考虑因应行为的股市多主体行为演化特征与推理方法研究

Most of the traditional social predictions do not consider the response behavior of the forecasting object, that is, the forecasting object will be affected by the prediction result and change its own behavioral decision, which may lead to the failure of forecasting of certain scenarios. The emergence of big data makes it possible to detect the behavior of market players in an all-round way, helps to permeate the micro-behavior and macroscopic performance, and more fully presents the interactive reflection process of predicting the subject and the object. This project takes the stock market as an example. Under the background of China's specific investor composition and market micro-mechanism, consider the response behavior between the multi-agent and the market environment, and comprehensively apply the high-frequency data, Internet data, and behavioral experiment data of the stock market, and comprehensively analysis of the causes and diffusion mechanisms of excessive volatility in China's stock market and summary of the dynamic evolutionary characteristics and laws of the multi-agent behavior in the stock market.Three major work include: First, we conceptualize, classify, measure micro behavior and macroperformance, and identify behavior pattern transformation. Second, research on data acquisition, preprocessing and effective signal extraction of multi source heterogeneous data.Third, we develop a model for the analysis of coping behaviors in the stock market and a tool for monitoring stock market volatility and market risk. This study will enrich the theory of behavioral finance, propose innovative multi-source data analytical methodologies, and provide effective decision-making guidelines for both investors and governments.

传统的社会预测大多没有考虑预测对象的因应行为，即预测对象会受到预测结果的影响而改变自身的行为决策，由此可能导致某些场景的预测失灵。大数据的出现使得全方位探测市场主体行为成为可能，有助于把微观行为和宏观表现贯穿起来，更完整地呈现预测主客体的互动反射过程。本课题以股票市场为例，在我国特定的投资者构成及市场微观机制背景下，考虑市场多主体与环境之间的因应行为，综合应用股票市场高频数据、互联网数据、行为实验数据，全面剖析我国股票市场过度波动的根源和扩散机制，总结股市多主体行为动态演化特征及规律，主要工作包括：①多主体微观行为的定义和度量，行为模式转变的识别、特征与诱发因素分析；②多源异构数据的采集、预处理及融合方法研究；③考虑因应行为的动态自组织记忆网络推理模型建立，市场风险监测工具的开发。本研究丰富了行为金融相关理论，在多源数据分析方法上具有创新价值，也可以为投资者和管理部门提供有效的决策参考。

项目在我国股票市场微观结构和投资者构成背景下，融合股票市场数据、互联网搜索数据、网络文本数据、企业运营数据、年报及政策文本等多源数据，综合应用人工智能、复杂系统、计量经济等多种方法，刻画了股票市场多主体之间、主体与环境之间的交互行为过程，全面剖析我国股票市场过度波动的根源和要素，从多主体行为视角研究了股票市场从微观到宏观的行为模式演化规律。.在理论上，基于市场微观结构和行为金融等理论，项目明确了多主体微观行为、市场宏观表现的定义及内涵，结合中国股票市场交易机制特点，应用行为实验方法分析各市场主体对外在冲击的反映，总结其在不同场景下的因应行为模式及变化规律，实证分析了投资者关注度对股市流动性的非对称性影响。.在方法上，项目展开了股票市场多源数据的采集、预处理和融合方法研究，建立了针对金融风险分析的数据降维与去噪等模型，提出了一种基于动态学习的搜索引擎数据预处理方法，能够让模型根据环境的变化，更有效反映股市波动行为特征。.在预警工具开发上，项目以多元时间序列图神经网络通用框架为基础，构建了一个知识嵌入式图神经网络模型，对多元时间序列状态数据进行预测，将知识嵌入模块与图学习模块相结合，通过嵌入相关、因果、专家经验三种知识矩阵，更好地刻画出状态变量之间的关联关系，为复杂因素机理发现提供新视角。此外，本项目还应用多渠道网络数据，构建实证模型量化分析了灾难事件对股票市场的影响，并量化分析了灾难事件对股市的影响时长和影响程度，基于年报文本数据分析了多主体行为视角下软信息在股市中传导路径及调节效应。.围绕上述研究，项目发表（接收发表）论文17篇，其中，《中国科学:信息科学》《系统工程理论与实践》《管理评论》《中国管理科学》等国内核心期刊9篇；发表“Transport Policy”“R&D Management”等国际期刊8篇；国家发明专利获得授权2项，研究成果应用于多源数据驱动的企业风险评价系统，取得良好应用效果。