计算实验与订单簿市场建模发展动态综述

doi:10.16381/j.cnki.issn1003-207x.2022.0524

中国管理科学 ›› 2025, Vol. 33 ›› Issue (12): 1-12.doi: 10.16381/j.cnki.issn1003-207x.2022.0524cstr: 32146.14.j.cnki.issn1003-207x.2022.0524

• • 下一篇

计算实验与订单簿市场建模发展动态综述

崔毅安¹, 韦立坚², 熊熊³^,⁴()

^1.深圳大学管理学院，广东深圳 518055
^2.中山大学管理学院，广东广州 510275
^3.天津大学管理与经济学部，天津 300072
^4.中国社会计算研究中心，天津 300072

收稿日期:2022-03-18 修回日期:2022-05-07 出版日期:2025-12-25 发布日期:2025-12-25
通讯作者: 熊熊 E-mail:xxpeter@tju.edu.cn
基金资助:
国家自然科学基金项目(72001149);国家自然科学基金项目(72141304);国家自然科学基金项目(72171239);国家自然科学基金项目(72531006);科技部重大专项课题(2022YFC3303304);广东省自然科学杰出青年基金项目(2021B1515020073);深圳大学青年教师科研启动基金项目(868-000001033404);深圳大学改革开放研究专题项目(868-000003022116)

Review of the Development of Agent based Modeling and Order Book Market Modeling

Yian Cui¹, Lijian Wei², Xiong Xiong³^,⁴()

^1.College of Management，Shenzhen University，Shenzhen 518055，China
^2.School of Business，Sun Yat-sen University，Guangzhou 510275，China
^3.College of Management and Economics，Tianjin University，Tianjin 300072，China
^4.China Center for Social Computing and Analytics，Tianjin 300072，China

Received:2022-03-18 Revised:2022-05-07 Online:2025-12-25 Published:2025-12-25
Contact: Xiong Xiong E-mail:xxpeter@tju.edu.cn

摘要/Abstract

摘要：

计算实验金融是人工智能在金融领域应用的重要方向，也是金融监管科技的关键手段，正逐渐发展为监管科技创新的先进工具，近年来受到学术界与业界的广泛关注。在计算实验研究范式的不断完善过程中，逐渐形成了包括个体行为建模、市场机制建模、模型校准三大研究方向。个体行为建模正逐渐沿着由简到繁（如何复现更多格式化特征），再到化繁为简（复杂模型是否可以解释更多市场动态）的思路展开探索；市场机制建模相对更易理解，其建模本身非常重要，研究者至今仍在持续致力于揭示在复杂市场涌现现象中个体行为与机制之间的交互机理；模型校准已逐渐成为计算实验研究的标配步骤，反映出计算实验研究范式正在不断走向规范与成熟。订单簿模型作为最贴近真实市场运作的交易机制方式，近年来已成为计算实验金融建模的研究热点。目前，基于计算实验的订单簿模型已能够复现实证研究中所观察到的部分格式化特征，这为构建与A股市场高度一致的订单簿机制模型提供了重要的可信性保证。

关键词: 计算实验, 订单簿市场, 行为建模, 机制设计, 模型校准

Abstract:

Agent based modeling is an important application of artificial intelligence in the financial sector and a key tool in financial regulatory technology. It is increasingly evolving into an advanced instrument for regulatory technological innovation and has garnered widespread attention from both academia and industry in recent years. As the agent based modeling research paradigm continues to mature， three major research directions have been formed： individual behavior modeling， market mechanism modeling， and model calibration. The research approach to individual behavior modeling has progressively evolved from simplicity to complexity （how to replicate more stylized facts） and then from complexity back to simplicity （whether complex models can explain more market dynamics）. Market mechanism modeling is relatively easier to understand， and the modeling process itself is highly important. Researchers continue to dedicate efforts to uncovering the interactive mechanisms between individual behavior and market structures in complex emergent market phenomena. Model calibration has gradually become a standard step in agent based modeling research， reflecting the increasing standardization and maturity of the research paradigm. The order book model， as the trading mechanism most closely aligned with real market operations， has become a focal point of research in agent-based modeling in recent years. Currently， the agent-based order book models are already capable of replicating some of the stylized facts observed in empirical studies， providing important credibility assurance for constructing order book mechanism models that are highly consistent with the A-share market.

Key words: agent based model, order book market, behavioral modeling, market mechanism design, model calibration

中图分类号:

F830.9

崔毅安,韦立坚,熊熊. 计算实验与订单簿市场建模发展动态综述[J]. 中国管理科学, 2025, 33(12): 1-12.

Yian Cui,Lijian Wei,Xiong Xiong. Review of the Development of Agent based Modeling and Order Book Market Modeling[J]. Chinese Journal of Management Science, 2025, 33(12): 1-12.

参考文献 68

[1]	Dieci R， He X Z. Heterogeneous agent models in finance［J］. Handbook of Computational Economics， 2018， 4： 257-328.
[2]	Goettler R L， Parlour C A， Rajan U. Informed traders and limit order markets［J］. Journal of Financial Economics， 2009， 93（1）： 67-87.
[3]	Hommes C， in ’t Veld D. Booms， busts and behavioural heterogeneity in stock prices［J］. Journal of Economic Dynamics and Control， 2017， 80： 101-124.
[4]	LeBaron B. Agent-based computational finance［J］. Handbook of Computational Economics， 2006，2： 1187-1233.
[5]	Chen S H. Varieties of agents in agent-based computational economics： A historical and an interdisciplinary perspective［J］. Journal of Economic Dynamics and Control， 2012， 36（1）： 1-25.
[6]	张维，林兟，康俊卿，等. 计算实验金融工程：大数据驱动的金融管理决策工具［J］. 管理世界， 2023， 39（5）： 173-190.
	Zhang W， Lin S， Kang J Q， et al. Agent-based computational financial engineering： A financial management decision-making tool driven by big data［J］. Journal of Management World， 2023， 39（5）： 173-190.
[7]	Iori G， Porter J. Agent-based modeling for financial markets［M］. Oxford： Oxford University Press， 2018.
[8]	崔毅安，熊熊，韦立坚，等. 金融科技视角下的计算实验金融建模［J］. 系统工程理论与实践， 2020， 40（2）： 373-381.
	Cui Y A， Xiong X， Wei L J， et al. Agent-based modeling from the perspectives of FinTech［J］.Systems Engineering- Theory & Practice，2020，40（2）： 373-381.
[9]	Farmer J D， Foley D. The economy needs agent-based modelling［J］. Nature， 2009， 460（7256）： 685-686.
[10]	Ladley D. Zero intelligence in economics and finance［J］. The Knowledge Engineering Review， 2012， 27（2）： 273-286.
[11]	Gode D K， Sunder S. Allocative efficiency of markets with zero-intelligence traders： Market as a partial substitute for individual rationality［J］. Journal of Political Economy， 1993， 101（1）： 119-137.
[12]	Licalzi M， Pellizzari P. Fundamentalists clashing over the book： A study of order-driven stock markets［J］. Quantitative Finance， 2003， 3（6）： 470-480.
[13]	Farmer J D， Patelli P， Zovko I I. The predictive power of zero intelligence in financial markets［J］. Proceedings of the National Academy of Sciences， 2005， 102（6）： 2254-2259.
[14]	Duffy J， Ünver M U. Asset price bubbles and crashes with near-zero-intelligence traders［J］. Economic Theory， 2006， 27（3）： 537-563.
[15]	Ladley D， Schenk-Hoppé K R. Do stylised facts of order book markets need strategic behaviour？［J］. Journal of Economic Dynamics and Control， 2009， 33（4）： 817-831.
[16]	Chen S H， Chang C L， Du Y R. Agent-based economic models and econometrics［J］. The Knowledge Engineering Review， 2012， 27（2）： 187-219.
[17]	Beja A， Goldman M B. On the dynamic behavior of prices in disequilibrium［J］. The Journal of Finance， 1980， 35（2）： 235-248.
[18]	Day R H， Huang W. Bulls， bears and market sheep［J］. Journal of Economic Behavior & Organization， 1990， 14（3）： 299-329.
[19]	Chiarella C. The dynamics of speculative behaviour［J］. Annals of Operations Research，1992，37（1）： 101-123.
[20]	Lux T. Herd behaviour， bubbles and crashes［J］. Economic Journal， 1995， 105（431）： 881-896.
[21]	Brock W A， Hommes C H. A rational route to randomness［J］. Econometrica， 1997， 65（5）： 1059-1095.
[22]	Brock W A， Hommes C H. Heterogeneous beliefs and routes to chaos in a simple asset pricing model［J］. Journal of Economic Dynamics and Control， 1998， 22（8-9）： 1235-1274.
[23]	Kaizoji T. Speculative bubbles and fat-tail phenomena in a heterogeneous agent model［M］. William A. Barnett， et al. Economic Complexity. Bingley： Emerald Group Publishing Limited， 2004： 259-275.
[24]	Sansone A， Garofalo G. Asset price dynamics in a financial market with heterogeneous trading strategies and time delays［J］. Physica A： Statistical Mechanics and Its Applications， 2007， 382（1）： 247-257.
[25]	Lux T， Marchesi M. Volatility clustering in financial markets： A microsimulation of interacting agents［J］. International Journal of Theoretical and Applied Finance， 2000， 3（4）： 675-702.
[26]	Lebaron B. Building the santa fe artificial stock market［R］. Working Paper， Brandeis University， 2002.
[27]	LeBaron B. A builder’s guide to agent-based financial markets［J］. Quantitative Finance， 2001， 1（2）： 254-261.
[28]	Lux T， Marchesi M. Scaling and criticality in a stochastic multi-agent model of a financial market［J］. Nature， 1999， 397（6719）： 498-500.
[29]	Iori G. A microsimulation of traders activity in the stock market： The role of heterogeneity， agents’ interactions and trade frictions［J］. Journal of Economic Behavior & Organization， 2002， 49（2）： 269-285.
[30]	Farmer J D， Joshi S. The price dynamics of common trading strategies［J］. Journal of Economic Behavior & Organization， 2002， 49（2）： 149-171.
[31]	Arthur W B， Holland J H， LeBaron B， et al. Asset pricing under endogenous expectations in an artificial stock market［M］//Arthur W B， Durlauf S N， Lane D A. The Economy as an Evolving Complex System II. Florida： CRC Press， 2018： 15-44.
[32]	张维，李悦雷，熊熊，等. 计算实验金融的思想基础与研究范式［J］. 系统工程理论与实践， 2012， 32（3）： 495-507.
	Zhang W， Li Y L， Xiong X， et al. Ideological foundation and research paradigm in agent-based computational finance［J］. Systems Engineering-Theory & Practice， 2012， 32（3）： 495-507.
[33]	Chiarella C， He X Z. Heterogeneous beliefs， risk and learning in a simple asset pricing model［J］. Computational Economics， 2002， 19（1）： 95-132.
[34]	胡志浩，刘倩. 异质性主体下市场波动异象的行为金融学解释——基于计算金融的方法［J］. 经济学动态， 2022（7）： 90-108.
	Hu Z H， Liu Q. Behavioral financial analysis of market anomalies with heterogeneous agents： Based on the computational finance approach［J］. Economic Perspectives， 2022（7）： 90-108.
[35]	Beltratti A， Margarita S. Evolution of trading strategies among heterogeneous artificial economic agents［C］//Proceedings of the Second International Conference on Simulation of Adaptive Behavior， Honolulu， Hawaii， USA，December 7-11，The MIT Press，1993： 494-501.
[36]	Beltratti A， Margarita S， Terna P. Neural Networks for Economic and Financial Modelling［M］. London： International Thomson Computer Press， 1996.
[37]	曾薇. 我国股票期权市场计算实验金融仿真研究［J］. 华东经济管理， 2013， 27（2）： 71-75.
	Zeng W. Research on stock options market with agent-based computational finance in China［J］. East China Economic Management， 2013， 27（2）： 71-75.
[38]	Chiarella C， Iori G. A simulation analysis of the microstructure of double auction markets［J］. Quantitative Finance， 2002， 2（5）： 346-353.
[39]	LeBaron B， Yamamoto R. Long-memory in an order-driven market［J］. Physica A： Statistical Mechanics and Its Applications，2007， 383（1）： 85-89.
[40]	Chiarella C， Iori G， Perelló J. The impact of heterogeneous trading rules on the limit order book and order flows［J］. Journal of Economic Dynamics and Control， 2009， 33（3）： 525-537.
[41]	Xiong X， Liang J， Cui Y A，et al. Analysis of the spot market’s T+1 trading system effects on the stock index futures market［J］. Eurasia Journal of Mathematics， Science and Technology Education， 2017， 13（12）： 7679-7693.
[42]	韦立坚，张维，熊熊. 股市流动性踩踏危机的形成机理与应对机制［J］. 管理科学学报， 2017， 20（3）： 1-23.
	Wei L J， Zhang W， Xiong X. The mechanism and solution for the liquidity stampede crisis in stock markets［J］. Journal of Management Sciences in China， 2017， 20（3）： 1-23.
[43]	Bottazzi G， Dosi G， Rebesco I. Institutional architectures and behavioral ecologies in the dynamics of financial markets［J］. Journal of Mathematical Economics， 2005， 41（1-2）： 197-228.
[44]	Pellizzari P， Forno A D. A comparison of different trading protocols in an agent-based market［J］. Journal of Economic Interaction and Coordination， 2007， 2（1）： 27-43.
[45]	Lussange J， Belianin A， Bourgeois Gironde S， et al. A bright future for financial agent-based models［R］. Working Paper， SSRN Electronic Journal， 2018.
[46]	Bianchi C， Cirillo P， Gallegati M， et al. Validation in agent-based models： An investigation on the CATS model［J］. Journal of Economic Behavior & Organization， 2008， 67（3-4）： 947-964.
[47]	韦立坚. T+0交易制度的计算实验研究［J］. 管理科学学报， 2016， 19（11）： 90-102.
	Wei L J. An agent-based model for the impact of the T + 0 trading mechanism on market quality［J］. Journal of Management Sciences in China， 2016， 19（11）： 90-102.
[48]	Raberto M， Cincotti S. Modeling and simulation of a double auction artificial financial market［J］. Physica A： Statistical Mechanics and Its Applications， 2005， 355（1）： 34-45.
[49]	Gu G F， Zhou W X. Emergence of long memory in stock volatility from a modified Mike-Farmer model［J］. EPL （Europhysics Letters）， 2009， 86（4）： 48002.
[50]	Brandouy O， Corelli A， Veryzhenko I， et al. A re-examination of the “zero is enough” hypothesis in the emergence of financial stylized facts［J］. Journal of Economic Interaction and Coordination， 2012， 7（2）： 223-248.
[51]	Tedeschi G， Iori G， Gallegati M. The role of communication and imitation in limit order markets［J］. The European Physical Journal B， 2009， 71（4）： 489-497.
[52]	Chen J J， Tan L， Zheng B. Agent-based model with multi-level herding for complex financial systems［J］. Scientific Reports， 2015， 5： 8399.
[53]	Chiarella C， He X Z. Asset price and wealth dynamics under heterogeneous expectations［J］. Quantitative Finance， 2001， 1（5）： 509-526.
[54]	O'Hara M. Overview： Market structure issues in market liquidity［J］. BIS Papers Chapters， 2001，2：1-8.
[55]	Chiarella C， He X Z， Wei L. Learning， information processing and order submission in limit order markets［J］. Journal of Economic Dynamics and Control， 2015， 61： 245-268.
[56]	Arifovic J， He X Z， Wei L. Machine learning and speed in high-frequency trading［J］. Journal of Economic Dynamics and Control， 2022， 139： 104438.
[57]	Wei L， Xiong X， Zhang W， et al. The effect of genetic algorithm learning with a classifier system in limit order markets［J］. Engineering Applications of Artificial Intelligence， 2017， 65： 436-448.
[58]	Xiong X， Cui Y， Yan X， et al. Cost-benefit analysis of trading strategies in the stock index futures market［J］. Financial Innovation， 2020， 6（1）： 32.
[59]	Dawid H， Neugart M. Agent-based models for economic policy design［J］. Eastern Economic Journal， 2011， 37（1）： 44-50.
[60]	Pellizzari P， Westerhoff F. Some effects of transaction taxes under different microstructures［J］. Journal of Economic Behavior & Organization， 2009， 72（3）： 850-863.
[61]	Yeh C H， Yang C Y. Examining the effectiveness of price limits in an artificial stock market［J］. Journal of Economic Dynamics and Control， 2010， 34（10）： 2089-2108.
[62]	熊熊，周融天，王一博，等. 中国资本市场交易税优化研究——基于人工股票市场视角［J］. 中国管理科学， 2025， 33（1）： 356-368.
	Xiong X， Zhou R T， Wang Y B， et al. Research on the optimization of transaction tax in China’s capital market： Based on the perspective of artificial stock market［J］. Chinese Journal of Management Science， 2025， 33（1）： 356-368.
[63]	熊熊，周融天，崔毅安，等. 中国资本市场融券卖空规模约束研究——基于人工股票市场视角［J］. 系统工程理论与实践， 2024， 44（10）： 3261-3279.
	Xiong X， Zhou R T， Cui Y A， et al. Research on the scale constraints of short-selling in China’s capital market： Based on the perspective of the artificial stock market［J］. Systems Engineering-Theory & Practice， 2024， 44（10）： 3261-3279.
[64]	崔毅安，杨宗杭，韦立坚，等. 注册制下的信息披露、退市机制与市场运行——基于计算实验视角［J］. 管理评论， 2024， 36（11）： 218-226+247.
	Cui Y A， Yang Z H， Wei L J， et al. Information disclosure， delisting mechanism and market operation under the registration-based IPO system： From the perspective of agent-based modeling［J］.Management Review， 2024， 36（11）： 218-226+247.
[65]	Zhao R， Cui Y， Liu X. Tick size and market quality using an agent-based multiple-order-book model［J］. Frontiers in Physics， 2020， 8： 135.
[66]	Chiarella C， He X Z， Pellizzari P. A dynamic analysis of the microstructure of moving average rules in a double auction market［J］. Macroeconomic Dynamics， 2012， 16（4）： 556-575.
[67]	Kovaleva P， Iori G. Heterogeneous beliefs and quote transparency in an order-driven market［M］//Dieci R， He X Z， Hommes C.Nonlinear Economic Dynamics and Financial Modelling. Cham：Springer International Publishing，2014： 163-181.
[68]	Chiarella C， He X Z， Shi L， et al. A behavioural model of investor sentiment in limit order markets［J］. Quantitative Finance， 2017， 17（1）： 71-86.

计算实验与订单簿市场建模发展动态综述

Review of the Development of Agent based Modeling and Order Book Market Modeling

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 68

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	刘涛, 张菊亮, 刘运辉. 防范共谋的逆向拍卖采购机制设计[J]. 中国管理科学, 2025, 33(5): 65-75.
[2]	余刘凯. 邻避风险披露机制的网络沟通与劝说模型：私人信息源与信任驱动的学习[J]. 中国管理科学, 2025, 33(3): 162-173.
[3]	许明辉, 袁睢秋, 秦颖, 张佳. 基于委托代理理论的逆向供应链激励机制设计与回收模式选择[J]. 中国管理科学, 2025, 33(3): 297-313.
[4]	李志楠, 雷静悦, 沈沛龙. 信息溢出对银企担保网络流动性风险传染的影响研究[J]. 中国管理科学, 2025, 33(12): 26-40.
[5]	肖勇波, 刘敏, 赵翠, 刘淳. 从供应链到生态链：新管理挑战与研究方向[J]. 中国管理科学, 2025, 33(11): 173-184.
[6]	杜恒,卢珂. 供给短缺下考虑消费异质性的零售商定价策略[J]. 中国管理科学, 2024, 32(7): 201-211.
[7]	赵新刚,周颖. 重大突发公共卫生事件中社会群体行为演化的计算实验：以新冠疫情为例[J]. 中国管理科学, 2024, 32(5): 207-217.
[8]	宫汝凯. 电力市场竞价上网的拍卖机制设计[J]. 中国管理科学, 2023, 31(10): 30-39.
[9]	于晓慧, 肖条军, 杜建国. 供应链核心企业订单分配下供应商群体减排行为演化[J]. 中国管理科学, 2022, 30(2): 106-117.
[10]	黄春萍, 赵林, 刘璞, 都扬扬, 张芙幸. 新创企业品牌联合伙伴选择的计算实验研究[J]. 中国管理科学, 2019, 27(8): 129-141.
[11]	赵爱武, 杜建国, 关洪军. 消费者异质需求下企业环境创新行为演化模拟与分析[J]. 中国管理科学, 2018, 26(6): 124-132.
[12]	唐国锋, 艾兴政, 但斌, 李丹. 效率参数不可观测下的SaaS云外包合约研究[J]. 中国管理科学, 2018, 26(2): 25-32.
[13]	鄢仁秀, 汪贤裕. 零售商主导型供应链中的知情委托方赊销契约机制设计[J]. 中国管理科学, 2017, 25(11): 85-93.
[14]	丁涛, 吴华清, 梁樑. 360度评估体系中权重调整方法研究[J]. 中国管理科学, 2016, 24(7): 149-154.
[15]	卢允照, 刘树林. 信息不对称下可分公共物品的拍卖研究[J]. 中国管理科学, 2016, 24(3): 141-148.