支付系统压力下信任与流动性建模：一种多智能体方法

零售支付的运营中断可引发超出技术恢复之外的行为性响应，并可能放大流动性压力。我们提出一个多智能体模型，将卡片支付中断链接到信任动态、渠道规避和阈值触发的提款。客户和商户通过反复支付尝试进行交互，同时客户还会对另一组客户产生影响，形成 Watts-Strogatz 小世界网络。客户更新其有限记忆变量，捕捉累积的负面经验(scar)和感知的系统风险(rumor)，而商户则贡献持续的广播信号，这些信号可能滞后于运营恢复。我们在记忆持久性和阈值触发的轻度条件下，证明了聚合提款压力可在中断 nadir 之后显著峰值，包括在恢复阶段。仿真再现了行为滞后性，并确认了提款的延迟峰值。我们进一步研究即时转账的支付替代方案：替代方案一致降低了峰值规避，但其对累计提款的影响在现实的商户广播持久性下呈非单调。跨随机种子的鲁棒性实验显示定性行为保持稳定。该模型凸显了"状态绿灯"不等同于风险解决的原因，并激励 incident response 策略在技术修复之外，针对 perception、商户信息传递和恢复后的沟通。