周雯婷，張高煜，王昕杰，盛夢(mèng)宇，陳飛宇

（上海金融學(xué)院，上海201209）

一、緒 論

國(guó)內(nèi)外金融政策的效用研究可追溯到政策創(chuàng)新與擴(kuò)散模型的研究，主要研究“政策創(chuàng)新”這種激進(jìn)的政策變遷形態(tài)。

政策創(chuàng)新擴(kuò)散的研究始于密歇根大學(xué)沃克［1］（Walker，1969）。他發(fā)現(xiàn)美國(guó)許多州在政策方面并不完全遵循漸進(jìn)決策路徑，而是經(jīng)常出現(xiàn)跳躍性的“創(chuàng)新”，并且一些州的創(chuàng)新往往會(huì)被鄰近州所效仿。之后通過(guò)美國(guó)各州88項(xiàng)政策創(chuàng)新案例的實(shí)證分析，他發(fā)現(xiàn)大而富的州比小而窮的州更易于創(chuàng)新，而且許多州都接受來(lái)自它們區(qū)域中一個(gè)或者更多先進(jìn)的州的指引走向創(chuàng)新之路。自沃克后，政策創(chuàng)新及擴(kuò)散的研究成了政策科學(xué)中最引人注目的領(lǐng)域之一。

在政策創(chuàng)新與擴(kuò)散的早期研究中，弗吉尼亞·格雷（Virginia Gray，1973）借鑒其他學(xué)科對(duì)創(chuàng)新與擴(kuò)散的研究，提出了政策創(chuàng)新與擴(kuò)散的經(jīng)驗(yàn)?zāi)Ｐ?。他認(rèn)為在政策創(chuàng)新擴(kuò)散的初期，政策采納的發(fā)生相對(duì)不頻繁，然后隨著各種因素的影響，采納的比例會(huì)急劇上升。［2］布朗（Brown）和考克斯（Cox）將政策創(chuàng)新研究成果總結(jié)為三條規(guī)律，即時(shí)間維度上呈現(xiàn)S型曲線，在空間維度上表現(xiàn)為臨近效應(yīng)（the neighborhood effect），以及區(qū)域內(nèi)出現(xiàn)的領(lǐng)導(dǎo)者—追隨者的層級(jí)效［3］。

關(guān)于政策創(chuàng)新與擴(kuò)散的具體影響因素方面，Mintrom等人先后分析了政策倡導(dǎo)（政策企業(yè)家）（Policy entrepreneurs）［4］和政策網(wǎng)絡(luò)（Policy networks）［5］在政策創(chuàng)新與擴(kuò)散中的作用。Feiock和West對(duì)城市固體垃圾回收處理項(xiàng)目的研究也證實(shí)了政策采納是基于問(wèn)題需要、政黨競(jìng)爭(zhēng)、財(cái)政能力和利益集團(tuán)組織。［6］Balla運(yùn)用醫(yī)療衛(wèi)生條件的案例分析了州際專業(yè)協(xié)會(huì)在政策擴(kuò)散中的角色，認(rèn)為這些專業(yè)組織為政策制定者提供了交流和評(píng)價(jià)政策創(chuàng)新的制度平臺(tái)，并為技術(shù)性強(qiáng)的政策創(chuàng)新提供咨詢建議。［7］

貝瑞夫婦的一系列研究為政策創(chuàng)新理論的發(fā)展作出了重要貢獻(xiàn)。首先，他們不僅將已有的政策創(chuàng)新模型分為區(qū)域擴(kuò)散模型和內(nèi)部決定因素模型兩大類，而且還將擴(kuò)散模型細(xì)分為全國(guó)性互動(dòng)模型、區(qū)域擴(kuò)散模型、領(lǐng)導(dǎo)－跟進(jìn)模型和垂直影響模型。［8］其次，他們最早采用事件歷史分析（Event History Analysis，EHA）實(shí)現(xiàn)了對(duì)內(nèi)部決定模型和區(qū)域擴(kuò)散模型的整合。他們?cè)谖涨叭说幕A(chǔ)上創(chuàng)立政策創(chuàng)新與擴(kuò)散模型，認(rèn)為州政府在決定是否采納政策創(chuàng)新時(shí)，同時(shí)受到政府內(nèi)部因素和外部擴(kuò)散因素的雙重影響，解釋了政策創(chuàng)新方法之所以出現(xiàn)差異性的原因。最后，他們通過(guò)對(duì)州層面的戰(zhàn)略規(guī)劃管理創(chuàng)新、彩票政策、稅收政策在州政府之間的擴(kuò)散進(jìn)行了個(gè)案分析，為政策創(chuàng)新模型提供了強(qiáng)有力的實(shí)證支持。［9］

把復(fù)雜網(wǎng)絡(luò)運(yùn)用到計(jì)算機(jī)病毒傳播研究中，為探索金融政策的傳播與效用提供了新的視角。20世紀(jì)50年代，匈牙利數(shù)學(xué)家Paul Erdos和Alfred Rlfred提出的隨機(jī)圖理論復(fù)雜網(wǎng)絡(luò)，認(rèn)為隨機(jī)圖能夠反映現(xiàn)實(shí)網(wǎng)絡(luò)的平均路徑較短的特性，但該觀點(diǎn)受到了質(zhì)疑。1998年，美國(guó)康奈爾大學(xué)的博士生Watts及其導(dǎo)師Stogatz在 《自然》雜志發(fā)表了題為 “小世界網(wǎng)絡(luò)的集體動(dòng)力學(xué)”（Collective Dynamics of ‘Small－World’）的文章，引入了小世界（Small World）網(wǎng)絡(luò)模型，它通過(guò)調(diào)節(jié)一個(gè)參數(shù)可以從規(guī)則網(wǎng)絡(luò)向隨機(jī)網(wǎng)絡(luò)過(guò)渡。

近年為了解釋冪律分布的產(chǎn)生機(jī)理，Barabasi和Albert在深入研究了ER模型后，揭示了復(fù)雜網(wǎng)絡(luò)中的無(wú)標(biāo)度特性（Scale Free）及其產(chǎn)生機(jī)理，并提出了著名的BA無(wú)標(biāo)度網(wǎng)絡(luò)模型。該模型具有簡(jiǎn)單的動(dòng)力學(xué)演化模型，為以后的研究做出了鋪墊。［10－15］

本文基于多智能體仿真技術(shù)和政策傳播模型，研究金融市場(chǎng)中企業(yè)受金融政策的影響、企業(yè)之間的合作、企業(yè)個(gè)體的狀態(tài)演化與預(yù)測(cè)，同時(shí)將仿真結(jié)果反饋到?jīng)Q策變量中，尋求最優(yōu)的金融政策變量，為社會(huì)經(jīng)濟(jì)管理提供依據(jù)。

二、政策傳播模型

由于政策的傳播類似于病毒的傳播，可以引用病毒傳播的模型，將金融政策類比于“病毒”政策，傳播強(qiáng)度越大，傳播范圍越廣，并且長(zhǎng)期存在于企業(yè)之中，遲早傳遍所有企業(yè)。企業(yè)所面對(duì)的政策選擇將以傳播形式延續(xù)下去，各經(jīng)濟(jì)體又呈現(xiàn)出競(jìng)爭(zhēng)的態(tài)勢(shì)。

目前應(yīng)用較為廣泛的信息傳播演化模型是SIR模型、SIS模型和SEIR模型等（Susceptible易感者、Infective感病者、Removal移出者、Exposed潛伏態(tài)）。SIR模型將人群劃分為三類：易感人群（Susceptible）、感染人群（Infected）、免疫人群（Recovered）。

相比病毒傳播模型，政策作為另類的“病毒”在名為企業(yè)的“人群”中傳播，因此將企業(yè)分為三類：最初接受政策并且發(fā)展的企業(yè)（developed）（Removal），發(fā)展受到阻礙的企業(yè)（developing）（Susceptible），發(fā)展不良并且正在倒閉或者關(guān)閉的企業(yè)（closed）（Infective）。假設(shè)在單位時(shí)間內(nèi)，接受政策并且發(fā)展的企業(yè)的概率為 α，發(fā)展受到阻礙的企業(yè)的概率為 β，并用 s（t）、I（t）、R（t）表示在時(shí)間t中發(fā)展企業(yè)、受阻礙企業(yè)和關(guān)閉企業(yè)的數(shù)量，用M表示t時(shí)刻整個(gè)金融市場(chǎng)企業(yè)的數(shù)量。SIR模型可用如下方程組表示：

（1）式表示企業(yè)接受政策并且發(fā)生改變的概率，（2）式表示企業(yè)發(fā)展受到阻礙的概率，（3）式代表企業(yè)發(fā)展不良正走向倒閉的概率，（4）式表示以上三種概率之和為1即100%。

令 S（0）＝S0，I（0）＝I0，分別表示發(fā)展企業(yè)和受到阻礙的企業(yè)的數(shù)量，模型的有效傳播率為，那么存在｜t＝0＞0 可以得到政策在企業(yè)中快速傳播的條件為 αS0I0－βI0＞0，即。這說(shuō)明，在政策的傳播過(guò)程中存在一個(gè)有限的正的傳播臨界值。

在實(shí)際傳播中，政策只有接觸發(fā)展企業(yè)才能被傳播。在基于網(wǎng)絡(luò)的病毒傳播模型，網(wǎng)絡(luò)中的節(jié)點(diǎn)表示個(gè)體，節(jié)點(diǎn)之間的邊可視為兩個(gè)個(gè)體間可能的接觸。當(dāng)一個(gè)節(jié)點(diǎn)是發(fā)展企業(yè)時(shí)，它以一定概率將政策傳播給相鄰的企業(yè)節(jié)點(diǎn)。這樣，政策模型就可以推廣到一般的網(wǎng)絡(luò)傳播中。

三、金融政策效用下企業(yè)狀態(tài)模型

基于政策傳播與企業(yè)間合作模型，這里提出一個(gè)金融政策效用下企業(yè)狀態(tài)多智能體仿真模型。如圖1所示。

圖1 企業(yè)狀態(tài)多智能體仿真模型框圖

1．基礎(chǔ)變量

本模型中的基礎(chǔ)變量有三個(gè)：

控制變量 1：企業(yè)數(shù)量（number－of－companies）。代表在政策影響下的企業(yè)的數(shù)量。在初始的時(shí)候有兩種不同的企業(yè)狀態(tài)：發(fā)達(dá)的企業(yè)，為紅色；正常發(fā)展中的企業(yè)，為綠色。企業(yè)數(shù)量范圍為100—500，初始值為355。

控制變量2：企業(yè)的能量（company－energy）。代表企業(yè)自身所帶有的實(shí)力大小，關(guān)系到企業(yè)的存亡發(fā)展。倒閉的企業(yè)能力小于0，正常發(fā)展中的企業(yè)能量范圍為（0，company－energy），發(fā)達(dá)企業(yè)的能力大于 company－energy。 范圍為1—100，初始值為 66。

控制變量3：正常發(fā)展中企業(yè)數(shù)量（developing－number）。指在最初正常發(fā)展企業(yè)的數(shù)量。最小值為1，最大值為number－of－companies，即選定的政策影響下的企業(yè)數(shù)量，初始值為60。

2．金融政策量化

本模型中將《關(guān)于促進(jìn)上海市互聯(lián)網(wǎng)金融產(chǎn)業(yè)健康發(fā)展的若干意見(jiàn)》中的20條政策總結(jié)為四點(diǎn)：風(fēng)險(xiǎn)監(jiān)控、企業(yè)合作、政府支持、企業(yè)創(chuàng)新。

（1）風(fēng)險(xiǎn)監(jiān)控

控制變量1：風(fēng)險(xiǎn)檢查的頻率（danger－check－frequency）。 相當(dāng)于政府對(duì)企業(yè)狀態(tài)檢查的頻率，降低企業(yè)衰亡的幾率。若風(fēng)險(xiǎn)檢查的頻率為3，代表每采樣三次，就會(huì)進(jìn)行一次檢查。頻率范圍為0—20，初始默認(rèn)值為3，單位為ticks。

控制變量2：風(fēng)險(xiǎn)可能性（danger－chance）。企業(yè)遇到危機(jī)的可能性大小，即面臨倒閉的企業(yè)的數(shù)量。風(fēng)險(xiǎn)可能性越大，面臨倒閉的企業(yè)數(shù)量就越多。風(fēng)險(xiǎn)可能性范圍為0—100，初始默認(rèn)值為64，單位為%。

控制變量3：風(fēng)險(xiǎn)恢復(fù)的概率（danger－recovery－chance）。相當(dāng)于政府對(duì)企業(yè)進(jìn)行定期的狀況檢查后，對(duì)一些將要倒閉的企業(yè)進(jìn)行一定的援助，使其能夠重新正常運(yùn)營(yíng)的概率。風(fēng)險(xiǎn)恢復(fù)的概率的值越大，那么遇到危機(jī)的企業(yè)能夠恢復(fù)正常運(yùn)營(yíng)的機(jī)會(huì)就越大?；謴?fù)概率范圍為0—10，初始默認(rèn)值為7．7，單位為%。

（2）企業(yè)合作

控制變量1：企業(yè)資金（company－salary）。這里請(qǐng)求有合作關(guān)系的企業(yè)，利用企業(yè)資金與企業(yè)創(chuàng)新資金的比例，對(duì)企業(yè)能量進(jìn)行加減。企業(yè)資金大，則加；企業(yè)創(chuàng)新資金大，則減。企業(yè)資金范圍為0—1，初始默認(rèn)值為0．6。

控制變量2：合作概率（cooperative－probability）。指的是企業(yè)與企業(yè)之間合作的可能性。值越大，企業(yè)之間更有可能合作，從而企業(yè)之間會(huì)出現(xiàn)互補(bǔ)、互相制約的情況，就會(huì)出現(xiàn)不同的發(fā)展趨勢(shì)，有的會(huì)發(fā)展的更好，而有的則會(huì)倒閉。合作概率范圍為0—1，初始值為0．73。

（3）政府支持

其中，GP為政府支持力度，GSt為在t時(shí)刻政府給予企業(yè)的支持資金，Kt為t時(shí)刻現(xiàn)金流的折現(xiàn)率。在t時(shí)刻，政府給予企業(yè)的資金的折現(xiàn)反映企業(yè)運(yùn)用資金的機(jī)會(huì)成本。

控制變量 1：政府支持資金（gov－company－salary）。政府為促進(jìn)企業(yè)發(fā)展而給予其資金。企業(yè)運(yùn)用資金的效果不同，有的企業(yè)會(huì)因此快速發(fā)展，同時(shí)也會(huì)使其他企業(yè)因無(wú)法與之抗衡最終倒閉。資金范圍為0—100，初始值為83。

控制變量2：企業(yè)規(guī)模（company－size）。企業(yè)的規(guī)模的改變，需要運(yùn)用資金的多少也會(huì)改變，企業(yè)的機(jī)會(huì)成本也相應(yīng)地改變。不同規(guī)模下的企業(yè)，運(yùn)用政府給予的支持資金的能力與范圍也會(huì)不同，從而會(huì)影響企業(yè)的發(fā)展?fàn)顟B(tài)。規(guī)模范圍為1—3，初始值為3。

（4）企業(yè)創(chuàng)新

企業(yè)社會(huì)績(jī)效（CSP）的計(jì)算公式如下：

Ec：計(jì)算出的綜合管理成果效益，以企業(yè)實(shí)現(xiàn)利潤(rùn)表示。

P1：成果實(shí)施后在成果效益計(jì)算年度內(nèi)的企業(yè)總效益。

P0：成果實(shí)施前一年度的企業(yè)總效益。

i：實(shí)施成果損失費(fèi)用。

控制變量 1：企業(yè)創(chuàng)新資金（company－innovation－salary）。相當(dāng)于企業(yè)開(kāi)發(fā)新產(chǎn)品、技術(shù)改進(jìn)的成本。企業(yè)創(chuàng)新資金取決于企業(yè)規(guī)模、企業(yè)自身發(fā)展?fàn)顩r。企業(yè)創(chuàng)新資金范圍為0—1，初始值為0．7。

控制變量2：企業(yè)盈損率（company－gain－loss）。企業(yè)在創(chuàng)新的情況下獲得的銷售額，也可以理解為企業(yè)在創(chuàng)新的情形下是否獲得收益。在相同企業(yè)創(chuàng)新資金的情況下，企業(yè)虧損額越大，企業(yè)創(chuàng)新程度就越小。盈利為負(fù)，虧損為正。企業(yè)盈損率范圍為［－1，＋1］，初始值為 0．2。

五、金融政策效用下企業(yè)狀態(tài)演化預(yù)測(cè)仿真實(shí)驗(yàn)

1．模型假設(shè)前提

在現(xiàn)實(shí)環(huán)境中，金融市場(chǎng)的發(fā)展過(guò)程十分復(fù)雜，在建模時(shí)很難將所有的影響因素都考慮在內(nèi)。要根據(jù)研究的目的和影響因素的可衡量性，進(jìn)行適當(dāng)?shù)娜∩?，并提出假設(shè)來(lái)簡(jiǎn)化模型。

（1）假設(shè)模型中企業(yè)的規(guī)模是滑動(dòng)條上人為設(shè)定，在設(shè)定的范圍內(nèi)隨機(jī)改變。

（2）假設(shè)在整個(gè)金融市場(chǎng)中，存在的主體只有互聯(lián)網(wǎng)金融企業(yè)。

（3）將所研究的企業(yè)主體分為三種狀態(tài)：正常發(fā)展中狀態(tài)、發(fā)達(dá)狀態(tài)和倒閉狀態(tài)。

（4）政府對(duì)風(fēng)險(xiǎn)的每一次監(jiān)控在設(shè)定的時(shí)間內(nèi)完成。

（5）企業(yè)狀態(tài)轉(zhuǎn)變時(shí)的恢復(fù)概率及金融市場(chǎng)的各個(gè)初始參數(shù)為外部條件人工干預(yù)設(shè)定。

（6）政府對(duì)企業(yè)的支持力度大，則給予企業(yè)的資金就多。

2．仿真實(shí)驗(yàn)1——基本模型驗(yàn)證

基于NETLOGO的金融政策效用下企業(yè)狀態(tài)演化仿真初始化界面如圖2所示。模型中節(jié)點(diǎn)表示企業(yè)主體，連接線表示企業(yè)之間的關(guān)系。企業(yè)主體總數(shù)為變量。

設(shè)置企業(yè)節(jié)點(diǎn)為355，企業(yè)的能量為66，正常發(fā)展中的企業(yè)的數(shù)量為60，企業(yè)之間合作的概率為0．73，政府風(fēng)險(xiǎn)檢查的頻率為3幀做一次檢查，企業(yè)面臨危機(jī)的可能性為64%，企業(yè)受政府援助恢復(fù)正常運(yùn)營(yíng)的幾率為7．7%，企業(yè)自身的資金為0．6，政府支持資金為83，企業(yè)規(guī)模為3，企業(yè)創(chuàng)新資金為0．7，企業(yè)盈損率為0．2。初始化模型后，如圖2所示。運(yùn)行程序，觀察企業(yè)節(jié)點(diǎn)的動(dòng)態(tài)轉(zhuǎn)換如圖3、圖4所示。

圖2 基于Netlogo的仿真系統(tǒng)界面

圖3 運(yùn)行后企業(yè)出現(xiàn)倒閉的現(xiàn)象

圖4 模型中各狀態(tài)節(jié)點(diǎn)的動(dòng)態(tài)變化

根據(jù)圖3、圖4可以看出，隨著時(shí)間的推進(jìn)，企業(yè)受政策不同程度影響，倒閉的企業(yè)（closed）的數(shù)量在增加，并有小幅度的波動(dòng)。發(fā)達(dá)（developed）的企業(yè)數(shù)量減少了，也有小幅度的波動(dòng)，同時(shí)由于企業(yè)之間相互合作，政府給予企業(yè)支持以及企業(yè)自主創(chuàng)新的因素使處于正常發(fā)展中企業(yè)（developing）消失，發(fā)達(dá)狀態(tài)（developed）和倒閉狀態(tài)（closed）企業(yè)的數(shù)量趨于穩(wěn)定，有小幅度的變化。整個(gè)金融市場(chǎng)平穩(wěn)發(fā)展。根據(jù)圖4可以更加直觀地看出，正常發(fā)展中企業(yè)隨著政策實(shí)行時(shí)間的推進(jìn)，都改變?yōu)榘l(fā)達(dá)或者倒閉的狀態(tài)，正常發(fā)展中企業(yè)較少為0，發(fā)達(dá)和倒閉的企業(yè)在不斷地變化，但最后都趨于穩(wěn)定。

3．仿真實(shí)驗(yàn)2——政府風(fēng)險(xiǎn)監(jiān)控力度的改變對(duì)企業(yè)的影響

設(shè)置政府風(fēng)險(xiǎn)檢查的頻率為10幀做一次檢查，其余變量值同仿真實(shí)驗(yàn)1。初始化模型后，如圖5所示。運(yùn)行程序，觀察企業(yè)節(jié)點(diǎn)的動(dòng)態(tài)轉(zhuǎn)換如圖6所示。

圖5 初始化界面

圖6 模型中各狀態(tài)節(jié)點(diǎn)的動(dòng)態(tài)變化

表1 實(shí)驗(yàn)1與實(shí)驗(yàn)2數(shù)據(jù)

根據(jù)圖6所示，在仿真實(shí)驗(yàn)1的基礎(chǔ)上，僅改變了政府風(fēng)險(xiǎn)檢查的頻率，變?yōu)?0幀，與仿真實(shí)驗(yàn)中的圖4相比，在相同的時(shí)間下，企業(yè)發(fā)展趨勢(shì)達(dá)到穩(wěn)定狀態(tài)時(shí)，倒閉狀態(tài)的企業(yè)（灰色曲線）的上升幅度更大。根據(jù)表1的具體數(shù)據(jù)顯示，仿真實(shí)驗(yàn)2的倒閉的企業(yè)比仿真實(shí)驗(yàn)1增加56個(gè)。這說(shuō)明了在仿真實(shí)驗(yàn)2模型中減少政府風(fēng)險(xiǎn)檢查頻率提高了企業(yè)倒閉的風(fēng)險(xiǎn)性，使更多的企業(yè)無(wú)法正常運(yùn)營(yíng)（即處于倒閉狀態(tài)）。因此可以看出政府實(shí)行風(fēng)險(xiǎn)監(jiān)控的政策是非常有必要的。

4．仿真實(shí)驗(yàn)3——政府對(duì)企業(yè)支持力度的改變

設(shè)置政府支持資金為43，其余變量值同仿真實(shí)驗(yàn)1。初始化模型后，如圖7所示。運(yùn)行程序，觀察企業(yè)節(jié)點(diǎn)的動(dòng)態(tài)轉(zhuǎn)換如圖8所示。

圖7 初始化界面

圖8 模型中各狀態(tài)節(jié)點(diǎn)的動(dòng)態(tài)變化

表2 實(shí)驗(yàn)1與實(shí)驗(yàn)3數(shù)據(jù)

在仿真實(shí)驗(yàn)3的模型中，減少了政府給予企業(yè)的資金，其他變量的數(shù)據(jù)與仿真實(shí)驗(yàn)1相同。根據(jù)圖8所示，與仿真實(shí)驗(yàn)中的圖4相比，在相同時(shí)間下，企業(yè)發(fā)展情況達(dá)到穩(wěn)定狀態(tài)時(shí)，倒閉狀態(tài)的企業(yè)（灰色曲線）的上升幅度更大。根據(jù)表2的具體數(shù)據(jù)，仿真實(shí)驗(yàn)3的倒閉企業(yè)比仿真實(shí)驗(yàn)1增加11個(gè)。這說(shuō)明了在仿真實(shí)驗(yàn)3模型中減少政府對(duì)企業(yè)的支持力度會(huì)影響企業(yè)的運(yùn)營(yíng)，政府對(duì)企業(yè)的支持力度大，更多的企業(yè)就能夠正常運(yùn)營(yíng)（即處于發(fā)展中狀態(tài)）。因此可以看出政府實(shí)行對(duì)企業(yè)的支持的政策是非常有必要的。

5．仿真實(shí)驗(yàn)4——企業(yè)創(chuàng)新對(duì)企業(yè)經(jīng)營(yíng)的影響——企業(yè)盈利時(shí)企業(yè)投入創(chuàng)新資金

設(shè)置企業(yè)創(chuàng)新資金為0．3，其余變量值同仿真實(shí)驗(yàn)1。初始化模型后，如圖9所示。運(yùn)行程序，觀察企業(yè)節(jié)點(diǎn)的動(dòng)態(tài)轉(zhuǎn)換如圖10所示。

圖9 初始化界面

圖10 模型中各狀態(tài)節(jié)點(diǎn)的動(dòng)態(tài)變化

表3 實(shí)驗(yàn)1與實(shí)驗(yàn)4數(shù)據(jù)

在仿真實(shí)驗(yàn)4的模型中，企業(yè)減少了創(chuàng)新的資金，其他變量的數(shù)據(jù)與仿真實(shí)驗(yàn)1相同。根據(jù)圖10所示，與仿真實(shí)驗(yàn)中的圖4相比，在相同時(shí)間下，企業(yè)發(fā)展情況達(dá)到穩(wěn)定狀態(tài)時(shí)，倒閉狀態(tài)的企業(yè)（灰色曲線）的上升幅度小幅度減小。根據(jù)表3的具體數(shù)據(jù)顯示，仿真實(shí)驗(yàn)4的倒閉企業(yè)比仿真實(shí)驗(yàn)1減少9個(gè)。仿真實(shí)驗(yàn)4模型中企業(yè)投入創(chuàng)新資金，但我們假設(shè)企業(yè)是虧損的，所以減少創(chuàng)新資金的投入，倒閉的企業(yè)也減少了。

六、結(jié) 論

本文通過(guò)多智能體仿真的方法及手段研究在金融政策效用下金融市場(chǎng)的演化，以《關(guān)于促進(jìn)上海市互聯(lián)網(wǎng)金融產(chǎn)業(yè)健康發(fā)展的若干意見(jiàn)》為例實(shí)證分析，提出“動(dòng)態(tài)演化過(guò)程分析＋多智能體建模＋仿真＋可行性分析”的研究方法，以更全面更真實(shí)的視角，展現(xiàn)了金融政策對(duì)金融市場(chǎng)影響的演化過(guò)程。接下來(lái)的研究方向可以不局限于上海互聯(lián)網(wǎng)的金融政策而擴(kuò)寬到對(duì)其他政策的仿真預(yù)測(cè)。

［1］Walker J L．The Diffusion of Innovations Among the American states［J］．American Political Science Review，1969，（63）：880－899．

［2］Gray V．Innovation in the States： A Diffusion Study［J］．American Political Science Review， 1973，（67）：1174－1185．

［3］Brown L A， Cox K R．Empirical Regularities in the Diffusion of Innovation［J］．Annals of the Association of American Geographers， 1971，61（3）：551－559．

［4］Mintrom M．Policy Entrepreneurs and the Diffusion of Innovation［J］．American Journal of Political Science， 1997，（41）：738－770．

［5］ Mintrom M， VergariS．PolicyNetworksand Innovation Diffusion： the case ofState Education Reform［J］．The Journal of Politics， 1998，（60）：126－148．

［6］Feiock R C， West J P．Testing Competing Explanations for Policy Adoption： Municipal Solid Waste Recycling Programs［J］．Policy Research Quarterly， 1993，（46）：399－419．

［7］Balla S J．Interstate Professional Associations and Diffusion of Policy Innovations［J］．Political Research Quarterly， 2001，（54）：103－124．

［8］Berry S．Sizing Up States Policy Innovation Research［J］．Policy Studies Journal， 1994，（22）：442－456．

［9］Berry S， Source W D．Berry．State Lottery Adoptions as Policy Innovation：An Event History Analysis［J］．American political Science Review， 1990，（84）：395－415．