From 7c5e2e9825625a06b151207452f8b7e454fcc43c Mon Sep 17 00:00:00 2001 From: He Zhou Date: Mon, 26 Dec 2022 23:18:33 +0800 Subject: [PATCH] revise based on editor comments --- 20221226entity_ABM.tex | 69 +++++++++++++++++++++++++++--------------- 1 file changed, 44 insertions(+), 25 deletions(-) diff --git a/20221226entity_ABM.tex b/20221226entity_ABM.tex index 6b3080c..c3489ab 100644 --- a/20221226entity_ABM.tex +++ b/20221226entity_ABM.tex @@ -155,37 +155,56 @@ Song Q, Jing Y H, Dong Z, He Z. Research on Investment and Financing Decision of \SUB{1\ \ 引言}%一级标题 +在金融市场上, 实体企业和金融机构的投融资决策大致可分为两种. +对于实体企业而言, 融资决策可以分为直接融资（股票融资和债券融资等）和间接融资（主要通过商业银行等金融机构）. +相应地, 金融机构的投资决策可以分为投资于直接融资市场和投资于间接融资市场. +目前我国金融体系下, 商业银行贷款仍然占据融资市场的核心地位$^{[1]}$, 但是资本市场发展迅猛, 以间接融资为主的金融结构也发生了变化$^{[2]}$. +随之而言的科学问题是：我国金融机构与实体企业的投融资决策如何影响间接融资与直接融资的比例关系？ -在金融市场上, 实体企业和金融机构的投融资决策大致可分为两种. 对于实体企业而言, 融资决策可以分为直接融资和间接融资. 相应地, 金融机构的投资决策可以分为投资于直接融资市场和投资于间接融资市场. 实体企业可以选择的直接融资方式包括股票融资和债券融资等, 间接融资则主要通过商业银行等金融机构. 目前我国金融体系下, 商业银行贷款仍然占据融资市场的核心地位$^{[1]}$. 随着金融工具的丰富和金融政策的更迭, 资本市场发展迅猛$^{[2]}$, 以间接融资为主的金融结构也发生了变化$^{[3]}$. 金融机构在加强与企业的融资合作的同时, 也参与到资本市场的投资活动中. +这一问题不仅具有金融研究的理论意义, 也有非常现实的实践意义. +周小川指出，我国政策历来重视金融业对实体经济的扶持作用, 因此国家鼓励和督促金融机构落实服务于实体经济的责任要求$^{[3]}$. +但学者发现，我国金融机构存在``脱实向虚"的问题，即金融机构向企业放贷不积极，服务水平不高$^{[4]}$. +理解``脱实向虚"这种现象需要深入研究金融机构和实体企业的投融资决策, 分析不同融资模式对两类主体的利弊. +例如, 对于直接融资模式, 企业资金使用的自由度较高、从直接融资市场上可能获得较高的资本利得等收益, 但面临的市场不确定性也高; 金融机构可以选择的业务模式更加多样, 资金的灵活度高, 但容易发展为``脱实向虚"的业务状态, 偏离``服务实体经济"的政策要求. +对于间接融资方式, 企业因为地理等因素可选金融机构极少, 资金流向和用途往往要受到比较强的监督和限制, 融资成本较高$^{[5]}$, 但是其融资过程风险相对较低,金融机构可能面临企业的违约风险, 但是双方也可能具有长期的信用发展优势, 双方的协调匹配也能最大程度地保证企业的融资需求$^{[6]}$. +已有文献虽然对间接融资与直接融资的研究较多，但大多采用实证方法开展，难以深入刻画两类主体的决策和博弈过程. +而采用博弈论等数值方法研究此问题的研究相对较少，未能全面考虑上述决策要素以及主体异质性等因素。 -间接融资与直接融资的比例关系一直是金融市场和金融结构研究的热点话题, 其实质是资金融通方式选择的问题. 国家既希望资本市场可以稳定发展, 提高整个金融市场资金的灵活性, 同时鼓励和督促金融机构落实服务于实体经济的责任要求, 这一方面是因为社会经济的发展中实体企业的发展十分重要, 但仍存在着``金融脱实向虚"导致服务水平不高的问题$^{[4]}$; 另一方面, 是因为实体企业作为资金的需求方, 一般处于弱势地位. 实际上, 企业和金融机构无论采取何种投融资方式, 都具有优劣之处. 对于直接融资业务模式, 企业资金使用的自由度较高、从直接融资市场上可能获得较高的资本利得等收益, 但面临的市场不确定性也高, 金融机构可以选择的业务模式更加多样, 资金的灵活度高, 但容易发展为``脱实向虚"的业务状态, 偏离``服务实体经济"的政策要求; 对于间接融资方式, 企业的资金流向和用途往往要受到比较强的监督和限制, 融资成本较高$^{[5]}$, 但是其融资过程风险相对较低,金融机构可能面临企业的违约风险, 但是双方也可能具有长期的信用发展优势, 双方的协调匹配也能最大程度地保证企业的融资需求$^{[6]}$. +本文试图基于实际数据，通过建模微观主体决策和博弈来研究间接/直接融资比例的变化，从而为政策制定者提供理论依据。 +具体而言，本文首先建立金融机构与实体企业的演化博弈模型，通过对稳态点和演化路径的分析发现：（1）金融机构和实体企业产生了\{`` 资本服务实体经济, 间接融资", `` 资本脱实向虚, 直接融资" \} 的行为演化稳定集. +（2）企业的获利水平、可能面临的直接融资市场风险, 金融机构可能面临的资本市场风险以及政府补贴的增加会促进双方向着`` 间接融资"合作方向发展; +（3）企业无法获得间接融资的损失、双方面临的间接融资业务投入的成本比例和直接融资收益的增加会减少双方对`` 间接融资"合作的偏好. +之后，为了进一步贴近现实, 本文采用了主体建模与仿真方法深入分析更多的影响因素. +一方面，主体模型考虑了主体可能同时采取两种投资或融资的行为, 放松了演化博弈中``二选一''的过强假设. 另一方面, 由于间接融资模式下地方银行由于对当地实体企业的状况更为了解$^{[7]}$, 因此主体模型引入了主体的空间交互行为，从而更加符合实际。 +通过模拟实验发现：（1）资本市场的融资成本显著影响实体企业的间接融资比例；（2）实体企业的经营性盈利水平显著影响金融机构的投资决策；（3）实体企业间接融资最大可及距离因素显著影响金融机构的决策决策；（4）`` 间接融资"合作中收益占比仅对于实体企业的利润有显著影响. -促成合理的间接融资与直接融资的比例是金融市场发展的目标之一, 本文从微观视角出发, 研究作为金融市场中的微观主体--金融机构和实体企业对于间接融资和直接融资业务模式的行为决策和比例决策, 自下而上地探索影响投融资决策的因素和机制, 为宏观层面促使两者比例变化提供阐述视角, 此外, 更多地从间接融资--比较传统地能够更加直接地服务于实体经济的融资方式--的角度, 对促进金融机构服务实体企业提出政策性建议. 虽然已有文献开展了相关研究, 但仍存在着因素考察不够全面, 与实际情况符合程度不足, 没有考虑到主体异质性等问题, 因此, 有待深入研究. +通过对照这两个模型的结果，我们还发现（1）（2）（3）。这些结论不仅有助于政策制定者理解间接融资与直接融资比例后面的影响因素，也为广大学者研究类似复杂现象提供了新的研究思路。 -本文首先建立了基于演化博弈理论的博弈模型, 通过对稳态点和演化路径的分析发现, 金融机构和实体企业产生了\{`` 资本服务实体经济, 间接融资", `` 资本脱实向虚, 直接融资" \} 的行为演化稳定集. 分析发现, 企业的获利水平、可能面临的直接融资市场风险, 金融机构可能面临的资本市场风险以及政府补贴的增加会促进双方向着`` 间接融资"合作方向发展; 相反, 企业无法获得间接融资的损失、双方面临的间接融资业务投入的成本比例和直接融资收益的增加会减少双方对`` 间接融资"合作的偏好. - -为了进一步放松演化博弈中一些过强的假设并深入分析更多的影响因素, 本文采用了主体建模与仿真方法, 考虑了主体可能同时采取两种投资或融资的行为, 从而更符合实际情况. 此外, 本文还引入了地理位置因素, 主要是考虑到政府对地方性金融机构`` 服务地方经济"的政策倡导, 以及地方银行由于对当地实体企业的状况更为了解, 因而建立起较多的业务合作的现实背景$^{[7]}$, 既拓宽了理论模型的研究基点, 也使得研究结论更具现实意义. 通过模拟实验发现, 资本市场的融资成本对企业选择多大比例的资金来源于“间接融资”业务是显著的, 实体企业的经营性盈利水平对于金融机构投资于不同市场的比例影响是显著的,以上与理论模型的结论较为相似.主体模型中添加考量的实体企业的地理位置因素对于金融机构的决策比例存在显著性影响, 说明对于这一要素考虑的必要性.对于理论模型难以界定影响的`` 间接融资"合作中收益占比的问题, 通过模拟实验发现, 其仅对于实体企业的利润有显著影响. - -本文后续安排内容如下: 第二部分, 梳理相关文献并总结本文的创新点; 第三部分, 结合实际数据构建演化博弈, 研究多种因素对投融资行为决策的影响; 第四部分, 扩展演化博弈模型中的基本假设, 提出考虑地理位置的主体模型, 研究关键因素对投融资系统的影响; 第五部分, 总结研究成果并提出政策建议. +本文后续安排内容如下: 第二部分, 梳理相关文献并总结本文的创新点; 第三部分, 结合实际数据构建演化博弈, 研究多种因素对投融资行为决策的影响; 第四部分, 扩展演化博弈模型中的基本假设, 提出考虑地理位置的主体模型, 研究更多因素对投融资系统的影响; 第五部分, 总结研究成果并提出政策建议. \SUB{2\ \ 文献综述}%一级标题 -\sub{2.1\ \ 演化博弈在金融领域的应用研究}%二级标题命令 +\sub{2.1\ \ 基于演化博弈的投融资研究}%二级标题命令 博弈理论是研究金融市场问题的常用理论方法之一. Evstigneev I等$^{[8]}$建立了一个融合随机动态博弈和演化博弈要素的非传统博弈理论框架, 分析资产市场的动态随机均衡模型. 钱燕和吴刘杰$^{[9]}$分析了包含商业银行和小微企业两类市场主体的小微信贷融资市场, 将小微企业的行为策略建立在是否违约的基础上. 杨晓光等$^{[10]}$以数字经济领域为背景, 阐述了博弈论的五个未来研究方向. 在博弈论的诸多分支中, 演化博弈因具有动态路径和静态稳定点的特质逐渐引起了研究者的兴趣, 其与金融领域相关的研究中, 研究视角大体从政府监管的角度逐渐倾向为从企业微观主体的角度进行研究. 在考察政府监管与金融机构行为的均衡关系演化方面. 刘伟等$^{[11]}$ 研究了互联网金融平台行为与监管方策略的博弈演化过程, 重点对固定惩罚机制和动态惩罚机制下双方策略博弈均衡进行了比较. 胡俏和齐佳音$^{[12]}$分析了民众“参与”和政府“监管”数字货币的博弈演化路径. Zhang S等$^{[13]}$ 研究了动态碳交易价格背景下政府与制造商的演化博弈模型. 从企业的微观视角出发, Li S和 Wang B$^{[14]}$以代理理论为基础, 研究和分析风险因素影响下企业投融资过程中所涉及的利益冲突问题. Huo Y 和 Feng Z$^{[15]}$ 以企业集团内部形成的自我担保机制为研究背景, 基于抵押资产和无担保资产两种情况建立商业银行与中小企业集体融资的演化博弈模型. Xu Y 和 Liu Q$^{[16]}$ 选择贷款金额、贷款利率、担保价值和中间业务收入作为变量, 利用演化博弈论的方法研究了小微企业融资难问题的原因. 与上述文章不同的是, 首先, 本文的理论研究对实体企业的讨论没有具体到行业, 但在模拟仿真的部分考虑到了主体间决策的异质性, 并且考虑了风险、成本、收益的影响, 将企业行为集展开至对融资方式选择的研究上, 将商业银行的资本投入流向纳入讨论和研究的指标中. -\sub{2.2\ \ 主体建模在金融领域的应用研究}%二级标题命令 +\sub{2.2\ \ 基于主体建模的投融资研究}%二级标题命令 基于主体建模(agent-based modelling and simulation, ABMS)的方法是一种比较新颖的充分考虑主体异质性的自下而上的模型仿真方法, 为金融领域复杂决策研究方面提供了新的研究思路与途径. 在对比研究方面, Farmer J D 和 Axtell R L $^{[17]}$总结了ABM 如何应用于放松标准经济模型中的传统假设. 赵志刚等$^{[18]}$ 通过比较CGE 模型与基于主体建模的模型特点, 构建了基于主体建模的金融政策研究框架. 利用ABMS 对于微观主体研究的优势, 很多学者将其用于投资者等微观主体视角的研究. 比如, 投资与市场波动等方面, Bertella M A 等$^{[19]}$ 对比了投资者对其投资组合持有的信心以及他们的社会群体和各种社会网络拓扑对人工股票交易所的动态的影响. Fratri P 等$^{[20]}$ 分析欺诈主体的存在与比特币市场价格波动的关系. 王一涵和王国成$^{[21]}$ 通过在模型构建中引入异质性的情绪因子, 研究投资者决策如何受到情绪的影响, 并分析相关引发的金融市场波动的机理. 另一方面, 也有学者开展了对风险传染和控制风险的效果评估等方面的研究. Mu P等$^{[22]}$结合强化学习算法构建银企信用匹配网络模型, 深入研究银行与企业之间的宏观经济特征及其网络结构对银行与企业之间信用风险传染的机理. 郭栋$^{[23]}$ 则基于投资者异质性研究了境外人民币回流的潜在风险冲击的传导效应. 张瑾玉等$^{[24]}$ 基于多主体决策, 研究社会网络中的破产传染.尹威和赵启程$^{[25]}$ 运用多主体仿真建模方法构建委托贷款关联交易模型, 分析不同政策组合下规避委托贷款市场风险的效果. 在资金比例选择方面, Fiedler A$^{[26]}$提出了一种多主体系统的方法, 用于促进供应链中最佳融资选项的选择过程. 与上述研究不同, 本文利用ABMS拓展对演化博弈研究中相关因素影响的分析, 同时引入了实验设计的方法, 更加广泛地分析多个指标在优化过程中的影响表现. -\sub{2.3\ \ 金融机构与实体企业之间的投融资研究}%二级标题命令 +\sub{2.3\ \ 金融机构与实体企业之间的投融资研究[这个最好放在第一个作为2.1]}%二级标题命令 促进金融业对实体经济的扶持作用, 一直是政策强调的重点$^{[3]}$. 企业的融资方式取决于多个内外因素, 同样地, 金融机构的资金流向分配也存在着各种主客观的原因. 在对于企业借贷相关的问题, 学术界的研究视角和研究方法也比较多元. 李志勇和余湄$^{[27]}$ 利用模拟的方法研究了网络借贷利率问题. Schwert M.$^{[28]}$利用K-M框架研究信贷市场供给侧的变化与冲击对实体经济活动的影响. 吴卫星和刘细宪$^{[29]}$ 研究了影响企业借贷约束的因素问题.刘国巍和邵云飞$^{[30]}$ 研究了金融支持对战略性新兴产业创新主体培育的影响机制. Fraisse H.等$^{[31]}$研究了银行信贷资源的配置对企业融资环境的影响. 周开国等$^{[32]}$利用博弈和基于机器学习的反事实分析方法，研究银行负债结构对企业信贷获取的影响.与上述文献不同, 本文的主体因素中考虑到了政府激励和政策引导的外部性作用, 同时将博弈主体聚焦在金融机构和实体企业的投融资行为选择方面, 更加注重金融市场中的实际引导效果和主体的主观能动性. \sub{2.4\ \ 文献述评与本研究的创新}%二级标题命令 -从已有文献可以看出, 虽然演化博弈和基于主体的模型方法在金融领域均有应用, 但是同时利用两种建模方法的优势, 讨论金融机构和企业主体的交互关系的文献较少. 此外, 在利用演化博弈的研究中较少使用实际数据分析鞍点位置, 并且决策行为一般为对某种决策的选择, 往往与现实情况存在较大的出入. 基于以上方面, 本文的创新点体现为: 第一, 相较于以往的文献, 本文首先从理论上对上述问题进行了研究和阐述, 并结合主体模型实验方法, 从更为微观的角度细致化地阐明了影响双方投资融资行为的因素，丰富了理论阐述和仿真表达的内容; 第二, 在演化博弈研究部分, 分析了银行等金融机构的投资决策和企业的融资决策的交互博弈, 获得理论性结果, 并与现实数据相结合, 讨论了稳态点的位置; 首次结合主体模型研究企业和金融机构的投融资行为的倾向问题, 将博弈模型中对单一行为决策的演化分析, 转化为企业对自身融资需求来源的比例的决策和金融机构对资金投放比例的决策; 第三, 本文的研究视角中考虑的要素较为全面, 并充分对照了演化博弈和ABMS 两个方法的结果, 不仅提出的建议更有针对性, 也为广大学者研究类似问题提供了新的研究思路. +从已有文献可以看出, 金融机构与实体企业之间的投融资研究一般局限在单个主体，缺乏对两个主体博弈行为的系统性研究。 +而演化博弈和基于主体的模型方法在投融资领域的应用很好的展示了两个方法的适用性，能支撑本文从微观角度建模和仿真我国金融机构与实体企业组成的复杂投融资系统。 +因此，本文的创新点体现为三个方面. +第一, 在研究视角方面，本文从微观主体决策建模角度研究``脱实向虚''这一投融资系统的宏观现象，尝试打开以往实证研究所获结论的``黑箱''，是已有研究的有益补充； +第二，在研究方法方面，本文从数学模型（演化博弈）入手得到具有一般性的结论，之后放宽部分假设并首次引入主体仿真模型开展研究，不仅可以让投融资主体行为更贴近现实，还可以对照两个模型结论，是具有借鉴意义的研究方法体系； +第三，在研究结论方面，本文模型取值与现实数据相结合,尽可能全面地建模现实因素，并通过方差分析等方法识别关键影响要素，使得研究结论和政策建议更具有针对性。 \SUB{3\ \ 演化博弈研究}%一级标题 -演化博弈是一种基于参与主体有限理性的博弈, 参与主体往往要经过不断的选择、学习、试错, 最终达到稳态策略. 金融机构和实体企业在金融资本服务实体经济的问题研究适用于演化博弈方法. 首先, 演化博弈论对于行为主体采取的是有限理性假设$^{[32]}$ , 从现实情况来看, 双方在博弈的过程中很难做到对信息的全部掌握, 因此无法设定博弈双方的行为可以做到完全理性. 第二, 演化博弈注重对时间的和演化路径依赖的考量, 金融机构和实体企业的博弈过程伴随时间的变化不断修正和改进自己的行为策略, 同时, 运用演化博弈的方法也便于观察可能影响演化结果和演化路径变化的因素. 第三, 演化博弈的研究大多结合群体博弈, 群体中每个个体在博弈的每一步选择过程中会挑选一个能够带来大于平均期望收益的策略$^{[33]}$, 与传统博弈不同的是, 演化博弈不会直接达到均衡状态的最优选择, 更加符合现实情况下同一群体中不同个体在短期与长期效益的抉择过程. +演化博弈是一种基于参与主体有限理性的博弈, 参与主体往往要经过不断的选择、学习、试错, 最终达到稳态策略. 金融机构和实体企业在金融资本服务实体经济的问题研究适用于演化博弈方法. 首先, 演化博弈论对于行为主体采取的是有限理性假设$^{[32]}$ , 从现实情况来看, 双方在博弈的过程中很难做到对信息的全部掌握, 因此无法设定博弈双方的行为可以做到完全理性. 第二, 演化博弈注重对时间的和演化路径依赖的考量, 金融机构和实体企业的博弈过程伴随时间的变化不断修正和改进自己的行为策略, 同时, 运用演化博弈的方法也便于观察可能影响演化结果和演化路径变化的因素. 第三, 演化博弈的研究大多结合群体博弈, 群体中每个个体在博弈的每一步选择过程中会挑选一个能够带来大于平均期望收益的策略$^{[33]}$, 与传统博弈不同的是, 演化博弈不会直接达到均衡状态的最优选择, 因此更加适合刻画现实中同一群体中不同个体在短期与长期效益的抉择过程. \sub{3.1\ \ 模型主体、策略及参数设定}%二级标题命令 \sub{3.1.1\ \ 模型参与主体与策略集合} @@ -492,14 +511,14 @@ $f_{2,j}$ & $d_j$ &金融机构投放的资金规模是企业所需的资金规模的倍数&\{1,5,9\}\\ $s_j$&政府对金融机构响应服务实体经济政策的激励性补贴比例 &\{0.001,0.003,0.005\}\\ $\rho$ &资本市场的未考虑风险的资金收益率&\{0.1,0.25,0.4\}\\ -$BIndirect_i$ &实体企业实际来源于间接融资的金额& \\ -$BDirect_i$ &实体企业实际来源于直接融资的金额& \\ -$DIndirect_j$ &金融机构实际投资于实体经济领域的资金额& \\ -$DDirect_j$ &金融机构实际“脱实向虚”的资金额& \\ -$m_i$ &企业计划来源于间接融资的资金比例& \\ -$n_j$ &金融机构计划投放于`` 间接融资"业务的资金比例& \\ -$\pi_i$ &实体企业利润& \\ -$\pi_j$ &金融机构利润& \\ +$BIndirect_i$ &实体企业实际来源于间接融资的金额& 内生变量 \\ +$BDirect_i$ &实体企业实际来源于直接融资的金额& 内生变量 \\ +$DIndirect_j$ &金融机构实际投资于实体经济领域的资金额& 内生变量 \\ +$DDirect_j$ &金融机构实际“脱实向虚”的资金额& 内生变量 \\ +$m_i$ &企业计划来源于间接融资的资金比例& 实体企业决策变量 \\ +$n_j$ &金融机构计划投放于`` 间接融资"业务的资金比例& 金融机构决策变量 \\ +$\pi_i$ &实体企业利润& 内生变量 \\ +$\pi_j$ &金融机构利润& 内生变量 \\ \bottomrule \end{tabular}} \end{center} @@ -533,7 +552,7 @@ DDirect_j=min[(1-n_j)d_jB_i,(1-n_j)d_jB_i\frac{\sum(1-m_i)}{\sum(1-n_j)d_j}] \sub{4.2.1\ \ 输入变量与输出指标}%二级标题命令 结合理论模型的结论和现实场景, 本文选定了$v_i$, $\gamma$, $\rho$, $s_j$, $d_j$, $f_{1,j}$, $f_{2,j}$, $p_{1,j}$, $k_j$, $lo_i$, $h_i$ 共 11 个变量作为仿真因素, 每个因素具有3个场景, 具体变量的取值集合如表6 所示. 为了将研究的问题集中在对投融资比例决策的讨论中，本文忽略$A_{C,i}$、$A_{F,j}$对双方利润的影响并设定为0. 为了尽可能保证数值实验的普适性, $B_i$设定为1000 个虚拟的货币单位, 并讨论当金融机构可以用于投资的资金规模分别为$B_i$的1倍, 5倍, 9倍时对决策的影响是否显著. $v_i$在不同行业的收益率差距较大, 本文采取三种差别较大的收益率取值, 观察其是否会对决策产生显著影响. 考虑到不同企业的融资成本率有所不同等情况, 本文采取了较为平均的数值0.1作为$c_{1,i}$的取值. $lo_i=0$ 表示企业能够向所有金融机构提出间接融资申请,$lo_i=1, 2$ 则分别表示企业仅能够有机会与周围1 个、2 个单位距离内的金融机构进行间接融资业务的合作.故每次仿真模型将生成64 个主体(58 家企业、6 家金融机构), 其位置每次都是随机指派在$8 \times 8$ 的网格环境中, 并采用曼哈顿距离计算主体之间的距离. 仿真模型经过100个时间步后停止. -本文采用Python实现仿真模型, 其中主体决策采用了ESTOPT框架$^{[35]}$. 仿真模型的输入有11个因素, 每个因素有3 种取值, 故采用$L_{27}(3^{13})$ 正交表进行实验设计, 并将$m_i$, $n_j$, $\pi_i$, $\pi_j$ 四个指标作为仿真输出结果. 每一个实验均仿真重复10次, 取4 个指标结果的均值. 经过270 次实验, 记录模型的输入输出结果, 如表7所示.其中, 列项标注为$e$的列, 用来估计误差. +本文采用Python实现仿真模型, 其中主体决策采用了ESTOPT框架$^{[35]}$. 仿真模型的输入有11个因素, 每个因素有3 种取值, 故采用$L_{27}(3^{13})$ 正交表进行实验设计, 并将$m_i$, $n_j$, $\pi_i$, $\pi_j$ 四个指标作为仿真输出结果. 每一个实验均仿真重复10次, 取4 个指标结果的均值. 经过270 次实验, 记录模型的输入输出结果, 如表7所示. 其中, 由于正交表有13列而研究的影响因素只有11个，故有两列空白列（又称误差列）用于估计误差. %\begin{table}[] \begin{center}{\sz {\textbf{表7\ \ 仿真实验结果}}}\\ @@ -541,7 +560,7 @@ DDirect_j=min[(1-n_j)d_jB_i,(1-n_j)d_jB_i\frac{\sum(1-m_i)}{\sum(1-n_j)d_j}] \scalebox{0.7}{ %\resizebox{\textwidth}{!}{ \begin{tabular}{c|cccrcccrcccrr|rrrr} \toprule -实验& $lo_i$ & $h_i$ & $\gamma$ & $v_i$ & $k_j$ & $p_{1,j}$ & $f_{1,j}$ & $f_{2,j}$ & $d_j$ & $s_j$ & $\rho$ & $e$& $e$& $m_i$ & $n_j$ & $\pi_i$ & $\pi_j$ \\ +实验& $lo_i$ & $h_i$ & $\gamma$ & $v_i$ & $k_j$ & $p_{1,j}$ & $f_{1,j}$ & $f_{2,j}$ & $d_j$ & $s_j$ & $\rho$ & 误差列1 & 误差列2 & $m_i$ & $n_j$ & $\pi_i$ & $\pi_j$ \\ \midrule 1 & 0 & 0.2 & 0.2 & 2 & 0.1 & 0.02 & 0.06 & 0.01 & 1 & 0.001 & 0.1 & 0 & 0 & 0.5773 & 1.0000 & 6.8338 & 1540.9914 \\ 2 & 1 & 0.2 & 0.4 & 1.2 & 0.2 & 0.06 & 0.1 & 0.01 & 5 & 0.005 & 0.25 & 0 & 0 & 0.9836 & 0.4290 & 60.8209 & 1317.6819 \\ @@ -580,7 +599,7 @@ DDirect_j=min[(1-n_j)d_jB_i,(1-n_j)d_jB_i\frac{\sum(1-m_i)}{\sum(1-n_j)d_j}] 接下来, 计算每个指标的方差分析(ANOVA)表, 如表8所示. p值是用$F$统计量和$F$分布得到的. 在0.10的显著性水平下, $\rho$ 是企业计划来源于间接融资的资金比例$m_i$的唯一显著因素, 说明直接融资的利率成本是影响企业决策融资来源比例的重要因素. $lo_i$ 和$v_i$ 是$n_j$ 的显著因素. 通过结果分析可以发现, 虽然两个变量均为实体企业的属性, 但是由于主体间的交互作用, 金融机构在考虑自身资金分配的时候, 是受到企业对金融机构的搜索范围和所获收益影响的. $\gamma$、$v_i$、$d_j$是$\pi_i$的显著因素, 这一结果表明对于实体企业而言, 其与金融机构进行借贷业务时的议价结果、实际项目经营情况、以及金融机构本身能够使用的全部投资相对于企业欲融资额度的倍数规模对其利润的影响是比较重要的. 最后, 实验表明$v_i$ 是$\pi_j$ 的唯一显著因素. 这一结果说明, 尽管主体间交互的影响因素很多, 但实体企业的获益水平会比较容易影响到金融机构的利润水平. -\begin{center}{\sz {\textbf{表8\ \ ANOVA表}}}\\ +\begin{center}{\sz {\textbf{表8\ \ 方差分析表}}}\\ {\sz {\textbf{Table 8\ \ ANOVA table}}}\\ \scalebox{0.7}{ \begin{tabular}{ccrrrrrrrrrrrr} @@ -599,7 +618,7 @@ $f_{2,j}$ & 2 & 0.056 & 0.967 $d_j$ & 2 & 0.069 & 1.182 & 0.395 & 0.091 & 3.003 & 0.1598 & 108757.2 & 7.187 & 0.0474 & 14971123 & 3.223 & 0.1466 \\ $s_j$ & 2 & 0.006 & 0.11 & 0.8988 & 0.024 & 0.778 & 0.5183 & 14705.79 & 0.972 & 0.4529 & 1493398 & 0.321 & 0.7422 \\ $\rho$ & 2 & 0.818 & 14.087 & 0.0155 & 0.038 & 1.257 & 0.3771 & 22494.65 & 1.487 & 0.3291 & 3995696 & 0.86 & 0.489 \\ -e & 4 & 0.058 & & & 0.03 & & & 15132.06 & & & 4645236 & & \\ \bottomrule +误差 & 4 & 0.058 & & & 0.03 & & & 15132.06 & & & 4645236 & & \\ \bottomrule \end{tabular}} \end{center} \vspace{0.05mm}