导语

经济学理论的发展与社会环境变化密切相关。一方面，伴随计算机的发展，相应的研究技术日渐成熟，例如非线性动力学、复杂网络、ABM等，为研究者提供了更强大的分析工具；另一个方面，对“均衡”的经济学的研究，不能够解释实际的经济现象，例如金融危机、创新产生的新的发展模式等，研究者开始重视经济学的“非均衡”现象，把经济系统看做复杂系统，并力图做出更能反映现实的研究。经济学内慢慢出现了一种基于更加现实的假设的研究进路，复杂经济学一个新的经济学框架正在形成。为了促进此领域的交流与合作，我们发起了复杂经济学读书会。

集智俱乐部读书会是面向广大科研工作者的系列论文研读活动，其目的是共同深入学习探讨某个科学议题，激发科研灵感，促进科研合作。复杂经济学读书会第二季由北京师范大学李红刚、王有贵、张江、陈清华老师以及中山大学袁先智老师联合发起，从7月11日起每周一 19:00-21:00 进行，预计持续 10-12 周。我们将围绕复杂经济学的内涵、基本方法、普适规律、应用场景四个方面进行探讨，并计划组织三次圆桌讨论，与国内外学者进行深入探讨。

 

读书会背景

“复杂经济学（complexity economics）”由阿瑟（W. Brian Arthur）于 1999 年提出的，在 2021 年Nature Reviews Physics发表的“Foundations of complexity economics”中他又对该领域作了系统的阐述。阿瑟特别强调复杂经济学主要关注经济系统的“formation”而非主流经济学的“allocation”问题，强调复杂经济学基于算法的语言，而非主流经济学基于方程的语言。

本届复杂经济学读书会基于阿瑟对复杂经济学范畴的界定而开展，具体而言，我们将在其综述论文“Foundations of complexity economics”基础上安排若干专题讲座，邀请国内有代表性的学者讲解相关内容。大体上我们将按思想、方法、具体领域实例和业界应用的路线展开：第一讲系统讲解主流经济学的局限和复杂经济学的内涵；第二讲介绍体现形成、演化思想的奥地利学派经济学，展示复杂经济学的历史渊源；第三到第六讲介绍复杂经济学采用的主要方法，包括多主体建模、复杂网络、统计物理以及真人实验，其中多主体建模是阿瑟所谓算法式经济语言的核心；第七到第八讲介绍复杂经济系统中的幂律和标度现象以及背后的生成机制，展示经济作为一个复杂演化系统的普适现象；第九到第十二讲介绍体现复杂经济学思想和方法的具体经济问题，包含业界应用。

复杂经济学本质上属于经济复杂系统研究的范畴，是复杂系统思想和方法在经济领域应用的体现。它一方面被复杂系统大生态所滋养，另一方面，它也为复杂系统大生态贡献养分和新物种。因此，热诚欢迎对复杂系统研究和经济学感兴趣的学生和学者加入这个读书会，一起探索和探讨经济复杂系统的真谛！

 

读书会框架介绍

本读书会将从复杂经济学的内涵、基本方法、普适规律、应用场景四部分出发，来与读书会成员进行分享与讨论。并计划组织 3 次圆桌讨论，围绕复杂经济学的界定与内涵、复杂经济学的方法论及典型应用、复杂经济学何去何从等主题展开。欢迎国内外研究者加入读书会，共同探讨！

模块	主题
复杂经济学的内涵	主题一：对主流经济学的反思与复杂经济学的提出
	主题二：奥派经济学
圆桌讨论一	复杂经济学的界定与内涵
复杂经济学的基本方法	主题三：计算实验：基于算法的经济学
	主题四：复杂网络方法在经济学研究中的应用
	主题五：经济物理：物理学和经济学的碰撞
	主题六：复杂经济学的真人实验方法
圆桌讨论二	复杂经济学的方法论及典型应用
复杂经济系统的普适规律	主题七：经济系统中的幂律及形成机制
	主题八：规模标度法则：企业的规模、生长与奇点
复杂经济学的应用场景	主题九：信息经济学
	主题十：宏观金融
	主题十一：演化金融市场与计算实验建模
	主题十二：Arthur技术的进化
	主题十三：在金融市场中的应用
圆桌讨论三	复杂经济学何去何从

发起人团队介绍

李红刚，系统科学博士。北京师范大学系统科学学院教授，金融工程研究中心主任，中国系统工程学会金融系统工程专业委员会委员，教育部“新世纪优秀人才支持计划”入选者。研究方向为复杂系统理论、经济金融系统复杂性、金融工程（系统性风险）、人口与社会经济等。

王有贵，北京师范大学系统科学学院教授、博士生导师。世界经济学会（WEA）发起会员，中国经济复杂性学会副理事长，亚太经济物理学年会董事会成员。他致力于基于复杂性科学进行宏观经济学和宏观金融的理论框架的重构，系统性风险和宏观经济政策效应的系统分析。

张江，北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人，曾任腾讯研究院特聘顾问。主要研究领域包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学等。其开创的集智俱乐部是国内外知名的学术社区，致力于复杂系统、人工智能等多领域的跨学科交流与合作。

陈清华，北京师范大学系统科学学院教授，Arizona State University及New England Complexity Systems Institute访问学者。主要从事非平衡系统理论、复杂性研究及相关理论在社会经济系统中的应用研究工作。擅于人类行为的分析建模。当前的重点关注领域是基于要素流动揭示复杂系统实体关系。

袁先智博士，目前是中山大学管理学院特聘教授，中国系统工程学会金融系统专业委员会资深顾问和中国工业和应用数学学会（CSIAM）金融数学工程专业委员会副主任；国际金融工程杂志（Journal of Financial Engineering）主编和多家学术专业杂志的编委。袁博士目前是上海翰墨数科有限公司（Hammer）首席科学家和和高级副总裁。

袁老师有在国外（美国，加拿大和澳大利亚）超过30年工作和学习的经历。在金融科技，金融工程，金融数学和相关大数据学科从理论到业界实践应用具有丰富的工作经验。在国内外SCI和SSCI学术刊物发表了160多篇专业论文，出版5本专著，和参与或主持了一批国家重大项目。在非线性分析和相关的在数理经济，金融工程，博弈论，金融科技，COVID-19的时空预测动态应急风险管理等方面和领域的研究建立和取得了一系列处于国际领先的系统性结果。

在金融业界实践方面，自上世纪90年代以来，他先后在全球领先的KPMG、Deloitte财务和咨询公司，美国的TXU能源交易公司，加拿大Montreal 银行等国际公司工作，积累了一系列理论和业绩相结合的专业经验和技能。特别是自2008年以来，袁博士为德勤中国（Deloitte China）组建了“定价和计量风险部门”，并为中国银行、工商银行、建设银行、农业银行、招商银行，浦东发展银行等的国内大型金融机构提供基于新巴塞尔协议的专业风险计量与管理服务。带领团队，在下面几个方面进行了具有原创性的卓越工作：1）基于结合中国实践与世界接轨，有机结合金融科技方法在大数据框架下在金融数字资产定价，在区块链生态下支持金融科技从理论到实践的支持共识经济的一般共识博弈理论框架基础工作的建立；2）对应中小型企业（SMEs）信用贷款产品的落地解决方案的成功实践；3）在充分理解中国金融行业发展的基础上，基于大数据框架下从全维度动态分析的角度，创建了适合中国国情与国际接轨的基于咖啡馆（CAFÉ）的全面风险评估体系的信用风险评级体系，及其在信贷市场，股票市场，债券市场和相关场景的应用；4) 目前，带领团队以随机动力学方法为基础，通过基于中小企业成长机制的研究为出发点，正建立针对熊彼特 （Schumpter）原创的基于创新的经济发展理论的数理框架的基础性工作。

目前在支持金融科技与数字经济发展理论与实践应用，标准制定等方面，目前处于国际领先的水平。另外，袁老师在非线性分析和相关应用，以及金融工程、金融数学的理论和实践应用方面的研究得到并得到1972年诺贝尔奖获得者Ken Arrow 教授(斯坦福大学经济学教授) 和1994年诺贝尔奖获得者John Nash (纳什教授，普林斯顿大学数学教授) 等国际著名学者高度评价称赞，被评价为“世界科学舞台的杰出精英”。

（简介可上下滑动查看）

感谢刘业进、薛霄、范宏、吴柯、董雅丽、韦立坚等老师对本读书会的支持！

报名参与读书会

本读书会适合参与的对象

• 基于复杂系统相关学科研究，对复杂经济学相关研究有浓厚兴趣的一线科研工作者；

• 能基于读书会所列主题和文献进行深入探讨，可提供适合的文献和主题的朋友；

• 能熟练阅读英文文献，并对复杂科学充满激情，对世界的本质充满好奇的探索者；

• 想锻炼自己科研能力或者有出国留学计划的高年级本科生及研究生。

本读书会谢绝参与的对象

为确保专业性和讨论的聚焦，本读书会谢绝脱离读书会文本和复杂科学问题本身的空泛的哲学和思辨式讨论；不提倡过度引申在社会、人文、管理、政治、经济等应用层面的讨论。我们将对参与人员进行筛选，如果出现讨论内容不符合要求、经提醒无效者，会被移除群聊并对未参与部分退费。一切解释权归集智俱乐部所有。

运行模式

本季读书会涉及复杂经济学四个模块内容，按暂定框架贯次展开；

每周进行线上会议，由 1-2 名读书会成员以PPT讲解的形式领读相关论文，与会者可以广泛参与讨论，会后可以获得视频回放持续学习。

举办时间

读书会从7月11日（周一）开始，每周一 19:00-21:00 进行，预计持续 10-12 周。

参与方式

此次读书会为线上闭门读书会，采用的会议软件是腾讯会议（请提前下载安装）。在扫码完成报名并添加负责人微信后，负责人将其拉入群聊，入群后告知具体的会议号码。

参与费用

为了过滤一些非专业人士，甄选出真正对复杂经济学研究感兴趣、有相关研究经验的专业人士，保证读书会研讨质量，也为了激励大家学习、分享、总结，本季读书会将采取收费 – 退款的保证金模式。

报名方式

第一步：扫码填写报名信息。

扫码报名

第二步：填写信息后，进入付款流程，提交保证金299元（符合退费条件后可退费）。

第三步：添加负责人微信，拉入对应的读书会讨论群。

（我们也会对每次分享的内容进行录制，剪辑后发布在集智学园官网上，供读书会成员回看。）

退费规则

1. 读书会保证金共计 299 元/人。

2. 满足如下条件之一者全额退款（本季读书会结束后统一退费）：

1. 贡献了一次讲座（1小时左右）内容的（需要提前向主持人申请并通过试讲）；

2. 完成了一篇以上读书笔记写作，并在集智俱乐部公众号分享。（读书笔记标准：字数3千以上，图文并茂，具体请参照此文：前沿综述：大脑结构网络、功能网络和网络控制中的物理学）；

3. 认真完成集智百科相应的编撰任务，经过集智百科团队审核通过，并达到299积分。

   详见：https://wiki.swarma.org/index.php?title=激励制度

4. 认真完成集智斑图相应的路径整理任务，经过路径项目负责人审核，并达到299积分（具体联系运营负责人）。

3. 满足以下条件之一的不仅可以全额退款，还有额外奖励：

1. 由读书会内容启发，产生了靠谱的新产品创意，并在读书会结束 2 个月内提交了详细的产品策划方案，并通过了集智俱乐部组织的相应考核答辩的；

2. 由读书会内容启发，萌发了科研论文创意，在读书会结束 2 个月内完成初稿，并在最终的论文成果中致谢集智俱乐部的（需要发表在SCI等核心刊物上）

上述规则的最终解释权归集智俱乐部所有。

限时活动：组队报名送复杂科学知识卡

为了促进大家的交流和认识，也为了让更多对高阶网络话题感兴趣的小伙伴加入到我们社区中，我们特别发起了组队报名活动 ，你可以邀请你课题组的导师、师兄师姐、师弟师妹一起加入~

【活动规则】

• 三人及以上一起组队报名，每人均获得『集智俱乐部复杂科学扑克牌』两副

• 五人及以上一起组队报名，每人均获得『集智俱乐部复杂科学扑克牌』四副

【参与方式】

几人组好队之后，直接报名读书会，由队长告知读书会负责人其他队员名字进行登记。读书会负责人会收集您的具体地址(只收集1个人的地址，建议大家同校组队）后邮寄礼物。

• 注：本活动中，每人仅限组一次队

【活动时间】

活动时间为：2022年6月27日-2022年9月30日

 

读书会阅读材料

主题一：对主流经济学的反思与复杂经济学的提出

简介：

在2007年金融经济危机后，主流经济学界和非主流都对当今主流经济学进行了反思，一个基本的认识是当今主流经济学在解释当今经济复杂现象以及应对当代经济亟待解决的问题方面都存在根本的缺陷。作为弥补这种缺陷的有益尝试，基于复杂系统研究的复杂经济学引起了越来越多的注意。

复杂经济学把经济看作一个真正的复杂系统，不仅强调经济的非平衡（non-equilibrium）状态，而且关注经济的具有历史性的形成（formation）过程，而这些正是当今主流经济学所欠缺的。尽管复杂经济学还处在发展初期，但建立在复杂系统研究基础上的复杂经济学具有复杂系统研究的思想和方法强有力的支撑，它致力于突破主流经济学的均衡思想和方法，为真实经济系统的研究开辟一条新路。

主要参考文献：

1. Paul Krugman. How did economists get it so wrong? The New York Times. 2009, 9.
2. David Colander, Hans Föllmer, Armin Haas, Michael Goldberg, Katarina Juselius, Alan Kirman, Thomas Lux, and Brigitte Sloth. The Financial Crisis and the Systemic Failure of Academic Economics. Kiel Working Papers. 2009, 6:427-436.
3. Dirk Helbing, Stefano Balietti. Fundamental and real-world challenges in economics. Science and culture 76.9-10 (2010).
4. W. Brian Arthur. Complexity economics: a different framework for economic thought. SFI Working Paper. 2013, 3.

5. Arthur, W. Brian. “Foundations of complexity economics.” Nature Reviews Physics 3.2 (2021): 136-145.

 

主题二：奥地利学派经济学

简介：

经济学从其诞生时（Smith，1776）就具有明显的演化理论色彩。此后经济学在19世纪末期从古典经济学转变为新古典经济学，标志性人物和著作是马歇尔的《经济学原理》。但这是经济学发展方向之一，目前占据主流地位。

在19世纪末期，以门格尔为代表的奥利学派经济学也同时得到确立和发展，区别于新古典经济学。奥地利学派经济学很大程度上将经济视为一个动态复杂系统，具有显著的演化色彩，某种程度上说，是亚当·斯密的真正继承人。

任何系统只要满足以下三个特征，它就必然是一个演化的系统：（1）存在许多多样性主体，它们复制自身。（2）在复制（代际继承）时不是100%的完全复制，而是存在“变异”/“新奇”/“突变”，但下一代也不是全新，没有任何继承性。（3）主体存在差异化生存，也就是说类似于“自然选择”的筛选机制不以人人的意志为转移地起作用。经济系统满足以上三点，因此经济是一个演化的复杂适应系统。

奥地利学派经济学中的演化思想包括：（1）市场过程理论。市场是一个过程事实，它不会达到某种完美状态，然后一劳永逸地进入“循环轮转”状态。无论是实现资源配置的任务，还是实现创新的任务，都是借助于市场过程实现的。市场过程的驱动力是企业家对利润的追求。（2）价格机制是经济系统内的通讯机制，它产生信号、传递信号，生产者和消费者借以采取优化行动。（3）竞争是一个发现程序。当我们谈及市场竞争，或任何其他竞争（竞技体育，考试竞争），都预先承认我们不知道某些事实，如果事先就已经知道了那些事实，其实竞争是不必要的。例如高考和考研，如果有某种仪器对大脑扫描，几秒或几分钟就能区分考生品质差异，那么高考和硕士研究生入学考试这种国家级考试是完全不必要的。正因为我们事先不知道某些事实，因此我们必须借助于“作为发现程序的竞争”。在经济中，我们事先不知道“生产什么，生产多少，如何生产，产品的质量、风格、空间布局……”等事实；我们不知道未来出现那些新技术、新产品、新商业模式、新组织形态……等等事实。因此市场竞争是必要的、必需的。（4）利润法则与差异化生存。竞争的企业、产品、技术每天都不是高枕无忧，利润法则作为一个硬约束，对经济系统中的企业、产品、技术进行着毫不留情的筛选，这其实就是经济中的“自然选择”无时无刻不在起作用，那些长期负利润的企业逃不脱出局的命运。（5）企业家精神。企业家精神表现为对利润机会的警觉，由此开展“套利”或“创新”行动。企业家的另一个功能是承担不确定性。

主要参考文献：

1. 杰克.J.弗罗门.经济演化——探究新制度经济学的理论基础，经济科学出版社，2003

2. J.H.德索托.奥地利学派：市场秩序与企业家创造性，浙江大学出版社，2010

3. 柯兹纳.竞争与企业家精神,浙江大学出版社，2013

4. 马丁.诺瓦克.超级合作者，浙江人民出版社，2013.

5. 丹尼尔.卡尼曼.思考，快与慢，中信出版社，2012

6. 刘业进.经济中的信息、通信与自发秩序，《演化与创新经济学评论》，2019.9

7. Peter J. Richerson and Robert Boyd （2005）.Not by Genes Alone How Culture Transformed Human Evolution . Chicago and London :The University of Chicago Press.

主题三：计算实验：基于算法的经济学

简介：

随着互联网的普及、物联网的渗透、大数据的涌现以及社会媒体的崛起，社会系统越来越多的呈现出社会、物理、信息相融合的复杂性特征。这类CPSS系统（Cyber Physical Social Systems，简称CPSS），因为涉及到了人和社会的因素，其设计、分析、管理、控制和综合等问题正面临前所未有的挑战 。在科学研究中，实验方法发挥了不可替代的作用，不仅推进了理论与事实之间联系的建立，而且源自大量实验的探索和发现推动了科技的发展。鉴于此，人们就考虑将实验方法引入到社会复杂系统的研究中。

为什么不能用传统的实验方法对社会复杂系统进行分析？最直接的是经济方面的原因：由于成本和时间等因素，代价太大，无法承受。就算解决了实验的经济问题，又遇到了法律方面的原因：由于国家和社会安全等因素，法律条文不允许进行实验。就算修改法律可以实验了，又面临道德方面的原因：由于社会文化和伦理等因素，在道德上无法接受实验。最后，就算有人或组织愿意承担生命财产的风险甚至牺牲，却发现无法分解还原复杂系统，就是说目前的科学理论及手段根本就完不成复杂系统的实验。因此，如果希望科学地分析复杂系统，必须另辟蹊径，计算实验应运而生。

计算实验的本质，就是将”反事实（Counterfactuals）”算法化（Algorithmization）, 以数据驱动、涌现机制和多重世界的解释与引导理论为基础，实现复杂系统量化分析的一种数字化和计算化方法。该方法以现实世界为参照系统，从微观尺度出发，构建出具有自治特性的个体模型与交互规则，抽象出参照系统的人工社会模型；然后，把计算机作为”人工实验室”，来”培育”实际系统中可能出现的宏观现象，探究背后的规律；最后，在计算机仿真传统的描述和预测功能之外，计算实验强调结果的引导（Prescription）功能，为解释、理解、引导和调控现实中的宏观现象提供决策支撑。

作为一种科学研究的新方法与新工具，计算实验已经应用于一些风险较大、成本较高或者现实中无法进行直接实验的系统研究。就社会经济系统而言，人工社会与计算实验扬弃了完全理性、全知全能的”经济人”的假设，取而代之的是能够学习和适应环境的运用归纳法决策的有限理性人，把经济系统看成是由若干相互作用的个体进行交互的复杂系统。本报告将以人工股市和小岛经济学为案例，讲述如何采用计算实验方法来分析解决具体的经济问题；如何构建出具有有限理性，学习演化，异质和交互特征的经济主体；以及如何针对一个社会复杂系统进行实验设计和多维度的分析等。

主要参考文献：

1. 薛霄  著. 复杂系统的计算实验方法-原理、模型与案例，科学出版社，2020年9月.

2. ESPTEIN J M, ASTELL R. Growing Artificial Societies: Social Science from the Bottom-Up[J]. Cambridge, MA: MIT Press, 1996.

3. Nigel Gilbert, Rosaria Conte: Artificial societies, The computer simulation of social life, University College London Press,1995.

4. 王飞跃, 史帝夫, 兰森. 从人工生命到人工社会——复杂社会系统研究的现状和展望[J]. 复杂系统与复杂性科学, 2004 1(1): 33-41. http://www.cqvip.com/qk/87154x/200401/9100905.html

5. 盛昭瀚 等. 供应链管理计算实验平台研究, 上海三联书店，2013年08月.

主题四：复杂网络方法在经济学研究中的应用

简介：

复杂银行网络系统是节点为银行的复杂网络系统，具有本质上的复杂性：一是拓扑结构的复杂性，二是节点的复杂的动力学行为以及节点之间的复杂的动态耦合行为。拓扑结构的复杂性不仅在于节点间的复杂的静态连接拓扑，而且在于网络的拓扑结构随时间演化（例如由银行和银行之间的信贷拆借关系而形成的银行网络连接拓扑随着时间的变化而变化）；节点的复杂的动力学行为表现为节点本身的动态特性（如银行节点的资产和负债随着时间的变化而演化的行为）；节点与节点的复杂的动态耦合行为表现为随时间演化的银行之间的投资以及借贷关系对各银行节点的资产和负债的影响。这种既有拓扑结构的演化又有节点动力学演化的银行网络系统为动态复杂银行网络系统。复杂的拓扑结构、节点的复杂动力学行为以及节点之间的复杂动态耦合行为，使得复杂网络系统包括复杂银行网络系统的群体动力学行为变得非常复杂，其复杂性的内在机理表现为突然从稳定的状态转换到一个意想不到的不同状态（如临界点’tipping points’, 阈值和断点 ‘thresholds and breakpoints’）。这种复杂现象的表现形式有20世纪80年代以来的拉美债务危机、欧洲货币体系危机、墨西哥金融危机等到2008的美国次贷危机以及最近的欧洲主权债务危机，对危机的产生的深层理解的需求使得复杂银行网络系统的系统性风险的研究在最近成为了研究热点。

主要参考文献：

1. F Allen, D Gale, Financial Contagion, Journal of political economy, 2000, 108 (1): 1-33. 

2. H Elsinger, A Lehar, M Summer, Risk Assessment for Banking systems, Management Science, 2006a, 52(9) : 1301-1314.

3. D Acemoglu, A Ozdaglar, A Tahbaz-Salehi, Systemic Risk and Stability in Financial Network, American Economic Review, 2015, 105 (2): 564-608.https://www.aeaweb.org/articles?id=10.1257/aer.20130456

4. H Degryse, G Nguyen, Interbank Exposures: An Empirical Examination of Contagion Risk in the Belgian Banking System, International Journal of Banking Central, 2007, 3(2):123-171. 

5. G Iori, S Jafarey, F G Padilla, Systemic Risk on the Interbank Market, Journal of Economic Behavior and Organization, 2006, 61(4), 525-542.

主题五：经济物理：物理学和经济学的碰撞

简介：

在金融市场计算机化和研究技术的推动下，经济物理学在20世纪90年代初被引入。经济物理学通过应用统计学和理论物理学的工具和概念来模拟、预测和解释经济现象。经济物理学作为一个独特的科研领域，是物理学家和一些经济学家对标准经济理论未能真实地模拟金融系统复杂行为的反应而出现的。它的决定性特征是将金融系统的动态性理解为复杂适应性系统（Complex Adaptive System，CAS）的涌现属性。它的根源可以追溯到圣塔菲研究所所倡导的应用于经济学的复杂性方法。

在对金融市场的复杂性研究中出现了各种“典型事实（stylized facts）”，也是经济物理学早期文献集中研究的方向之一。“典型事实”代表着可以在不同市场和资产类别的数据集中识别的稳健和普遍的特性，可以被理解为由系统组成部分的复杂和非线性互动出现的涌现属性。经济物理学的出现是由于试图用物理学中的统计框架来描述这些典型的事实，比如波动率聚集，收益分布的厚尾性质，或者收益之间缺失的线性关联性。1960 年 Mandelbrot、Fama和Samuelson使用帕累托幂律和稳定的 L’evy 分布重新解释现代投资组合理论，这种统计物理学方法在20世纪90年代逐渐巩固为一个新的领域，以试图从统计学上解释这些金融数据中广泛存在的但无法被标准的经济学理论所解释的普遍现象。

经济物理学的研究往往通过计算机模拟再现要解释的现象来识别和解释金融数据中的典型事实，采用物理学中的模拟方法使经济物理学家能够建立目标系统的解释模型，阐明工作中的自组织过程。通过再现典型事实的基本机制，经济物理学能够对金融数据中观察到的各种宏观模式和规律性作出解释。我们可以将这些生成性解释视为经济物理学的独特特征之一，它们为宏观模式提供了微观的具体说明。

丰富多样的经济物理模型已经在过去20年里发展起来，如基于主体的模型（ABM）、演化模型和少数者博弈模型，以及关于大幅价格波动、泡沫和市场崩盘的模型驱动的理论。通过阐明金融收益分布的统计特性及其背后容易诱发系统不稳定性的社会机制，经济物理学从此大大推进了我们对金融市场的理解。

然而，对于建立金融市场中的物理科学的量化愿望，已经出现了一种主流的批评意见。这种批评包括著名的前华尔街量化金融专家和理论家Emanuel Derman所说的“金融建模不是市场的物理学”，以及著名的对冲基金经理和哲学家乔治-索罗斯提出了市场反身性（reflexivity）的概念，他认为金融反身性（即驱动市场动态的预期和价格之间的正反馈）需要一个全新的科学方法，因为物理学不能很好地处理反身性行为的复杂性。

主要参考文献：

1. Filimonov, V., & Sornette, D. (2012). Quantifying reflexivity in financial markets: Toward a prediction of flash crashes. Physical Review E – Statistical, Nonlinear, and Soft Matter Physics, 85(5), 1–9. https://doi.org/10.1103/PhysRevE.85.056108

2. Sornette, D., & Ouillon, G. (2012). Discussion and Debate: From Black Swans to Dragon-Kings-Is There Life Beyond Power Laws?. The European physical journal. Special topics, 205.

4. Mantegna, R. N., & Stanley, H. E. (2000). Introduction to Econophysics: Correlations and Complexity in Finance. Cambridge University Press.

5. Sornette, D. (2014). Physics and financial economics (1776–2014): puzzles, Ising and agent-based models. Reports on Progress in Physics, 77(6), 062001. https://doi.org/10.1088/0034-4885/77/6/062001

6. Didier Sornette 著，闫晚丰等译. 股市为什么会崩盘，中国人民大学出版社，2018年7月

 

主题六：复杂经济学的真人实验方法

简介：

合作、公平和效率是经济学关心的重要科学问题。2005年，Science在创刊125周年之际，公布了人类亟待解决的125个重大科学问题，其中合作的演化是最为重要的25个问题之一。如何设计激励机制来促进合作和提高整体社会收益越来越为重要。传统的激励研究大多基于个体是完全理性的，但现实和实验表明大多数个体是有限理性和复杂的，会表现出从众、利他、互惠、风险厌恶、损失厌恶、不公平厌恶和决策误差等。因此如何描述真实个体的行为模式，并以此为依据来研究激励对合作、公平和效率的促进作用尤为重要。我们可以通过演化博弈、行为经济和实验经济，来研究人类经济行为的复杂性，以此为基础分析不同激励机制对合作的影响，并进一步设计出更加有效的激励机制。

主要参考文献：

1. 行为经济学新进展，Thaler et al., 中国人民大学出版社

2. 社会心理学，Myers, 人民邮电出版社

3. 实验经济学讲义：方法与应用，陈叶烽等，北京大学出版社

4. Behavioral economics, Edward Cartwright. 行为经济学专业课书

5. Behavioral game theory: experiments in strategic interaction, Colin F. Camerer. 行为经济学专业课书

6. The foundations of behavioral economic analysis, Sanjit Dhami. 行为经济学专业参考书

7. Handbook of behavioral economics-Foundations and Applications 1, B. Douglas Bernheim, Stefano DellaVigna and David Laibson. 行为经济学专业参考手册1

8. Handbook of behavioral economics-Foundations and Applications 2, B. Douglas Bernheim, Stefano DellaVigna and David Laibson. 行为经济学专业参考手册2

9. Evolution and the theory of games, John Maynard Smith. 演化博弈专业书

10. The calculus of selfishness, Karl Sigmund. 演化博弈专业书

11. https://www.degruyter.com/document/doi/10.1515/9781400832255/html

12. Evolutionary Games and Population Dynamics, Josef Hofbauer and Karl Sigmund 演化博弈工具书

13. The Selfish Gene, Richard Dawkins. 科普读物

推荐论文

1. Nowak, M. . (2006). Five rules for the evolution of cooperation. Science, 314(5805), 1560-1563.

2. Tversky, K. A. . (1979). Prospect theory: an analysis of decision under risk. Econometrica, 47(2), 263-291.

3. Fehr, E., & Schmidt, K. M. . (1999). A theory of fairness, competition, and cooperation. The Quarterly Journal of Economics, 114(3), 817-868.

4. Dong, Y. , Ma, S., Zhang, B., Wang, W. X., & Pacheco, J. M.. (2021). Financial incentives to poor countries promote net emissions reductions in multilateral climate agreements. One Earth, 2021, 4(8), 1141-1149.

主题七：经济系统中的幂律及形成机制

简介：

总所众知，对称的钟形的高斯分布广泛存在于我们的周围，因而也获得了正态分布这个更加广泛使用的名称。而事实上，除此之外，还有一类呈现出尖峰胖尾的分布其存在也极为普遍，这种分布的的分布密度函数为幂函数，所以被称为幂律分布。幂律分布广泛存在与社会经济系统，包括企业规模、城市规模、资产市场的回报率等。幂律分布的存在与社会经济系统中的极端事件也有着千丝万缕的联系。本模块将讨论经济系统中的幂律分布现象以及一些可能的形成机制。

主要参考文献：

1. Gabaix, X. (2016). Power laws in economics: An introduction. Journal of Economic Perspectives, 30(1), 185-206.

2. Clauset, A., Shalizi, C. R., & Newman, M. E. (2009). Power-law distributions in empirical data. SIAM review, 51(4), 661-703.

3. Mitzenmacher, M. (2004). A brief history of generative models for power law and lognormal distributions. Internet mathematics, 1(2), 226-251.

4. Adamic, L. A. (2000). Zipf, power-laws, and pareto-a ranking tutorial. Information Dynamics Lab, HP Labs, Palo Alto, CA,

5. 集智百科-幂律分布：https://wiki.swarma.org/index.php/幂律分布_power_law

 

主题八：规模标度法则：企业的规模、生长与奇点

简介：

公司是当代经济和市场的基本单位，也是人类与环境互动的重要机制。了解公司生长背后的普适规律一直是人们感兴趣的话题。传统的经济学以及企业管理理论虽然对于企业的长期生存与发展有着深刻的洞察，但始终没有提出可验证的定量模型。

企业生长的定量化研究可以分为统计特征描述和发展预测两大类。对统计特征的早期定量研究可以追溯到1931年的Gibrat假说，它认为公司的生长率是一个与企业规模无关的随机变量，然而这一猜测并没有得到更多实证数据的支持。Stanley等人的一系列工作进一步刻画了企业生长中的涨落特性，并与湍流现象进行了对比，提出了简单的生长模型以解释普遍存在于涨落中的标度现象（Scaling behaviors）。然而，这类研究过度关注噪声，而忽略了企业长期生长中的确定性规律。

基于计量经济学的研究虽然肯定了生长率、规模与企业年龄的相关关系，但却始终没有找到背后的因果规律。随着人工智能技术的发展，越来越多的研究工作利用机器学习技术学习企业长期发展财务指标中的基本模式，从而预测企业的生长。但是，这类研究并不能推断出企业生长背后的因果机制，也更加无法找到企业生长中的第一性原理。

另一方面，规模标度法则（Scaling Law）是一类普遍存在于生物、城市等不同复杂系统中的普适特性。从新陈代谢、GDP等基本变量随系统规模大小的幂律关系出发，我们不仅可以获得对复杂系统背后运作机理的深刻洞察，还能够与复杂系统生长机制相结合的生长方程。这一研究范式在生物和城市复杂系统中得到了广泛的验证。那么，它是不是也适用于企业呢？

我们的研究工作给出了肯定的回答，我们不仅发现了企业中普遍存在的规模标度法则（Scaling Law），还进一步将这一系列规模法则与财务平衡方程这一基本约束结合，从而推导出了一个企业长期生长的确定性方程，并利用31,553 家北美上市企业连续70年的生长数据，和3,160家中国上市企业近30年的实证数据分别进行了验证。我们发现，对长期生长起到决定性作用的因素主要有净收入和债务这两大变量。这一基于基本原理的因果机制的发现调和了长期以来对Gibrat假说的种种争论，同时还推导出了新的涨落规律，很好解释了Stanley等人工作中观察到的生长率分布不对称的现象。更有意思的是，我们发现当企业的债务-总资产规模法则幂指数大于1时，企业生长方程将会出现一个奇异点（Singularity）。这意味着所有该市场中的企业在发展到一个临界规模的时候，都会遇到这一奇点而无法超越。那么，是美国还是中国的企业更容易碰到这一理论中的天花板呢？我们有没有逃离奇点的方法？

主要参考文献：

1. Santarelli, E., Klomp, L., Thurik, A.R.: Gibrat’s law: An overview of the empirical literature. Entrepreneurship, Growth, and Innovation, 41–73 (2006) 

   有关Gibrat假说

2. Stanley, M.H., Amaral, L.A., Buldyrev, S.V., Havlin, S., Leschhorn, H.,Maass, P., Salinger, M.A., Stanley, H.E.: Scaling behaviour in the growth of companies. Nature 379(6568), 804–806 (1996). 

   Stanley关于企业生长率的代表性工作

3. Zhang J, Kempes C P, Hamilton M J, et al. Scaling laws and a general theory for the growth of companies[J]. arXiv preprint arXiv:2109.10379, 2021. 

   与West合作的企业规模法则与生长的工作

4. West, G.B.: Scale: the Universal Laws of Growth, Innovation, Sustainability, and the Pace of Life in Organisms, Cities, Economies, and Companies. Penguin, New York, NY (2017) 

   《规模》一书

5. West, G. B., Brown, J. H., & Enquist, B. J. (1997). A general model for the origin of allometric scaling laws in biology. Science, 276(5309), 122–126. 

   生物的规模法则——Kleiber定律

6. West, G. B., Brown, J. H., & Enquist, B. J. (2001). A general model for ontogenetic growth. Nature, 413(6856), 628–631. 

   生物Kleiber定律推导生长方程

7. Bettencourt, L. M. A., Lobo, J., Helbing, D., Kühnert, C., & West, G. B. (2007). Growth, innovation, scaling, and the pace of life in cities. Proceedings of the National Academy of Sciences of the United States of America, 104(17), 7301–7306. 

   城市的规模法则与生长

主题九：信息经济学

简介：

全球经济和社会正在从工业时代向信息时代全面转型，在“信息”成为重要的生产要素的今天，经济主体日趋小微化、海量化，经济主体之间的连接和互动日益密切和频繁，生态、涌现、进化、自组织和不确定性等复杂性特征日益突出，主流经济学构建的分析框架，已经不能适应信息经济的理论阐述，这已成为越来越多经济学家的共识。

主流经济学只关注分配问题，而忽视了创造这一重要驱动力，张翼成老师提出的信息经济学理论，基于一个新的范式，将资源的分配与创造合为一体。主要介绍了三位市场，即消费市场、金融市场和信息市场。每个市场围绕着同样的主题展开，即改善资源分配、约束转移以及新资源的创造。新的经济理论不关注最终的状态，而是关注无穷无尽的动态演化过程，并在这样一个动态过程中不断研究可能采取的行动和相应的后果。

(内容参考自《重塑：信息经济的结构》一书)

主要参考文献：

1. Zhang, Yi-Cheng. “The information economy.” Non-Equilibrium Social Science and Policy. Springer, Cham, 2017. 149-158.

2. Zhang, Yi-Cheng. Matchmakers and Markets: The Revolutionary Role of Information in the Economy. Oxford University Press, 2020.

3. Zhang, Yi-Cheng. “Broader scopes of the reflexivity principle in the economy.” Journal of Economic Methodology 20.4 (2013): 446-453

4. 重塑：信息经济的结构，张翼成、吕琳媛、周涛，2018-01，四川人民出版社

 

主题十：宏观金融

副标题：基于主体的存量流量一致性宏观建模方法及其在展示信贷创造和流通中的应用

简介：

2008年金融危机之后，以DSGE为代表的主流宏观经济模型备受诟病，最重要的是对于其建模框架的质疑，于是形成了重构宏观经济学框架的努力。其中一个重要的努力方向就是将存量流量一致性建模和多主体建模结合起来，可以称之为SFC-ABM建模框架。这一建模方法主要针对于经济金融系统的复杂适应性的本质，为理解系统内部之间的相互连接提供了一个自洽的通透的表达。

本模块主要讨论这一模型框架的基本构成、主要特征和创新所在，以及这类模型的建模规则、校准参数、有效性检验和可应用场景。我们以银行的信贷创造和经济中的信贷流通为例，展示这类模型如何帮助我们深入理解宏观经济运行及其微观基础。银行通过信贷创造同时创造了货币和债务，二者数量的不断增加表现为信贷扩张。一般来说一个经济中的总产出主要是总需求决定的，而总需求来自货币流通、债务流通和信贷扩张。用SFC-ABM框架可以很好地展示信贷创造及其流通的过程，并且分辨出总需求的基本构成。

主要参考文献：

1. Alessandro Caiani, Antoine Godin, Eugenio Caverzasi, Mauro Gallegati, Stephen Kinsella, Joseph E. Stiglitz, Agent based-stock flow consistent macroeconomics: Towards a benchmark model, Journal of Economic Dynamics and Control 69, 375–408 (2016).

2. Gatti, D.D., Gaffeo, E. & Gallegati, M. Complex agent-based macroeconomics: a manifesto for a new paradigm. J Econ Interact Coord 5, 111–135 (2010).

3. Wanting Xiong, Han Fu and Yougui Wang, Money creation and circulation in a credit economy, Physica A 465, 425–437 (2017).

4. Xiaoyun Xing, Liujun Chen, Jiawei Chen, Yougui Wang*, H. Eugene Stanley, Money circulation and debt circulation: A restatement of quantity theory of money, Economics：The Open-Access, Open-Assessment E-Journal, Discussion Papers, No 2018-01, Kiel Institute for the World Economy, 2018.

5. Xiaoyun Xing, Wanting Xiong, Jinzhong Guo, Yougui Wang, The role of debt in aggregate demand, Finance Research Letters, 39, 101653(2021).

主题十一：演化金融市场与计算实验建模

简介：

金融市场是一个复杂演化金融系统，由大量适应性并相互交互的市场参与个体组成，且由于个体的异质性和学习能力，使得系统具有复杂关联和不确定性。真实金融市场中，非平稳的市场、参与者的学习、机构的“熵增”现象、群体的演化与“混沌”状态相互交织，这些内在的复杂关系使得金融市场的某一个事件有可能因为“蝴蝶的翅膀”效应而造成复杂的金融现象。传统的统计、计量和数理建模方法难以对演化金融市场的复杂性进行建模。计算实验（Agent-based Modeling）则正是复杂系统视角建模思想在金融领域的应用之一，它通过计算模型描述系统中微观主体的行为特征及其相互关联演化、以及环境背景，从而模拟系统的基本运动并在此基础上实验分析系统的集结行为与演化规律的一种科学研究方法。本报告将具体介绍如何通过计算实验来构建人工金融市场，并通过遗传算法和分类器系统对市场参与者的学习和演化行为建模，以及如何对计算市场模型进行校准和对人工金融市场涌现出的复杂金融现象做出机理分析。进一步的，针对于金融风险提出基于计算实验的“情景-应对”型风险管理思想：不同于传统的“预测-应对”，“情景-应对”是面向未来的，即运用计算实验的手段，在能够反演已有重大金融风险事件的基础上，通过改变系统主体的行为和结构，繁衍出新的未知“情景”，根据生成金融风险事件的“情景”，制订有针对性的应对预案。

推荐论文：

1. Arthur, W., Holland, H., LeBaron, B., Palmer, R. and Tayler, P. (1997), ‘Asset pricing under endogenous expectations in an artificial stock market’, in The Economy As An Evolving Complex System II, Eds. W. Arthur and S. Durlauf and D. Lane, Addison-Wesley, pp. 15–44.

2. Routledge, B. (1999), ‘Adaptive learning in financial markets’, Review of Financial Studies 12, 1165–1202.

3. Chiarella, C., He, X. and Wei, L. (2015), ‘Learning, information processing and order submissionin limit order markets’, Journal of Economic Dynamics and Control 61, 245–268.

4. Carl Chiarella, Xue-Zhong He , Lei Shi, Lijian Wei. A behavioural model of investor sentiment in limit order markets, Quantitative Finance, 2017, 17(1): 71-86.

5. 韦立坚, 张维, 熊熊. 股市流动性踩踏危机的形成机理与应对机制, 《管理科学学报》, 2017,20(3):1-23

6. Arifovic, J., He, X., Wei,L. Machine learning and speed in high-frequency trading. Journal of Economic Dynamics and Control, 2022, 139, 104438，25 pages

 

主题十二：Arthur 技术的（内生）进化

简介：

技术的本质是什么？它又怎样进化？是一个在不断被探索的问题。

阿瑟的收益递增理论认为，首先发展起来的技术往往具有占先优势，再通过规模效应降低单位成本，并利用普遍流行导向的学习效应和许多行为主体采取相同技术所产生的的协调效应，致使它在市场上越来越流行，人们也就相信它会更流行，于是技术就实现了自我增强的良性循环。

阿瑟认为科学与经济的发展，都是由技术所驱动的，而我们通常是倒过来思考的。实际上，人类解决问题的需要，才是推动人们重新结合现有技术，进而促进新一代技术出现的动力。就像生命体一样，所有新技术都是已有技术的“组合进化”。

主要参考文献：

1. Arthur, W. Brian, and Wolfgang Polak. “The evolution of technology within a simple computer model.” Complexity 11.5 (2006): 23-31.

简介：关于技术演化的一个简单的计算模型

2. Arthur, W. Brian. “The structure of invention.” Research policy 36.2 (2007): 274-287.

简介：创新的结构

3. Hordijk, Wim. “Autocatalytic sets: From the origin of life to the economy.” BioScience 63.11 (2013): 877-881.

简介：技术的自催化网络

4. Napolitano, Lorenzo, et al. “Technology networks: the autocatalytic origins of innovation.” Royal Society open science 5.6 (2018): 172445.

简介：自催化网络：从生物到经济

5. Youn, Hyejin, et al. “Invention as a combinatorial process: evidence from US patents.” Journal of the Royal Society interface 12.106 (2015): 20150272.

简介：基于实证数据的技术创新

6. Kim, Daniel, et al. “Technological novelty profile and invention’s future impact.” EPJ Data Science 5.1 (2016): 1-15.

简介：上篇的后续研究

7. Bettencourt, Luís MA, Horacio Samaniego, and Hyejin Youn. “Professional diversity and the productivity of cities.” Scientific reports 4 (2014): 5393.

简介：关于专业多样性，城市经济多样性的规模与普遍性。了解城市对于应对气候变化和经济韧性等重大全球性挑战问题至关重要。城市经济活动的详细结构被视为基本的社会经济单位，直到最近才能利用大量数据集进行全面分析。论文研究了美国大城市的区域商业类别丰富度，提供了一个度量经济活动内在多样性的测量框架。解释了一个所有城市共有的通用结构，显示出了内部经济结构的自相似性以及综合度量。论文提出的模型可以用于解释规模经济差异化的过程，并提出了一个考虑城市系统的国民经济增长的一般架构。

 

主题十三：业界应用

副标题：建立支持金融市场信用风险评估的特征筛选框架的大数据金融科技方法介绍

简介：

本模块的目的是通过交流，期待与听众分享金融科技需要考虑的核心内容，理解金融科技的大数据思维方式，和以及解决真实问题的方式。

分享内容包括：

在大数据框架下，系统地介绍如何利用人工智能算法（即，吉布斯抽样（Gibbs Sampling)）为工具，结合非结构化的另类数据为基础，如何建立以样本误差容忍度为标准的大数据关联特征提取的一般框架，和在金融风险，支持在金融的征信业务中构建与国际接轨但适合中国金融市场的的信用评级体系和相关应用。

具体来讲，采用马尔可夫链蒙特卡罗 (MCMC) 框架下的吉布斯抽样 (Gibbs sampling) 算法为工具，通过 “OR值”（Odds Ratio) (即，“比值比” 或 “优势比”）为验证标准，在大数据环境下，系统性地陈述了如何从海量数据中提取与金融衍生品价格或者风险关联度高的风险特征因子的随机搜索方法。

论文的分析和实证结果表明，我们在大数据框架下建立的特征 提取方法除了能够有效地筛选出刻画影响基金业绩的关联特征外，也够提取出影响螺纹钢期货和铜期货价格趋势变化的关联特征，这为业界对FOF的组建与管理，对应金融衍生品价格变化走势，特别是大宗期货交易和风险管理方面提供了一种新的分析维度和风险特征因子应用方向.

另外，论文讨论的从大数据的视角筛选金融衍生品风险特征因子的方法，与过去传统的计量分析方法不同，是金融科技在大数据金融方面分析和应用的创新点.

主要参考文献：

1. 袁先智, 运用大数据提升信用评级质量和区分度：“咖啡馆”（CAFE）全息风险评估体系的探索,  清华金融评论 ，2022年01期, 第70-74页.

2. 袁先智, 构建与国际接轨的适合中国国情的金融行业信用评级体系概述 (《中国金融政策报告》项目（课题组）资深专家、中山大学管理学院), 华财经北京12月15日电.

3. 袁先智等，财务欺诈风险特征筛选框架的建立和应用，中国管理科学，2022年03期，第47-58页

4. 袁先智等，在大数据框架下基于吉布斯抽样的随机搜索方法在金融风险特征提取中的应用，计量经济学报，2021年02期，第149-180页.

5. 袁先智等,公司财务欺诈预警与风险特征筛选的新方法:基于人工智能算法, 第十五届（2020）中国管理学年会论文集，2020年, 第709-724页

6. 袁先智等. 基金关联特征提取的大数据随机搜索算法及应用,  管理科学,  2020年06期, 第45-57页 .

7. Yuan, George Xianzhi; Wang, Huiqi The general dynamic risk assessment for the enterprise by the hologram approach in financial technology. Int. J. Financ. Eng. 6 (2019), no. 1, 1950001, 48 pp.

8. Ren, Ruibin; Yuan, George X. The mechanics of dynamic behaviors for SMEs’ growth by using fractional-order dynamic system approach. Int. J. Financ. Eng. 9 (2022), no. 1, Paper No. 2250004, 28 pp.

9. Yang, He; Li, Emma; Cai, Yi Fang; Li, Jiapei; Yuan, George X. The extraction of early warning features for predicting financial distress based on XGBoost model and SHAP framework. Int. J. Financ. Eng. 8 (2021), no. 3, Paper No. 2141004, 24 pp.

10. Huiqi Wang, Wei Yuan, George Yuan, The mechanism for SMEs growth by applying stochastic dynamical approach, Finance Research Letters 48 (2022) 102850 (The mechanism for SMEs growth by applying stochastic dynamical approach – ScienceDirect)

11. George X. Yuan et al., The consensus equilibria of mining gap games related to the stability of Blockchain Ecosystems, The European Journal of Finance, Taylor & Francis Journals, vol. 27(4-5), pages 419-440, 2021

12. George X. Yuan et al., The Framework of CAFE Credit Risk Assessment for Financial Markets in China, Procedia Computer Science 202 (2022) 33-46.

读书会路径及论文PDF下载，请访问下方二维码，进入集智斑图网站获取，点赞后可在个人中心快速找到哦：

 

关于主办方和集智俱乐部读书会

主办方：集智俱乐部、北师大系统科学学院

协办方：集智学园

集智俱乐部成立于 2003 年，是一个从事学术研究、享受科学乐趣的探索者的团体，也是国内最早的研究人工智能、复杂系统的科学社区。它倡导以平等开放的态度、科学实证的精神，进行跨学科的研究与交流，力图搭建一个中国的 “没有围墙的研究所”。

北京师范大学系统科学学院负责系统科学学科的建设，学院设有一级学科博士学位授权点，下设 3 个二级学科，分别是“系统理论”、“系统分析与集成”和“复杂网络建模与调控”，其中系统理论是全国重点学科。北师大系统科学学科 2017 年入选“双一流”学科建设名单，在国内系统科学学科建设中一直处于领先地位。当前学院学科研究领域主要包括如下 5 个方向：统计物理与复杂系统基本理论、地球系统的统计物理、认知与行为计算神经科学、生命与人工系统的群体运动、教育与社会经济复杂系统。

集智学园成立于2016年，是集智俱乐部孕育的创业团队。集智学园致力于传播复杂性科学、人工智能等前沿知识和新兴技术，促进、推动复杂科学领域的知识探索与生态构建。

集智俱乐部读书会是面向广大科研工作者的系列论文研读活动，其目的是共同深入学习探讨某个科学议题，了解前沿进展，激发科研灵感，促进科研合作，降低科研门槛。

读书会活动始于 2008 年，至今已经有 40 余个主题，内容涵盖复杂系统、人工智能、脑与意识、生命科学、因果科学、高阶网络等。凝聚了众多优秀科研工作者，促进了科研合作发表论文，孵化了许多科研产品。如：2013 年的“深度学习”读书会孕育了彩云天气 APP，2015 年的“集体注意力流”读书会产生了众包书籍《走近2050》等。

加入集智VIP，即可解锁包括高阶网络读书会在内的全站课程、读书会。详见：集智学园2022年费VIP开启，与5000+集智社区成员一起探索复杂性！

推荐阅读

• 复杂经济学读书会启动招募，一起探索非均衡的、演化的经济系统
  
• Brian Arthur长文综述：复杂经济学的基础
• 综述解读：经济复杂性理论及应用
• 一位复杂经济学家如何改变了硅谷？对话布莱恩·阿瑟
• 《复杂经济学》: 圣塔菲研究所2019年秋季研讨会论文集 | 书籍速览
  
• 《张江·复杂科学前沿27讲》完整上线！
• 成为集智VIP，解锁全站课程／读书会
• 加入集智，一起复杂！
  

点击“阅读原文”，报名读书会