人工股票市场模型的核心设定与基础 - 模型旨在用简单规则在计算机上模拟现实股票市场运动，其基础是充满行为各异的“人工模拟投资主体”（智能体Agent）[1] - 这些智能体程序会根据市场数据和初始策略进行预测并执行交易，随后根据交易效果和市场变化修正策略和预测，具备探索行为和自适应性[1] - 所有智能体共享相同的初始财富、效用函数、学习速度、策略池容量，初始预测规则集随机生成，但规则生成机制、参数空间和进化算法完全一致，起点刻意同质[1] 模型运行的主要现象与发现 - 在慢速探索状态下（智能体平均每1000期调用一次遗传算法），市场进入稳定的理性预期均衡（有效市场态），交易行为趋于同质化[2] - 在适中速度探索状态下（智能体平均每250期调用一次遗传算法），市场行为明显偏离理性预期均衡，观察到了真实金融市场中的泡沫和崩溃特征[2] - 在中高速探索实验中，初始同质的交易者自发分化为基本面派、趋势派、噪声交易者等，异质性成为市场稳态，同时出现贫富分化，少数人长期赚钱，多数人长期亏钱，财富趋向集中[2] - 不同交易派别中都存在长期赢家和长期亏家，且比例没有明显差异[2] - 有效市场假说被视为复杂经济现实的一个慢速子集，而大多数经济系统处于中高速探索状态，不会收敛，只会不断进化[2] - 模型复现了现实股市的贫富分化，证明这是复杂系统的自然结果，而非人性或阴谋所致[2] 市场异质性的内生维持机制 - 即使赢家策略可以被学习和复制，市场也永远不会完全同质化或被套利抹平，异质性会内生维持下去[3] - 策略如果被大量复制，就会自动失效，失效会催生新的策略选择[4] - 长期赢家并非依赖固守一个策略，而是依赖不断进化策略的能力[4] - 模型中的长期赢家是一类坚持“生态位+细节自适应”的智能体[4] - “生态位”指高维原则或哲学不变性，例如“愿意承受别人不愿承受的东西”，这导致生态位长期供给不足，从而存在超额收益[4] - 例如，价值投资的生态位（长期、低换手、充裕现金流、安全边际、逆市场情绪）因人性弱点（如没耐心、不接受回撤、追热点）而并不拥挤[4] - 趋势跟踪的生态位同样存在，其不变的是市场内生的趋势结构，变的是产业、技术、经济周期等具体因素[5] - 趋势策略存在极高的心理成本，如频繁假突破止损、大趋势中途剧烈震荡、长时间无趋势、反转时大幅回吐等，这构成了多数人难以逾越的壁垒[5][6] - 长期跑赢的智能体（稳定生态位占据者）具有稳定的核心偏好、风险偏好、时间视野和基本信念（高维不变），但其底层预测规则持续进化（低维自适应），不断淘汰失效规则并生成新规则，保持少量有效规则[5] - 别人只能学习其具体买卖点（低维），但无法复制其高维结构与适应速度，因此其优势不会被学走[5] 模型的理论贡献与影响 - 圣塔菲人工股票市场是行为金融学与复杂系统科学结合的里程碑式计算模型，是复杂经济学、演化证券学、行为金融学的核心实验平台[6] - 其核心贡献之一是统一了两种市场观，证明有效市场与复杂市场是同一模型在不同参数下的状态，而非互斥理论[7] - 模型首次在计算模型中内生产生了泡沫、崩盘、技术交易、波动聚集等有效市场假说难以解释的现象，为行为金融与复杂经济学提供了可复现的实验证据[7] - 模型开创了基于Agent的计算金融学方法论，成为研究市场微观结构、投资者行为、政策模拟的主流工具[7] - 后续出现了多个改进版，并被广泛用于高频交易、监管政策、ESG、加密货币等场景的模拟[7]