我认为你认为我认为:分层信念学习与内生波动率动力学

《Journal of Economic Dynamics and Control》:I Think You Think I Think: Hierarchical Belief Learning and Endogenous Volatility Dynamics

【字体: 大 中 小 】 时间:2026年09月28日 来源:Journal of Economic Dynamics and Control 2.3

编辑推荐:

   **摘要** 本文构建了一个层级信念学习模型,将金融市场中递归预期的形成内生化。各类主体对未来价格形成多层信念,同时对其他市场参与者如何预测价格也形成信念,由此产生一个有限的、交替式的认知层级结构,将递归式跨类型推断的深度与构成同总体价格动态联系起来。确定性分析表明,更快的

  

**摘要**

本文构建了一个层级信念学习模型,将金融市场中递归预期的形成内生化。各类主体对未来价格形成多层信念,同时对其他市场参与者如何预测价格也形成信念,由此产生一个有限的、交替式的认知层级结构,将递归式跨类型推断的深度与构成同总体价格动态联系起来。确定性分析表明,更快的价格调整速度或更强的递归式跨类型反馈可引发从局部稳定到持续振荡和有界不规则波动的转变。随机扩展部分表明,小幅随机冲击与层级反馈相互作用,可产生波动率聚集、重尾分布以及在波动率代理变量中的持续依赖性。通过局部稳定性条件、Jacobian谱以及基于Lyapunov的数值证据进行的解析刻画证实,不稳定性源自信念反馈的内生机制,而非外生扰动。利用标普500指数日度收益率数据进行的实证估计验证了该模型能够复现金融市场的主要风格化事实,并在基准模型集合中取得最优的整体联合拟合效果,同时在样本外预测中与计量经济学、行为金融学及机器学习替代方案相比保持较强的竞争力。

**引言**

金融市场通过异质性投资者之间的互动而演化,这些投资者的预期、信息集和行为规则存在显著差异。理解这种信念多样性如何转化为总体价格波动,仍然是现代资产定价与宏观金融动态中的核心挑战(Brock and Hommes, 1998; Hommes, 2006; Lux and Marchesi, 1999)。异质性主体传统长期以来强调,预期与实现结果之间的反馈可以在没有大型外部冲击的情况下产生内生周期、波动率聚集和超额峰度。异质性主体与有限理性建模的最新进展提供了补充证据,表明此类动态自然源于信念异质性和适应性预测(Bigio et al., 2025; Coimbra and Rey, 2024; He et al., 2019)。这些研究揭示,市场不稳定性可能作为相互作用的信念系统自持特性而出现,而非外生噪声或结构性制度转变的结果。然而,大多数现有框架主要依赖一阶适应性机制,其中主体仅从实现结果或预测表现中修正信念,而未明确形成关于他人预测的信念。这一限制缩小了学习过程的认知结构,从而约束了此类模型能够产生的内生传播机制范围。

行为经济学和宏观经济学学习领域的平行文献发展了对有限理性的互补视角。适应性学习文献(Branch and Evans, 2006; Evans and Honkapohja, 2001; Evans and Honkapohja, 2009)形式化了感知运动定律的递归最小二乘更新,而强化学习与经验加权吸引模型(Bao et al., 2021; Camerer and Ho, 1999; Erev and Roth, 1998)强调实现利润的行为反馈。社会学习与信息扩散框架(Acemoglu and Ozdaglar, 2011; DeGroot, 1974; Golub and Jackson, 2010)考察了信念如何通过同伴互动和网络结构演化,从而解释共识形成、信息瀑布和羊群行为。认知层级与level-k理论(Camerer et al., 2004; Nagel, 1995; Stahl and Wilson, 1995)进一步表明,仅超前他人几步思考的主体可系统性地偏离纳什均衡,捕捉了实验室和实地环境中观察到的有限策略推理模式。行为宏观经济学与异质性主体建模的最新发展将这些洞见扩展到具有适应性预期和信念异质性的动态环境(Debortoli and Galí, 2025; Hommes, 2021; Pedemonte et al., 2025)。实验研究和学习预测研究也提供了关于动态环境中高阶推理的相关证据。Sonnemans and Tuinstra(2010)比较了正反馈市场实验与猜数博弈,Anufriev et al.(2022)研究了动态环境下的多维猜美学习,Evans et al.(2025)则开发了一个包含高阶信念要素的统一学习预测框架。

此外,近期研究表明异质性预期在动态一般均衡设定下的宏观金融稳定与政策设计方面具有重要意义;参见Anufriev et al.(2025),他们在具有异质性预期的新凯恩斯模型中研究了逆风政策。然而,与这些基于实验和学习的研究贡献相比,将递归认知整合到结构性异质性主体资产定价模型中——其中高阶信念与价格共同演化,进入非线性超额需求,并与局部稳定性相联系——仍然有限。弥合这些文献需要一个框架,在该框架中,投资者在实时推断他人预期的情况下形成推断性信念,而认知深度本身成为市场稳定性的结构性决定因素。其底层行为前提是,当从信念到价格的完整结构映射无法直接观察时,投资者可能通过推断其他交易者如何预测和反应来预测未来价格,比直接估计市场出清机制更为可行。

本文通过引入层级信念学习模型来发展这一框架,该模型将多层推理内生化于异质性主体资产市场中。每个投资者群体对未来价格以及另一群体如何预测价格形成层级信念。第一层捕捉各群体直接的类型特异性价格预期,而每一个更高层级则代表对对立群体较低层级预测的猜想。由此产生的层级结构因此在交易者类型之间交替进行。基本分析者持有的奇数阶信念最终继承基本分析者的1级信号,而偶数阶信念继承趋势跟踪者的1级信号;趋势跟踪者则呈相反模式。深度参数K因此衡量了有限的递归式跨类型推断链的长度。由于有效预测结合了所有包含的层级,K影响信念系统的记忆长度以及基本型信息和趋势型信息对市场需求相对贡献。在基准设定中,交易者份额被固定,以隔离递归认知的作用,将其与基于绩效的切换区分开来,并识别高阶信念传播的独立贡献。由此产生的市场动态由两个相互作用的分量驱动:跨认知层级的递归信念更新,以及将有界非线性超额需求响应映射为有效预测至价格的机制。

通过将市场波动框架为相互作用的认知层级的结果而非孤立的行为规则,该模型形式化了一个独特的渠道,通过该渠道有限理性可以产生持续性、超调和内生性放大。这一视角与有限理性主体产生的内生金融波动的更广泛文献自然衔接。早期基于绩效选择的切换策略模型(Brock and Hommes, 1998; Gaunersdorfer and Hommes, 2007; Hommes, 2006)、具有演化预测规则的适应性预期系统(Anufriev and Hommes, 2012; Boswijk et al., 2007),以及具有异质性信息和趋势外推的主体模型(Chiarella et al., 2011; Westerhoff and Franke, 2018),均表明简单的行为机制可以复现显著的实证规律。Franke and Westerhoff(2012)、Hommes and Zhu(2014)以及Lu et al.(2015)等研究进一步分析了非线性自适应反馈如何在资产市场中产生复杂吸引子和制度转换。相关证据还表明,即使是相对简单的情绪驱动交易结构也能在股票市场动态中产生脆弱的局部稳定性和显著的非线性放大效应(Gardini et al., 2022)。层级信念学习框架通过引入显式的信念结构层级,将递归推理直接嵌入动态运动定律,从而扩展了这些方法。

理论分析表明,在可经济解释的锚定条件下,所提出的层级信念系统具有唯一的基本稳态。局部稳定性取决于Jacobian的特征值谱,提高市场调整速度或加强递归认知反馈可使系统趋向不稳定。特别地,局部分析识别了一条Neimark-Sacker路径,通过该路径基本均衡可能丧失稳定性并产生持续振荡行为。由于超额需求响应是有界的且非线性的,完整的确定性系统在全局上是非线性的,因此分叉后的动态可能包含有界不规则波动和多频率振荡。随机扩展表明,小幅外生冲击与递归信念传播相互作用,产生了聚集波动率、重尾收益率行为以及波动率代理变量中的持续依赖性。利用标普500指数日度收益率进行的实证估计表明,有限但非平凡的递归推理程度在匹配观测到的市场动态方面具有数量上的重要性。与计量波动率模型、异质性主体基准模型和机器学习预测器相比,层级信念学习框架在我们的基准集合中提供了最强的整体联合拟合效果,并在样本外预测中保持高度竞争力。因此,该模型为持续波动率制度提供了行为基础的解释,而无需依赖外部强加的制度切换或纯粹的约简形式长记忆机制。

基于上述结果,本文从几个相互关联的方面对文献做出了贡献。它通过直接将层级信念反馈嵌入运动定律来扩展了异质性主体资产定价理论,从而展示了递归认知——以有限且交替的跨类型推理形式捕捉的"I认为你认为我认为"的递归结构——如何成为金融动态中持续性和不稳定性的内生来源。它还提供了对波动率聚集、重尾和杠杆型不对称性的结构解释,将其视为相互作用的信念层级的涌现结果,而非通过参数方差方程施加的特征。此外,该框架将行为博弈论中的认知层级推理与宏观金融动态中的非线性自适应预期联系起来,为微观层面的有限理性与总体波动之间提供了可解析的链接。分析还表明,预期形成中的过度递归可能放大市场不稳定性,这意味着能够抑制高阶反馈的沟通环境和信息化结构可能宏观审慎稳定具有重要意义。

本文余下部分结构如下:第2节介绍市场环境、非线性需求结构和层级信念机制。第3节分析确定性骨架、稳态以及模型的局部稳定性和分叉特性。第4节通过数值模拟研究确定性和随机动态。第5节利用金融数据估计模型并将其实证表现与不同基准模型进行比较。第6节为结论。技术证明、实现细节和额外的数值结果见补充材料。

**第2节:层级信念学习模型**

本节发展了具有层级信念学习的异质性主体资产市场的正式结构。目标是建模有限理性投资者——他们在预测规则和认知深度上存在差异——如何通过价格动态和递归信念进行互动。核心机制在于,投资者不仅对未来价格形成预期,还对其他投资者如何预测未来价格形成信念。这些高阶信念进入交易需求,并……

**第3节:确定性动态与局部稳定性**

本节通过令公式(2.15)中的随机扰动ε_{t+1}=0来分析层级信念学习系统的确定性骨架。目标是刻画基本稳态、推导局部稳定性条件,并研究反馈强度和认知深度如何影响市场的稳定性边界。由于超额需求响应函数g_i(·)是非线性的,完整的确定性系统在全局上是非线性的。然而在稳态附近,……

**第4节:非线性动态与模拟分析**

第3节通过考察Jacobian谱如何随调整速度、学习强度和认知深度变化来刻画基本稳态附近的局部行为。为评估非线性映射的全局动态,本节模拟了确定性和随机模型。分析展示了递归信念反馈、非线性超额需求饱和和市场商调整如何相互作用以产生收敛、持续振荡和有界不规则波动……

**第5节:实证估计与比较验证**

确定性和随机分析已确立,层级信念学习框架可以内生地产生波动率聚集、重尾和非线性依赖关系。我们现在评估内生动态是否在数量上与真实金融数据一致,以及模型的结构性学习机制与计量经济学、行为金融学和机器学习基准模型相比如何。

**第6节:结论**

本文发展了一个用于内生金融波动的层级信念学习框架。通过在异质性主体市场中嵌入递归预期的形成,该框架将个体认知与总体价格动态、波动率持续性和杠杆型不对称性联系起来。认知深度被解释为交替式跨类型推断链的长度,而非对单一预测规则的渐进性依赖。层级的奇偶构成……

**补充材料**

补充材料提供了支持本文的详细资料。它们阐明了模型的信息结构和解释,发展了模型扩展,呈现了结果的证明和约简形式表达,提供了确定性模拟的详细说明,描述了SMM估计和识别分析,记录了基准模型的实现细节,并报告了额外的稳健性和比较结果。

**利益冲突声明**

作者声明不存在已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

Tao Wang
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号