導(dǎo)語：網(wǎng)絡(luò)下的證券投資行為分析論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

[摘要]證券市場(chǎng)是一個(gè)開放市場(chǎng)，影響股價(jià)的因素比較復(fù)雜，其中投資者群體心理因素起著重要作用，較之于其他經(jīng)濟(jì)領(lǐng)域，證券投資行為擴(kuò)散往往容易產(chǎn)生投資者群體，并具有較高的集合力或凝聚力，有時(shí)甚至能夠左右證券市場(chǎng)的走勢(shì)，發(fā)揮著極強(qiáng)的擴(kuò)展和放大效應(yīng)。本文分別建立了基于隨機(jī)網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)和無標(biāo)度網(wǎng)絡(luò)的投資行為隨機(jī)演化模型，討論了投資者行為擴(kuò)散的動(dòng)力學(xué)性質(zhì)。通過大量的試驗(yàn)，得到心理閾值、人群的網(wǎng)絡(luò)結(jié)構(gòu)、初始投資行為群體的規(guī)模和特點(diǎn)影響投資行為擴(kuò)散的規(guī)律，并提出了開展行之有效的投資者教育、監(jiān)管層應(yīng)在實(shí)踐中不斷摸索、有效甄別證券投資行為擴(kuò)散中的意見領(lǐng)袖，充分發(fā)揮他們的作用等相關(guān)政策建議。

[關(guān)鍵詞]復(fù)雜網(wǎng)絡(luò)；投資行為擴(kuò)散；心理閾值；隨機(jī)演化模型；政策建議

一、基本思路

一般而言，行為擴(kuò)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(huì)受到其身邊的朋友、同事、鄰居或社會(huì)中其他與之鄰接的人影響。對(duì)于證券投資行為而言，人際傳播網(wǎng)絡(luò)對(duì)投資行為擴(kuò)散至關(guān)重要。因?yàn)樵谧C券投資市場(chǎng)中，個(gè)體投資者高密度的接觸促使其產(chǎn)生激烈的互動(dòng)，同時(shí)受情感的控制，產(chǎn)生所謂的“隧道現(xiàn)象”，造成眾多個(gè)體投資者的心理經(jīng)互動(dòng)后達(dá)到思想觀念和感情一致的同化融合狀態(tài)，并通過暗示、模仿、感染等途徑加速投資行為的傳播和擴(kuò)散，直到形成特定的群體投資行為模式。這種彼此助長(zhǎng)、相互促進(jìn)的從眾行為，是投資者群體不斷擴(kuò)大的重要誘因?；诖?，我們采用心理閾值衡量啟動(dòng)個(gè)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(qiáng)，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(tǒng)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(kuò)散的動(dòng)力學(xué)行為，由于受研究工具的限制，無法探究人際關(guān)系網(wǎng)絡(luò)類型對(duì)投資行為擴(kuò)散的影響。有鑒于此，本文采用復(fù)雜網(wǎng)絡(luò)上的擴(kuò)散模型建模方法，首先模擬出投資行為擴(kuò)散的人際關(guān)系網(wǎng)絡(luò)，為系統(tǒng)設(shè)定一些規(guī)則后讓系統(tǒng)在該網(wǎng)絡(luò)下自發(fā)演化，然后考察系統(tǒng)演化過程中表現(xiàn)出來的若干性質(zhì)。由于考慮了擴(kuò)散網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)本身對(duì)投資行為擴(kuò)散的影響，因此可以得到很多傳統(tǒng)模型不能得到的結(jié)果。

二、模型構(gòu)建

對(duì)于投資行為擴(kuò)散的人際關(guān)系網(wǎng)絡(luò)的判斷是研究行為擴(kuò)散的前提。由于能夠用來描述投資行為擴(kuò)散的定性約束很少，需要根據(jù)常識(shí)和專家知識(shí)進(jìn)行過濾，建立相關(guān)的約束規(guī)則。對(duì)于潛在投資者網(wǎng)絡(luò)結(jié)構(gòu)的判斷可以：(1)借鑒過去的相關(guān)投資行為擴(kuò)散研究中對(duì)投資者網(wǎng)絡(luò)的觀察結(jié)論；(2)將一個(gè)假想的投資行為介紹給潛在投資者，采用問卷調(diào)查的方式確定網(wǎng)絡(luò)結(jié)構(gòu)；(3)在某種投資行為擴(kuò)散之前調(diào)查潛在投資者的網(wǎng)絡(luò)結(jié)構(gòu)。本文采用網(wǎng)絡(luò)圖的形式描述投資行為擴(kuò)散的人際關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)。我們用G(V，E)表示人際關(guān)系網(wǎng)絡(luò)，其中V是頂點(diǎn)集，E是邊集，每個(gè)頂點(diǎn)代表系統(tǒng)中的一個(gè)人，兩個(gè)人之間有一條邊相連，表示這兩個(gè)人有可能發(fā)生聯(lián)系，從而可能使投資行為擴(kuò)散，這里記為相鄰個(gè)體。為了進(jìn)一步研究的需要，我們采用鄰接矩陣定義人群中的關(guān)系網(wǎng)絡(luò)。如果第i節(jié)點(diǎn)與第j節(jié)點(diǎn)之間有邊相連，對(duì)應(yīng)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(tǒng)完成對(duì)每個(gè)未投資行為的節(jié)點(diǎn)進(jìn)行檢測(cè)和轉(zhuǎn)變過程稱之為一個(gè)階段。用t表示系統(tǒng)所處的階段。投資行為對(duì)節(jié)點(diǎn)i的吸引力c(i，t)由t階段時(shí)，鄰接的節(jié)點(diǎn)中已投資行為的節(jié)點(diǎn)個(gè)數(shù)m(i，t)以及鄰接節(jié)點(diǎn)的個(gè)數(shù)n(i)所決定：

模型有兩個(gè)假設(shè)：

(1)每個(gè)階段，投資者要決定是否跟風(fēng)投資。如果某種投資行為對(duì)一個(gè)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(kuò)散過程中，人群中的人際關(guān)系保持不變。

按照上述假設(shè)規(guī)則進(jìn)行演化迭代，演化過程如圖2所示：

圖2中，(a)為系統(tǒng)初始化，隨機(jī)指定初始投資行為節(jié)點(diǎn)，(b)、(c)是相繼的演化進(jìn)程，即從系統(tǒng)現(xiàn)有投資者的節(jié)點(diǎn)出發(fā)，對(duì)每個(gè)未投資的節(jié)點(diǎn)檢測(cè)，判斷并完成未投資節(jié)點(diǎn)的轉(zhuǎn)變過程。

三、基礎(chǔ)網(wǎng)絡(luò)

證券投資行為擴(kuò)散動(dòng)力機(jī)制極其多樣化，決定了其基礎(chǔ)網(wǎng)絡(luò)有著不同的網(wǎng)絡(luò)性質(zhì)。本文主要以目前研究比較成熟的隨機(jī)網(wǎng)絡(luò)、無標(biāo)度網(wǎng)絡(luò)以及小世界網(wǎng)絡(luò)為基礎(chǔ)網(wǎng)絡(luò)，在試驗(yàn)中將網(wǎng)絡(luò)規(guī)模均設(shè)定為N=2000，分別研究投資行為在這三種網(wǎng)絡(luò)結(jié)構(gòu)上的擴(kuò)散情況。

1.隨機(jī)網(wǎng)絡(luò)。隨機(jī)網(wǎng)絡(luò)的連接是隨機(jī)設(shè)置的，其大部分節(jié)點(diǎn)的連接數(shù)目會(huì)大致相同，即節(jié)點(diǎn)度的分布方式遵循鐘形的泊松分布，有一個(gè)特征性的“平均數(shù)”，連接數(shù)目比平均數(shù)高許多或低許多的節(jié)點(diǎn)都極少，隨著連接數(shù)的增大，其概率呈指數(shù)式迅速遞減，故隨機(jī)網(wǎng)絡(luò)亦稱指數(shù)網(wǎng)絡(luò)。

在隨機(jī)圖理論中，連接概率被定義為系統(tǒng)大小的一個(gè)函數(shù)：P為系統(tǒng)中已有邊數(shù)占總邊數(shù)N(N-1)/2(其中N為系統(tǒng)中結(jié)點(diǎn)的數(shù)目)的比重。隨機(jī)網(wǎng)絡(luò)的節(jié)點(diǎn)度的分布見圖3(1)。

2.小世界網(wǎng)絡(luò)。小世界網(wǎng)絡(luò)是介于規(guī)則網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)兩種極端網(wǎng)絡(luò)中間地帶的簡(jiǎn)單網(wǎng)絡(luò)。這一網(wǎng)絡(luò)在社會(huì)系統(tǒng)中有其根源，社會(huì)系統(tǒng)中大多數(shù)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(rèn)識(shí)的人，而每個(gè)人又有一兩個(gè)遠(yuǎn)方的朋友——在其他國(guó)家的朋友或老相識(shí)——他們由Watts-Strogatz模型中重新連線得到的長(zhǎng)距離邊來代表。我們考慮以下隨機(jī)重新連線過程：從一個(gè)具有N個(gè)節(jié)點(diǎn)以及每個(gè)節(jié)點(diǎn)有K條邊的環(huán)形網(wǎng)絡(luò)開始，以概率PNK隨機(jī)給每條邊重新連線，約束條件為節(jié)點(diǎn)間無重邊，無自環(huán)。通過重新連接規(guī)則網(wǎng)絡(luò)中節(jié)點(diǎn)之間的連線來增加該網(wǎng)絡(luò)的無規(guī)則性。小世界網(wǎng)絡(luò)的節(jié)點(diǎn)度分布見圖3(2)。

3.無標(biāo)度網(wǎng)絡(luò)。無標(biāo)度網(wǎng)絡(luò)的生成遵循增長(zhǎng)和擇優(yōu)選擇兩種原則，它存在擁有大量連接的集散節(jié)點(diǎn)。與隨機(jī)網(wǎng)絡(luò)和小世界網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)湫再|(zhì)不同，在無標(biāo)度網(wǎng)絡(luò)中節(jié)點(diǎn)與節(jié)點(diǎn)之間的連接分布遵循冪次定律，其中大部分的節(jié)點(diǎn)只有少數(shù)連接，而少數(shù)節(jié)點(diǎn)則擁有大量的連接。從這種意義上來說，這種網(wǎng)絡(luò)是“無標(biāo)度”的。若將節(jié)點(diǎn)連接的分布取對(duì)數(shù)繪制在雙對(duì)數(shù)坐標(biāo)上，結(jié)果將成一直線，其網(wǎng)絡(luò)節(jié)點(diǎn)度的分布見圖3(3)?？梢姡粋€(gè)社會(huì)系統(tǒng)若為無標(biāo)度網(wǎng)絡(luò)，它的最大特征是即使存在少數(shù)節(jié)點(diǎn)也擁有大量連接。這些節(jié)點(diǎn)可被視為意見領(lǐng)袖，擁有廣泛的聯(lián)系，這些意見領(lǐng)袖是系統(tǒng)中對(duì)其他成員接受傳播信息的態(tài)度和行為具有較大影響力的人物。

四、試驗(yàn)結(jié)果與分析

我們進(jìn)行了四組試驗(yàn)，即基于隨機(jī)網(wǎng)絡(luò)的證券投資行為擴(kuò)散演化試驗(yàn)，得到隨機(jī)網(wǎng)絡(luò)的連接概率對(duì)投資行為擴(kuò)散的影響(見圖4)；基于小世界網(wǎng)絡(luò)的證券投資行為擴(kuò)散的演化試驗(yàn)，得到重新連接概率PNK對(duì)投資行為擴(kuò)散的影響(見圖5)；基于無標(biāo)度網(wǎng)絡(luò)的證券投資行為擴(kuò)散的演化試驗(yàn)，鑒于無標(biāo)度網(wǎng)絡(luò)中節(jié)點(diǎn)度數(shù)的大小相差懸殊，我們觀察了初始投資行為節(jié)點(diǎn)的屬性對(duì)證券投資行為擴(kuò)散的影響，另外，通過試驗(yàn)得到初始投資行為節(jié)點(diǎn)的規(guī)模對(duì)投資行為擴(kuò)散的影響(見圖6)；基于三種網(wǎng)絡(luò)的證券投資行為擴(kuò)散比較的演化試驗(yàn)，得到基于三種網(wǎng)絡(luò)的投資行為擴(kuò)散比較圖(見圖7)。試驗(yàn)采用的三種網(wǎng)絡(luò)中有相同的邊數(shù)6000、節(jié)點(diǎn)閾值均為0.01，對(duì)每種網(wǎng)絡(luò)隨機(jī)取兩個(gè)度為4的初始投資行為節(jié)點(diǎn)。公務(wù)員之家

圖4表明，在隨機(jī)網(wǎng)絡(luò)上連接概率越大，投資者群體中個(gè)體的交往更廣泛，投資者關(guān)于證券投資的信息溝通越便利、及時(shí)，投資行為擴(kuò)散速度越快。與此形成鮮明對(duì)比，圖5顯示在重新連接概率越大的小世界網(wǎng)絡(luò)上，即不太規(guī)則網(wǎng)絡(luò)上的投資行為擴(kuò)散更容易。在無標(biāo)度網(wǎng)絡(luò)上，圖6(a)顯示，隨機(jī)選取的初始投資者節(jié)點(diǎn)的數(shù)目越多，即群體中采取同一投資行為的人數(shù)越多(比如同時(shí)買股票或投資于同一股票)影響力越大，該投資行為擴(kuò)散得越快。節(jié)點(diǎn)的度大意味著投資者之間人群中建立了廣泛的人際關(guān)系，便于擴(kuò)散投資信息。前文將位于這種節(jié)點(diǎn)的投資者稱為意見領(lǐng)袖，意見領(lǐng)袖在投資行為擴(kuò)散過程中發(fā)揮杠桿作用，能夠加速投資行為在廣大投資者中的傳播進(jìn)程。準(zhǔn)確鑒定系統(tǒng)內(nèi)的意見領(lǐng)袖，并有效控制他們，將對(duì)投資者從眾行為控制產(chǎn)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(kuò)散的范圍大大縮小。并且當(dāng)初始投資者節(jié)點(diǎn)規(guī)模較小、他們的度數(shù)取為最小，投資行為無法擴(kuò)散；當(dāng)有更多數(shù)量的度數(shù)最小的初始投資者節(jié)點(diǎn)，投資行為擴(kuò)散的速度和范圍有了明顯的提高。將三種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中的投資行為擴(kuò)散過程進(jìn)行對(duì)比，不難看出，在無標(biāo)度網(wǎng)絡(luò)結(jié)構(gòu)中，投資者行為擴(kuò)散更加迅速(見圖7)。這主要源于意見領(lǐng)袖發(fā)揮著提高傳播結(jié)構(gòu)的網(wǎng)絡(luò)聯(lián)通性、加速投資行為擴(kuò)散的作用。

五、政策啟示

通過對(duì)試驗(yàn)結(jié)果進(jìn)行分析，我們得到這樣幾點(diǎn)啟示：(1)初始投資者節(jié)點(diǎn)數(shù)目越多，投資行為越容易擴(kuò)散，這與社會(huì)心理學(xué)群體規(guī)模與從眾率成正比的結(jié)論是相吻合的。在證券市場(chǎng)出現(xiàn)異常的情況下，大規(guī)模的投資者集結(jié)在一起，由于情緒互相感染、暗示和模仿，個(gè)體往往會(huì)做出失去理智的行為，在群體中有不良的情緒出現(xiàn)并呈現(xiàn)漫延趨勢(shì)時(shí)，監(jiān)管層應(yīng)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(chǎng)的瘋狂飚升或恐慌性拋售，產(chǎn)生動(dòng)蕩甚至危及到國(guó)家金融安全。(2)開展行之有效的投資者教育，倡導(dǎo)正確的價(jià)值觀，培育長(zhǎng)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(chǎn)生的根源和危害，減少對(duì)他人投資行為的依賴，在投資活動(dòng)自覺中防范各類證券欺詐和風(fēng)險(xiǎn)，以規(guī)避投資行為擴(kuò)散造成的證券市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。(3)新興證券市場(chǎng)對(duì)于一國(guó)社會(huì)、經(jīng)濟(jì)穩(wěn)定具有至關(guān)重要的意義。為了既能充分發(fā)揮證券市場(chǎng)的職能，又不至于威脅到國(guó)家的經(jīng)濟(jì)安全，政府對(duì)新興證券市場(chǎng)的干預(yù)度往往高于成熟市場(chǎng)。然而，政府對(duì)新興證券市場(chǎng)的監(jiān)管卻不一定能夠達(dá)到預(yù)期的效果，許多監(jiān)管政策在執(zhí)行過程中與政策制定者的本意相違背。為此，監(jiān)管層應(yīng)在實(shí)踐中不斷摸索，有效甄別證券投資行為擴(kuò)散中的意見領(lǐng)袖，探求合理控制意見領(lǐng)袖的方式，充分發(fā)揮他們的在投資行為擴(kuò)散中的樞紐作用，將證券投資行為向有利于證券市場(chǎng)健康發(fā)展的方向引導(dǎo)。

參考文獻(xiàn)：

[1]羅伯特·J.希勒.非理性繁榮[M].北京：中國(guó)人民大學(xué)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.