金融政策效用下企業發展多智能體仿真研究

張高煜，周雯婷，王昕杰，盛夢宇，陳飛宇

金融政策效用下企業發展多智能體仿真研究

張高煜，周雯婷，王昕杰，盛夢宇，陳飛宇

針對金融政策傳播過程中的復雜性，建立了宏觀系統的政策傳播模型并在多智能體仿真開發平臺Netlogo下編程實現，并動態模擬企業引入金融政策后金融市場的演化過程，來展現具有不同特征的企業在金融市場上是如何隨著時間發生的交互作用。最后給出了金融政策效用下的企業狀態演化與預測實驗結果，量化了政策對市場的激勵，將人文社會科學研究與復雜網絡理論進行了比較完美的結合與集成創新。

多智能體仿真；金融政策；企業；狀態預測

0 引言

國內外金融政策的效用研究可追溯到政策創新與擴散模型的研究，主要研究“政策創新”這種激進的政策的變遷形態。

政策創新擴散的研究始于密歇根大學沃克[1]（Walker, 1969），他發現美國許多州在政策方面并不完全遵循漸進決策路徑，而是經常出現跳躍性的“創新”，并且一些州的創新往往會被鄰近州所效仿。之后通過美國各州88項政策創新案例的實證分析，發現大而富的州比小而窮的州更易于創新，而且許多州都接受來自它們區域中一個或者更多先進的州的指引走向創新之路。自沃克后，政策創新及擴散的研究成了政策科學中最引人注目的領域之一。

在政策創新與擴散的早期研究中，弗吉尼亞·格雷（Virginia Gray,1973）借鑒其他學科對創新與擴散的研究，提出了政策創新與擴散的經驗模型，他認為在政策創新擴散的初期，政策采納的發生相對不頻繁，然后隨著各種因素的影響，采納的比例會急劇上升。布朗（Brown）和考克斯（Cox）將政策創新研究成果總結為3條規律[2]，即時間維度上呈現S型曲線，在空間維度上表現為臨近效應（the neighborhood effect），以及區域內出現的領導者—追隨者的層級效[3]。

我國目前對于政策創新與擴散模型的研究處于不成熟階段。國內最早的譯作是弗吉尼亞·格雷的《競爭、效仿與政策創新》，此后國內的學者才開始關注政策創新擴散問題。如嚴榮《轉型背景下政策創新的擴散與有限理性學習》一文中，對政策創新與擴散模型做了簡單的介紹，以政府信息公開規定和招商引資獎勵兩項政策作為實證案例。但國內研究者對于中國政策創新擴散現象的個案研究還停留在內部決定影響論與區域擴散效應論割離的水平，尚未有學者對政策創新與擴散模型本身進行專門的系統性研究。

然而把復雜網絡運用到計算機病毒傳播研究中，為探索金融政策的傳播與效用提供了新的視角。

復雜網絡從 1999年其在國際上掀起了研究的熱潮[4-6]，20世紀50年代，出現了最簡單的復雜網絡描述，即隨機圖理論，這是一種最簡單被大眾所認識的復雜網絡，有匈牙利數學家Paul Erdos和Alfred Rlfred提出。在20世紀后的40年中，隨機圖理論一直是研究復雜網絡的基本理論，被認為是對真實系統最好的描述。隨機圖能夠反映現實網絡的平均路徑較短的特性，但隨機圖的度分布均勻，而且聚類系數很小，總體而言，隨機圖不能很好地刻畫實際網絡，因為絕大多數實際的負載網絡結構并不是完全隨機的。

本文基于多智能體仿真技術和政策傳播模型，研究金融市場中企業受金融政策的影響、企業之間的合作、企業個體的狀態演化與預測，同時將仿真結果反饋到決策變量中，尋求最優的金融政策變量，為社會經濟管理提供依據。

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。由經典的網絡病毒傳播知識可得出，病毒的傳播強度越大，傳播的范圍越廣。在此我們把政策總結為4點（風險監控、企業合作和政府支持、企業創新），所以企業接受政策的個數由1-4四個選擇，企業政策選擇的個數多的對其他企業威脅大，存活的企業也就少。

在基于對現實進行簡化的同時，將實際復雜傳播中的無標度特性歸結為增長和優先連接兩個特性，其構造算法：

（1）企業規模增長特性——企業的規模與時間有關系。從結點總數為m開始構建，每次向企業群中加入一個節點，與已經存在的m個節點連接，并滿足

（2）優先連接特性——新節點優先連接度能量較大的節點。新的企業節點與某個存在的節點i連接的概率Πi與節點i的度ni、節點j的度nj的關系滿足公式（1）：

目前應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）（3個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”在名為企業的“人群”中傳播，因此將企業分為3類：最初接受政策并且發展的企業（developing）（Removal），發展受到阻礙的企業（stagnant）（Susceptible），發展不良并且正在倒逼或者關閉的企業（closed）（Infective）。假設在單位時間內，接受政策并且發展的企業的概率為α，發展受到阻礙的企業的概率為β，并用表示在時間t發展企業、受阻礙企業和關閉企業的數量，用M表示t時刻整個金融市場企業的數量。 SIR 模型可用如下方程組表示為公式（2）～（5）：

公式（2）表示企業接受政策并且發生改變概率，公式（3）表示企業發展受到阻礙的概率，公式（4）代表企業發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%）。

在實際傳播中，企業只有接觸發展企業才能被傳播。基于網絡的病毒傳播模型，網絡中的節點表示個體，節點之間的邊可視為兩個個體間可能的接觸，當一個節點是發展企業時，它以一定概率將政策傳播給相鄰的企業節點。這樣，政策模型就可以推廣到一般的網絡傳播中。

2 企業間合作模型

合作行為的傳統視角有3類：生物學、經濟學和心理學。經濟學中的合作理論則以Neumann和Morgenstem的期望效用理論（ex—pected utility theory）為代表，該理論認為合作行為取決于期望效用，是收益及其實現概率的乘積。此模型將簡化為企業之間的交流程度，根據離散數學圖論中度的概念，將企業之間交流轉化為合作概率（cooperative-probability）表示為度的概念，度越大，企業之間交流則越頻繁，反之相反。企業間有一定的合作關系，度分布公式為公式（6）：

公式（6）中X代表企業之間的聯系，例如2家企業之間擁有X=1的聯系，3家企業之間擁有X=3的度，M代表企業數量。

該網絡模型滿足冪律度分布的形式,x越大，P(x)越小，從而企業節點之間互相連接的概率就越小，相反，x越小，P(x)越大，從而節點之間互相連接的概率越大。

3 金融政策效用下企業狀態模型

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

圖1 企業狀態多智能體仿真模型框圖

3.1 基礎變量

本模型中的基礎變量有4個：

控制變量1：企業數量（number of companies）。代表在政策影響下的企業的數量，在初始的時候有兩種不同的企業狀態：發達的企業，為紅色；正常發展中的企業，為綠色。企業數量范圍為100—500，初始值為355。

控制變量2：企業的能量（company energy）。代表企業自身所帶有的實力大小，關系到企業的存亡發展。企業由倒閉到正常發展中到發達的經歷三個階段。倒閉的企業能力小于0，正常發展中的企業能量范圍為（0，company energy]，發達企業的能力大于company energy。范圍為1-100，初始值為66。

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

控制變量4：合作概率（cooperative probability）。指的是企業與企業之間的合作的可能性。值越大，企業之間更有可能合作，從而企業之間會出現互補，互相制約的情況，就會出現不同的發展趨勢，有的會發展的更好，而有的則會倒閉。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《關于促進上海市互聯網金融產業健康發展的若干意見》中的20條政策總結為4點：風險監控、企業合作、政府支持、企業創新。

風險監控

控制變量1：風險檢查的頻率（danger check frequency）。相當于政府對企業狀態檢查的頻率，降低企業衰亡的幾率。若風險檢查的頻率為3，代表每采樣三次，就會進行一次檢查。頻率范圍為0—20，初始默認值為3，單位為ticks。

控制變量2：風險可能性（danger chance）：企業遇到危機的可能性大小，即面臨倒閉的企業的數量，風險可能性越大，面臨倒閉的企業數量就越多。風險可能性范圍為0—100，初始默認值為64，單位為%。

控制變量3：風險恢復的概率（danger recovery chance）。相當于政府對企業進行定期的狀況檢查后，對一些將要倒閉的企業進行一定的援助，使其能夠重新正常運營的概率。風險恢復的概率的值越大，那么遇到危機的企業能夠恢復正常運營的機會就越大。恢復概率范圍為0—10，初始默認值為7.7，單位為%。

企業合作

控制變量1：企業資金（company salary）。這里請求有合作關系的企業，利用企業資金與企業創新資金的比例，對企業能量進行加減，企業資金大，則加；企業創新資金大，則減。企業資金范圍為0-1，初始默認值為0.6。

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

政府支持

對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時刻政府給予企業的支持資金，kt為t時刻現金流的折現率。在t時刻，政府給予企業的資金的折現反映企業運用資金的機會成本。

控制變量1：政府支持資金（gov company salary）。政府為促進企業發展而給予其資金，而企業運用資金的效果不同，有的企業會因此快速發展，同時也會使其他企業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：企業規模（company size）。企業的規模的改變，需要運用資金的大小也會改變，企業的機會成本也相應的改變。不同規模下的企業，運用政府給予的支持資金的能力與范圍也會不同，從而會影響企業的發展狀態。規模范圍為1-3，初始值為3。

企業創新

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

Ec：以“CSP”方法計算出的綜合管理成果效益，以企業實現利潤表示。

P1：成果實施后在成果效益計算年度內的企業總效益。

P0：成果實施前一年度的企業總效益。

N ：未實施本成果時在正常年景下自然增長的經濟效益。

營活動帶來的效益，而是因外部條件而獲取的效益。

i:實施成果損失費用。

控制變量1。企業創新資金（company innovation salary）。相當于企業開發新產品，技術改進的成本。企業創新資金取決于企業規模、企業自身發展狀況，企業創新資金范圍為0-1,初始值為0.7。

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

4 金融政策效用下企業狀態演化預測仿真實驗

4.1 模型假設前提

在現實環境中，金融市場的發展過程十分復雜，在建模時很難將所有的影響因素都考慮在內。要根據研究的目的和影響因素的可衡量性，進行適當的取舍，并提出一些假設來簡化模型。

（1）假設模型中企業的規模是滑動條上人為設定，在設定的范圍內隨機改變。

（2）假設整個金融市場中，存在的主體只有互聯網金融企業。

（3）將所研究的企業主體分為三種狀態：正常發展中狀態、發達狀態和倒閉狀態。

（4）政府對風險的每一次監控在設定的時間步內完成。

（5）企業主體狀態轉變時的恢復概率以及金融市場的各個初始參數作為外部條件人工干預設定。

（6）政府對企業的支持力度大，則給企業的資金就多。

4.2 仿真實驗1-基本模型驗證

基于NETLOGO的金融政策效用下企業狀態演化仿真初始化界面如圖2所示：

圖2 基于Netlogo的仿真系統界面

模型中節點表示企業主體，連接線表示企業之間的關系主體。企業主體總數為變量。

設置企業節點為355，企業的能量為66，正常發展中的企業的數量為 60，企業之間合作的概率為 0.73，政府風險檢查的頻率為 3幀做一次檢查，企業面臨危機的可能性為64%，企業受政府援助恢復正常運營的幾率為7.7%，企業自身的資金為0.6，政府支持資金為83，企業規模為3，企業創新資金為0.7，企業盈損率為0.2。初始化模型后，如圖2所示。運行程序，觀察企業節點的動態轉換如圖3、圖4所示：

圖3 運行后企業出現倒閉的現象

圖4 模型中各狀態節點的動態變化

根據圖3、圖4可以看出，隨著時間的推進，企業受政策不同程度影響，倒閉的企業（closed）的數量在增加，并在小幅度的波動，發達(developing)的企業數量減少了，也在小幅度的波動，同時由于企業之間相互合作，政府給予企業支持以及企業自主創新的因素使處于正常發展中企業（stagnant）消失，發達的狀態(developing)和倒閉的（closed）企業的數量趨于穩定，有小幅度的變化。整個金融市場平穩發展。根據圖4可以更加直觀的看出，正常發展中企業隨著政策實行時間的推進，都改變為發達或者倒閉的狀態，正常發展中企業較少為0，發達和倒閉的企業在不斷的變化，但最后都趨于穩定。

4.3 仿真實驗2--企業創新對企業經營的影響

企業虧損時企業投入創新資金

設置企業節點為355，企業的能量為66，正常發展中的企業數量為 60，企業之間合作的概率為 0.73，政府風險檢查的頻率為3幀，企業面臨危機的可能性為64%，企業受政府援助恢復正常運營的幾率為7.7%，企業自身的資金為0.6，政府支持資金為83，企業規模為3，企業創新資金為0.3，企業虧損率為0.2。初始化模型后，如圖5所示：

圖5 初始化界面

運行程序，觀察企業節點的動態轉換如圖6、圖7所示：

圖6 運行后企業出現倒閉的現象

圖7 模型中各狀態節點的動態變化

在仿真實驗2的模型中，企業減少了創新的資金，其他變量的數據與仿真實驗1相同，根據圖7所示，與仿真實驗中的圖4相比，在相同時間下，企業發展情況達到穩定狀態時，倒閉狀態的企業（灰色曲線)的上升幅度小幅度減小。具體數據顯示如表1所示：

表1 實驗1與實驗4數據

仿真實驗2的倒閉企業比仿真實驗1減少9個。仿真實驗2模型中企業投入創新資金，假設企業是虧損的，所以減少創新資金的投入，企業倒閉的也減少了。

5 總結

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《關于促進上海市互聯網金融產業健康發展的若干意見》為例實證分析，提出 “動態演化過程分析+多智能體建模+仿真+可行性分析”的研究方法。以更全面更真實的視角，以更全面更真實的視角，展現了金融政策對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網的金融政策而擴寬到對其他政策的仿真預測。

[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.貝瑞政策創新擴散模型研究[D].廣州,中山大學，2010.

[5] 姚麗麗.基于復雜網絡的病毒傳播行為研究[D].濟南,山東師范大學，2010.

[6] 史明江.復雜網絡中的病毒傳播研究[D].上海,上海交通大學，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年上海金融學院理科重點項目（SHFUKT14-01）

張高煜（1972-），男，上海金融學院信息管理學院，副教授，博士，研究方向：社會計算，嵌入式系統開發，上海，201209周雯婷（1995-），女，上海金融學院，專業：電子商務，上海，201209王昕杰（1995-），男，上海金融學院，學生，專業：金融學（CFA方向），上海 201209盛夢宇（1994-），男，上海金融學院，學生，專業：計算機科學與技術，上海 201209陳飛宇（1994-），男，上海金融學院，學生，專業：金融學（CFA方向），上海 201209