社交网络异质信息投资者市场演化及其规律
学者们对线上线下社交网络环境的探索也丰富了我们在全新网络环境下对市场演化规律的探索基石，复杂网络研究的深入极大地深化了人们对社交网络的认识，Watts和Strogatz[8]于1998年提出WS小世界网络，很好地描绘了熟人社交圈特征[9]Barabasi和Albert[10]于1999年提出无标度网络，其节点中“枢纽”的存在使得该网络很好地描述了因特网等复杂网络特征。这两类网络的提出让社交网络的研究受到了学术界的普遍关注。学者们开展了诸多有关线上和线下社交网络结构，性质以及影响的研究。Zhang[11]通过实证对比了青少年间的线上和线下社交网络在网络大小，连接，密度和中心化程度上的区别。Arnaboldi等[12]通过对社交网站Facebook大数据分析发现了其与线下网络在层次组织，标度因子，激活状态的交互关系数上有极大的相似性。周军杰，左美云[13]研究了线上和线下交互中的关系变化对信息共享的影响，发现了频繁的线上交互会引致群体分化，线下交互能促进这一分化并最终推动信息的共享。Filiposka等[14]研究了两门不同课程的学生间的社交关系网络，证实了线下社交网络中强弱关系分布较均匀，而线上社交网络中的节点间则多数为弱关系连接。Dong等[15]构建了社交网络舆论演化模型发现；相比于线下，线上的活跃节点会缩短稳态时间，减少观点簇数量以及平缓观点改变的速率。随着对线下网络结构和线上网络结构研究的不断深入，学者们开始尝试通过仿真模拟来还原真实的社交网络环境。Starnini等[16]通过赋予随机游走的节点“吸引力”参数构建了线下社交网络，在与真实网络对比分析的过程中发现，其构建的网络能够很好刻画出大部分真实线下网络的特性。Sun等[17]则提出事件和兴趣驱动的社交网络模型，并论证了该模型能够拟合真实在线社交网络的统计特征。Varga[18]提出了能够模拟线上社交网络的Modified Barabási Albert网络模型，该网络拥有比无标度网络更大的簇系数从而更能描述真实的线上社交网络。
异质信息动态演化模型以Hauser[7]的研究为代表。Hauser构建了一个单期看涨期权市场。资产价值V定义为8位0-1变量之和。市场中有n个投资者，投资者信息层次为I是指投资者被告知所有的信号。每获取高一层次的信息都要额外支付0.01的信息成本。投资者初始使用基础价值预期策略CV：
其中表示投资者所获得的信号，I表示投资者的信息层次。