【摘要】基于Agent的模型(ABM)在许多领域取得了显著研究成果,在Agent设计等方面的改进也层出不穷。由于在真实市场中Agent之间拥有不同的学习能力、不同的学习速度、不同的社交网络,因此不同的Agent设定使得模型结果也不一致。为了得到更一般的结论,文章将在深度学习的基础上融合行为金融学,设定各种类型的Agent模拟股票市场。实证结果表明文章中的模型能够很好地反映真实股票市场的运行情况,表明智能Agent交易行为的变化和股市动态具有较强的相关性。通过规范市场Agent相关行为可以起到规范市场的作用。