網絡下的證券投資行為分析論文

導語：網絡下的證券投資行為分析論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

[摘要]證券市場是一個開放市場，影響股價的因素比較復雜，其中投資者群體心理因素起著重要作用，較之于其他經濟領域，證券投資行為擴散往往容易產生投資者群體，并具有較高的集合力或凝聚力，有時甚至能夠左右證券市場的走勢，發揮著極強的擴展和放大效應。本文分別建立了基于隨機網絡、小世界網絡和無標度網絡的投資行為隨機演化模型，討論了投資者行為擴散的動力學性質。通過大量的試驗，得到心理閾值、人群的網絡結構、初始投資行為群體的規模和特點影響投資行為擴散的規律，并提出了開展行之有效的投資者教育、監管層應在實踐中不斷摸索、有效甄別證券投資行為擴散中的意見領袖，充分發揮他們的作用等相關政策建議。

[關鍵詞]復雜網絡；投資行為擴散；心理閾值；隨機演化模型；政策建議

一、基本思路

一般而言，行為擴散的傳播渠道包括大眾傳播和人際傳播，人們的許多行為都會受到其身邊的朋友、同事、鄰居或社會中其他與之鄰接的人影響。對于證券投資行為而言，人際傳播網絡對投資行為擴散至關重要。因為在證券投資市場中，個體投資者高密度的接觸促使其產生激烈的互動，同時受情感的控制，產生所謂的“隧道現象”，造成眾多個體投資者的心理經互動后達到思想觀念和感情一致的同化融合狀態，并通過暗示、模仿、感染等途徑加速投資行為的傳播和擴散，直到形成特定的群體投資行為模式。這種彼此助長、相互促進的從眾行為，是投資者群體不斷擴大的重要誘因?；诖?，我們采用心理閾值衡量啟動個體投資者從眾行為的臨界影響程度。所謂心理閾值，通俗地說就是心理承受的極限，心理閾值越高的人，心理承受能力越強，則其從眾的傾向越低；而心理閾值越低的人，心理承受能力越弱，從眾傾向越高。傳統的模仿傳染模型往往用一組確定性的微分方程描寫傳播擴散的動力學行為，由于受研究工具的限制，無法探究人際關系網絡類型對投資行為擴散的影響。有鑒于此，本文采用復雜網絡上的擴散模型建模方法，首先模擬出投資行為擴散的人際關系網絡，為系統設定一些規則后讓系統在該網絡下自發演化，然后考察系統演化過程中表現出來的若干性質。由于考慮了擴散網絡拓撲結構本身對投資行為擴散的影響，因此可以得到很多傳統模型不能得到的結果。

二、模型構建

對于投資行為擴散的人際關系網絡的判斷是研究行為擴散的前提。由于能夠用來描述投資行為擴散的定性約束很少，需要根據常識和專家知識進行過濾，建立相關的約束規則。對于潛在投資者網絡結構的判斷可以：(1)借鑒過去的相關投資行為擴散研究中對投資者網絡的觀察結論；(2)將一個假想的投資行為介紹給潛在投資者，采用問卷調查的方式確定網絡結構；(3)在某種投資行為擴散之前調查潛在投資者的網絡結構。本文采用網絡圖的形式描述投資行為擴散的人際關系網絡結構。我們用G(V，E)表示人際關系網絡，其中V是頂點集，E是邊集，每個頂點代表系統中的一個人，兩個人之間有一條邊相連，表示這兩個人有可能發生聯系，從而可能使投資行為擴散，這里記為相鄰個體。為了進一步研究的需要，我們采用鄰接矩陣定義人群中的關系網絡。如果第i節點與第j節點之間有邊相連，對應的鄰接矩陣中第i行第j列的元素和第j行第i列的元素都為1，否則為0，如圖1所示。

系統完成對每個未投資行為的節點進行檢測和轉變過程稱之為一個階段。用t表示系統所處的階段。投資行為對節點i的吸引力c(i，t)由t階段時，鄰接的節點中已投資行為的節點個數m(i，t)以及鄰接節點的個數n(i)所決定：

模型有兩個假設：

(1)每個階段，投資者要決定是否跟風投資。如果某種投資行為對一個潛在的投資者的吸引力c(i，t)大于其心理閾值，他將跟隨投資；

(2)投資行為擴散過程中，人群中的人際關系保持不變。

按照上述假設規則進行演化迭代，演化過程如圖2所示：

圖2中，(a)為系統初始化，隨機指定初始投資行為節點，(b)、(c)是相繼的演化進程，即從系統現有投資者的節點出發，對每個未投資的節點檢測，判斷并完成未投資節點的轉變過程。

三、基礎網絡

證券投資行為擴散動力機制極其多樣化，決定了其基礎網絡有著不同的網絡性質。本文主要以目前研究比較成熟的隨機網絡、無標度網絡以及小世界網絡為基礎網絡，在試驗中將網絡規模均設定為N=2000，分別研究投資行為在這三種網絡結構上的擴散情況。

1.隨機網絡。隨機網絡的連接是隨機設置的，其大部分節點的連接數目會大致相同，即節點度的分布方式遵循鐘形的泊松分布，有一個特征性的“平均數”，連接數目比平均數高許多或低許多的節點都極少，隨著連接數的增大，其概率呈指數式迅速遞減，故隨機網絡亦稱指數網絡。

在隨機圖理論中，連接概率被定義為系統大小的一個函數：P為系統中已有邊數占總邊數N(N-1)/2(其中N為系統中結點的數目)的比重。隨機網絡的節點度的分布見圖3(1)。

2.小世界網絡。小世界網絡是介于規則網絡和隨機網絡兩種極端網絡中間地帶的簡單網絡。這一網絡在社會系統中有其根源，社會系統中大多數人是他們鄰居的朋友——同一條街的鄰居、同事以及他們朋友介紹認識的人，而每個人又有一兩個遠方的朋友——在其他國家的朋友或老相識——他們由Watts-Strogatz模型中重新連線得到的長距離邊來代表。我們考慮以下隨機重新連線過程：從一個具有N個節點以及每個節點有K條邊的環形網絡開始，以概率PNK隨機給每條邊重新連線，約束條件為節點間無重邊，無自環。通過重新連接規則網絡中節點之間的連線來增加該網絡的無規則性。小世界網絡的節點度分布見圖3(2)。

3.無標度網絡。無標度網絡的生成遵循增長和擇優選擇兩種原則，它存在擁有大量連接的集散節點。與隨機網絡和小世界網絡的網絡拓撲性質不同，在無標度網絡中節點與節點之間的連接分布遵循冪次定律，其中大部分的節點只有少數連接，而少數節點則擁有大量的連接。從這種意義上來說，這種網絡是“無標度”的。若將節點連接的分布取對數繪制在雙對數坐標上，結果將成一直線，其網絡節點度的分布見圖3(3)。可見，一個社會系統若為無標度網絡，它的最大特征是即使存在少數節點也擁有大量連接。這些節點可被視為意見領袖，擁有廣泛的聯系，這些意見領袖是系統中對其他成員接受傳播信息的態度和行為具有較大影響力的人物。

四、試驗結果與分析

我們進行了四組試驗，即基于隨機網絡的證券投資行為擴散演化試驗，得到隨機網絡的連接概率對投資行為擴散的影響(見圖4)；基于小世界網絡的證券投資行為擴散的演化試驗，得到重新連接概率PNK對投資行為擴散的影響(見圖5)；基于無標度網絡的證券投資行為擴散的演化試驗，鑒于無標度網絡中節點度數的大小相差懸殊，我們觀察了初始投資行為節點的屬性對證券投資行為擴散的影響，另外，通過試驗得到初始投資行為節點的規模對投資行為擴散的影響(見圖6)；基于三種網絡的證券投資行為擴散比較的演化試驗，得到基于三種網絡的投資行為擴散比較圖(見圖7)。試驗采用的三種網絡中有相同的邊數6000、節點閾值均為0.01，對每種網絡隨機取兩個度為4的初始投資行為節點。公務員之家

圖4表明，在隨機網絡上連接概率越大，投資者群體中個體的交往更廣泛，投資者關于證券投資的信息溝通越便利、及時，投資行為擴散速度越快。與此形成鮮明對比，圖5顯示在重新連接概率越大的小世界網絡上，即不太規則網絡上的投資行為擴散更容易。在無標度網絡上，圖6(a)顯示，隨機選取的初始投資者節點的數目越多，即群體中采取同一投資行為的人數越多(比如同時買股票或投資于同一股票)影響力越大，該投資行為擴散得越快。節點的度大意味著投資者之間人群中建立了廣泛的人際關系，便于擴散投資信息。前文將位于這種節點的投資者稱為意見領袖，意見領袖在投資行為擴散過程中發揮杠桿作用，能夠加速投資行為在廣大投資者中的傳播進程。準確鑒定系統內的意見領袖，并有效控制他們，將對投資者從眾行為控制產生積極的影響。將圖6(b)與(a)相比可以看出，隨著心理閾值的增加，投資行為擴散的范圍大大縮小。并且當初始投資者節點規模較小、他們的度數取為最小，投資行為無法擴散；當有更多數量的度數最小的初始投資者節點，投資行為擴散的速度和范圍有了明顯的提高。將三種網絡拓撲結構中的投資行為擴散過程進行對比，不難看出，在無標度網絡結構中，投資者行為擴散更加迅速(見圖7)。這主要源于意見領袖發揮著提高傳播結構的網絡聯通性、加速投資行為擴散的作用。

五、政策啟示

通過對試驗結果進行分析，我們得到這樣幾點啟示：(1)初始投資者節點數目越多，投資行為越容易擴散，這與社會心理學群體規模與從眾率成正比的結論是相吻合的。在證券市場出現異常的情況下，大規模的投資者集結在一起，由于情緒互相感染、暗示和模仿，個體往往會做出失去理智的行為，在群體中有不良的情緒出現并呈現漫延趨勢時，監管層應盡可能將通過適宜的渠道，將聚集的投資者分散開來，以免造成證券市場的瘋狂飚升或恐慌性拋售，產生動蕩甚至危及到國家金融安全。(2)開展行之有效的投資者教育，倡導正確的價值觀，培育長期投資、講求投資組合的理念，有效提高投資者的心理閾值，使投資者了解各類非理性行為產生的根源和危害，減少對他人投資行為的依賴，在投資活動自覺中防范各類證券欺詐和風險，以規避投資行為擴散造成的證券市場的系統性風險。(3)新興證券市場對于一國社會、經濟穩定具有至關重要的意義。為了既能充分發揮證券市場的職能，又不至于威脅到國家的經濟安全，政府對新興證券市場的干預度往往高于成熟市場。然而，政府對新興證券市場的監管卻不一定能夠達到預期的效果，許多監管政策在執行過程中與政策制定者的本意相違背。為此，監管層應在實踐中不斷摸索，有效甄別證券投資行為擴散中的意見領袖，探求合理控制意見領袖的方式，充分發揮他們的在投資行為擴散中的樞紐作用，將證券投資行為向有利于證券市場健康發展的方向引導。

參考文獻：

[1]羅伯特·J.希勒.非理性繁榮[M].北京：中國人民大學出版社，2001.

[2]DavidP.PoterandVernonL.Smith.StockMarketBubblesintheLaboratory[J].TheJournalofBehavioralFinance2003，Vol.4，No.17-20.

[3]N.T.J.Bailey.TheMathematicalTheoryofInfectiousDiseases[M].Griffin，London：1975.21-24.

[4]J.D.Murray.MathematicalBiology[M].Springer-Verlag，Berlin：1993.142-153.

[5]P.S.Romualdo，V.Alessandro.EpidemicSpreadinginScale-FreeNetworks[J].PhysicalReviewLetters，86，2001：3200-3203.

[6]D.J.WattsandS.H.Strogatz.Collectivedynamicsofsmall-world＇networks[J].Nature，1998，393：440442.

[7]R.AlbertandA.L.Barabasi.Statisticalmechanicsofcom-plexnetworks[J].ReviewsofModernphysics，2002，74：48-94.