用自组织临界性建模金融市场

值得注意的是，即使在合理的低百分比下，也能获得显著的效果。因此，关于之前的发现[19]，我们进一步确认了随机交易行为的益处，这也适用于更现实的CFP模型，即代理人对市场有现实的反馈。以上讨论的结果表明了一些违反直觉的政策建议。虽然随机交易者可能会抑制雪崩的规模和频率，这似乎是非常具有前瞻性的，但这些结果是不正确的。10： （彩色在线）前一个图表中相同比例的随机交易员的标准化回报Pdf。这类商人中的一小部分人的存在显著减少了回报分布的厚尾。此外，我们还观察到15%随机交易者的人口构成的分布对称性出现了有趣的下降，超过这个值，PDF将变成高斯分布，见正文。非常稳健，并在几种情况下得到证实。另一方面，稳定市场和减少波动是金融政策的中期目标。少数随机交易者的存在似乎能够产生类似的效果。事实上，我们已经看到他们能够产生倾向于正态分布的财务回报。这样一来，预测价格动态的概率就会增加，或者至少可以减少预测的误差。但以阿兰多姆方式行事的交易者的真正含义是什么？最直接的解释之一是，在真实市场中，信息流决定投资者的决策。

然后，几个随机参与者的存在只是限制了信息的扩散，为传播机制提供了边界。当代金融市场的一个矛盾极端是，信息过剩是动荡和不可预测动态的原因。一个交易者所不知道的，正是她试图获得的信息信号的内容。这促使人们继续寻找可靠的信号，一旦发现一个可能可靠的信号，它就会通过任何规模的雪崩开始传播。随机交易者的存在可能会带来两个有趣的影响：从个人的角度来看，正如[19,20]中所建议的，金融投机投资的随机方法可能更方便，风险更低；另一方面，从集体的角度来看，没有跟随信号的交易者的存在可以减少产生传染的信息级联。然后可以得出一个违反直觉的政策建议：交易员认为从市场上获取的信息量必须受到限制。这种限制将与我们在CFP模型中随机投资者的效果完全相同：它将减少市场的脆弱性、对信号的持续搜索、投资者的不稳定和危险反应，随时准备模仿任何可能可信的行为。市场动态将导致更接近平衡，而不会出现危险的极端波动，更容易预测。四、 结论我们提出了一个新的模型，即CFP模型，用于具有异质性代理的金融市场。通过代理的类似SOC的羊群行为，FP模型能够提供真实的时间-价格序列，重现众所周知的程式化事实，并与实时序列进行良好比较。

我们还研究了如何通过引入一类新的随机交易代理人来抑制价格波动。在这方面已经取得了令人鼓舞的结果，证实了之前与随机策略的有益作用有关的一些发现。即使引入一小部分随机交易代理，也能减少价格波动。在这方面，减少信息似乎是一个方便但违反直觉的政策建议，有利于市场稳定，值得进行更详细的调查。五、致谢我们感谢Ugur Tirnakli和Constantino Tsallis进行了有益的讨论。这项工作得到了INFN项目“碎片”和卡塔尼亚大学FIR研究项目2014 N.ABDD94的部分支持。[1] CME集团，《托宾税的影响》，执行摘要，CME集团，2010年。[2] E.F.Fama，《金融杂志》，25（2），383-4171970。[3] R.E.卢卡斯，《经济理论杂志》，4（2），第103-1241972页。[4] T.J.萨金特和N.华莱士，《货币经济学杂志》，2（2），169-1831976年。[5] R.N.Mantegna和H.E.Stanley《经济物理学导论：金融中的相关性和复杂性》，剑桥大学出版社，1999年。[6] D.赫尔宾，《定量社会动力学》，克卢沃，多德雷赫特，1995年。[7] D.赫尔宾，社会自组织，斯普林格，2012年。[8] H·A·西蒙，人类的典范；《社会与理性》，威利，1957年。[9] A.Tversky和D.Kahneman，《科学》，185（4157），1124-11311974年。[10] G.A.Akerlof和R.J.Shiller，《动物精神：人类心理学如何推动经济，以及为什么它对全球资本主义很重要》，普林斯顿大学出版社，2010年。[11] C.Camerer，《行为博弈论：战略互动实验》，普林斯顿大学出版社，2003年。[12] N.Barberis和R.Thaler，《金融经济学手册》，11053-11282003年。[13] D.科兰德，M.戈德伯格，A.哈斯，K.朱塞利乌斯，A。

Kirman，T.Lux和B.Sloth，评论，21（2-3），249-267，2009年。[14] D.Kahneman和A.Tversky，《计量经济学：计量经济学学会期刊》，第263-2911979页。[15] A.Pluchino，A.Rapisarda，C.Garofalo，Physica A，389（3），467-4722010。[16] A.Pluchino，A.Rapisarda，C.Garofalo，Physica A，390（20），3496–35112011。[17] A.Pluchino，C.Garofalo，A.Rapisarda，S.Spagano，M.Caserta，Physica A，390（21），3944–3954，2011年。[18] A.E.Biondo，A.Pluchino，A.Rapisarda，《统计物理杂志》，151（3-4），607-6222013年。[19] A.E.比昂多，A.普卢奇诺，A.拉皮萨尔达，D.赫尔宾，《物理评论E》，88（6），062814，2013年。[20] A.E.比昂多，A.普鲁奇诺，A.拉皮萨尔达，D.赫尔宾，公共科学图书馆一号，8（7），e68344，2013年。[21]A.E.Biondo，A.Pluchino，A.Rapisarda，当代物理学，55（4），318–334，2014年。[22]D.Delli Gatti、S.Desiderio、E.Ga ffeo、P.Cirillo和M.Gallegati，自下而上的宏观经济学，斯普林格斯科学；商业媒体，2011年。[23]W.A.Brock和C.H.Hommes，《经济和金融竞争力模型》，技术报告，1997年。[24]W.A.布洛克和C.H.霍姆斯，《计量经济学：计量经济学学会期刊》，651059-10951997。[25]W.A.布洛克和C.H.霍姆斯，《经济动力学与控制杂志》，22（8-9），1235-12741998年。[26]C.Chiarella，《运筹学年鉴》，37（1），101–123，1992年。[27]C.Chiarella and X.Z.He，数量金融，1（5），509–5262001。[28]R.H.Day和W.Huang，经济行为与组织杂志，14（3），299–3292990。[29]R.Franke和R.Sethi，《经济学研究》，52（1），61-791998年。[30]C.H.霍姆斯，《金融市场作为非线性自适应进化系统》，泰勒和弗朗西斯，2001年。[31]T.Lux，《经济杂志》，第881-8961995页。[32]T.Lux，《经济行为与组织杂志》，33（2）：143–165，1998年。[33]T.Lux和M.Marchesi，《自然》，397（6719），498-5001999。[34]B。

LeBaron，基于代理的计算金融。计算经济学手册，12:1187–1233，2006。[35]T.Lux和F.Westerhoff，自然物理，5（1），2-32009。[36]M.Cristelli，2014年春季金融市场的复杂性。[37]S.Alfarano，T.Lux和F.Wagner，经济动力学与控制杂志，32:101–136，2008年。[38]A.Kononovicius和V.Gontis，EPL，1012013年。[39]Z.Olami、H.J.S.Feder和K.Christensen，PRE，681992。[40]D·J·瓦茨，小世界。网络上有序性和随机性之间的动态。普林斯顿大学出版社，2003年。[41]F.Caruso，A.Pluchino，V.Latora，S.Vinciguerra，A.Rapisarda，Phys。牧师。E 75055101（R）（2007年）。[42]N.卡尔多，《资本积累与经济增长》，麦克米伦，1961年。[43]该时间序列由汤森路透提供。[44]A.Chakraborti，I M.Toke，M.Patriarca，F.Abergel，数量金融，11（7），991-10122009。[45]C.Tsallis，《非扩展统计力学导论》，斯普林格，2009年。[46]C.Tsallis，C.Anteeodo，L.Borland，R.Osorio，Physica A:统计力学及其应用，324:89–1002003。[47]J.Ludescher，C.Tsallis，A.Bunde，Europhys。莱特。，95,68002, 2011.[48]A.Pluchino，A.Rapisarda，C.Tsallis，Physical ReviewE，870229102013。[49]G.Miritello，A.Pluchino，A.Rapisarda，Physica A，481829102009。[50]A.Pagan，《经验金融杂志》，3（1），第15-1021996页。[51]R.Cont、M.Potters和J.P.Bouchaud，《尺度不变性及超越》，第75-85页。斯普林格，1997年。[52]B.Mandelbrot，《某些投机价格的变化》，商业杂志，36（4），394–4191963年。