jié)點進(jìn)行操作來實現(xiàn)對整個系統(tǒng)的有效控制。當(dāng)網(wǎng)絡(luò)具有無標(biāo)度屬性時，即核心外圍類型的拓?fù)鋾r，這一特點更加突出。

科技金融的發(fā)展改變金融復(fù)雜網(wǎng)絡(luò)。1）擴(kuò)張網(wǎng)絡(luò)范圍。網(wǎng)絡(luò)范圍的擴(kuò)張包括了對物理節(jié)點的鏈接，這是金融網(wǎng)絡(luò)通過物聯(lián)網(wǎng)、VR/AR、機(jī)器人等技術(shù)來達(dá)到獲取物理信息、控制物理對象的可能。例如大量的審計工作可能可以通過這種擴(kuò)張更好地完成，甚至可能由于對物理更好的控制會產(chǎn)生更多的期貨產(chǎn)品。由于節(jié)點效率的提高，可以服務(wù)的節(jié)點也變得更多，因此原本只能定制化給大客戶的服務(wù)可以擴(kuò)張到小客戶身上。這也是網(wǎng)絡(luò)范圍擴(kuò)張的一種形式。2）增加新節(jié)點和新合約。在網(wǎng)絡(luò)擴(kuò)張過程中，由于服務(wù)了更多的節(jié)點，新的具備類似功能的節(jié)點會產(chǎn)生，來服務(wù)于新的客戶。盡管這些節(jié)點可能采用了新的技術(shù)，但本質(zhì)上和傳統(tǒng)的節(jié)點沒有根本的區(qū)別。此外由于網(wǎng)絡(luò)范圍的擴(kuò)張，新合約也會出現(xiàn)，這會產(chǎn)生一些具備新功能的節(jié)點。比如借貸，由于借貸雙方資質(zhì)不同，選擇的中介會有主權(quán)國家、銀行、信用卡、黑社會等等。對于小額的消費性借款，現(xiàn)在出現(xiàn)了由銷售方提供的貸款，這實際上產(chǎn)生了以消費品為標(biāo)的的新借款合約。3）改變網(wǎng)絡(luò)結(jié)構(gòu)。金融網(wǎng)絡(luò)的結(jié)構(gòu)是通過長期演化產(chǎn)生的，盡管有一些習(xí)以為常的結(jié)構(gòu)，但未必是理所應(yīng)當(dāng)?shù)?。金融中介功能有著相?dāng)多的價值，有的時候隔離交易雙方是有效的，比如幫助不具備專業(yè)知識的買方識別詐騙的賣方；但有的時候未必有效，比如股票交易券商收取的手續(xù)費，在歷史上雖然對撮合交易有很大的幫助，但現(xiàn)在對于交易量比較大的股票，由于其真實性很好驗證，交易券商實際上并沒有做太多工作，這也是手續(xù)費百年來一直在下降的原因。區(qū)塊鏈的出現(xiàn)使得網(wǎng)絡(luò)結(jié)構(gòu)的革新出現(xiàn)了可能，原本金融網(wǎng)絡(luò)依靠中心節(jié)點的信用完成整個網(wǎng)絡(luò)的功能。區(qū)塊鏈通過密碼學(xué)算法使得網(wǎng)絡(luò)的功能不需要通過中心節(jié)點的背書，而是通過算法的正確性，只要算法正確，網(wǎng)絡(luò)的功能就是合法的。

2.3.2 金融復(fù)雜系統(tǒng)預(yù)警分析

復(fù)雜網(wǎng)絡(luò)理論能夠定量解釋金融市場中相互聯(lián)系的復(fù)雜程度，將金融機(jī)構(gòu)表示成圖的鏈接方式，能夠識別出系統(tǒng)中最重要的節(jié)點，即擁有最多連接邊的中心節(jié)點。因此，通過網(wǎng)絡(luò)上的動態(tài)過程來建模系統(tǒng)風(fēng)險的演變進(jìn)行預(yù)警分析。

同質(zhì)化的金融系統(tǒng)和異質(zhì)化的金融系統(tǒng)面對外部沖擊時的響應(yīng)存在差異。復(fù)雜性科學(xué)在進(jìn)行金融系統(tǒng)崩潰的預(yù)警分析時，主要是圍繞金融系統(tǒng)的結(jié)構(gòu)特征展開［63］。根據(jù)金融系統(tǒng)構(gòu)成要素的特征，可以將其分為同質(zhì)化結(jié)構(gòu)和異質(zhì)化結(jié)構(gòu)。同質(zhì)化結(jié)構(gòu)其內(nèi)部各要素間具備高度關(guān)聯(lián)性和相似性，而異構(gòu)化結(jié)構(gòu)內(nèi)部各要素間的關(guān)聯(lián)性不完全，且各要素之間不具備相似性。上述兩種不同結(jié)構(gòu)的金融系統(tǒng)，在應(yīng)對外部沖擊時表現(xiàn)出來的反應(yīng)也是具有差異的。同質(zhì)化結(jié)構(gòu)的系統(tǒng)在面對外部沖擊時會出現(xiàn)斷崖式的劇烈變動，而異質(zhì)化結(jié)構(gòu)則會隨外部沖擊壓力的變動呈現(xiàn)出一種逐漸變動的趨勢。因此在對金融復(fù)雜系統(tǒng)進(jìn)行研究時，需根據(jù)不同結(jié)構(gòu)的金融系統(tǒng)應(yīng)對外部沖擊時的特性，制定專門的觀測值，對金融系統(tǒng)的整體狀況進(jìn)行跟蹤分析。

金融系統(tǒng)的相變通常存在引爆點，在引爆點附近存在臨界減速現(xiàn)象。歷史經(jīng)驗表明金融體系常表現(xiàn)出突發(fā)且難以預(yù)料的系統(tǒng)性規(guī)模的崩塌現(xiàn)象，研究者將這類崩塌現(xiàn)象稱為“相變”，其可能在某些情況下被一些無法預(yù)知的隨機(jī)事件觸發(fā)。通過對氣候變化到病毒傳播等多種復(fù)雜系統(tǒng)相變情況的分析，發(fā)現(xiàn)在重大的相變到來之前，系統(tǒng)通常會發(fā)生漸進(jìn)的、未被察覺的韌性流失，導(dǎo)致系統(tǒng)變得脆弱：一個小的擾動事件便可以觸發(fā)多米諾效應(yīng)即崩塌在系統(tǒng)內(nèi)傳播開來并將系統(tǒng)驅(qū)動到一個不可逆轉(zhuǎn)的危機(jī)狀態(tài)。異質(zhì)化結(jié)構(gòu)在面對外部沖擊時，系統(tǒng)受到影響的程度與沖擊力度之間會呈現(xiàn)出一定的關(guān)聯(lián)。在某些情況下，系統(tǒng)往往會存在一個引爆點，當(dāng)系統(tǒng)受到的沖擊達(dá)到臨界之前，異質(zhì)化結(jié)構(gòu)的系統(tǒng)能夠抵抗受到的沖擊力，表現(xiàn)出一定的韌性，使得系統(tǒng)整體保持相對穩(wěn)定的狀態(tài)。而當(dāng)系統(tǒng)受到的沖擊達(dá)到甚至超過引爆點時，系統(tǒng)將會出現(xiàn)崩潰［64］。在某些情況下，當(dāng)沖擊力度越接近引爆點，系統(tǒng)恢復(fù)穩(wěn)定狀態(tài)所需的時間越長，學(xué)界將這一現(xiàn)象稱為“臨界減速”。因此，部分學(xué)者指出引爆點和臨界減速的出現(xiàn)，能夠在一定程度上對系統(tǒng)的崩潰進(jìn)行有效預(yù)警。但是，現(xiàn)階段異質(zhì)性結(jié)構(gòu)的臨界點與臨界減速兩者之間是否具有必然聯(lián)系以及兩者之間的聯(lián)系為何種類型仍有待確認(rèn)［63］。對金融系統(tǒng)的結(jié)構(gòu)特征進(jìn)行分析，并挖掘結(jié)構(gòu)特征變動與系統(tǒng)穩(wěn)定性之間的關(guān)聯(lián)，是世界各國應(yīng)對金融波動、金融危機(jī)的重要研究方向。

2.3.3 金融復(fù)雜網(wǎng)絡(luò)重構(gòu)方法

在對現(xiàn)實世界復(fù)雜金融系統(tǒng)進(jìn)行建模時，由于金融網(wǎng)絡(luò)中各金融機(jī)構(gòu)之間相互關(guān)聯(lián)的信息受到隱私保護(hù)，我們常常會遇到可用信息不足的問題，嚴(yán)重限制了我們可獲取的信息量，極大地降低了正確估計關(guān)鍵系統(tǒng)屬性的可能性。為了解決上述數(shù)據(jù)匱乏的問題，同時優(yōu)化利用現(xiàn)有信息資源，在信息提取質(zhì)量不高的情況下，從數(shù)據(jù)本身出發(fā)最大程度地恢復(fù)數(shù)據(jù)完整性，金融系統(tǒng)網(wǎng)絡(luò)重構(gòu)這一研究領(lǐng)域應(yīng)運而生。

為了解決信息缺失的問題，學(xué)界已經(jīng)嘗試了許多不同的方法。一些網(wǎng)絡(luò)重構(gòu)方法是基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的統(tǒng)計自相似性。在一個給定拓?fù)浣Y(jié)構(gòu)特征（如度分布）的網(wǎng)絡(luò)中，節(jié)點的行為是由其他節(jié)點的非拓?fù)涮卣鳎ㄈ绻?jié)點適應(yīng)度）決定的，且這些節(jié)點遵循相同的行為。通常網(wǎng)絡(luò)重構(gòu)將數(shù)據(jù)一致性作為基本假設(shè)。金融復(fù)雜網(wǎng)絡(luò)重構(gòu)的方法主要有5種，分別為：密度重構(gòu)模型、密度可調(diào)重構(gòu)模型、準(zhǔn)確密度模型、類香農(nóng)重構(gòu)模型、超越香農(nóng)熵的重構(gòu)替代法［65］。還可以從宏觀介觀微觀的角度來區(qū)分不同的重構(gòu)方法。宏觀尺度上的網(wǎng)絡(luò)重構(gòu)側(cè)重于推斷網(wǎng)絡(luò)的全局特征，例如同配性和層次結(jié)構(gòu)。在研究該尺度時，通常不考慮任何特定拓?fù)浼?xì)節(jié)，而是利用網(wǎng)絡(luò)的多種宏觀屬性來指導(dǎo)重構(gòu)。介觀尺度的網(wǎng)絡(luò)重構(gòu)側(cè)重于發(fā)現(xiàn)節(jié)點分布模式，如社區(qū)結(jié)構(gòu)、核心邊緣結(jié)構(gòu)和二分結(jié)構(gòu)，并以此指導(dǎo)網(wǎng)絡(luò)重構(gòu)。微觀尺度的網(wǎng)絡(luò)重構(gòu)重點在于預(yù)測網(wǎng)絡(luò)中缺失的具體連邊，即鏈路預(yù)測問題。鏈接預(yù)測方法大致可分為兩大類：基于相似度的算法和基于模型的算法。兩種方法的關(guān)鍵基本假設(shè)均為：如果兩個節(jié)點具有更大的相似性，則它們之間更可能存在鏈接［66］。

2.3.4 金融復(fù)雜系統(tǒng)信息網(wǎng)絡(luò)

金融復(fù)雜系統(tǒng)信息網(wǎng)絡(luò)是指金融市場上的交易者之間構(gòu)成的信息傳播網(wǎng)絡(luò)，是金融復(fù)雜系統(tǒng)網(wǎng)絡(luò)分析的重要方向。金融市場上各主體策略的形成可以通過信息網(wǎng)絡(luò)來刻畫，并通過網(wǎng)絡(luò)中各節(jié)點的連接數(shù)量來確定網(wǎng)絡(luò)中的主流策略［67］。在網(wǎng)絡(luò)中，通過財富量的相對大小來刻畫每個主體的適應(yīng)度大小，每個交易者隨機(jī)地選擇其他的交易者進(jìn)行連接，兩個主體之間建立連接的概率取決于雙方的適應(yīng)度之差。主體的預(yù)期則由自身預(yù)期和所連接的主體的預(yù)期來組合確定。網(wǎng)絡(luò)中的專家型策略內(nèi)生形成，并且流行度隨時間波動。當(dāng)一個策略獲利時，會有更多的跟隨者模仿該策略，形成羊群效應(yīng)。當(dāng)市場中噪音交易者較多且從眾現(xiàn)象較高時，即使出現(xiàn)新的復(fù)雜策略也無法成為主流策略。牛津大學(xué)基于伊斯坦布爾交易所真實數(shù)據(jù)構(gòu)建了投資者間的信息傳播網(wǎng)絡(luò)，發(fā)現(xiàn)該信息傳播網(wǎng)絡(luò)呈現(xiàn)明顯的社團(tuán)特征，并且中心性越高的節(jié)點獲利能力越強(qiáng)［68］。

在大規(guī)模信息網(wǎng)絡(luò)中，資產(chǎn)價格及其波動與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)密切相關(guān)。在金融市場交易者間的信息網(wǎng)絡(luò)上，可以基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，推導(dǎo)出價格波動率、利潤率等核心關(guān)鍵變量的解析表達(dá)式。在稀疏的冪律分布網(wǎng)絡(luò)上，價格波動率、預(yù)期利潤是網(wǎng)絡(luò)連通度的非單調(diào)函數(shù)，利潤在投資者中的分布與信息網(wǎng)絡(luò)的屬性密切相關(guān)。如果事前明確主體是同質(zhì)性的，那么要保證網(wǎng)絡(luò)的穩(wěn)定性需要對成本函數(shù)等因素進(jìn)行較強(qiáng)的約束；如果引入主體在社會技能等方面的異質(zhì)性，使得不同主體間建立連邊面臨不同的成本，就會自然形成符合冪律分布的信息傳播網(wǎng)絡(luò)［69］。學(xué)者基于上述信息傳播網(wǎng)絡(luò)規(guī)律建立了動態(tài)噪音理性預(yù)期模型，在均衡狀態(tài)時，網(wǎng)絡(luò)中鄰近的主體擁有類似的交易序列，主體的利潤由中心度決定。當(dāng)面對信息沖擊時，中心度較低的網(wǎng)絡(luò)上的價格波動更持久。相對于對稱的信息網(wǎng)絡(luò)，交易量聚集和波動率聚集更容易在不對稱和不規(guī)則的信息網(wǎng)絡(luò)中產(chǎn)生?；?9972003赫爾辛基證券交易所賬戶層面的資產(chǎn)組合和交易數(shù)據(jù)開展的實證研究支持了上述理論預(yù)測，明確了市場結(jié)構(gòu)對波動具有較大影響［70］。

此外，社交網(wǎng)絡(luò)對金融系統(tǒng)穩(wěn)定性的影響也是金融復(fù)雜系統(tǒng)網(wǎng)絡(luò)分析的方向之一。在主體間的信任網(wǎng)絡(luò)中，主體的金融決策受市場估值和信任網(wǎng)絡(luò)中相鄰主體信息的影響，通過構(gòu)建市場行為的元胞自動機(jī)模型發(fā)現(xiàn)真實世界社交網(wǎng)絡(luò)中相鄰主體的影響會降低金融系統(tǒng)的穩(wěn)定性，在不考慮社會影響的時候，系統(tǒng)模擬收斂于有效市場假說下的均衡態(tài)；考慮社會影響，引入真實世界信任網(wǎng)絡(luò)，則系統(tǒng)的穩(wěn)定性會降低［71］。

2.3.5 金融復(fù)雜系統(tǒng)信用網(wǎng)絡(luò)

主體之間在網(wǎng)絡(luò)上的連接類型不僅存在信息連接，還存在信用連接。信用網(wǎng)絡(luò)就是由一個個信用關(guān)系縱橫交錯形成的網(wǎng)絡(luò)［72］。在信用網(wǎng)絡(luò)中，金融機(jī)構(gòu)以各種方式緊密連接（例如，所有權(quán)關(guān)系、共同資產(chǎn)持有、衍生品交易、可能套利的機(jī)會等等），研究中常見的銀行銀行間網(wǎng)絡(luò)、企業(yè)銀行間資金網(wǎng)絡(luò)等。

銀行銀行間網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)尚有爭議。學(xué)界最初對于銀行間市場的系統(tǒng)結(jié)構(gòu)研究成果認(rèn)為，銀行間市場通常都呈現(xiàn)出典型的核心外圍結(jié)構(gòu)，因此可以將銀行間市場分為大小的結(jié)構(gòu)或核心邊緣的結(jié)構(gòu)來開展針對性的研究。然而經(jīng)過長期對銀行間市場系統(tǒng)結(jié)構(gòu)的深入研究，發(fā)現(xiàn)現(xiàn)實中的信用網(wǎng)絡(luò)結(jié)構(gòu)并不是典型的核心外圍，銀行的異質(zhì)性特征決定了其不可簡化為核心邊緣二分法。金融市場結(jié)構(gòu)長期演化積累的數(shù)據(jù)表明銀行網(wǎng)絡(luò)沒有顯著的核心邊緣結(jié)構(gòu)，有時甚至有一個“反核心”結(jié)構(gòu)［73］。

銀行銀行間網(wǎng)絡(luò)風(fēng)險傳播依賴于機(jī)構(gòu)之間的連接模式。目前尚不清楚單個拓?fù)涫欠駮Σ煌愋偷娘L(fēng)險沖擊具有魯棒性。在風(fēng)險敞口直接相互關(guān)聯(lián)銀行銀行間貸款組成的網(wǎng)絡(luò)中，為了應(yīng)對流動性波動，銀行間會頻繁拆借。一旦有一家銀行違約，就可能導(dǎo)致這家銀行的債權(quán)人違約，引發(fā)進(jìn)一步的危機(jī)。金融風(fēng)險的傳播機(jī)理為：當(dāng)一家銀行遭受損失時，危機(jī)就會傳播給它的債權(quán)人，而債權(quán)人又會遭受損失，繼續(xù)傳播給下一個債權(quán)人，以此類推。假設(shè)損失在相關(guān)銀行間的傳播呈現(xiàn)出非線性，文獻(xiàn)［74］以Bureau van Dijk Bankscope數(shù)據(jù)庫中183家歐洲銀行銀行資產(chǎn)負(fù)債表原始數(shù)據(jù)為基礎(chǔ)，研究了在不同的壓力測試場景下，系統(tǒng)的穩(wěn)定性如何依賴非線性參數(shù)。借款人權(quán)益的微小波動合理觸發(fā)了貸款人違約概率的微小變化，而當(dāng)借款人遭受更大損失時，對貸款人的邊際影響應(yīng)該可能是巨大的。對于銀行間網(wǎng)絡(luò)風(fēng)險傳染模擬的研究結(jié)果表明，在某些情形下，只要個別銀行節(jié)點崩潰，就會導(dǎo)致金融網(wǎng)絡(luò)的崩塌。

銀行間債權(quán)債務(wù)網(wǎng)絡(luò)結(jié)構(gòu)決定著穩(wěn)定性和韌性。金融網(wǎng)絡(luò)受到?jīng)_擊時，整個網(wǎng)絡(luò)各個節(jié)點社會福利會產(chǎn)生變化，所有節(jié)點的社會福利函數(shù)期望值越大，則系統(tǒng)穩(wěn)定性越高，金融網(wǎng)絡(luò)越穩(wěn)定；網(wǎng)絡(luò)中節(jié)點社會福利的最小值，則衡量了系統(tǒng)的韌性，最小值越大，則系統(tǒng)韌性越強(qiáng)［75］。銀行網(wǎng)絡(luò)中存在兩種最極端的網(wǎng)絡(luò)結(jié)構(gòu)：一種是“環(huán)形網(wǎng)絡(luò)”，即每個銀行都只有一個銀行債主，也只借給一家銀行錢；另一種是“完全網(wǎng)絡(luò)”，即所有銀行兩兩之間皆有借貸關(guān)系。在小幅度沖擊下，環(huán)形網(wǎng)絡(luò)穩(wěn)定性和韌性都低；完全網(wǎng)絡(luò)穩(wěn)定性和韌性最高；二者的凸組合則在穩(wěn)定性和韌性上，介于二者之間。在大幅沖擊下，環(huán)形網(wǎng)絡(luò)和完全網(wǎng)絡(luò)的穩(wěn)定性和韌性都低；有一些凸組合的網(wǎng)絡(luò)結(jié)構(gòu)，穩(wěn)定性和韌性高于環(huán)形網(wǎng)絡(luò)和完全網(wǎng)絡(luò)。

銀行企業(yè)間借貸網(wǎng)絡(luò)。銀行企業(yè)信貸關(guān)系網(wǎng)絡(luò)是典型的二分信用網(wǎng)絡(luò)。向網(wǎng)絡(luò)中的某些企業(yè)或者銀行節(jié)點給予風(fēng)險沖擊，該沖擊會根據(jù)網(wǎng)絡(luò)中節(jié)點的相對暴露程度，傳播并污染該網(wǎng)絡(luò)中的其他節(jié)點。對于承受初始風(fēng)險沖擊的銀行節(jié)點，計算其風(fēng)險分布的加權(quán)平均值，權(quán)重值與每個節(jié)點的總資產(chǎn)成正比，據(jù)此可以確定銀行對整個網(wǎng)絡(luò)的重要性。研究表明，重要性與銀行規(guī)模之間存在非線性關(guān)系，這意味著與同等規(guī)模的合作伙伴合并將最大程度地提高銀行在整個網(wǎng)絡(luò)中的重要性；向某些工業(yè)部門的企業(yè)節(jié)點引入初始風(fēng)險，可以評估這個風(fēng)險引發(fā)的網(wǎng)絡(luò)中銀行和其他部門企業(yè)的脆弱程度［76］。

2.4 政策應(yīng)用

復(fù)雜性科學(xué)在金融領(lǐng)域的運用及發(fā)展過程，支撐了后金融危機(jī)時代金融監(jiān)管政策的設(shè)計和調(diào)整。復(fù)雜性科學(xué)在金融研究領(lǐng)域的政策應(yīng)用主要集中在通過個體決策行為的模擬來進(jìn)行市場監(jiān)管和風(fēng)險防范這兩個領(lǐng)域。在市場監(jiān)管方面，英格蘭銀行、巴塞爾銀行監(jiān)管委員會等金融機(jī)構(gòu)和監(jiān)管組織中，復(fù)雜性科學(xué)視角下的貨幣政策、風(fēng)險管控等建模實驗已經(jīng)得到了一定的應(yīng)用［27］。國際貨幣基金組織在研究規(guī)模金融系統(tǒng)中的銀行間市場時運用了傳染病模型，將其中規(guī)模最大、關(guān)聯(lián)度最高的銀行視為“超級傳播者”，并以此為基礎(chǔ)來制定其監(jiān)管資本標(biāo)準(zhǔn)［77］。與此同時，流行病學(xué)模型在理解衍生品合同的中央清算、支付系統(tǒng)以及對證券融資交易設(shè)定最低擔(dān)保品折價的政策不穩(wěn)定性中具有優(yōu)勢［7879］。美國證券交易商開發(fā)了納斯達(dá)克股票市場自動報價模型，做市商和機(jī)構(gòu)投資者、養(yǎng)老基金、日交易員和普通投資者等投資主體使用各種策略買賣股票，將神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)等人工智能技術(shù)廣泛應(yīng)用于多主體模擬中的策略生成和策略更替，服務(wù)于市場交易機(jī)制設(shè)計。

在風(fēng)險防范方面，英格蘭銀行采用金融多主體模型了解公司債券市場和英國住房市場［8081］。債券市場主要關(guān)注投資者把公司債券交換為開放投資基金后，導(dǎo)致債券價格下跌的反饋循環(huán)，及減少觸發(fā)器幅度的可能方法。住房市場模型則探討了宏觀經(jīng)濟(jì)穩(wěn)定與房價周期之間的聯(lián)系，考慮年齡、銀行結(jié)余、收入、債務(wù)、銀行部門（抵押貸款人）、中央銀行等因素，模型成功再現(xiàn)了市場的周期性動態(tài)。巴塞爾銀行監(jiān)管委員會運用基于主體的金融模型檢測改革政策對系統(tǒng)性風(fēng)險的影響，特別是動態(tài)變化的風(fēng)險限制所引起價格波動［82］。國際清算銀行基于銀行網(wǎng)絡(luò)級聯(lián)失效過程中存在的沖擊的放大效應(yīng)推出了一種框架，通過收集銀行間關(guān)聯(lián)性的數(shù)據(jù)，估測由全球系統(tǒng)重要性銀行所構(gòu)成的金融網(wǎng)絡(luò)所面臨的系統(tǒng)性風(fēng)險［83］。

復(fù)雜性科學(xué)在金融研究中帶來的變革，已深入到了各國政策的實際應(yīng)用層面，為保證金融系統(tǒng)的穩(wěn)定運行和風(fēng)險預(yù)測提供了具有可操作性的新思路與新方法。

3 復(fù)雜性科學(xué)在金融研究中的發(fā)展趨勢

20世紀(jì)以來，金融學(xué)領(lǐng)域內(nèi)部和主流媒體中都展開了多場關(guān)于當(dāng)前金融理論解釋金融危機(jī)能力的激烈辯論。學(xué)者呼吁，有必要從根本上重新思考金融模型的合理性與有效性，并提倡在模型構(gòu)建和理論運用時，應(yīng)更加注重其科學(xué)性與靈活性。復(fù)雜性科學(xué)在金融研究中的應(yīng)用正是朝著這個方向所做的嘗試之一。時至今日，復(fù)雜性科學(xué)在金融研究的多個細(xì)分領(lǐng)域都取得了重要進(jìn)展，但是許多重要理念和先進(jìn)的研究方法還未真正發(fā)揮核心作用。正如行為經(jīng)濟(jì)學(xué)經(jīng)歷了長達(dá)40到50年的時間才徹底成為經(jīng)濟(jì)學(xué)的核心。要將復(fù)雜性科學(xué)的研究方法和理念更好地融入現(xiàn)有金融學(xué)，就需要對金融學(xué)開展自下而上的變革，即學(xué)科的課本、教師、主流學(xué)術(shù)期刊，還有金融領(lǐng)域的從業(yè)者都要從自身開始轉(zhuǎn)變研究思路和理念［84］。

復(fù)雜性科學(xué)視角下的金融研究成果在解釋系統(tǒng)脆弱性、風(fēng)險傳播、價格波動、行為模式等方面取得了顯著的成果，能夠取得在統(tǒng)計意義上與金融市場現(xiàn)實數(shù)據(jù)相似的結(jié)果，比如金融泡沫和崩潰等現(xiàn)象，這使得研究成果在一定程度上支撐了金融政策的制定與實施。但是在以下方面還存在比較大的發(fā)展空間。1）復(fù)雜系統(tǒng)自動建模有待探索。多主體仿真模型有其很強(qiáng)的局限性，為了抽象建模忽略了很多細(xì)節(jié)，導(dǎo)致模型相對于實際金融市場過于簡單，很難解釋復(fù)雜的金融事件與現(xiàn)象，也很難與真實數(shù)據(jù)擬合，其預(yù)測的精度較低。以人工股票市場為例，雖然它構(gòu)建了一套模擬股票市場變動的機(jī)制，使得整個系統(tǒng)能夠與真實股票漲落趨勢非常接近，但實際上，這套機(jī)制與真實市場中的個體行為并非嚴(yán)格關(guān)聯(lián)，所以并不能用來做真實預(yù)測。此外，多主體仿真模型構(gòu)建的科學(xué)性與建模者的個人經(jīng)驗非常相關(guān)，沒有統(tǒng)一的建模規(guī)則，非常依賴建模者的能力和啟發(fā)性思考。上述問題表明，如何對復(fù)雜系統(tǒng)進(jìn)行自動建模是一個亟待解決的問題。2）在網(wǎng)絡(luò)分析方面，大部分研究關(guān)注的是激勵驅(qū)動的網(wǎng)絡(luò)形成，對于網(wǎng)絡(luò)屬性關(guān)注不夠。政策制定者通過設(shè)定激勵，形成滿足特定屬性的宏觀網(wǎng)絡(luò)結(jié)構(gòu)是多主體模擬發(fā)展的趨勢。在建立復(fù)雜網(wǎng)絡(luò)研究金融問題時，對于建模細(xì)節(jié)進(jìn)行更加深入細(xì)致的刻畫，降低整個模型的顆粒度，使得模型預(yù)測結(jié)果能夠展現(xiàn)出異質(zhì)性網(wǎng)絡(luò)中主體的細(xì)節(jié)差異與變化。3）在與機(jī)器學(xué)習(xí)的融合方面，主體間互動規(guī)則的個體學(xué)習(xí)和社會學(xué)習(xí)，逐步引入非監(jiān)督學(xué)習(xí)的理念和算法，通過機(jī)器學(xué)習(xí)的方式，去調(diào)整參數(shù)，甚至更進(jìn)一步通過機(jī)器學(xué)習(xí)，自動設(shè)置參數(shù)；對于主體間網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行機(jī)器學(xué)習(xí)，引入圖機(jī)器學(xué)習(xí)，把復(fù)雜網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)結(jié)合在一起，來進(jìn)行網(wǎng)絡(luò)上的深度機(jī)器學(xué)習(xí)。4）在與大數(shù)據(jù)的融合方面，基于多維異構(gòu)海量數(shù)據(jù)，不拘泥于微觀細(xì)節(jié)，從更加宏大的尺度抓取最重要的本質(zhì)性特征，來考察跨學(xué)科跨領(lǐng)域復(fù)雜系統(tǒng)的演化規(guī)律和特質(zhì)［85］。5）在與因果科學(xué)結(jié)合方面，在網(wǎng)絡(luò)連接、主體互動規(guī)則等方面，逐步與因果推斷的三層架構(gòu)相結(jié)合，從相關(guān)關(guān)系干預(yù)向反事實轉(zhuǎn)變［86］。6）在政策應(yīng)用方面，建模者還應(yīng)關(guān)注如何才能將復(fù)雜系統(tǒng)的復(fù)雜模擬結(jié)果最好地傳遞給決策者。

總體上來看，以復(fù)雜性科學(xué)為指導(dǎo)，以工程化應(yīng)用為抓手，結(jié)合金融學(xué)、社會學(xué)、生態(tài)學(xué)、流行病學(xué)等多學(xué)科的最新成果，特別是物理金融、計算社會、計算實驗金融等方向的最新研究，立足金融運行的現(xiàn)實，進(jìn)行大規(guī)模的整合，開發(fā)用于控制和預(yù)測復(fù)雜現(xiàn)實金融市場的強(qiáng)大工具，并實現(xiàn)工程化落地，形成實時更新、在線運行的金融系統(tǒng)是該領(lǐng)域研究的目標(biāo)。以復(fù)雜性科學(xué)為研究利器構(gòu)建的金融復(fù)雜系統(tǒng)模型旨在對金融系統(tǒng)進(jìn)行監(jiān)控和壓力測試，提前采取干預(yù)措施，最大程度避免系統(tǒng)性金融崩潰和全球金融經(jīng)濟(jì)系統(tǒng)癱瘓。未來復(fù)雜性科學(xué)在金融研究中的發(fā)展方向?qū)⑸婕皬暮唵蔚?、更有效的?shù)據(jù)收集方法到設(shè)計發(fā)展政策的方法等多個層面，在此基礎(chǔ)上不斷提升復(fù)雜系統(tǒng)模型對于現(xiàn)實金融市場模擬的準(zhǔn)確性，并將此運用于國家層面的金融風(fēng)險防范與金融政策制定之中。

4 結(jié)語

金融系統(tǒng)是一個典型的復(fù)雜系統(tǒng)，系統(tǒng)的總體模式形成于個體行為，而個體行為反過來又受到這種總體模式的影響，形成了一個不斷進(jìn)行著自我“計算”、自我創(chuàng)建、自我更新的無限遞歸循環(huán)。在這種遞歸循環(huán)中，金融復(fù)雜系統(tǒng)可能處于平衡狀態(tài)也可能處于非平衡狀態(tài)。新古典金融理論和行為金融理論聚焦均衡分析，關(guān)注的是什么樣的個體行為能夠創(chuàng)造出一種總體模式，在該總體模式下，任何行為主體都沒有意愿去改變其當(dāng)前行為，從而揭示了金融系統(tǒng)處于平衡狀態(tài)時的運行規(guī)律；這一均衡分析的范式無法刻畫金融復(fù)雜系統(tǒng)處于非平衡狀態(tài)時，各要素之間的相互作用及宏觀涌現(xiàn)機(jī)理。隨著金融數(shù)據(jù)細(xì)粒度化、大數(shù)據(jù)和人工智能的發(fā)展，復(fù)雜性科學(xué)的新方法逐步進(jìn)入金融研究視野。多主體模擬在與日俱增的計算能力支持下，可以設(shè)計更貼合實際的行為機(jī)制、實現(xiàn)更大規(guī)模的系統(tǒng)模擬。而基于大量金融市場和相關(guān)領(lǐng)域的實證數(shù)據(jù)，復(fù)雜網(wǎng)絡(luò)研究可以對交易者行為及其與市場環(huán)境和經(jīng)濟(jì)環(huán)境的互動進(jìn)行更為深入的刻畫。在21世紀(jì)20年代開啟之際，關(guān)注復(fù)雜性科學(xué)視角下的金融研究進(jìn)展，厘清多主體模擬和復(fù)雜網(wǎng)絡(luò)分析等金融研究新興分支相關(guān)文獻(xiàn)的脈絡(luò)，對實施金融安全戰(zhàn)略，守住不發(fā)生系統(tǒng)性風(fēng)險的底線意義重大。

參考文獻(xiàn)：

［1］ARTHUR W B. Complexity and the Economy［M］. Oxford：Oxford University Press，2014：100116.

［2］HIDALGO C A. Economic complexity theory and applications［J］. Nature Reviews Physics， 2021，3：92113.

［3］ZVI B，ROBERT C M，DAVID C. Financial Economics［M］. London：Pearson Learning Solutions，1988：211.

［4］陳智君.從2013年諾貝爾經(jīng)濟(jì)學(xué)獎看金融學(xué)的發(fā)展——以金融學(xué)說比較分析為角度［J］. 經(jīng)濟(jì)學(xué)家， 2014（6）：91102.

CHEN Z J. The development of finance from the 2013 Nobel Economics Prize—from the perspective of comparative analysis of financial theories ［J］. The Economist，2014（6）：91102.

［5］陳平.經(jīng)濟(jì)數(shù)學(xué)為何如此落伍卻自封社會科學(xué)之王？——經(jīng)濟(jì)學(xué)的七大困惑［J］.政治經(jīng)濟(jì)學(xué)報，2018，12（2）：131144.

CHEN P. Why is economic mathematics so outdated but self-proclaimed king of social sciences？ ［J］. Journal of Political Economics，2018，12（2）：131144.

［6］吳曉求，許榮. 金融理論的發(fā)展及其演變［J］.中國人民大學(xué)學(xué)報，2014，28（4）：33 40.

WU X Q， XU R. Development and evolution of financial theory ［J］. Journal of Renmin University of China， 2014，28（4）： 3340.

［7］BOUCHAUD J. Econophysics： still fringe after 30 years？［J］. Europhysics News， 2019， 50（1）：2427.

［8］HELBING D， BALIETTI S. Fundamental and real-world challenges in economics［EB/OL］. ［20221115］. https：//www.arxiv.org/PS_cache/arxiv/pdf/1012/1012.4446v1.pdf.

［9］布萊恩·阿瑟， 賈擁民. 復(fù)雜經(jīng)濟(jì)學(xué)：經(jīng)濟(jì)思想的新框架［M］. 杭州：浙江人民出版社，2018：5063.

［10］ WEAVER W. Science and complexity［J］.American Scientist， 1948， 7（4）： 536644.

［11］ KAHNEMAN D， TVERSKY A. Prospect theory： an analysis of decisions under risk［J］.Econometrica， 1979，47（2）：263292.

［12］ KAHNEMAN D， SLOVIC P， TVERSKY A. Judgment under Uncertainty：" Heuristics and Biases［M］. London：Cambridge University Press，1982：141142.

［13］ SHEFRIN H， MEIR S. Behavioral portfolio theory［J］.Journal of Financial and Quantitative Analysis，2000，35（2）：127151.

［14］ SHEFRIN H， MEIR S. Behavioral capital asset pricing theory［J］. Journal of Financial and Quantitative Analysis，1994，29（3）：323349.

［15］ SHEFRIN H. Behavioral corporate finance［J］.Journal of Applied Corporate Finance， 2001，14（3）：113126.

［16］ HIRSHLEIFER D. Psychological bias as a driver of financial regulation［J］. European Financial Management， 2008，14（5）：856874.

［17］ BARBERIS N， THALER R. A survey of behavioral finance［J］. NBER Working Papers， 2002， 2（3）：10531128.

［18］ BARBERIS N. Psychology-based models of asset prices and trading volume［J］. Handbook of Behavioral Economics： Applications and Foundations， 2018.1（1）：79175.

［19］ DA Z， GURUN U G， WARACHKA M. Frog in the Pan： continuous information and momentum［J］. Social science Electronic Publishing， 2014， 27（7）：21712218.

［20］ SIEGENFELD A F， BAR-YAM Y. An introduction to complex systems science and its applications［EB/OL］. ［20221115］. https：//onlinelibrary.wiley.com/doi/epdf/10.1155/2020/6105872.

［21］ 黃欣榮. 復(fù)雜性科學(xué)的方法論研究［M］. 重慶：重慶大學(xué)出版社， 2006：2037.

［22］ 盛昭翰， 于景元. 復(fù)雜系統(tǒng)管理：一個具有中國特色的管理學(xué)新領(lǐng)域［J］. 管理世界， 2021，37（6）：3650.

SHENG Z H， YU J Y. Complex system management： a new field of management with Chinese characteristics ［J］. Management World， 2021，37（6）：3650.

［23］ LI J H， HUANG W L. Paradigm shift in science with tackling global challenges［J］. National Science Review， 2019.6（6）：10911093.

［24］ 陳平， 劉剛. 代謝增長論：市場份額競爭、學(xué)習(xí)不確定性和技術(shù)小波［J］. 政治經(jīng)濟(jì)學(xué)報， 2014，2（1）：2625.

CHEN P， LIU G. Metabolic growth theory： market share competition， learning uncertainty and technological wavelet ［J］. Journal of Political Economy， 2014，2（1）：2625.

［25］ SIMON H. Facets of Systems Science ［M］.New York：Springer， 1962：467482.

［26］ LADYMAN J， LAMBERT J，WIESNER K.What is a complex system？ ［J］. European Journal for Philosophy of Science，2013，3：3367.

［27］ ANDREW H， TURRELL A.E， An interdisciplinary model for macroeconomics［J］.Oxford Review of Economic Policy，2018，34（1）： 219251.

［28］ GUALDI S， TARZIA M， ZAMPONI F，et al. Tipping points in macroeconomic agent-based models［J］.Economic Dynamics and Control， 2015，50：2961.

［29］ DELLI G D， PALESTRINI A， GAO E，et al. Emergent macroeconomics： an agent-based approach to business fluctuations［M］.New York：Springer，2008：4569.

［30］ 韋立堅， 張維， 熊熊. 股市流動性踩踏危機(jī)的形成機(jī)理與應(yīng)對機(jī)制［J］. 管理科學(xué)學(xué)報， 2017，20（3）：123.

WEI L J， ZHANG W， XIONG X. Formation mechanism and coping mechanism of stock market liquidity stampede crisis ［J］. Journal of Management Science， 2017，20（3）：123.

［31］ FARMER J D， PATELLI P， ZOVKO， I. The predictive power of zero intelligence models in financial markets ［J］. Proceedings of the National Academy of Sciences of the United States of America，2005，102：22542259.

［32］ BENINK H， BOSSAERTS P. An exploration of neo-Austrian theory applied to financial markets ［J］. Journal of Finance，2001，56（3）：10111027.

［33］ BROCK W A，HOMMES C.Heterogeneous beliefs and routes to chaos in a simple asset pricing model［J］. Journal of Economic Dynamics ＆ Control， 1998， 22（8）：12351274.

［34］ VRIEND， N. An illustration of the essential difference between individual and social learning， and its consequences for computational analysis ［J］. Journal of Economic Dynamics and Control，2000，24（1）：119.

［35］ YAMAMOTO R.Volatility clustering and herding agents： Does it matter what they observe？［J］. Journal of Economic Interaction and Coordination，2011，6（1） 4159.

［36］ KIRMAN A. Ants， rationality and recruitment［J］. Quarterly Journal of Economics， 1993，108（1） 137 156.

［37］ GAUNERSDORFER A，HOMMES C，WAGENER F O O.Bifurcation routes to volatility clustering under evolutionary learning［J］. Journal of Economic Behavior ＆ Organization，2008，67（1） 2747.

［38］ VRIEND N J. An illustration of the essential difference between individual and social learning， and its consequences for computational analyses［J］. Journal of Economic Dynamics and Control，2000，24（1）：119.

［39］ LEBARON B. Building the Santa Fe artificial stock market［DB/OL］. ［20221015］. https：//www.researchgate.net/publication/228751516_Building_the_Santa_Fe_artificial_stock_market.

［40］ GODE D K， SUNDER S. Allocative efficiency of markets with zero-intelligence traders： market as a partial substitute for individual rationality［J］. Journal of Political Economy，1993，101（1）：119137.

［41］ GODE D K， SUNDER S. What makes markets allocationally efficient？［J］.Quarterly Journal of Economics，1997， 112（2）： 603630.

［42］ DUFFY" J， NVER M U. Asset price bubbles and crashes with near-zerointelligence traders［J］.Economic Theory，2006， 27（3）：537563.

［43］ LADLEY D， SCHENK-HOPP K R. Do stylised facts of order book markets need strategic behaviour？［J］.Journal of Economic Dynamics and Control，2009，33（4）：817831.

［44］ LUX， T， MARCHESI M. Scaling and criticality in a stochastic multi-agent model of a financial market［J］.Nature，1999，397： 498500.

［45］ LUX T， MARCHESI M. Volatility clustering in financial markets［J］.International Journal of Theoretical and Applied Finance，2000，3（4）：675702.

［46］ CHIARELLA C， IORI G. A simulation analysis of the microstructure of double auction markets［J］.Quantitative Finance，2002，2（5）：346353.

［47］ LEBARON B， YAMAMOTO R. Long-memory in an order-driven market［J］.Physica A： Statistical Mechanics and its Applications，2007，383（1）：8589.

［48］ 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）：525537.

［49］ WESTERHOFF F. A simple agent-based financial market model： direct interactions and comparisons of trading profits［DB/OL］.［20221115］. https：//link.springer.com/chapter/10.1007/9783642040238_17.

［50］ CHALLET D， MARSILI M， ZHANG Y C. Minority Games： Interacting Agents in Financial Markets［M］.Oxford：Oxford University Press，2005：3143.

［51］ PASQUINI M， SERVA M. Clustering of volatility as a multiscale phenomenon［J］.European Physical Journal，2000，16：195201.

［52］ IORI G. A microsimulation of traders activity in the stock market： the role of heterogeneity， agents interactions and trade frictions［J］.Journal of Economic Behavior and Organization，2002，49（2）：269285.

［53］ FLLMER H， HORST U， KIRMAN A. Equilibria in financial markets with heterogeneous agents： a probabilistic perspective［J］.Journal of Mathematical Economics，2005，41（1）：123155.

［54］ ALFARANO S，MILAKOVIC M. Should network structure matterin agent-based finance？［DB/OL］.［20221115］. https：//www.xueshufan.com/publication/1929401064.

［55］ PANCHENKO V， GERASYMCHUK S. Pavlov O V. Asset price dynamics with heterogeneous beliefs and local network interactions［J］. Journal of Economic Dynamics and Control，2013，37（12）：26232642.

［56］ BARAB SI A L， ALBERT R. Emergence of scaling in random networks［J］. Science，1999，286（5439）： 509512.

［57］ NEWMAN M E J， Power laws， pareto distributions and zip’s law［J］. Contemporary Physics，2005：46（5）， 32351.

［58］ GABAIX X. Power laws in economics and finance［J］. Annual Review of Economics， 2009，1（1）：255293.

［59］ BISIN A， MORO A， TOPA G. The empirical content of models with multiple equilibria in economies with social interactions ［DB/OL］.［20221115］. https：//ideas.repec.org/p/nbr/nberwo/17196.html.

［60］ 周艷波，蔡世民，周佩玲.金融市場的無標(biāo)度特征研究［J］.中國科學(xué)技術(shù)大學(xué)學(xué)報，2009，39（8）：880884.

ZHOU Y B， CAI S M， ZHOU P L. Scale-free characteristics of financial markets ［J］. Journal of University of Science and Technology of China， 2009，39（8）：880884.

［61］ ALBERT R， JEONG H，BARAB SI A. Error and attack tolerance of complex networks ［J］. Nature 2000，406：378382.

［62］ LIU Y， SLOTINE J，BARAB SI， A.L. Controllability of complex networks［J］. Nature 2011，473：167173.

［63］ SCHEFFER M， CARPENTER S R， LENTON T M，et al. Anticipating critical transitions ［J］. Science， 2012，338：344348.

［64］ BATTISTON S， FARMER J D， FLACHE A， et al. Complexity theory and financial regulation［J］. Science， 2016， 351： 818819.

［65］ MASTROMATTEO I， ZARINELLI E， MARSILI M. Reconstruction of financial networks for robust estimation of systemic risk［J］. Journal of Statistical Mechanics： Theory and Experiment， 2012， 3：1115.

［66］ CIMINI G， MASTRANDREA R， SQUARTINI T. Reconstructing Networks［M］. London：Cambridge University Press，2021：5784.

［67］ TEDESCHI G，IORI G， GALLEGATI M. Herding effects in order driven markets： the rise and fall of gurus［J］. Journal of Economic Behavior and Organization，2012，81（1）：8296.

［68］ OZSOYLEV H N， WALDEN J， YAVUZ M D， et al. Investor networks in the stock market［J］. The Review of Financial Studies， 2014， 27（5）：13231366.

［69］ OZSOYLEV H N， WALDEN J. Asset pricing in large information networks［J］. Journal of Economic Theory， 2011， 146（6）：22522280.

［70］ JOHAN W. Trading， profits， and volatility in a dynamic information network model［J］. The Review of Economic Studies， 2019，86（5）： 22482283.

［71］ BAKKER L， HARE W， KHOSRAVI H， et al. A social network model of investment behaviour in the stock market［J］. Physica A Statal Mechanics amp; Its Applications， 2010， 389（6）：12231229.

［72］ LUCA R， ALBERTO R， MAURO G. Firm-bank credit network， business cycle and macroprudential policy［J］. Journal of Economic Interaction and Coordination， 2022，17（2）：475499.

［73］ UPPER C. Simulation methods to assess the danger of contagion in interbank markets ［J］.Journal of Financial Stability，2011，7（3）：111125.

［74］ MARCO B， FABIO C， IGNACIO P J， et al. Distress propagation in complex networks： the case of non-linear DebtRank［J］. Plos One， 2016， 11（10）：e0163825.

［75］ ACEMOGLU D， OZDAGLAR A， TAHBAZ-SALEHI A. Systemic risk and stability in financial networks［J］. Social Science Electronic Publishing， 2015， 105（2）：564608.

［76］ HIDEAKI A， BATTISTON S， YOSHI F. DebtRank analysis of the Japanese credit network［DB/OL］.［20221115］. https：//econpapers.repec.org/paper/etidpaper/13087.htm.

［77］ ALTER A， CRAIG B R， RAUPACH P. Centrality-based Capital Allocations ［DB/OL］.［20221115］. https：//www.ijcb.org/journal/ijcb15q3a8.pdf.

［78］ ALESSANDRI P， HALDANE A G. Banking on the State［DB/OL］.［20221115］. https：//webarchive.nationalarchives.gov.uk/ukgwa/20091111064714/http：/www.bankofengland.co.uk/publications/speeches/2009/speech409.pdf.

［79］ HALDANE A. G. Rethinking the financial network ［DB/OL］.［20221115］. https：//link.springer.com/content/pdf/10.1007/9783658022488_17.pdf.

［80］ TURRELL A， BRAUN-MUNZINGER K， LIU Z. An agent-based model of dynamics in corporate bond trading ［DB/OL］. ［20221115］.https：//www.bankofengland.co.uk/-/media/boe/files/working-paper/2016/an-agent-based-model-of-dynamics-in-corporate-bond-trading.pdf.

［81］ BAPTISTA R， HINTERSCHWEIGER M， LOW K， et al. Macroprudential policy in an agent-based model of the UK housing market［DB/OL］. ［20221115］. https：//www.bankofengland.co.uk/-/media/boe/files/working-paper/2016/macroprudential-policy-in-an-agent-based-model-of-the-uk-housing-market.pdf.

［82］ AYMANNS C， FARMER J D. The dynamics of the leverage cycle［J］. Journal of Economic Dynamics amp; Control， 2015， 50：155179.

［83］ BATTISTON S， GATTI D D， GALLEGATI M， et al. Liaisons dangereuses： increasing connectivity， risk sharing， and systemic risk［J］. Journal of Economic Dynamics amp; Control， 2012， 36（8）：11211141.

［84］ ARTHUR W B. Foundations of complexity economics［J］. Nature Reviews Physics， 2021，3：136145.

［85］ WEST G. Scale： the universal laws of growth， innovation， sustainability， and the pace of life in organisms， cities， economies， and companies［M］. London：Penguin Press， 2017：1741.

［86］ PEARL J， MACKENZIE D. The book of why： the new science of cause and effect［M］. New York： Basic Books，2018：3342.

（責(zé)任編輯 耿金花）