三种典型的非均衡现象

那么，在非均衡状态下会出现什么现象呢？这些现象同非均衡与复杂性有什么关系？接下来，我将依次对这些问题展开分析。在研究非均衡经济中可能出现什么模式和结构之前，我们不妨先来看一下，均衡这个过滤网下的模式与我们所见的模式之间有什么不同之处。为了说明我们的观点，下面先考虑一个简单的交通流量模型，尽管它与经济的关系似乎不是那么紧密。

一个典型的交通流量模型通常都会承认这一点：当一辆车与前面的车辆离得很近时，该车应该减速；与前面车辆相距很远时，该车应该加速。如果给定某个较高的交通密度，例如每千米有 N 辆车，那么就意味着车辆之间有一定的平均间距，车辆应该放慢车速或提高车速，以便与之相适应。这样一来，也就在不经意间出现了一个均衡速度，如果我们希望得到的解只限于均衡状态，那么我们就只能看到这种模式。在现实生活中，当交通密度较高时，往往会出现非均衡现象。有些车辆会放慢速度，因为司机可能注意力不够集中或受到了干扰，而这就会导致它们后面的车辆随之减速，从而立即压缩了交通流量，并进而导致后面的车辆进一步减速。随着这种压缩不断向后蔓延，交通就会受阻，交通堵塞就出现了。然后，等过了一段时间之后，交通又会恢复正常。这里需要注意三点：第一，这种现象是自发的，每次出现的时间、蔓延的长度以及恢复的时间都是各不相同的。这也就意味着很难找到闭合解，因此最好利用概率方法或统计方法来对此进行研究。第二，这种现象是暂时的，是在一定时间内出现或发生的，如果我们坚持均衡观点就不会观察到这种现象。 第三，这种现象既不是发生在微观层面上的（即单个车辆），也不是发生在宏观层面上的（即道路上的所有车辆），而是发生在这两个层面之间，即中观层面上的。

那么，更一般的非均衡经济又会是怎样一种情况呢？如果将均衡这个过滤网移走，我们会看到什么现象呢？这些现象又是怎样发生和发展的呢？接下来，作为例子，我将讨论三种非均衡现象。

第一种现象是资产价格变动的自我强化，或者用通俗的说法就是“泡沫和崩溃”。 只要看一下圣塔菲研究所的人工股票市场，就可以了解这种现象是怎么产生的。在这个基于计算机的模型中，“投资者”是一些人工智能计算机程序。根据我们在前面已经阐述过的理由，这些“投资者”不能简单地假设或推断出某个给定的“理性”预测模型，相反，他们必须分别去发现某个有效的预期模型或预测模型。这些“投资者”会随机地创造出或发现他们自己的预测模型，试用那些有“应用前景”的预测模型，舍弃那些没有用的预测模型，而且他们还会定期地创造出新模型来替换旧模型。股票价格在这些“投资者”的买卖过程中形成，因此最终形成了行为主体的预测。这样一来，我们这个市场成了一个预测模型的生态系统，这些预测模型要么成功，要么被淘汰出局，该生态系统因而处于不断变化当中。 在这个人工模型股票市场中，我们可以观察到很多现象，而其中最主要的就是自发形成的泡沫和崩溃现象。

要想搞清楚这些现象是怎样产生的，我们可以从这个实验中提取一个简单的机制。假设我们的“投资者”之中，有人发现了如下交易预测规则：“如果股票价格在最近的 k 个交易期内上涨，那么就预期价格会在下个交易期内上涨 x %。”同时假设，有的“投资者”，也有可能就是上述这些“投资者”，发现了如下这样的预测规则：“如果当前的股票价格是基础盈利或股息的 y 倍，那么就预期价格会下跌 z %。”第一种预测可能会导致泡沫行为：如果价格上涨了一段时间，“投资者”就会买进，这样也就证实了这种预测，从而就可能导致价格的进一步上涨。到最后，当这种预测驱动价格上涨到一定高度后，就会引发第二种预测。于是，持有这些股票的“投资者”会抛售这些股票，股价下跌，这样就会终止上涨的预测，也导致其他“投资者”跟着抛售股票，最终就会致使股票崩盘。这种扰动的规模和持续时间各不相同，而且发生的时间也很随机，因此是不可预测的。唯一可以预测的是，这种扰动的现象肯定会发生，并且振动的规模大小有一定的概率分布。

第二种现象是集群波动（clusted volatility）。 所谓集群波动，是指低波动期与高波动期随机交替出现的现象。在我们的人工股票市场中，集群波动表现为价格低波动周期与高波动周期的交替出现。当行为主体的预测规则在相当程度上相互一致且能够起作用时，就会出现价格低波动周期，这时行为主体没有什么动力去改变这些预测规则或这些预测所产生的结果。当一些行为主体发现了更好的预测规则（即“预测器”）时，就会出现价格高波动周期。因为这会打破整体的模式，使得其他“投资者”不得不改变他们的预测规则来重新适应环境，这就会导致进一步的扰动，以及进一步的重新适应新环境。这种模式在林格伦的研究中，可以看得非常清楚（如图1-1所示）。由此而导致的结果是，在一段时间内，会出现频繁的再调整或剧烈的波动。在现实的金融市场数据中，这种随机的低波动期和高波动期交替出现的现象，被称为“广义自回归条件异方差行为”，即GARCH行为。

第三种现象是被我们称为突然渗透（sudden percolation）的现象。 这种现象更经常地发生在空间的维度上，而较少发生在时间的维度上。在一个网络内，当某个地方出现了可以传播的变化时，如果这个网络内部的联系比较“稀疏”，那么这个变化就迟早会因为可用的“转接”不足而逐渐消失。如果网络内部的联系很紧密，这个变化将会不断地传播下去。在银行网络中，某个银行可能发现自己持有不良资产，于是该银行就有压力去提高资产的流动性，并向作为其交易对手的银行求助。这样一来，作为该银行交易对手的那些银行也会面临压力，不得不提高自己的资产流动性，于是又向它们交易对手的银行求助。因此，不良资产问题很快就会通过“多米诺效应”传遍整个银行网络。这样的事件会造成很严重的破坏。这种问题在一些联系不紧密的网络中会逐渐消失，但是如果网络内部的互联程度超过了某个阈值，并且联系变得更加紧密之后，这些问题就会在很长时间内持续地传播，甚至渗透到整个网络。

上面的最后一个例子，让我们了解到了复杂系统的一个一般性质。通常，在复杂系统内，只有当模型中所刻画的调节强度或联系程度的基本参数值超过某个阈值或达到了某个临界水平时，一些现象才会出现。在这个关节点上，系统的整体行为会出现一种相变（phase transition）。在我们的人工股票市场中，“投资者”以一个较慢的速度搜寻新的预测规则，市场行为会“坍塌”为理性预期均衡。不同行为主体会做出同样的预测，而这些预测会使价格发生变化，价格变化的总体情况通常又会证实这些预测。在这种情况下，简单行为占了主导地位。但是，当我们的“投资者”搜寻新预测规则的速度变得非常快且更加符合实际时，市场就会形成一种“复杂心理”，产生各种不同的预测信念。这时，各种各样的暂时现象就开始出现了。在这种情况下，复杂行为就占了主导地位。当我们继续调高“投资者”搜寻新的预测规则的速度时，个体行为就不能有效地进行调整来适应他人行为的快速改变，于是混沌行为就会占据主导地位。其他的一些研究也发现了从均衡到复杂再到混沌的相变，或者从均衡到复杂再到多重均衡的相变。我认为，在非均衡模型中，一般都存在着这种相变。

现在，我们可以开始了解这种现象（如果你愿意的话，也可称其为秩序或结构）与复杂性之间有什么联系了。正如我所指出的，复杂性科学研究的是相互作用所产生的结果，它研究各种元素，如粒子、细胞、偶极、行为主体、企业等在相互作用中产生的模式、结构或现象。很明显，这种相互作用同样发生在我们上面说的这个网络案例中，不过在我们的人工股票市场中，相互作用显得更加微妙一些。只要我们的“投资者”中有一个人买入或抛售股票，这种行为就会导致股票价格发生变化，虽然也许只是非常微小的变化，但其他投资者就可能会对这种变化做出反应。在上面提到的三个例子中，变化都会在系统中扩散出去。

复杂性科学研究这种变化是如何“进行到底”的。或者换一种说法，复杂性科学研究的就是，这种变化是如何通过相互联系的行为扩散出去的。在银行体系中，一个银行在面对压力时，可能会将这种变化转移给与自己有联系的同伴，而这些同伴又可能将其传递给它们自己的同伴，那些同伴的同伴又可能进一步传递给它们自己的同伴……因此，在某一个节点发生的事件，可能会引发一连串级联放大的事件。这种级联事件或连锁反应，通常只会进一步对其他一两个因素产生影响，有时也会对更多的因素产生影响，只有在极少数情况下才会对很多因素产生影响。这个过程中的数学理论，是复杂性理论的一个非常重要的组成部分。该理论表明，这种事件会进一步引发其他事件，它们的传播有一些典型特征，如幂次法则（幂律，由很多小型且频繁的传播引起，只有极少数由大型且罕见的传播引起）、重尾概率分布（长程传播虽然罕见，但是仍然比正态分布所预测的更加频繁） ^[3] ，以及长程相关性（事件可以长距离、长时间传播）。事实上，所有系统，包括物理系统、化学系统、生物系统、地理系统等都有这种特征，即事件可以在系统中传播。在我们上面所举的与经济相关的例子中，传播也发挥着非常重要的作用，并且也具备这些特征，这其实不足为奇。 在现实的经济数据中，这些特征也都是显而易见的。

除了这些特征之外，我们还可以观察到其他一些东西。如果从外部改变一个系统内部各因素相互作用的程度，如提高某些事件进一步引发其他事件的概率，或者增加系统内部的连接数等，系统就会受到影响。如果原本存在某种后果的话，这种后果会从轻微影响发展到严重影响，再从严重影响发展到永久影响。系统会经历一个相变。所有这些特征都是复杂性的标志。

我们终于可以说清楚，为什么非均衡与复杂性是相互联系的。经济中的非均衡现象，迫使我们去研究非均衡导致的各种变化的传播，而复杂性科学要研究的在很大程度上就是这种传播。由此可见，非均衡经济学可以适当地纳入复杂性研究的范围之内。

在这里，还需要对上述观点稍做进一步的说明。我在前面解释过的那些现象，经常会先出现在特定的历史时间或空间上，然后又消失。如果我们坚持均衡的立场，那么就无法观察到这些现象。这些现象不是局部现象，它们出现在局部网络或股票市场的某个组成中，并可能向外扩散。通常来说，它们会在各种各样的维度上发生。网络中的有些事件可能仅仅涉及很少的几个节点，而有些事件则可能会涉及整个经济系统。这些现象通常都是介于微观和宏观之间，因此我们可以恰当地称之为中观现象。 它们具有中观经济（meso-economy）的特征。

有人也许仍然会认为，这种现象是无关紧要的。毕竟，这样的系统中还隐藏着标准的均衡解，而且均衡解的有效性是最高的。对我们的股票市场模型来说，也许确实如此，因为没有任何一个股票市场能长期保持100倍的市盈率。 但是（这是一个至关重要的“但是”），正是由于一些暂时现象的存在，市场中才会发生一些有趣的事情，而且这些事情都发生在偏离均衡的时候。说到底，只有这种时候，才是能够赚到钱的时候。对此，我们可以用以下例子来进行类比说明。由于总是存在着重力，在地球上没有物体能“摆脱”重力，海洋中存在着一个近乎均衡的海平面，这个海平面的有效性最高。这一点当然是千真万确的。正如在股票市场中一样，在茫茫大海中，有趣的事情通常不会发生在均衡的海平面上，而且这种均衡的海平面很少见。有趣的事情通常只会发生在那些永远都波动不休的海面上，而且这种波动还会造成更进一步的波动，那才是船只停留或航行的地方。

在这一节中，我用了三个相当著名的例子来说明何为复杂现象以及它们是怎样出现的。我们也注意到了其他的一些现象，当然还有更多的现象有待于我们去发现。这些现象到底是什么，它们有什么特性，以及现象之间的相互作用如何，这些都是未来我们要研究的重要问题。但现在最重要的是，上面的论述表明，我们需要关注经济中一个“新”的层面，即中观经济。在中观经济中，事件能够在各种维度上进一步引发其他事件。经济中存在一个中间层面或中观层面。正是在这个中观经济层面上，各种现象出现了，这些现象会持续一段时间，然后消失不见。 f2ofMysXEQ4i1lgDZO9eSW2MUh3hnzMDBfZPFPjzPEMbSBrbdits2UR1kvXu4ik8