投资者行为研究

本书是国家自然科学基金项目（70471066）的研究成果，也是上海市重点学科“系统管理”（S30504）的研究内容。在上述两个项目的研究工作中，我们研究团队付出了相当长时间、相当多的人力、物力。将之出版，为的是供有志于研究行为管理的同行共享和参考，节省精力和提高效率，也使上述项目研究的投入能够发挥更大的作用。
投资者行为规律的研究，涉及金融市场、房地产市场，对国家经济的管理与调控具有重要的意义。特别是在当前国际金融危机的严重形势下，这方面的研究更有相当重要的意义。
我国当前在经济管理特别是投资品市场管理中所遇到的许多问题，都与投资者行为有关，比如房地产市场的调控，涉及对投资者行为的管理；维护股市的稳定，涉及对机构及个人的投资者的投资行为的管理。为此，就要深入地研究投资者行为的规律，建立投资者行为研究的理论体系，为国家有关政策的出台、有关制度的设计，提供科学的理论基础。
当然，决定人们行为的因素是很复杂的。所以，投资者行为管理并不是一件简单的事，在许多情况下常常失败，各种管理措施常常达不到目标。但是，这并不能说明投资者行为管理没有意义，投资者行为管理研究没有价值。反之，恰恰说明我们对投资者行为管理的理论的研究还很不够、对投资者行为管理规律的掌握还很肤浅，还需要大力深入研究。

第一章　投资行为概率的数学模型
　　第一节 引言
无论是组织管理还是社会管理，常常需要用一定的制度或者政策来规范人们的行为。而某种制度或者某种政策出台前，管理者常常需要事先估计其可能的效果，即对人们行为的影响程度的大小，由此来对制度或政策进行成本效益分析，以决定这些制度或者政策是否需要出台。这就需要建立行为概率的数学模型，这种模型描述的是在人们对某种行为的回报的普遍预期下，人们选择该行为的概率是多少，在群体中，也就是选择该行为的比例有多少。
目前的模拟和描述行为的数学方法主要有：元胞自动机（cellularautomata，CA）方法，主要模拟个体之间的相互影响；智能主体（Agent）技术，把群体中的大量个体看作是众多决策主体，主要模拟决策过程中各个Agent之间的相互影响，最后输出的是一个群体的决策结果；随机激励学习（reinforcement learning，RL）方法，模拟个体决策的学习过程；遗传算法，模拟个体特征的演化与变异过程；定性模拟算法（QSIM算法），模拟按不同特征的个体组成的小组等等。这些方法的共同特征，是构造出一个人造的并假设遵守一定规则的“虚拟人”，每个人都有一些离散的简单化的不同“状态”，并且“虚拟人”相互之间存在着一定的影响规则，把群体看作是由这样的“虚拟人”构成的，然后给出一定的初始条件，计算该群体最终演化的结果。
　　……