remove error
This commit is contained in:
parent
03c5198abd
commit
918eecb399
|
|
@ -111,7 +111,7 @@ Song Q, Jing Y H, Dong Z, He Z. Research on Investment and Financing Decision of
|
|||
|
||||
|
||||
\vskip.05in {\narrower\zihao{5}\fangsong\noindent {\heiti 摘\quad
|
||||
要}\ \ 基于``引导金融服务实体经济"的现实背景, 本文首先通过构建演化博弈模型刻画金融机构和实体企业之间投融资博弈演化过程, 研究影响动态演化路径的机制. 分析发现, 稳态状态下双方都趋向于促成业务合作的决策行为. 之后, 本文基于主体建模思路, 将双方演化博弈行为转变为投融资资金比例分配的决策问题, 并纳入了地理位置因素, 通过仿真异质企业和金融机构主体的投融资决策, 分析多种因素对投融资比例决策的影响. 研究发现, 成本控制、收益分配和政府补贴等方式能够推动金融机构以间接融资的方式服务实体企业. 此外, 资本市场融资成本、企业盈利水平和地理因素对决策有显著影响. 最后, 本文对比和结合了两个模型的结果提出了相应建议.
|
||||
要}\ \ 基于``引导金融服务实体经济"的现实背景, 本文首先通过构建演化博弈模型刻画金融机构和实体企业之间投融资博弈演化过程, 研究影响动态演化路径的机制. 分析发现, 稳态状态下双方都趋向于促成业务合作的决策行为. 之后, 本文基于主体建模思路, 将双方演化博弈行为转变为投融资资金比例分配的决策问题, 并纳入了地理位置因素, 通过仿真实体企业和金融机构主体的投融资决策, 分析多种因素对投融资比例决策的影响. 研究发现, 成本控制、收益分配和政府补贴等方式能够推动金融机构以间接融资的方式服务实体企业. 此外, 资本市场融资成本、企业盈利水平和地理因素对决策有显著影响. 最后, 本文对比和结合了两个模型的结果提出了相应建议.
|
||||
|
||||
|
||||
\vskip.05in \noindent {\heiti 关键词}\ \ 金融资本; 实体经济; 演化博弈; 主体建模与仿真
|
||||
|
|
@ -168,7 +168,7 @@ Song Q, Jing Y H, Dong Z, He Z. Research on Investment and Financing Decision of
|
|||
\sub{2.2\ \ 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等$^{[13]}$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$^{[14]}$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$^{[15]}$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$^{[16]}$ 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$^{[17]}$分析了民众``参与"和政府``监管"数字货币的博弈演化路径. Zhang等$^{[18]}$ 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和Wang$^{[19]}$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和Feng$^{[20]}$ 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和Liu$^{[21]}$ 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.
|
||||
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$^{[16]}$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$^{[17]}$分析了民众``参与"和政府``监管"数字货币的博弈演化路径. Zhang等$^{[18]}$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和Wang$^{[19]}$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和Feng$^{[20]}$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和Liu$^{[21]}$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{2.3\ \ 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和Axtell$^{[22]}$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$^{[23]}$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等$^{[24]}$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等$^{[25]}$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$^{[26]}$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等$^{[27]}$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$^{[28]}$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$^{[29]}$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$^{[30]}$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$^{[31]}$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.
|
||||
|
|
@ -203,7 +203,7 @@ $C_C,C_F$
|
|||
考虑到经济、金融发展的宏观经济政策和政府对支持实体经济发展的举措, 引入参数$S$代表政府对金融机构响应服务实体经济的政策时的激励性补贴. 上述设定的全部参数如下(注意参数设定均遵循不小于0的假设), 见表1.
|
||||
|
||||
\sub{3.2\ \ 支付矩阵与演化博弈模型的建立}%二级标题命令
|
||||
在实体企业与金融机构博弈的初始阶段, 假设实体企业选择``间接融资"的概率为$\alpha(0\le \alpha \le 1)$, 选择``直接融资"的概率为$1-\alpha$; 金融机构选择``资本服务实体经济"的概率为$\beta(0\le \beta \le 1)$, 选择``资本脱实向虚"的概率为$1-\beta$. 设定博弈的支付矩阵如下表2 所示.
|
||||
在实体企业与金融机构博弈的初始阶段, 假设实体企业选择``间接融资"的概率为$\alpha(0\le \alpha \le 1)$, 选择``直接融资"的概率为$1-\alpha$; 金融机构选择``资本服务实体经济"的概率为$\beta(0\le \beta \le 1)$, 选择``资本脱实向虚"的概率为$1-\beta$. 设定博弈的支付矩阵如下表2所示.
|
||||
|
||||
对于实体企业, 当采取间接融资策略时, 会因为金融机构采取不同的策略而获得不同的收益水平: 当金融机构选择``资本服务实体经济"时, 企业获得收益$A_C+\gamma \Delta V-aC_C$; ``资本脱实向虚"时, 企业要付出寻求间接融资资金却未能获得情况下的额外成本, 具体收益为$A_C-aC_C-L_C$. 当企业采取直接融资策略时, 则无论金融机构采取什么策略, 收益均为$A_C-(1-a) C_C+(1-h) R_1$.
|
||||
|
||||
|
|
@ -454,9 +454,9 @@ $C_C,C_F,\gamma $&
|
|||
|
||||
\sub{4.1.1\ \ 模型变量 }%二级标题命令
|
||||
|
||||
主体模型参数表如表6所示, 其中大部分参数和表2中演化博弈的参数一致. 为了明确实体企业和金融机构主体的属性或决策变量, 故分别使用$i, j$对相应参数符号予以标注.
|
||||
主体模型参数表如表6所示, 其中大部分参数和表1中演化博弈模型的参数一致. 为了明确实体企业和金融机构主体的属性或决策变量, 故分别使用$i, j$对相应参数符号予以标注.
|
||||
|
||||
\begin{center}{\sz {\textbf{表6\ \ 主体模型参数表(和表2中演化博弈的参数基本一致)}}}\\
|
||||
\begin{center}{\sz {\textbf{表6\ \ 主体模型参数表(和表1中演化博弈模型的参数基本一致)}}}\\
|
||||
{\sz {\textbf{Table 6\ \ Agent-based model parameters}}}\\
|
||||
\scalebox{0.7}{
|
||||
\begin{tabular}{ c c c } \toprule
|
||||
|
|
@ -520,7 +520,7 @@ DDirect_j=min[(1-n_j)d_jB_i,(1-n_j)d_jB_i\frac{\sum(1-m_i)}{\sum(1-n_j)d_j}]
|
|||
\sub{4.2.1\ \ 输入变量与输出指标}%二级标题命令
|
||||
结合理论模型的结论和现实场景, 本文选定了$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, 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.
|
||||
本文采用Python实现仿真模型, 其中主体决策采用了ESTOPT框架$^{[34]}$. 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}}}\\
|
||||
|
|
@ -783,8 +783,8 @@ Taylor P D. Evolutionary stable strategies and game dynamics[J]. Mathematical Bi
|
|||
%普惠金融与中国经济发展:多维度内涵与实证分析[J].经济研究,2020,55(04):37-52.\\
|
||||
%Li J J, Peng Y C, Ma S C.Inclusive finance and China's economic development: Multi-dimensional connotation and empirical analysis [J]. Economic Research Journal,20,55(04):37-52.
|
||||
|
||||
\REF{[35]}
|
||||
He Z, Luo C, Tan C-H, et al. Simulating an agent’s decision-making process in black-box managerial environment: An estimation-and-optimisation approach[J]. Journal of Simulation, 2019, 13(2):111–127. DOI: 10.1080/17477778.2018.1440946.
|
||||
\REF{[34]}
|
||||
He Z, Luo C, Tan C-H, et al. Simulating an agent's decision-making process in black-box managerial environment: An estimation-and-optimisation approach[J]. Journal of Simulation, 2019, 13(2):111–127. DOI: 10.1080/17477778.2018.1440946.
|
||||
|
||||
|
||||
|
||||
|
|
|
|||
Loading…
Reference in New Issue