王　勇，丁丙勝

（黃山學(xué)院 信息工程學(xué)院，安徽 黃山245041）

基于多智能體系統(tǒng)的投資策略分析

王勇，丁丙勝

（黃山學(xué)院 信息工程學(xué)院，安徽 黃山245041）

使用多智能體的建模技術(shù)在NetLogo平臺(tái)上建立了一個(gè)包含有外部事件Agent、逆向投資Agent、趨勢(shì)投資Agent、跟風(fēng)投資Agent、噪音投資Agent、價(jià)值投資Agent以及市場(chǎng)環(huán)境信息和交易機(jī)制的仿真股票市場(chǎng)模擬系統(tǒng)，并將多主體技術(shù)與遺傳算法相結(jié)合對(duì)Agent進(jìn)行變異演化。該系統(tǒng)的研究成果對(duì)真實(shí)金融市場(chǎng)的風(fēng)險(xiǎn)預(yù)警和投資帶來(lái)有益的啟示。

多智能體系統(tǒng)；投資策略；仿真；NetLogo

1引　言

多智能體系統(tǒng)（MAS，Multi-AgentSystem）是多個(gè)智能體組成的集合，它的目標(biāo)是將大而復(fù)雜的系統(tǒng)建設(shè)成小的、彼此互相通信和協(xié)調(diào)的，易于管理的系統(tǒng)，是使用計(jì)算機(jī)進(jìn)行復(fù)雜系統(tǒng)建模的主要方法之一［1］。在金融市場(chǎng)中，雖然有威廉姆斯的股利貼現(xiàn)模型（DDM），馬柯威茨的證券組合理論，威廉·夏普、約翰·林特耐（John Lintner）和簡(jiǎn)·摩辛共同提出的資本資產(chǎn)定價(jià)模型（CAPM）等許多經(jīng)典的金融市場(chǎng)理論［2］，但和現(xiàn)實(shí)市場(chǎng)表現(xiàn)之間總是存在著偏差，這種偏差要求人們用新的角度重新審視金融系統(tǒng)。

2　多投資策略的仿真股票市場(chǎng)設(shè)計(jì)

2.1多智能體仿真股票市場(chǎng)設(shè)計(jì)的基本因素

股票市場(chǎng)是一個(gè)典型的復(fù)雜系統(tǒng)，各類(lèi)投資者都可在股票市場(chǎng)中交易并可以相互學(xué)習(xí)和相互影響，他們之間存在復(fù)雜的關(guān)聯(lián)，總體行為上呈現(xiàn)出非線性特征。

1.主體Agent。Agent是仿真股票市場(chǎng)中的基本組成元素，所以Agent的構(gòu)建是十分關(guān)鍵的，比如要設(shè)計(jì)什么類(lèi)型的Agent，Agent之間如何交互，Agent如何進(jìn)化等。單個(gè)Agent可以是非常簡(jiǎn)單的預(yù)測(cè)，也可以是使用遺傳算法等進(jìn)化算法的一個(gè)復(fù)雜程序體。

2.市場(chǎng)交易機(jī)制。有了投資者Agent之后，如何撮合投資者的買(mǎi)賣(mài)需求，成交價(jià)格怎么確定，這些交易細(xì)節(jié)都是必須要考慮的問(wèn)題。在多智能體的仿真系統(tǒng)中經(jīng)常使用的方式有：建立一個(gè)關(guān)于成交價(jià)格的函數(shù)或公式，或者建立一個(gè)模擬現(xiàn)實(shí)金融市場(chǎng)中連續(xù)競(jìng)價(jià)、集合競(jìng)價(jià)等交易機(jī)制的動(dòng)態(tài)交易模型。

3.投資標(biāo)的。在多智能體的系統(tǒng)中，要設(shè)計(jì)各個(gè)類(lèi)型的Agent及Agent的異質(zhì)行為已經(jīng)使模型的建立和數(shù)據(jù)的處理都比較復(fù)雜，大大提高了整個(gè)系統(tǒng)的復(fù)雜度，而如果投資標(biāo)的也較為復(fù)雜，那么會(huì)嚴(yán)重影響整個(gè)仿真市場(chǎng)的運(yùn)行，所以一般該市場(chǎng)中的投資標(biāo)的都會(huì)設(shè)計(jì)得較為簡(jiǎn)單。

4.進(jìn)化。仿真股票市場(chǎng)中的進(jìn)化指的是Agent的學(xué)習(xí)和適應(yīng)能力，對(duì)于進(jìn)化的設(shè)計(jì)和控制也是仿真股票市場(chǎng)中的一個(gè)核心環(huán)節(jié)和關(guān)鍵要素。一般經(jīng)常采用遺傳算法來(lái)控制仿真股票市場(chǎng)中的進(jìn)化，通過(guò)遺傳算法可以對(duì)Agent的規(guī)則進(jìn)行選擇和變異，使得Agent的適應(yīng)能力越來(lái)越強(qiáng)。

另外還有基準(zhǔn)與校準(zhǔn)、時(shí)間的設(shè)置、市場(chǎng)的進(jìn)化速率問(wèn)題、仿真交易中的時(shí)間同步性問(wèn)題等因素。

2.2仿真股票市場(chǎng)概況

參考圣塔菲研究所（Santa Fe Institute）的人工股票市場(chǎng)模型（SFI-ASM），本文所構(gòu)建的仿真市場(chǎng)框架如圖1所示。

1.外部事件Agent：一只股票的基本價(jià)值是會(huì)隨著外界的擾動(dòng)而不斷變動(dòng)的。外部事件Agent就是模擬這些外界的隨機(jī)擾動(dòng)而隨機(jī)產(chǎn)生一個(gè)事件，如果是利好事件就增加股票的基本價(jià)值，如果是利空事件就減少股票的基本價(jià)值［3］。

2.各類(lèi)投資者Agent：本文主要建立逆向投資Agent、趨勢(shì)投資Agent、跟風(fēng)投資Agent、噪音投資Agent和價(jià)值投資Agent這5類(lèi)投資者，不同類(lèi)型的投資者會(huì)有不同的屬性和行為模式。

3.市場(chǎng)環(huán)境：一方面提供交易機(jī)制以交割股票，完成股票成交價(jià)格、成交量的確定等，另一方面還會(huì)記錄統(tǒng)計(jì)一些投資策略所需要的股價(jià)信息，并隨著股市成交和股價(jià)的變化不斷更新這些信息，最后將信息提供給各投資者作為決策參考。

圖1　仿真股票市場(chǎng)框架圖

其中，各類(lèi)投資者Agent的建模非常關(guān)鍵，一般來(lái)說(shuō)，投資者Agent都具有資產(chǎn)、投資策略、市場(chǎng)信息等屬性，可以感知市場(chǎng)環(huán)境，并把決策行為反饋給市場(chǎng)和鄰居Agent，同時(shí)能根據(jù)基于主體的遺傳算法對(duì)策略進(jìn)行變異，其邏輯結(jié)構(gòu)如圖2所示。

2.3市場(chǎng)環(huán)境

為了研究上的方便，本股票仿真系統(tǒng)假設(shè)市場(chǎng)上只有一只股票，該股票不分紅，不配股，交易股票無(wú)印花稅等交易費(fèi)用，且可采取買(mǎi)空賣(mài)空操作，無(wú)保證金制度。市場(chǎng)環(huán)境模型主要包括市場(chǎng)交易機(jī)制和市場(chǎng)信息兩部分。

圖2　Agent的邏輯結(jié)構(gòu)圖

2.3.1市場(chǎng)交易機(jī)制

本股票仿真系統(tǒng)采用常見(jiàn)的訂單驅(qū)動(dòng)市場(chǎng)交易機(jī)制進(jìn)行交易。首先，各個(gè)投資者Agent根據(jù)一些市場(chǎng)環(huán)境信息（如股票價(jià)格、股票價(jià)值等）和各自的投資策略做出相應(yīng)的決策行為，即買(mǎi)入或者賣(mài)出；接著，所有投資者Agent的買(mǎi)單和賣(mài)單會(huì)被匯總統(tǒng)計(jì)，如果買(mǎi)單總量多于賣(mài)單總量，股票價(jià)格就會(huì)上漲；如果買(mǎi)單總量少于賣(mài)單總量，股票價(jià)格就會(huì)下跌；兩者恰好相等的話股票價(jià)格會(huì)不變。股價(jià)上漲或下跌的幅度由總買(mǎi)單和總賣(mài)單的差距除以總成交量決定。差距越大成交價(jià)格變化也越大，反之成交價(jià)格變化也越小，而且成交價(jià)格每次的變化也控制在-1到1之間。具體的價(jià)格變化公式為：股票價(jià)格=原股票價(jià)格+（買(mǎi)入量-賣(mài)出量）/（買(mǎi)入量+賣(mài)出量）。這種方法可以很好的保證市場(chǎng)的連續(xù)性。另外，為了限制過(guò)度賣(mài)空，在本股票模擬市場(chǎng)中，設(shè)定當(dāng)投資者持有的股票量小于-200時(shí)，他將不能賣(mài)出股票，只能買(mǎi)入股票。

2.3.2市場(chǎng)環(huán)境信息設(shè)置

市場(chǎng)還需要提供給各類(lèi)投資者一些市場(chǎng)信息以便進(jìn)行決策，結(jié)合需要分析的這5種投資策略，這些市場(chǎng)信息設(shè)置有：

1.股票交易量（Jyliang），初始值為0，可為負(fù)數(shù)。每當(dāng)交易開(kāi)始時(shí)，每個(gè)投資者都會(huì)根據(jù)自己的策略發(fā)出訂單，其中會(huì)包含交易方向和交易的股票數(shù)目?jī)蓚€(gè)方面，如投資者發(fā)出的訂單為+1表示需要買(mǎi)入1股該股票。

2.收益（shouyi），由每次股票的總買(mǎi)賣(mài)需求比例決定。計(jì)算方法為：

3.股票的市場(chǎng)價(jià)格（jiage），初始值設(shè)為0，由投資者的買(mǎi)賣(mài)需求決定，用shouyi的累積值表示，具體公式為：Jiage=jiage+shouyi

4.股票的基本價(jià)值 （jiazhi）：會(huì)受到外部事件Agent生成的事件shijian的影響，由這一系列事件的累積值表示。

5.價(jià)格的變動(dòng)率（（jiagebianhuabi），是用來(lái)表示每次股票價(jià)格的變動(dòng)情況，計(jì)算方法為本次收益和上次股票價(jià)格的百分比，即shouyi/jiage。

6.價(jià)格連續(xù)同方向變動(dòng)次數(shù)（leiji），用來(lái)記錄股票價(jià)格連續(xù)向同方向變動(dòng)的次數(shù)，如4表示股票價(jià)格連續(xù)4期上漲。Leiji的初始值為0，以后會(huì)根據(jù)收益更新，具體方法是先計(jì)算出leiji*shouyi的值，如果leiji*shouyi＜0，則說(shuō)明股票當(dāng)前價(jià)格的變化方向與leiji所記錄的最近一期的變化方向相反，用下式來(lái)更新leiji的值：Leiji=shouyi/abs（shouyi）。如果leiji*shouyi＞=0，則說(shuō)明股票價(jià)格沒(méi)有變化或當(dāng)前價(jià)格的變化方向與leiji所記錄的最近一期的變化方向相同，所以用下式來(lái)更新leiji的值：

Leiji=shouyi*（abs（leiji）+1）/abs（shouyi）

7.市場(chǎng)情緒（qingxu），用于表現(xiàn)每次交易中多空雙方博弈的激烈程度，用shouyi的絕對(duì)值來(lái)計(jì)算表示。

8.變異率（zhuanhuanlv），遺傳算法的參數(shù)，表示Agent變異的概率，初值設(shè)為0.03。

2.4外部事件Agent

外部事件可能是公司利潤(rùn)增長(zhǎng)超預(yù)期，要大幅度分紅，也可能是連續(xù)虧損將被ST，根據(jù)這些外部事件的特點(diǎn)，為外部事件 Agent設(shè)置了事件（shijian）屬性，屬性值由一個(gè)隨機(jī)數(shù)表示，該隨機(jī)數(shù)服從正態(tài)分布，如果數(shù)值為負(fù)值，表示該事件對(duì)股票價(jià)值會(huì)產(chǎn)生負(fù)面影響，如果數(shù)值為正值，表示該事件對(duì)股票價(jià)值會(huì)產(chǎn)生正面影響。另外，該屬性的影響時(shí)間為一輪交易，系統(tǒng)會(huì)在每次交易開(kāi)始前重新產(chǎn)生一個(gè)外部事件，并且會(huì)以消息的形式傳給投資者。

外部事件Agent的行為規(guī)則為：

1.將事件屬性值反饋給市場(chǎng)環(huán)境，以刺激股票價(jià)值變化；

2.外部事件Agent會(huì)根據(jù)當(dāng)期事件是正面影響還是負(fù)面影響發(fā)送一個(gè)+1或-1的私人消息給跟風(fēng)投資Agent和噪音投資Agent，當(dāng)然，這些Agent收到的私人消息并不一定是準(zhǔn)確的，有一定比例的投資者能收到當(dāng)期準(zhǔn)確的事件影響，其他的投資者會(huì)收到錯(cuò)誤的私人消息。這樣就使市場(chǎng)充滿(mǎn)了各種消息，更真實(shí)的模擬金融市場(chǎng)。

2.5逆向投資Agent

逆向投資策略會(huì)根據(jù)過(guò)去一段時(shí)間的股票收益情況進(jìn)行操作，買(mǎi)入以前表現(xiàn)相對(duì)較差的股票而賣(mài)出以前表現(xiàn)相對(duì)較好的股票。

逆向投資Agent根據(jù)逆向投資策略的需要，將其屬性分為策略屬性、市場(chǎng)環(huán)境信息、資產(chǎn)狀況和觀察期信息。逆向投資Agent的行為規(guī)則為：

1.感知環(huán)境模型，獲得市場(chǎng)環(huán)境信息。

2.根據(jù)逆向投資Agent的策略需要從市場(chǎng)環(huán)境信息中獲取股票的歷史表現(xiàn)，并根據(jù)資產(chǎn)狀況和觀察期信息屬性做出買(mǎi)入、賣(mài)出或不操作的決策，依次用+1和-1表示決策行為。具體地而言，他會(huì)將股票價(jià)格連續(xù)同方向的變動(dòng)次數(shù)（leiji）與買(mǎi)入或賣(mài)出的指標(biāo)參數(shù)Nixiang1和Nixiang2作比較，如果滿(mǎn)足leiji＜=-Nixiang1，則會(huì)發(fā)出值為1的訂單，表示交易方向（jyfangxiang）為1（買(mǎi)入），股票交易量（jyliang）也為1；如果滿(mǎn)足leiji＞=Nixiang2，則會(huì)發(fā)出值為-1的訂單，表示交易方向（jyfangxiang）為-1（賣(mài)出），股票交易量（jyliang）為1；當(dāng) leiji＜=-Nixiang1和leiji＞=Nixiang2兩個(gè)條件均不滿(mǎn)足時(shí)，則訂單值為初始值0，表示股票交易量 （jyliang）和交易方向（jyfangxiang）都為0，即沒(méi)有買(mǎi)賣(mài)操作。

3.根據(jù)決策行為更新資產(chǎn)狀況，同時(shí)將本次決策行為信息反饋給市場(chǎng)環(huán)境，同時(shí)也把該信息發(fā)給該Agent的Moore型“鄰居”，即以當(dāng)前投資者為中心，圍繞在他周?chē)淖罱?個(gè)投資者。

4.根據(jù)資產(chǎn)狀況和從市場(chǎng)環(huán)境信息中獲取的變異率來(lái)決定是否變異。

2.6趨勢(shì)投資Agent

趨勢(shì)投資策略是當(dāng)投資者認(rèn)為股票價(jià)格已經(jīng)形成某種趨勢(shì)（上漲或下跌）時(shí)就買(mǎi)入或賣(mài)出該股票的投資策略。

趨勢(shì)投資Agent根據(jù)趨勢(shì)投資策略的需要，將其屬性分為策略屬性、市場(chǎng)環(huán)境信息、資產(chǎn)狀況和觀察期信息。趨勢(shì)投資Agent的行為規(guī)則為：

1.感知環(huán)境模型，獲得市場(chǎng)環(huán)境信息。

2.根據(jù)趨勢(shì)投資Agent的策略需要從市場(chǎng)環(huán)境信息中獲取當(dāng)前股票的趨勢(shì)，并根據(jù)資產(chǎn)狀況和觀察期信息屬性做出買(mǎi)入、賣(mài)出的決策，依次用+1 和-1表示決策行為，具體而言，會(huì)將股票價(jià)格連續(xù)同方向的變動(dòng)次數(shù)（leiji）與買(mǎi)入或賣(mài)出的指標(biāo)參數(shù)Qushi1和Qushi2作比較，如果滿(mǎn)足leiji＞=Qushi1，則會(huì)發(fā)出值為1的訂單，表示交易方向（jyfangxiang）為1（買(mǎi)入），股票交易量（jyliang）也為1；如果滿(mǎn)足leiji＜=-Qushi2，則會(huì)發(fā)出值為-1的訂單，表示交易方向（jyfangxiang）為-1（賣(mài)出），股票交易量（jyliang）為 1；當(dāng)leiji＞=Qushi1和 leiji＜=-Qushi2兩個(gè)條件均不滿(mǎn)足時(shí)，則訂單值同樣為初始值 0，表示股票交易量（jyliang）和交易方向（jyfangxiang）都為0，即沒(méi)有買(mǎi)賣(mài)操作。

3.根據(jù)決策行為更新資產(chǎn)狀況，同時(shí)將本次決策行為信息反饋給市場(chǎng)環(huán)境，同時(shí)也把該信息發(fā)給該Agent的Moore型“鄰居”。

4.根據(jù)資產(chǎn)狀況和從市場(chǎng)環(huán)境信息中獲取的變異率來(lái)決定是否變異。

2.7跟風(fēng)投資Agent

跟風(fēng)投資策略是投資者對(duì)股票價(jià)值本身毫無(wú)了解，只是盲目地根據(jù)市場(chǎng)行情的漲跌進(jìn)行跟風(fēng)操作的投資策略。

跟風(fēng)投資Agent根據(jù)跟風(fēng)投資策略的需要，將其屬性分為策略屬性、私人消息、市場(chǎng)環(huán)境信息和資產(chǎn)狀況。跟風(fēng)投資Agent的行為規(guī)則為：

1.感知環(huán)境模型，獲得市場(chǎng)環(huán)境信息。

2.根據(jù)跟風(fēng)投資Agent的策略需要從市場(chǎng)環(huán)境信息中獲取當(dāng)前市場(chǎng)的交易量，并結(jié)合私人消息和資產(chǎn)狀況做決策，如果在之前的市場(chǎng)交易中，買(mǎi)入股票的需求量與賣(mài)出股票的需求量相等或只差1時(shí)，跟風(fēng)投資者會(huì)根據(jù)自己收到的私人信息發(fā)出買(mǎi)或賣(mài)的指令；如果在之前的市場(chǎng)交易中，買(mǎi)入股票的需求量與賣(mài)出股票的需求量之差的絕對(duì)值超過(guò)1時(shí)，跟風(fēng)投資者會(huì)依據(jù)絕對(duì)值大的一方的交易策略發(fā)出同樣的買(mǎi)賣(mài)信號(hào)。具體地會(huì)將當(dāng)期市場(chǎng)中所有已發(fā)出的訂單的買(mǎi)入量與賣(mài)出量作比較。如果買(mǎi)入量與賣(mài)出量相等或只差 1，即 abs（sum［jyliang］ofpatches）＜2時(shí)，則他會(huì)根據(jù)自己的私人消息（xiaoxi）來(lái)發(fā)出買(mǎi)入或賣(mài)出的訂單：如他的xiaoxi＞0，則會(huì)發(fā)出值為1的訂單，表示交易方向（jyfangxiang）為1（買(mǎi)入），股票交易量（jyliang）也為1；如xiaoxi＜0，則會(huì)發(fā)出值為-1的訂單，表示交易方向（jyfangxiang）為-1（賣(mài)出），股票交易量（jyliang）為1。如果當(dāng)期市場(chǎng)中的買(mǎi)入量與賣(mài)出量不等且至少相差2時(shí)，則跟風(fēng)投資者會(huì)忽略掉自己的私人信息，只依據(jù)當(dāng)前訂單數(shù)量多的一方的決策來(lái)發(fā)出自己的訂單：即當(dāng)abs（sum［jyliang］ofpatches）＞1且sum ［jyliang］ofpatches＞0時(shí)，會(huì)發(fā)出值為1的訂單；而當(dāng)abs（sum［jyliang］ofpatches）＞1且sum［jyliang］ofpatches＜0時(shí)，會(huì)發(fā)出值為-1的訂單。

3.根據(jù)決策行為更新資產(chǎn)狀況，同時(shí)將本次決策行為信息反饋給市場(chǎng)環(huán)境，同時(shí)也把該信息發(fā)給該Agent的Moore型“鄰居”。

4.根據(jù)資產(chǎn)狀況和從市場(chǎng)環(huán)境信息中獲取的變異率來(lái)決定是否變異。

2.8噪音投資Agent

噪音投資策略最早是由Orange提出的，是指投資者由于無(wú)法獲得內(nèi)部信息而非理性地把噪音當(dāng)作信息進(jìn)行交易的投資策略。

噪音投資Agent根據(jù)跟風(fēng)投資策略的需要，將其屬性分為策略屬性、私人消息、鄰居信息、影響比例（yingxiangbi）和資產(chǎn)狀況。鄰居信息是指接收到的鄰居Agent買(mǎi)入或賣(mài)出行為的信息，由于Moore型“鄰居”有8個(gè)，所以鄰居信息值為其8個(gè)鄰居Agent的信息之和，即：xinxi=sum［jyfangxiang］ofneighbors。

噪音投資Agent的行為規(guī)則為：

1.根據(jù)私人消息、鄰居信息、影響比例和資產(chǎn)狀況做決策，決策將受到鄰居訂單的交易方向（xinxi）、自己的私人消息（xiaoxi）以及一個(gè)服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)干擾因素（random-normal01）的共同影響，其中受到鄰居影響的比例為yingxiangbi，受私人信息影響的比例為1-yingxiangbi，隨機(jī)因素的影響服從標(biāo)準(zhǔn)正態(tài)分布N（0，1）。具體地，通過(guò)下面的式子來(lái)表示：

yingxiangbi*xinxi+（1-yingxiangbi）*xiaoxi+（random-normal01）

如該式的值大于0，則會(huì)發(fā)出值為1的訂單；如該式的值小于等于0，則會(huì)發(fā)出值為-1的訂單。

2.根據(jù)決策行為更新資產(chǎn)狀況，同時(shí)將本次決策行為信息反饋給市場(chǎng)環(huán)境，同時(shí)也把該信息發(fā)給該Agent的Moore型“鄰居”。

3.根據(jù)資產(chǎn)狀況和從市場(chǎng)環(huán)境信息中獲取的變異率來(lái)決定是否變異。

2.9價(jià)值投資Agent

基本價(jià)值投資策略一般是指通過(guò)對(duì)宏觀經(jīng)濟(jì)形勢(shì)、行業(yè)動(dòng)態(tài)以及具體公司的經(jīng)營(yíng)管理狀況等因素研究股票的基本價(jià)值，并根據(jù)市場(chǎng)價(jià)格對(duì)當(dāng)前股票基本價(jià)值的偏離來(lái)發(fā)出買(mǎi)賣(mài)指令。

價(jià)值投資Agent根據(jù)價(jià)值投資策略的需要，將其屬性分為策略屬性、市場(chǎng)環(huán)境信息、判斷正確率（panduanlv）和資產(chǎn)狀況。價(jià)值投資Agent的行為規(guī)則為：

1.感知環(huán)境模型，獲得市場(chǎng)環(huán)境信息。

2.根據(jù)價(jià)值投資Agent的策略需要從市場(chǎng)環(huán)境信息中獲取當(dāng)前股票的價(jià)格和價(jià)值，再結(jié)合判斷正確率決策，具體為當(dāng)價(jià)值投資者判斷市場(chǎng)上出現(xiàn)jiazhi＞jiage時(shí)，就會(huì)發(fā)出值為1的訂單；而當(dāng)價(jià)值投資者判斷市場(chǎng)上出現(xiàn)jiazhi＜=jiage時(shí)，就會(huì)發(fā)出值為-1的訂單。當(dāng)然，基本價(jià)值投資者對(duì)股票基本價(jià)值的判斷不一定是正確的，價(jià)值投資者能正確判斷出價(jià)格和價(jià)值的大小關(guān)系的概率為panduanlv，得出錯(cuò)誤結(jié)論的概率為1-panduanlv。

3.根據(jù)決策行為更新資產(chǎn)狀況，同時(shí)將本次決策行為信息反饋給市場(chǎng)環(huán)境，同時(shí)也把該信息發(fā)給該Agent的Moore型“鄰居”。

4.根據(jù)資產(chǎn)狀況和從市場(chǎng)環(huán)境信息中獲取的變異率來(lái)決定是否變異。

2.10投資者基于多主體的遺傳算法設(shè)計(jì)

本仿真系統(tǒng)在復(fù)雜自適應(yīng)系統(tǒng)理論的基礎(chǔ)上，將多主體技術(shù)的特點(diǎn)和遺傳算法的優(yōu)點(diǎn)結(jié)合起來(lái)，設(shè)計(jì)了一個(gè)基于多主體的遺傳算法，它直接使用Agent的相關(guān)屬性來(lái)計(jì)算適應(yīng)度和進(jìn)行變異操作，使得個(gè)體可以更加全面的考慮各種因素然后再進(jìn)行遺傳變異操作。如Agent的策略屬性值為0表示逆向投資策略，1表示趨勢(shì)投資策略，2表示跟風(fēng)投資策略，3表示噪音投資策略，4表示價(jià)值投資策略。

適應(yīng)度由Agent的當(dāng)前狀態(tài)決定，將Agent的資產(chǎn)狀況屬性值作為適應(yīng)度函數(shù)的變量直接影響Agent對(duì)環(huán)境的適應(yīng)程度。對(duì)于資產(chǎn)大于0當(dāng)前狀態(tài)為盈利的Agent繼續(xù)保留，對(duì)于資產(chǎn)小于0的Agent，表示當(dāng)前狀態(tài)為虧損，則它可能會(huì)根據(jù)當(dāng)前市場(chǎng)狀況變異為新的Agent。

變異操作會(huì)根據(jù)變異率來(lái)進(jìn)行變異，同樣由于編碼方式的特殊性，因此將遺傳算法中10或01的變異方式改為對(duì)屬性取值的改變，即將策略屬性值變?yōu)?-4中的一個(gè)實(shí)數(shù)。具體操作如下：

首先分別統(tǒng)計(jì)出各類(lèi)投資者的人數(shù)xi，可用如下式子計(jì)算：

再分別計(jì)算出各類(lèi)投資者的平均財(cái)富yi，

Yi=sum［zichan］of patches with［celue=i］/xi再對(duì)第i種投資策略計(jì)算出概率Pi為：

最后產(chǎn)生一個(gè)0到8之間的隨機(jī)浮點(diǎn)數(shù)m：m=random-float8

若pi-1＜m＜pi，則選擇第i種投資策略，即將策略的屬性值設(shè)為i。當(dāng)投資者變異后，可以認(rèn)為是市場(chǎng)上的投資者更新淘汰，所以會(huì)將該Agent的現(xiàn)金、股票持有量以及總資產(chǎn)重新設(shè)置為0。

投資者通過(guò)遺傳算法得到了新的策略并且淘汰了不好的策略，這就保證了創(chuàng)新性，又保證了優(yōu)勝劣汰的機(jī)制。同時(shí)，為了維護(hù)種群的相對(duì)穩(wěn)定性，不能在很短的時(shí)間頻繁使用遺傳算法而使種群發(fā)生大的變化而變得混亂，因此制定了一個(gè)參數(shù)zhuanhuanlv表示運(yùn)行遺傳算法的概率或表示機(jī)構(gòu)投資者的學(xué)習(xí)速度。本系統(tǒng)中變異的概率設(shè)為0.03。

3　仿真實(shí)現(xiàn)及分析

3.1Netlogo仿真平臺(tái)

NetLogo是由Uri Wilensky開(kāi)發(fā)的一款可編程多主體建模平臺(tái)，并由美國(guó)西北大學(xué)連接學(xué)習(xí)與計(jì)算機(jī)建模中心不斷完善和更新。NetLogo尤其適合于隨時(shí)間演化的復(fù)雜性系統(tǒng)的仿真開(kāi)發(fā)。本文使用的是Netlogo4.0.5版本。

3.2利用NetLogo仿真實(shí)現(xiàn)股票市場(chǎng)多投資策略

3.2.1參數(shù)設(shè)置

在本仿真系統(tǒng)中通過(guò)滑標(biāo)（Slider）元素對(duì)一些市場(chǎng)環(huán)境信息和對(duì)投資策略有關(guān)鍵影響的參數(shù)進(jìn)行控制，這樣可以通過(guò)不斷調(diào)整這些參數(shù)，觀察分析不同參數(shù)下的市場(chǎng)反應(yīng)和交易者的狀態(tài)及投資策略的優(yōu)劣。比如：touzibili是用來(lái)描述股票模擬市場(chǎng)中基本價(jià)值投資者的比例。

correct-rate用來(lái)表示每個(gè)投資者的私人消息能夠正確反映影響股票價(jià)值的事件shijian的概率。初值設(shè)為1/2，則如果隨機(jī)產(chǎn)生的影響股票價(jià)值的事件是利好事件，那么會(huì)有50%的投資者Agent會(huì)收到股票價(jià)格會(huì)上升的私人消息，另外50%的投資者則會(huì)收到股票價(jià)格會(huì)下降的私人消息。

Nixiang1和Nixiang2分別表示逆向投資者的買(mǎi)入觀察期參數(shù)和賣(mài)出觀察期參數(shù)。

Qushi1和Qushi2分別表示趨勢(shì)投資者的買(mǎi)入觀察期參數(shù)和賣(mài)出觀察期參數(shù)。

Yingxiangbi是指噪音投資策略受到其鄰居信息影響的比重。

zhuanhuanlv是多主體遺傳算法變異的概率。

panduanlv是基本價(jià)值投資者能正確判斷股票基本價(jià)值與市場(chǎng)價(jià)格偏離方向的概率。初始值設(shè)為為0.9則表示90%的價(jià)值投資者對(duì)股票價(jià)格與價(jià)值偏離方向的判斷是正確的。

另外，系統(tǒng)還以圖形的方式將一些仿真結(jié)果輸出來(lái)以便進(jìn)行分析，系統(tǒng)還通過(guò)一些監(jiān)視器來(lái)掌握每個(gè)屬性各個(gè)時(shí)刻的具體值。

3.2.2仿真程序設(shè)計(jì)

仿真程序主要有初始化函數(shù)setup和一個(gè)交易周期函數(shù)go組成，對(duì)于go函數(shù)設(shè)置了循環(huán)選項(xiàng)，可重復(fù)執(zhí)行。程序流程圖如圖3所示。

圖3　仿真程序流程圖

3.3基于多Agent的遺傳算法的仿真實(shí)驗(yàn)

在仿真股票系統(tǒng)模型中，使用了多Agent技術(shù)的遺傳算法對(duì)Agent進(jìn)行變異，所以，為了檢驗(yàn)算法的有效性，本文將通過(guò)預(yù)先設(shè)定各市場(chǎng)環(huán)境參數(shù)都保持不變，對(duì)本文中的變異操作和一般的隨機(jī)變異操作作對(duì)比仿真實(shí)驗(yàn)，以此來(lái)分析基于多主體的遺傳算法的性能。另外，下面將基于多Agent技術(shù)的遺傳算法表述為AgentGA。

首先，設(shè)定初始市場(chǎng)中價(jià)值投資者占了總投資者人數(shù)的4/5，占了很大比例，其他參數(shù)均設(shè)置為初始值，然后觀察價(jià)值投資者回歸正常比例所需的時(shí)間。按照本文的AgentGA算法對(duì)Agent進(jìn)行變異，變異概率設(shè)為0.03，運(yùn)行約62代后價(jià)值投資者的比例明顯減少，基本回到了正常的比例，仿真輸出如圖4（a）所示。

圖4　遺傳算法仿真實(shí)驗(yàn)結(jié)果對(duì)比

其次再用一般的標(biāo)準(zhǔn)GA進(jìn)行對(duì)比，在標(biāo)準(zhǔn)GA中，對(duì)不符合適應(yīng)度的Agent按照同等概率隨機(jī)的變異為其他策略的Agent，變異概率仍設(shè)為0.03，其他市場(chǎng)環(huán)境參數(shù)和 Agent投資策略參數(shù)都和AgentGA相同，又設(shè)定初始市場(chǎng)中價(jià)值投資者占了總投資者人數(shù)的4/5，通過(guò)仿真實(shí)驗(yàn)可以看到，在運(yùn)行約85代后價(jià)值投資者的比例明顯減少，基本回到了正常的比例，仿真輸出如圖4（b）所示。

從實(shí)驗(yàn)結(jié)果比較可以看出，其中基于Agent的遺傳算法（AgentGA）在迭代了約62代后，價(jià)值投資者基本回到正常比例，適應(yīng)度趨于穩(wěn)定，而一般的變異操作需迭代約85代后才趨于穩(wěn)定，所以基于Agent的遺傳算法優(yōu)勢(shì)較明顯，收斂速度較好。

3.4投資策略分析實(shí)驗(yàn)

為了研究各種投資策略的特性以便對(duì)真實(shí)的市場(chǎng)投資提供指導(dǎo)。以下將依據(jù)所建模擬系統(tǒng)，通過(guò)調(diào)整趨勢(shì)投資策略和逆向投資策略的觀察期參數(shù)以及價(jià)值投資者對(duì)市場(chǎng)判斷的正確率等參數(shù)進(jìn)行多次仿真，可以分析得出一些有益的結(jié)論。

市場(chǎng)中的噪音投資者人數(shù)總是比較穩(wěn)定；逆向投資者的數(shù)量波動(dòng)一般是最大的，只有在少數(shù)的時(shí)點(diǎn)上逆向投資策略會(huì)比較盛行，并且當(dāng)人數(shù)出現(xiàn)向上的波動(dòng)時(shí)，有時(shí)逆向投資者的數(shù)量會(huì)超過(guò)噪音投資者；跟風(fēng)投資者和趨勢(shì)投資者的數(shù)量相對(duì)來(lái)說(shuō)比較少，波動(dòng)介于逆向投資者與噪音投資者之間；逆向投資者與趨勢(shì)投資者和跟風(fēng)投資者人數(shù)的變化方向相反。

平均收益方面，價(jià)值投資策略和噪音投資策略的平均收益最高，但價(jià)值投資策略比噪音投資策略的收益波動(dòng)稍大；趨勢(shì)投資策略和跟風(fēng)投資策略的平均收益次之；逆向投資策略的平均收益最低，但收益波動(dòng)小，較平穩(wěn)。

收益極值方面，價(jià)值投資策略的最大收益值最高，而且顯著高于其他策略；噪音投資策略的最大虧損額總是最低，一般不會(huì)出現(xiàn)大的虧損，損失規(guī)避能力很強(qiáng)，這可能也是噪音投資者的數(shù)量在市場(chǎng)中總是穩(wěn)定保持著一個(gè)較大比例的原因。

虧損率方面，逆向投資策略的虧損率一般比較低，但波動(dòng)非常大，如遇到黑天鵝事件時(shí)會(huì)突然出現(xiàn)十分嚴(yán)重的虧損；噪音投資策略的虧損率較低且波動(dòng)較?。粌r(jià)值投資策略的虧損率比噪音投資策略稍高，波動(dòng)也稍大；趨勢(shì)投資策略和跟風(fēng)投資策略的虧損率一般較高。

當(dāng)價(jià)值投資者對(duì)股票價(jià)值判斷的正確率下降時(shí)，股票價(jià)格會(huì)顯著背離股票價(jià)值，同時(shí)逆向投資者會(huì)被淘汰出市場(chǎng)，而逆向投資者的觀察期對(duì)市場(chǎng)沒(méi)有太大的影響。這就表示，價(jià)值投資者是促進(jìn)股票價(jià)格回歸股票價(jià)值的關(guān)鍵性因素，并且這種股票價(jià)格回歸股票價(jià)值的過(guò)程也是逆向投資策略獲利的關(guān)鍵。

當(dāng)趨勢(shì)投資者的觀察期太長(zhǎng)時(shí)，逆向投資者和價(jià)值投資者的人數(shù)都會(huì)逐漸減少并最終被淘汰，股票價(jià)格也會(huì)顯著背離股票價(jià)值，說(shuō)明當(dāng)人們的預(yù)期過(guò)分樂(lè)觀和悲觀時(shí)，就會(huì)造成趨勢(shì)觀察期變長(zhǎng)從而產(chǎn)生泡沫，出現(xiàn)大牛市或熊市。

4小　結(jié)

本文運(yùn)用計(jì)算實(shí)驗(yàn)金融方法，將多主體智能系統(tǒng)對(duì)個(gè)體行為研究的理論與金融投資策略相結(jié)合，分析了股票市場(chǎng)中幾種常見(jiàn)投資策略的特點(diǎn)，可以幫助投資者在劇烈波動(dòng)的證券市場(chǎng)中選擇適當(dāng)?shù)耐顿Y策略；從理論意義上講，從多主體這一視角來(lái)分析比較幾種投資策略的優(yōu)劣，也是對(duì)多智能體系統(tǒng)這一復(fù)雜系統(tǒng)建模方法進(jìn)行實(shí)證研究；并且將多主體技術(shù)與遺傳算法相結(jié)合，也豐富了遺傳算法的應(yīng)用。

［1］駱祥峰，鄭淑麗，等.個(gè)性化Agent層次結(jié)構(gòu)模型構(gòu)造［J］.安徽機(jī)電學(xué)院學(xué)報(bào)，2002，17（1）：25-30.

［2］中國(guó)證券業(yè)協(xié)會(huì).證券投資分析［M］.北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社，2010：106-107.

［3］維克托·斯波朗迪.專(zhuān)業(yè)投機(jī)原理［M］.北京：機(jī)械工業(yè)出版社，2010：47-48.

責(zé)任編輯：胡德明

An Analysis of Investment Strategies Based on Multi-agent System

Wang Yong，Ding Bingsheng
（School of Information Engineering，Huangshan University，Huangshan 245021，China）

This paper uses Multi-agent modeling technology to simulate and establish a simulation system of stock market which contains external events agent，contrary investment agent，trend investment agent，herdinvestmentagent，noiseinvestmentagent，valueinvestmentagent，marketenvironment information and trading mechanism on NetLogo platform.Meanwhile，it can achieve agent variability and evolution by using an algorithm combined with multi-agent technology and genetic algorithms.The research findings of this system could be valuable for the risk warning and investment of real capital market.

multi-agent system；investment strategies；simulation；NetLogo

TP273

A

1672-447X（2016）03-0016-007

2015-10-09

王勇（1984-），安徽休寧人，黃山學(xué)院信息工程學(xué)院助教，研究方向?yàn)橛?jì)算機(jī)應(yīng)用；丁丙勝（1971-），安徽懷寧人，黃山學(xué)院信息工程學(xué)院講師，研究方向?yàn)閿?shù)據(jù)庫(kù)應(yīng)用。