金融政策效用下企業(yè)發(fā)展多智能體仿真研究

張高煜，周雯婷，王昕杰，盛夢(mèng)宇，陳飛宇

金融政策效用下企業(yè)發(fā)展多智能體仿真研究

張高煜，周雯婷，王昕杰，盛夢(mèng)宇，陳飛宇

針對(duì)金融政策傳播過程中的復(fù)雜性，建立了宏觀系統(tǒng)的政策傳播模型并在多智能體仿真開發(fā)平臺(tái)Netlogo下編程實(shí)現(xiàn)，并動(dòng)態(tài)模擬企業(yè)引入金融政策后金融市場的演化過程，來展現(xiàn)具有不同特征的企業(yè)在金融市場上是如何隨著時(shí)間發(fā)生的交互作用。最后給出了金融政策效用下的企業(yè)狀態(tài)演化與預(yù)測實(shí)驗(yàn)結(jié)果，量化了政策對(duì)市場的激勵(lì)，將人文社會(huì)科學(xué)研究與復(fù)雜網(wǎng)絡(luò)理論進(jìn)行了比較完美的結(jié)合與集成創(chuàng)新。

多智能體仿真；金融政策；企業(yè)；狀態(tài)預(yù)測

0 引言

國內(nèi)外金融政策的效用研究可追溯到政策創(chuàng)新與擴(kuò)散模型的研究，主要研究“政策創(chuàng)新”這種激進(jìn)的政策的變遷形態(tài)。

政策創(chuàng)新擴(kuò)散的研究始于密歇根大學(xué)沃克[1]（Walker, 1969），他發(fā)現(xiàn)美國許多州在政策方面并不完全遵循漸進(jìn)決策路徑，而是經(jīng)常出現(xiàn)跳躍性的“創(chuàng)新”，并且一些州的創(chuàng)新往往會(huì)被鄰近州所效仿。之后通過美國各州88項(xiàng)政策創(chuàng)新案例的實(shí)證分析，發(fā)現(xiàn)大而富的州比小而窮的州更易于創(chuàng)新，而且許多州都接受來自它們區(qū)域中一個(gè)或者更多先進(jìn)的州的指引走向創(chuàng)新之路。自沃克后，政策創(chuàng)新及擴(kuò)散的研究成了政策科學(xué)中最引人注目的領(lǐng)域之一。

在政策創(chuàng)新與擴(kuò)散的早期研究中，弗吉尼亞·格雷（Virginia Gray,1973）借鑒其他學(xué)科對(duì)創(chuàng)新與擴(kuò)散的研究，提出了政策創(chuàng)新與擴(kuò)散的經(jīng)驗(yàn)?zāi)Ｐ停J(rèn)為在政策創(chuàng)新擴(kuò)散的初期，政策采納的發(fā)生相對(duì)不頻繁，然后隨著各種因素的影響，采納的比例會(huì)急劇上升。布朗（Brown）和考克斯（Cox）將政策創(chuàng)新研究成果總結(jié)為3條規(guī)律[2]，即時(shí)間維度上呈現(xiàn)S型曲線，在空間維度上表現(xiàn)為臨近效應(yīng)（the neighborhood effect），以及區(qū)域內(nèi)出現(xiàn)的領(lǐng)導(dǎo)者—追隨者的層級(jí)效[3]。

我國目前對(duì)于政策創(chuàng)新與擴(kuò)散模型的研究處于不成熟階段。國內(nèi)最早的譯作是弗吉尼亞·格雷的《競爭、效仿與政策創(chuàng)新》，此后國內(nèi)的學(xué)者才開始關(guān)注政策創(chuàng)新擴(kuò)散問題。如嚴(yán)榮《轉(zhuǎn)型背景下政策創(chuàng)新的擴(kuò)散與有限理性學(xué)習(xí)》一文中，對(duì)政策創(chuàng)新與擴(kuò)散模型做了簡單的介紹，以政府信息公開規(guī)定和招商引資獎(jiǎng)勵(lì)兩項(xiàng)政策作為實(shí)證案例。但國內(nèi)研究者對(duì)于中國政策創(chuàng)新擴(kuò)散現(xiàn)象的個(gè)案研究還停留在內(nèi)部決定影響論與區(qū)域擴(kuò)散效應(yīng)論割離的水平，尚未有學(xué)者對(duì)政策創(chuàng)新與擴(kuò)散模型本身進(jìn)行專門的系統(tǒng)性研究。

然而把復(fù)雜網(wǎng)絡(luò)運(yùn)用到計(jì)算機(jī)病毒傳播研究中，為探索金融政策的傳播與效用提供了新的視角。

復(fù)雜網(wǎng)絡(luò)從 1999年其在國際上掀起了研究的熱潮[4-6]，20世紀(jì)50年代，出現(xiàn)了最簡單的復(fù)雜網(wǎng)絡(luò)描述，即隨機(jī)圖理論，這是一種最簡單被大眾所認(rèn)識(shí)的復(fù)雜網(wǎng)絡(luò)，有匈牙利數(shù)學(xué)家Paul Erdos和Alfred Rlfred提出。在20世紀(jì)后的40年中，隨機(jī)圖理論一直是研究復(fù)雜網(wǎng)絡(luò)的基本理論，被認(rèn)為是對(duì)真實(shí)系統(tǒng)最好的描述。隨機(jī)圖能夠反映現(xiàn)實(shí)網(wǎng)絡(luò)的平均路徑較短的特性，但隨機(jī)圖的度分布均勻，而且聚類系數(shù)很小，總體而言，隨機(jī)圖不能很好地刻畫實(shí)際網(wǎng)絡(luò)，因?yàn)榻^大多數(shù)實(shí)際的負(fù)載網(wǎng)絡(luò)結(jié)構(gòu)并不是完全隨機(jī)的。

本文基于多智能體仿真技術(shù)和政策傳播模型，研究金融市場中企業(yè)受金融政策的影響、企業(yè)之間的合作、企業(yè)個(gè)體的狀態(tài)演化與預(yù)測，同時(shí)將仿真結(jié)果反饋到?jīng)Q策變量中，尋求最優(yōu)的金融政策變量，為社會(huì)經(jīng)濟(jì)管理提供依據(jù)。

1 政策傳播模型

由于政策的傳播類似于病毒的傳播，可以引用病毒傳播的模型。由經(jīng)典的網(wǎng)絡(luò)病毒傳播知識(shí)可得出，病毒的傳播強(qiáng)度越大，傳播的范圍越廣。在此我們把政策總結(jié)為4點(diǎn)（風(fēng)險(xiǎn)監(jiān)控、企業(yè)合作和政府支持、企業(yè)創(chuàng)新），所以企業(yè)接受政策的個(gè)數(shù)由1-4四個(gè)選擇，企業(yè)政策選擇的個(gè)數(shù)多的對(duì)其他企業(yè)威脅大，存活的企業(yè)也就少。

在基于對(duì)現(xiàn)實(shí)進(jìn)行簡化的同時(shí)，將實(shí)際復(fù)雜傳播中的無標(biāo)度特性歸結(jié)為增長和優(yōu)先連接兩個(gè)特性，其構(gòu)造算法：

（1）企業(yè)規(guī)模增長特性——企業(yè)的規(guī)模與時(shí)間有關(guān)系。從結(jié)點(diǎn)總數(shù)為m開始構(gòu)建，每次向企業(yè)群中加入一個(gè)節(jié)點(diǎn)，與已經(jīng)存在的m個(gè)節(jié)點(diǎn)連接，并滿足

（2）優(yōu)先連接特性——新節(jié)點(diǎn)優(yōu)先連接度能量較大的節(jié)點(diǎn)。新的企業(yè)節(jié)點(diǎn)與某個(gè)存在的節(jié)點(diǎn)i連接的概率Πi與節(jié)點(diǎn)i的度ni、節(jié)點(diǎn)j的度nj的關(guān)系滿足公式（1）：

目前應(yīng)用較為廣泛的信息傳播演化模型是 SIR模型、SIS模型和SEIR模型等（Susceptible易感者、Infective感病者、Removal移出者、Exposed潛伏態(tài)）（3個(gè)模型要寫出具體英文）。在SIR模型中，將人群劃分為3類：易感人群(Susceptible)；感染人群(Infected)；免疫人群(Recovered)。

相比病毒傳播模型，政策作為另類的“病毒”在名為企業(yè)的“人群”中傳播，因此將企業(yè)分為3類：最初接受政策并且發(fā)展的企業(yè)（developing）（Removal），發(fā)展受到阻礙的企業(yè)（stagnant）（Susceptible），發(fā)展不良并且正在倒逼或者關(guān)閉的企業(yè)（closed）（Infective）。假設(shè)在單位時(shí)間內(nèi)，接受政策并且發(fā)展的企業(yè)的概率為α，發(fā)展受到阻礙的企業(yè)的概率為β，并用表示在時(shí)間t發(fā)展企業(yè)、受阻礙企業(yè)和關(guān)閉企業(yè)的數(shù)量，用M表示t時(shí)刻整個(gè)金融市場企業(yè)的數(shù)量。 SIR 模型可用如下方程組表示為公式（2）～（5）：

公式（2）表示企業(yè)接受政策并且發(fā)生改變概率，公式（3）表示企業(yè)發(fā)展受到阻礙的概率，公式（4）代表企業(yè)發(fā)展不良正走向倒逼的概率，公式（5）表示以上3種概率之和為1即100%）。

在實(shí)際傳播中，企業(yè)只有接觸發(fā)展企業(yè)才能被傳播。基于網(wǎng)絡(luò)的病毒傳播模型，網(wǎng)絡(luò)中的節(jié)點(diǎn)表示個(gè)體，節(jié)點(diǎn)之間的邊可視為兩個(gè)個(gè)體間可能的接觸，當(dāng)一個(gè)節(jié)點(diǎn)是發(fā)展企業(yè)時(shí)，它以一定概率將政策傳播給相鄰的企業(yè)節(jié)點(diǎn)。這樣，政策模型就可以推廣到一般的網(wǎng)絡(luò)傳播中。

2 企業(yè)間合作模型

合作行為的傳統(tǒng)視角有3類：生物學(xué)、經(jīng)濟(jì)學(xué)和心理學(xué)。經(jīng)濟(jì)學(xué)中的合作理論則以Neumann和Morgenstem的期望效用理論（ex—pected utility theory）為代表，該理論認(rèn)為合作行為取決于期望效用，是收益及其實(shí)現(xiàn)概率的乘積。此模型將簡化為企業(yè)之間的交流程度，根據(jù)離散數(shù)學(xué)圖論中度的概念，將企業(yè)之間交流轉(zhuǎn)化為合作概率（cooperative-probability）表示為度的概念，度越大，企業(yè)之間交流則越頻繁，反之相反。企業(yè)間有一定的合作關(guān)系，度分布公式為公式（6）：

公式（6）中X代表企業(yè)之間的聯(lián)系，例如2家企業(yè)之間擁有X=1的聯(lián)系，3家企業(yè)之間擁有X=3的度，M代表企業(yè)數(shù)量。

該網(wǎng)絡(luò)模型滿足冪律度分布的形式,x越大，P(x)越小，從而企業(yè)節(jié)點(diǎn)之間互相連接的概率就越小，相反，x越小，P(x)越大，從而節(jié)點(diǎn)之間互相連接的概率越大。

3 金融政策效用下企業(yè)狀態(tài)模型

基于政策傳播與企業(yè)間合作模型，這里提出一個(gè)金融政策效用下企業(yè)狀態(tài)多智能體仿真模型。如圖1所示：

圖1 企業(yè)狀態(tài)多智能體仿真模型框圖

3.1 基礎(chǔ)變量

本模型中的基礎(chǔ)變量有4個(gè)：

控制變量1：企業(yè)數(shù)量（number of companies）。代表在政策影響下的企業(yè)的數(shù)量，在初始的時(shí)候有兩種不同的企業(yè)狀態(tài)：發(fā)達(dá)的企業(yè)，為紅色；正常發(fā)展中的企業(yè)，為綠色。企業(yè)數(shù)量范圍為100—500，初始值為355。

控制變量2：企業(yè)的能量（company energy）。代表企業(yè)自身所帶有的實(shí)力大小，關(guān)系到企業(yè)的存亡發(fā)展。企業(yè)由倒閉到正常發(fā)展中到發(fā)達(dá)的經(jīng)歷三個(gè)階段。倒閉的企業(yè)能力小于0，正常發(fā)展中的企業(yè)能量范圍為（0，company energy]，發(fā)達(dá)企業(yè)的能力大于company energy。范圍為1-100，初始值為66。

控制變量3：正常發(fā)展中企業(yè)數(shù)量（developing number）。指在最初正常發(fā)展企業(yè)的數(shù)量。最小值為 1，最大值為number of companies，即選定的政策影響下的企業(yè)數(shù)量，初始值為60。

控制變量4：合作概率（cooperative probability）。指的是企業(yè)與企業(yè)之間的合作的可能性。值越大，企業(yè)之間更有可能合作，從而企業(yè)之間會(huì)出現(xiàn)互補(bǔ)，互相制約的情況，就會(huì)出現(xiàn)不同的發(fā)展趨勢(shì)，有的會(huì)發(fā)展的更好，而有的則會(huì)倒閉。合作概率范圍為0—1，初始值為0.73。

3.2 金融政策量化

本模型中將《關(guān)于促進(jìn)上海市互聯(lián)網(wǎng)金融產(chǎn)業(yè)健康發(fā)展的若干意見》中的20條政策總結(jié)為4點(diǎn)：風(fēng)險(xiǎn)監(jiān)控、企業(yè)合作、政府支持、企業(yè)創(chuàng)新。

風(fēng)險(xiǎn)監(jiān)控

控制變量1：風(fēng)險(xiǎn)檢查的頻率（danger check frequency）。相當(dāng)于政府對(duì)企業(yè)狀態(tài)檢查的頻率，降低企業(yè)衰亡的幾率。若風(fēng)險(xiǎn)檢查的頻率為3，代表每采樣三次，就會(huì)進(jìn)行一次檢查。頻率范圍為0—20，初始默認(rèn)值為3，單位為ticks。

控制變量2：風(fēng)險(xiǎn)可能性（danger chance）：企業(yè)遇到危機(jī)的可能性大小，即面臨倒閉的企業(yè)的數(shù)量，風(fēng)險(xiǎn)可能性越大，面臨倒閉的企業(yè)數(shù)量就越多。風(fēng)險(xiǎn)可能性范圍為0—100，初始默認(rèn)值為64，單位為%。

控制變量3：風(fēng)險(xiǎn)恢復(fù)的概率（danger recovery chance）。相當(dāng)于政府對(duì)企業(yè)進(jìn)行定期的狀況檢查后，對(duì)一些將要倒閉的企業(yè)進(jìn)行一定的援助，使其能夠重新正常運(yùn)營的概率。風(fēng)險(xiǎn)恢復(fù)的概率的值越大，那么遇到危機(jī)的企業(yè)能夠恢復(fù)正常運(yùn)營的機(jī)會(huì)就越大。恢復(fù)概率范圍為0—10，初始默認(rèn)值為7.7，單位為%。

企業(yè)合作

控制變量1：企業(yè)資金（company salary）。這里請(qǐng)求有合作關(guān)系的企業(yè)，利用企業(yè)資金與企業(yè)創(chuàng)新資金的比例，對(duì)企業(yè)能量進(jìn)行加減，企業(yè)資金大，則加；企業(yè)創(chuàng)新資金大，則減。企業(yè)資金范圍為0-1，初始默認(rèn)值為0.6。

控制變量2：合作概率（cooperative probability）。指的是企業(yè)與企業(yè)之間的合作的可能性。值越大，企業(yè)之間更有可能合作，從而企業(yè)之間會(huì)出現(xiàn)互補(bǔ)，互相制約的情況，就會(huì)出現(xiàn)不同的發(fā)展趨勢(shì)，有的會(huì)發(fā)展的更好，而有的則會(huì)倒閉。合作概率范圍為0—1，初始值為0.73。

政府支持

對(duì)政府支持力度用到的公式為公式（7）：

公式（7）中，GP為政府支持力度，GSt為在t時(shí)刻政府給予企業(yè)的支持資金，kt為t時(shí)刻現(xiàn)金流的折現(xiàn)率。在t時(shí)刻，政府給予企業(yè)的資金的折現(xiàn)反映企業(yè)運(yùn)用資金的機(jī)會(huì)成本。

控制變量1：政府支持資金（gov company salary）。政府為促進(jìn)企業(yè)發(fā)展而給予其資金，而企業(yè)運(yùn)用資金的效果不同，有的企業(yè)會(huì)因此快速發(fā)展，同時(shí)也會(huì)使其他企業(yè)因無法與之抗衡最終倒閉。資金范圍為0—100，初始值為83。

控制變量 2：企業(yè)規(guī)模（company size）。企業(yè)的規(guī)模的改變，需要運(yùn)用資金的大小也會(huì)改變，企業(yè)的機(jī)會(huì)成本也相應(yīng)的改變。不同規(guī)模下的企業(yè)，運(yùn)用政府給予的支持資金的能力與范圍也會(huì)不同，從而會(huì)影響企業(yè)的發(fā)展?fàn)顟B(tài)。規(guī)模范圍為1-3，初始值為3。

企業(yè)創(chuàng)新

“CSP”英文全稱為Corporate Social Performance，即企業(yè)社會(huì)績效的計(jì)算公式如公式（8）：

Ec：以“CSP”方法計(jì)算出的綜合管理成果效益，以企業(yè)實(shí)現(xiàn)利潤表示。

P1：成果實(shí)施后在成果效益計(jì)算年度內(nèi)的企業(yè)總效益。

P0：成果實(shí)施前一年度的企業(yè)總效益。

N ：未實(shí)施本成果時(shí)在正常年景下自然增長的經(jīng)濟(jì)效益。

營活動(dòng)帶來的效益，而是因外部條件而獲取的效益。

i:實(shí)施成果損失費(fèi)用。

控制變量1。企業(yè)創(chuàng)新資金（company innovation salary）。相當(dāng)于企業(yè)開發(fā)新產(chǎn)品，技術(shù)改進(jìn)的成本。企業(yè)創(chuàng)新資金取決于企業(yè)規(guī)模、企業(yè)自身發(fā)展?fàn)顩r，企業(yè)創(chuàng)新資金范圍為0-1,初始值為0.7。

控制變量2。企業(yè)盈損率（company gain loss）。企業(yè)在創(chuàng)新的情況下獲得的銷售額，也可以理解為企業(yè)在創(chuàng)新的情形下是否獲得收益。在相同企業(yè)創(chuàng)新資金的情況下，企業(yè)虧損額越大，企業(yè)創(chuàng)新程度就越小。盈利為負(fù)，虧損為正。企業(yè)盈損率范圍為[-1，+1]，初始值為0.2。

4 金融政策效用下企業(yè)狀態(tài)演化預(yù)測仿真實(shí)驗(yàn)

4.1 模型假設(shè)前提

在現(xiàn)實(shí)環(huán)境中，金融市場的發(fā)展過程十分復(fù)雜，在建模時(shí)很難將所有的影響因素都考慮在內(nèi)。要根據(jù)研究的目的和影響因素的可衡量性，進(jìn)行適當(dāng)?shù)娜∩幔⑻岢鲆恍┘僭O(shè)來簡化模型。

（1）假設(shè)模型中企業(yè)的規(guī)模是滑動(dòng)條上人為設(shè)定，在設(shè)定的范圍內(nèi)隨機(jī)改變。

（2）假設(shè)整個(gè)金融市場中，存在的主體只有互聯(lián)網(wǎng)金融企業(yè)。

（3）將所研究的企業(yè)主體分為三種狀態(tài)：正常發(fā)展中狀態(tài)、發(fā)達(dá)狀態(tài)和倒閉狀態(tài)。

（4）政府對(duì)風(fēng)險(xiǎn)的每一次監(jiān)控在設(shè)定的時(shí)間步內(nèi)完成。

（5）企業(yè)主體狀態(tài)轉(zhuǎn)變時(shí)的恢復(fù)概率以及金融市場的各個(gè)初始參數(shù)作為外部條件人工干預(yù)設(shè)定。

（6）政府對(duì)企業(yè)的支持力度大，則給企業(yè)的資金就多。

4.2 仿真實(shí)驗(yàn)1-基本模型驗(yàn)證

基于NETLOGO的金融政策效用下企業(yè)狀態(tài)演化仿真初始化界面如圖2所示：

圖2 基于Netlogo的仿真系統(tǒng)界面

模型中節(jié)點(diǎn)表示企業(yè)主體，連接線表示企業(yè)之間的關(guān)系主體。企業(yè)主體總數(shù)為變量。

設(shè)置企業(yè)節(jié)點(diǎn)為355，企業(yè)的能量為66，正常發(fā)展中的企業(yè)的數(shù)量為 60，企業(yè)之間合作的概率為 0.73，政府風(fēng)險(xiǎn)檢查的頻率為 3幀做一次檢查，企業(yè)面臨危機(jī)的可能性為64%，企業(yè)受政府援助恢復(fù)正常運(yùn)營的幾率為7.7%，企業(yè)自身的資金為0.6，政府支持資金為83，企業(yè)規(guī)模為3，企業(yè)創(chuàng)新資金為0.7，企業(yè)盈損率為0.2。初始化模型后，如圖2所示。運(yùn)行程序，觀察企業(yè)節(jié)點(diǎn)的動(dòng)態(tài)轉(zhuǎn)換如圖3、圖4所示：

圖3 運(yùn)行后企業(yè)出現(xiàn)倒閉的現(xiàn)象

圖4 模型中各狀態(tài)節(jié)點(diǎn)的動(dòng)態(tài)變化

根據(jù)圖3、圖4可以看出，隨著時(shí)間的推進(jìn)，企業(yè)受政策不同程度影響，倒閉的企業(yè)（closed）的數(shù)量在增加，并在小幅度的波動(dòng)，發(fā)達(dá)(developing)的企業(yè)數(shù)量減少了，也在小幅度的波動(dòng)，同時(shí)由于企業(yè)之間相互合作，政府給予企業(yè)支持以及企業(yè)自主創(chuàng)新的因素使處于正常發(fā)展中企業(yè)（stagnant）消失，發(fā)達(dá)的狀態(tài)(developing)和倒閉的（closed）企業(yè)的數(shù)量趨于穩(wěn)定，有小幅度的變化。整個(gè)金融市場平穩(wěn)發(fā)展。根據(jù)圖4可以更加直觀的看出，正常發(fā)展中企業(yè)隨著政策實(shí)行時(shí)間的推進(jìn)，都改變?yōu)榘l(fā)達(dá)或者倒閉的狀態(tài)，正常發(fā)展中企業(yè)較少為0，發(fā)達(dá)和倒閉的企業(yè)在不斷的變化，但最后都趨于穩(wěn)定。

4.3 仿真實(shí)驗(yàn)2--企業(yè)創(chuàng)新對(duì)企業(yè)經(jīng)營的影響

企業(yè)虧損時(shí)企業(yè)投入創(chuàng)新資金

設(shè)置企業(yè)節(jié)點(diǎn)為355，企業(yè)的能量為66，正常發(fā)展中的企業(yè)數(shù)量為 60，企業(yè)之間合作的概率為 0.73，政府風(fēng)險(xiǎn)檢查的頻率為3幀，企業(yè)面臨危機(jī)的可能性為64%，企業(yè)受政府援助恢復(fù)正常運(yùn)營的幾率為7.7%，企業(yè)自身的資金為0.6，政府支持資金為83，企業(yè)規(guī)模為3，企業(yè)創(chuàng)新資金為0.3，企業(yè)虧損率為0.2。初始化模型后，如圖5所示：

圖5 初始化界面

運(yùn)行程序，觀察企業(yè)節(jié)點(diǎn)的動(dòng)態(tài)轉(zhuǎn)換如圖6、圖7所示：

圖6 運(yùn)行后企業(yè)出現(xiàn)倒閉的現(xiàn)象

圖7 模型中各狀態(tài)節(jié)點(diǎn)的動(dòng)態(tài)變化

在仿真實(shí)驗(yàn)2的模型中，企業(yè)減少了創(chuàng)新的資金，其他變量的數(shù)據(jù)與仿真實(shí)驗(yàn)1相同，根據(jù)圖7所示，與仿真實(shí)驗(yàn)中的圖4相比，在相同時(shí)間下，企業(yè)發(fā)展情況達(dá)到穩(wěn)定狀態(tài)時(shí)，倒閉狀態(tài)的企業(yè)（灰色曲線)的上升幅度小幅度減小。具體數(shù)據(jù)顯示如表1所示：

表1 實(shí)驗(yàn)1與實(shí)驗(yàn)4數(shù)據(jù)

仿真實(shí)驗(yàn)2的倒閉企業(yè)比仿真實(shí)驗(yàn)1減少9個(gè)。仿真實(shí)驗(yàn)2模型中企業(yè)投入創(chuàng)新資金，假設(shè)企業(yè)是虧損的，所以減少創(chuàng)新資金的投入，企業(yè)倒閉的也減少了。

5 總結(jié)

本文通過多智能體的方法及手段仿真研究在金融政策效用下金融市場的演化--以《關(guān)于促進(jìn)上海市互聯(lián)網(wǎng)金融產(chǎn)業(yè)健康發(fā)展的若干意見》為例實(shí)證分析，提出 “動(dòng)態(tài)演化過程分析+多智能體建模+仿真+可行性分析”的研究方法。以更全面更真實(shí)的視角，以更全面更真實(shí)的視角，展現(xiàn)了金融政策對(duì)金融市場影響的演化過程。

接下來的研究方向可以不僅局限于上海互聯(lián)網(wǎng)的金融政策而擴(kuò)寬到對(duì)其他政策的仿真預(yù)測。

[1] Walker Jack L. The diffusion of innovations among the american states[J].American Political Science Review, 1969,63: 880-899.

[2] Gray,Virginia.Innovation in the States: A diffusion Study[J].American Political Science Review,1973,67; 1174-1185.

[3] Brown Lawrence A , Cox Kevin R. Empirical Regularities in the diffusion of innovation [J]. Annals of the Association of American Geographers .

[4] 吳勤.貝瑞政策創(chuàng)新擴(kuò)散模型研究[D].廣州,中山大學(xué)，2010.

[5] 姚麗麗.基于復(fù)雜網(wǎng)絡(luò)的病毒傳播行為研究[D].濟(jì)南,山東師范大學(xué)，2010.

[6] 史明江.復(fù)雜網(wǎng)絡(luò)中的病毒傳播研究[D].上海,上海交通大學(xué)，2007.

Multi-agent Simulation Evolution of Enterprises Development under Financial Policy

Zhang Gaoyu, Zhou Wenting, Wang Xinjie, Sheng Mengyu, Chen Feiyu
(Shanghai Finance University, Shanghai 201209, China)

Based on the actual complexity in the process of policy transmission, financial policy propagation model is built and realized on multi-agent simulation development software named Netlogo. The evolution of financial market is dynamically simulated after the enterprises introduced financial policy to show different characteristics of the enterprises in the financial market carries on the mutual interaction over time. Eventually, the evolution and prediction results of the state of the enterprise under the financial policy will be feedback and quantify the policy of market incentives. The combination and innovation of the humanities and social science research and complex network theory are more perfect.

Multi-agent Simulation; Financial Policy; Enterprise; State Prediction

TP311

A

1007-757X(2016)09-0023-05

2016.01.20）

2014年上海金融學(xué)院理科重點(diǎn)項(xiàng)目（SHFUKT14-01）

張高煜（1972-），男，上海金融學(xué)院信息管理學(xué)院，副教授，博士，研究方向：社會(huì)計(jì)算，嵌入式系統(tǒng)開發(fā)，上海，201209周雯婷（1995-），女，上海金融學(xué)院，專業(yè)：電子商務(wù)，上海，201209王昕杰（1995-），男，上海金融學(xué)院，學(xué)生，專業(yè)：金融學(xué)（CFA方向），上海 201209盛夢(mèng)宇（1994-），男，上海金融學(xué)院，學(xué)生，專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)，上海 201209陳飛宇（1994-），男，上海金融學(xué)院，學(xué)生，專業(yè)：金融學(xué)（CFA方向），上海 201209