Swarm环境下基于主体建模的财政政策仿真框架研究

李杨

(首都经济贸易大学统计学院，北京100026)

Swarm环境下基于主体建模的财政政策仿真框架研究

李杨

(首都经济贸易大学统计学院，北京100026)

文章在政府财政平衡理论模型和基于主体建模方法的特点及应用的基础上，探讨了基于主体建模的财政政策研究的基本方法，构造了基于主体财政政策仿真模型在Swarm仿真环境下的实现框架，并主张将统计方法贯穿于仿真研究过程中，充分利用仿真模型数据，发挥仿真模型的政策模拟功能，指出基于主体建模仿真可以为财政政策的制定提供一种更具时效性和科学性的方法。

基于主体建模；财政政策；仿真；Swarm

0 引言

近年来，随着复杂性科学和系统仿真技术的发展，基于主体建模(Agent-Based Modeling)的系统仿真方法逐渐被引入到社会科学研究领域，社会科学的仿真模型大体上经历了系统动力学、微观模拟、自适应主体模型等阶段。基于主体建模假定主体具有自适应性，并会从历史中学习以完善自身行为，从而达到利益最大化，因此，使用这种研究方法往往可以了解特定条件下主体的最佳反应与行为模式，为我们的研究提供科学可靠的依据。同时，基于主体建模的系统仿真方法有着成本低、易于控制、研究周期短等优点，因此特别适合政策研究。

本文意在以财政平衡理论模型为基础，探讨基于主体建模的财政政策研究的基本方法，并构造基于主体的财政政策仿真模型在Swarm仿真平台上的实现框架，将财政政策的传统研究方法与目前较为前沿的仿真方法结合使用，充分发挥研究对象的自适应特点，探讨基于主体建模的系统仿真方法对于我国财政政策研究的适用性以及所得结论的可靠性和现实性，为财政政策的研究提供一种新的方法。

1 基于主体建模的财政政策仿真模型

政府财政平衡理论模型是财政政策研究的基础模型，目前对政府财政政策的研究都是以该模型为基础，本文涉及的基于主体建模的财政政策仿真模型的基本观点取自该模型。该模型的研究对象假设有两级政府，即中央政府和地方政府。模型还假设中央政府总是保持预算平衡的，中央政府的收入全部来源于税收，假定汇率为τ，它是中央政府的调控因子。中央政府支出由两个部分组成，即一部分用于直接投资，另一部分是对地方政府的转移支出。因此，中央政府的决策变量也就是最终要求得的财政政策为税率τ和中央政府用于直接投资的比率τc，即地方政府的决策变量为地方政府的税率τs。对于中央政府和地方政府的目标，实际上并不是完全一致的。中央政府制定财政政策的目标即包括总体经济增长又包括地方发展的均衡，而地方政府的主要目的仅仅在于地方经济增长。地方政府单一的经济增长目标有可能使得各省市的经济差距进一步增大，使得全国经济发展不均衡。因此，中央政府在制定财政政策的时候既要考虑各地区经济的全面增长，又要考虑地方经济间的均衡。有了上述理论基础，我们就可以进行在Swarm仿真平台上基于主体建模的财政政策仿真模型框架的设计。

在Swarm仿真环境下基于主体建模的仿真模型有三类主体，第一类是仿真主体，该类主体是现实经济体在仿真模型中的映射，也称为“个体”；第二类是功能主体，该类主体是为了实现仿真模型的功能而设，在现实中不一定有其原型；第三类是控制主体，这类主体在Swarm仿真平台中是固定的，分别是ObserverSwarm和ModelSwarm，其作用是控制模型的运行和提供模型与研究人员的信息交互。

根据对理论模型的分析，在财政政策仿真模型中包含两种仿真主体，即中央政府和地方政府，而且现实中这两类主体是具有经济人性质的自利性主体。为了使仿真模型适用于对我国财政政策的研究，设定仿真模型中包括一个中央政府和31个地方政府，来表示我国的区域结构。中央政府要选择最佳的财政政策，即税率τ和中央政府用于直接投资的比率τc，来确保全国的经济增长和地区均衡发展。另外31个地方政府主体，即我国的各省市，其结构完全相同，有区别的仅在于主体中的具体属性，如经济状况等。地方政府要选择最佳的税收收入税率τs来保证地方经济最大程度的增长。

中央政府和地方政府主体在确定其最优财政政策和税率时，需要根据仿真环境实时地调整其行为模式，所以仿真模型框架中还必须包含一个可以赋予仿真主体自适应、自学习能力的功能主体，即遗传算法学习分类系统（简称GALCS，它的运行原理将在后文介绍）。那么在Swarm仿真平台下的基于主体建模的财政政策仿真模型框架可由图1表示。

2 遗传算法学习分类系统

一个仿真模型的价值就在于其模拟现实经济体行为的能力，而该能力很大程度上得自于遗传算法的引入。遗传算法可以根据仿真虚拟经济环境的变化，使得仿真主体自我动态地调整自身行为特征，使之适应当前的环境。在本仿真模型中用到了用于美国ASPEN模型的遗传算法学习分类系统（Genetic Algorithm Learning Classifier System,GALCS），这就是遗传算法的一个较为简单的形式。GALCS功能主体的引入将赋予中央政府和地方政府主体自我学习、自我调整的能力，使得模型中主体体现出的行为更加接近现实经济行为。

GALCS的思想是在一个仿真主体运行时，我们以它的若干个属性为指标，通过观察这些指标在每一个运行周期的不同状态的组合，将仿真主体在每一期可能的运行结果划分为若干个状态。主体通过不断“学习”，积累在各种状态的概率就会出现分别，更有利的行为选择概率会逐渐增大，如此就赋予了仿真个体“学习进化”的能力。

在本文设计的仿真模型框架中，中央政府作为调整行为决策的指标属性是经济增长状况（可以使用全国GDP等指标来表示）以及地区间经济差异（可以使用代表地方政府主体经济状况的GDP的差异量数等指标来表示）；地方政府作为调整决策变量的指标属性是地方经济增长，即地方GDP等。这些指标都有三个状态，分别是与上一个周期相比增加、减少和持平。对于经济增长，增加表示中央和地方政府的主体行为有利；对于地区差异，降低表示中央政府的主体行为有利，以此为依据令仿真主体自主调整行为模式，使得积累在最佳决策的概率逐渐增大，直至收敛，主体最终达到策略均衡，这时主体行为表现出来的财政政策就是可以实现的最优政策。

该仿真模型的仿真环境和信息流与控制流可以如图2表示，其中GALCS1和GALCS2分别表示中央政府和地方政府的遗传算法学习分类系统，它们是保证主体行为进化及最优策略形成的关键。

3 统计方法与仿真方法的结合使用

在通常的仿真研究当中，仿真模型的主要流程是基于：初始数据→仿真模拟→主体最优行为，三个模块进行的。我们主要关注的是主体的最优行为，影响主体最优行为的因素，以及这些因素对于主体行为的影响程度。实际上在这个流程当中，我们忽略了统计方法的应用。造成这种情况的主要原因在于，一般的仿真模型使用的都是具有特定分布的虚拟随机数据，按照遗传算法的功能，虽然具体的数据会有所不同，但是只要这些虚拟数据的分布相同，那么最终得到的主体最优行为应当是一致的。但是，在仿真过程中产生的中间数据，以及主体属性和行为的变动数据就不再具有科学性，不能够用于统计分析。

对于本文所建立的财政政策仿真模型框架，其初始数据使用现实经济统计数据，因此，可以保证仿真模型和使用模型进行政策模拟时产生的中间数据是具有现实基础，并且可以进行统计分析，从中得到的结论是具有科学性的。在仿真模型的每一个周期，中央政府和地方政府主体的行为选择、积累在各种行为上的选择概率等指标可以通过Swarm的特定模块进行搜集，而后我们可以通过对这些中间数据进行进一步地统计分析，来研究主体行为的变动规律，最优决策的形成过程，以及主体属性的统计规律。

将统计方法穿插于仿真研究的整个过程中来分析主体的行为和属性的变动规律，可以更加充分地利用仿真方法，更好地研究各种因素和主体属性之间具体的数量与统计关系。

4 结论

目前，基于主体建模的经济系统仿真方法与财政政策研究领域的结合还不是很紧密，仿真方法在财政政策领域的研究还主要集中于理论模型的正确性检验，这仅仅发挥了仿真方法相当有限的一部分功能。仿真方法的真正作用在于对理论的拓展以及对现实中研究困难的领域提供虚拟环境的模拟支持。财政政策理论亟待要求创新，而且对研究结论的科学性和实际操作性要求更高，因此，仿真方法用于理论拓展和政策模拟的功能也亟待发挥。

在Swarm仿真平台上建立的基于主体建模的财政政策仿真框架是政府财政平衡理论模型在仿真环境下的实现和扩展，该仿真框架有着严谨的理论支持，遗传算法的引入，同时赋予了仿真主体在现实中具有的自利性和自适应性。在财政政策的制定与实施中，中央政府与地方政府是具有自利意识的主体，将其置于开放的、随机风险仿真环境中，既可以从微观角度观察主体行为特征和主体“有限理性”的经济人特征带给中央财政政策的影响，也可以借助具有严谨理论框架的政府财政平衡理论模型和相应统计手段获得定量结果，最终实现对财政政策的检验与模拟。这种集成的政策仿真模型会给政策分析带来较为新颖的研究手段，同样对于财政政策制定的科学化也具有重要的理论和实践意义。

[1]张启春.中国区域差距与政府调控—财政平衡机制和支持系统[M].北京：商务印书馆，2005.

[2]任韬，王文举.基于CAS的多主体寡头竞争仿真平台[J].首都经济贸易大学学报，2007，(3).

[3]任韬，王文举.保险博弈模型的仿真检验[J].经济与管理研究，2006，(11).

[4]马立平.关于财政支出与总产出效果的数量分析[J].统计与决策，2005，(12).

[5]马立平.对生产函数的改进—劳动力素质对经济增长贡献的测量[J].中国统计，2004，(11).

（责任编辑/易永生）

F812.0

A

1002-6487（2011）06-0056-02

教育部人文社会科学研究项目（09YJA790143）；首都经济贸易大学研究生科技创新资助项目

李杨(1982-)，女，河北乐亭人，博士研究生，研究方向：应用数理统计。