金融领域前沿研究方向
一、行为金融学 Behavioral Finance
2002年年度诺贝尔经济学奖授予了美国普林斯顿大学的行为金融学家———丹尼尔卡恩曼和美国乔治梅森大学的维农史密斯，以表彰他们在结合经济学和心理学理论来研究人们的决策行为方面所做出的贡献。行为金融学(behavior finance)正式登堂入室，近年来发展较为迅猛，并大有与现代金融理论并驾齐驱之势，行为金融理论也成为当代金融学研究的热点和前沿。认识行为金融学，并利用行为金融学的研究成果指导我们的投资有较强的理论和现实意义。
1、行为金融学的产生
1965年，法玛提出了经典的有效市场假说(EMH)，夏普、林特纳和莫辛将EMH和马科维茨的资产组合理论结合起来，建立了一个以一般均衡框架中的理性预期为基础的投资者行为模型–资本资产定价模型(CAPM)，CAPM和EMH成为现代金融学的两大基石。
CAPM和EMH等现代金融理论产生后产生了大量的实证检验。实证研究表明，根据一组投资顾问或互助基金买卖股票的建议而选出的股票与整个市场进行比较，这种投资效果与“投掷飞镖”选择证券的效果相同。对互助基金的业绩跟踪也显示，如果将一个时期表现最好的基金与随后的任一个时期相比较，则业绩好的互助基金在后一时期并未超越整个市场。以S&P500指数为例，很难有基金的业绩能够持续长期超越S&P500指数，市场是如此的有效，以至于我们只要采取钉住指数的长期持股策略就可以获得市场的平均收益。
近年来，美国的指数基金发展速度很快，我国目前也推出有华安180(资讯行情论坛)、天同180(资讯行情论坛)、博时裕富(资讯行情论坛)等指数基金。数据统计显示，2000年～2002年，剔除新股配售收益后，现有市场上流通的基金中有60%以上没有超过大盘。市场的发展也出现一系列无法用传统金融理论解释的现象，如羊群效应、小公司和规模效应、股权溢价之谜等一系列“异象” 的出现给现代金融理论构成强有力的挑战，行为金融学也随之产生。
对CAPM、EMH理论的批评首先来自于假设。CAPM、EMH理论的假设前提之一是人都是“理性人”，投资者可以对作出理性的判断，并依据效用最大化原则进行决策。但经济学家西蒙(1976)基于经济行为人自身信息的非完全性和计算能力的有限性，提出了“有限理性”假定：个体决策者只有有限理性，只能追求较满意的目标。近几十年来，大量证据显示人的情绪、性格和感觉等主观心理因素会对行为人的决策构成重要的影响，而预期效用理论、贝叶斯学习和理性预期无法对个体行为人的决策过程进行有效描述。
现代金融理论和EMH是建立在有效市场竞争的基础上，能够在市场竞争中幸存下来的只有理性投资者。而相关研究表明，某些情况下，非理性投资者实际上可以获得比理性交易者更高的收益，非理性投资者仍然可以影响资产价格。
行为金融研究表明，每一个现实的投资者都不是完整意义上的理性人，其决策行为不仅制约于外部环境，更会受到自身固有的各种认知偏差的影响。行为金融学的研究表明人并非完全是“理性人”，一些以前成功或者失败的经历将影响当前或者以后的决策。如证券市场的“处置效应”。1985年，Shefrin和 Statman发现在股票市场上投资者往往对亏损股票存在较强的惜售心理，即继续持有亏损股票，不愿意实现损失，而愿意较早卖出股票以锁定利润，这种现象称为“处置效应”。
2001年，我国学者赵学军和王永宏对中国股市的“处置效应”进行了实证研究，他们得出了我国的投资者更加倾向于卖出盈利股票，继续持有亏损股票，而且这种“处置效应”的倾向比国外投资者更为严重。“处置效应”的存在表明投资者并非完全理性。
此外，金融市场并非是完全有效的市场。实证表明，现实的市场并非完全是有效的市场，国外对于市场效率做了大量的实证研究，在一些发达国家的证券市场中能够达到“弱型有效”，但要达到“强型效率”市场几乎不可能。
虽然目前尚无有力证据判断我国证券市场已经进入“弱式有效”，但实证研究均表明我国证券市场并未进入“半强型效率”的，而达到“强型效率”更是一种理想中的状态。信息在市场中的传播有一个过程，信息不会迅速而无差异的迅速在价格上得到充分体现，信息的传递是有摩擦的，我国的证券市场也远非完全有效率的。
2、行为金融学研究成果
金融市场上各种异常现象的累积，模型和实际的背离使得现代金融理论的理性分析范式陷入了尴尬境地。在此基础上，20世纪80年代行为金融理论悄然兴起并开始动摇了CAPM和EMH的权威地位。期望理论是行为金融学的重要理论基础。1994年，Shefrin和Statman挑战资本资产定价模型，提出了行为资产定价模型。1999年，他们提出了行为组合理论行为金融学。
一些学者也提出了许多行为资产定价模型，如BAPM 模型，指出市场上有两种交易者，一种是信息交易者，信息充分，严格按照传统的CAPM 模型进行资产组合，不会犯认知错误，并具有均值偏好，而另一种交易者是噪声交易者，他们不会按照 CAPM 模型来构造自己的资产组合，会犯认知错误，没有均值和方差方面的偏好。行为金融学在应用心理学研究的成果的基础上形成了自身的理论体系。
2000年，行为金融学家美国耶鲁大学的罗伯特#zhPoint#希勒教授出版了《非理性繁荣》一书，该书从行为金融学的角度对美国股市的泡沫进行了研究。希勒教授经过实证研究后，得出了一路上扬的美国股市是“一场非理性的、自我驱动的、自我膨胀的泡沫”，指出美国股市存在巨大泡沫。该书出版一个月后，纳斯达克指数由5000多点跌至3000多点，随后股市泡沫开始逐步释放，行为金融学在挑战传统金融理论的过程中取得了辉煌胜利。
市场上的许多行为从传统的金融学理论上往往无法解释，传统金融学严格的假设条件影响了其在实践中的运用，而行为金融学更加接近市场，一些研究结论对证券市场投资也有较大的启发和指导意义。从我国的实践角度来看，行为金融依然具有较强的指导意义，并对对证券投资有较大帮助。
1）羊群效应
羊群效应是指投资者在交易过程中观察并模仿他人的交易行为，从而导致一段时间内买卖相似的股票。在信息高度不对称的市场环境下，投资者无法直接获得别人的私有信息，但却可以通过观察机构投资者的买卖行为来推断其私有信息，此时容易产生个人投资者和机构投资者的羊群行为，出现“群体压力”等情绪下贯彻的非理性行为。
长期以来，我国证券市场上存在较为典型的“羊群效应”。庄家行为、股评效应等极为显著，寻找庄家建仓等待拉升一度成为市场追捧的投资策略。随着庄股的破灭以及价值投资理念的崛起，基金等机构投资者的行为也成为信息弱势群体研究的重点。近年来QFII的行为引起市场的积极响应，尤其是瑞银等QFII参与个股的良好表现更是吸引了市场无数目光。
机构投资者的行为也往往带来市场的跟风，不过我们也开始发现QFII介入的个股也出现较大程度的亏损，盲目追求时尚并非较好的投资策略。因此，在借鉴他人优势的同时，我们也应防止陷入新的“羊群效应”，在追随潮流的同时，也应保持独立的判断能力。
2）小公司效应
小公司效应是指小盘股比大盘股的收益率高。1981年，Banz发现股票市值随着公司规模的增大而减少的趋势。随后，Reimganum也发现了公司规模最小的普通股票的平均收益率要比根据CAPM模型预测的理论收益率高，且小公司效应大部分集中在1月份。由于公司的规模和1月份的到来都是市场已知信息，这一现象明显地违反了有效市场假设。
我国证券市场上也一度存在小公司效应。如小盘股、小市值的公司往往成为炒做的重点。一些庄家借助于送股、转赠等题材不断炒作，一些公司的股价出现了非理性上扬。而2001年是小公司股票噩梦的开始，小盘股由于定价明显偏高出现大幅下挫，小公司的跌幅甚至比整个市场跌幅更大。
前期由于股权分置试点消息影响，中小企业板表现较为出色，小公司效应似乎有卷土从来的味道。小公司效应产生的根源在于其投资价值，处于成长期的小公司往往比成熟的大公司有更高成长性。随着价值中枢的持续下移，一旦市场转暖，小公司效应仍有继续出现可能。
3）反应过度与反应不足
反应过度和反应不足是投资者对信息反应的两种情况。人们进行投资决策时存在两种错误范式：其一是选择性偏差，即投资者过分重视近期数据的变化模式，而对产生这些数据的总体特征重视不够，这种偏差导致股价对收益变化的反应不足。另一种是保守性偏差，投资者不能及时根据变化了的情况修正自己的预测模型，导致股价过度反应。在证券市场上的表现就是“涨过头”、“跌过头”。
在我国证券市场上，反应过度与反应不足现象较为突出，如2000年网络股泡沫出现的反应过度，投资者热情的膨胀将股价不断推高。而在市场的下跌趋势中也会对利好表现麻木，市场弥漫悲观氛围时也会对具有投资价值的公司视而不见，市场既有出现非理性上涨的冲动，也会造成非理性的恐慌性抛售。
4）动量交易策略和反向投资策略
所谓的动量交易策略是指早期收益率较高的股票仍会在接下来的表现超过早期收益率低的股票，而反向投资策略就是买进过去表现差的股票而卖出过去表现好的股票来进行套利的投资方法。1993年，美国学者Je-gadeeshkg与Titman在对资产股票组合的中间收益进行研究时发现，以3至12个月为间隔所构造的股票组合的中间收益呈连续性，即中间价格具有向某一方向连续的动量效应。
一些研究显示，如选择低市盈率(P/E)的股票；选择股票市值与帐面价值比值低、历史收益率低的股票，往往可以得到比预期收益率高很多的收益，而且这种收益是一种“长期异常收益”。而在我国市场上，热点的切换以及投资者偏好会经常发生转变，网络股的一网打尽以及历史上重组概念的破产等显示长期异常收益难以持久，实证研究也表明动量交易策略和反向投资策略在市场中并不可行。其中蕴涵的指导意义是趋势性投资、买进超跌股票依然有较大风险，及时调整投资品种，顺应市场变化或许会有更大的投资收益。
3、行为金融学是一门新兴的学科
它的核心是：根据市场现象，分析市场主体行为，揭示行为背后的秘密，并提出相应的分析或预测结论，以指导市场的实战。
由此可见，行为金融学的研究对象是“市场现象”，但要揭示的却是“市场秘密”，目的是指导实际投资。但由于市场现象千变万化，不可穷尽，因此，研究的难度是比较大的。如果不注意研究的科学性和严谨性，则很容易落入“形而上学”的窠臼。
比如，我们最常见的一种所谓行为金融学的研究方法是对“股票集中度”的研究。它的现象是：一些股东人数持续减少的股票表现不错。于是，有人研究主体行为，认为：主力建仓或加仓的时候，每个帐户买进的股票数量比散户要多。所以，当主力建仓的时候，股东人数将减少。根据一个隐含的前提“有主力建仓的股票会上涨 ”，所以可以得出结论：股东人数减少，说明股票要涨。所以，有人就专门研究股东人数的变化，并根据变化情况不断推出黑马，希望能获得很大利润——但是，在笔者看来，这就是“伪行为金融学”，是一种“伪科学”。
道理很简单，它的所谓“假设”是根本无法成立的。第一，有主力建仓的股票未必一定会上涨。因为主力的判断可能是错误的：他看错了大势，或者看错了个股。第二，主力未必一定赚钱，他也会亏损。既然如此，股东人数减少的股票，即使真的意味着主力建仓，又有什么必然一定会上涨呢？
经过仔细研究，我们认为市场上最少有如下十种伪行为金融学的研究方式在流行，如果接受这些研究的结论，难免做出错误的投资决策，所以，今天我们把这些错误的思想列举出来，供参考。
1）研究股东人数增加与减少，并根据这个结果研究有没有庄家。这种研究没有实质意义——且不说主力可以制造虚假的股东人数，关键是有的庄家会亏得很惨。
2）研究大股东背景，并根据该结果判断股票表现。比如，最近长和系控股的一家企业即将发行上市，有的人就开始炒作什么李嘉诚概念。这种炒做毫无意义，因为大股东好，股票未必一定好。比如在香港上市的庆丰金（0501），李嘉诚控股的企业就是第一大股东，但他们去年以0.2元买的庆丰金股票，只过了一年多，就跌到了0.005元，跌幅超过97%。李嘉诚为什么就不搞点资产包装一下，也炒作一把呢？企业的业绩摆在那里，业绩上不去，大家都不买帐。乱炒作什么大股东，害人也害己。
3）研究“某某系”，是一种研究大股东的变形。比如中科系、德隆系、明天系、张海系、银河系，等等。它的潜台词是，这些资本市场的大鳄会有相似的行为、相似的炒作风格。因此，如果跟进会有相似的利润。这种研究的荒谬一如前言。作新闻可以，作市场分析，不成。
4）研究QFII，选择一些股票，等着外国的大鳄做好事。它的潜台词是：外资进来就会涨，外资以前怎么做的，现在还会怎么做。这可能吗？几十年前台湾有过的QFII模式，今日的中国大陆凭什么就一定会有呢？
5）炒作外资概念股——比如外资收购啊，等等。象前期的深圳发展银行被新桥投资参股，有人就当成利好，这是崇洋媚外者的伪行为金融理论——国内的大股东搞不好，难道换了国外的大股东来，就能搞好了？一份研究显示，新桥投资1999年年底入主“韩国第一银行”，最近2年收入和利润都出现大幅度下降。2001 年1-9月，该银行利润还有2723亿韩元，但今年1-9月则只有904亿韩元。人家老外过来也是为了赚钱啊，只要能赚钱，他们什么事情干不出来呢？国内的一些著名中外合资企业连续若干年不盈利，目的就是为了回避国内税收，把中国企业看成是自己全球事业的组成部分，为什么不可以呢？
6）搞证券分析师预测调查。现在，各个电视台都在搞什么“名家看市”，有的人将其做为正向指标，有的则作为反向指标。其实，任何指标都不是——很多所谓的名家缺乏自己独特的研究而只凭感觉或简单的技术指标来判断市场——如果没有自己的独门暗器，他们与散户有什么区别？
7）搞散户持仓比例研究。谁说散户一定是反向指标？如果是，为什么全国那么多券商还会严重亏损？他们完全与自己公司的数万散户对着干，不就可以了吗？其实，如果调查的样本很少，显然没有意义，但如果调查的样本太多——比如全中国的散户一起参加——不就更没有意义了吗？散户买什么、卖什么，并不决定市场如何。作为一个整体，全体散户的集体决策一定是有人买有人卖，做这种调查，只不过是浪费时间和金钱而已。
8）研究基金持仓变化。道理同上，基金作为一个整体，也不过是个大散户而已。
9）研究大券商增仓什么股票，减仓什么股票。同样没有意义！
10）研究管理层的想法，推断好消息和坏消息。其理论假设是：管理层可以左右股市。问题是，美国政府9.11后控制住股市了吗？台湾当局的数千亿元基金托住股市了吗？治标不治本的政策能改变股市的运行趋势吗？今年6月24日，让所有股票涨停板的制度不是又让股市创下新低了吗？
上述十种研究，都是貌似行为金融的研究而实质是“伪科学”，这些研究得出的结论害人不浅，如果一任谬误流传，难免损害了行为金融学的名声，也降低了金融研究的科学性，更容易造成投资者的不应有的重大损失，故特别提醒
现代金融理论是建立在套利定价理论、资产组合理论、资本资产定价模型(CAPM)和期权定价理论基石之上的。这些经典理论承袭经济学的分析方法与技术，其模型与范式局限在“理性”的分析框架中，忽视了对投资者实际决策行为的分析。随着金融市场上各种异常现象的累积，模型和实际的背离使得现代金融理论的理性分析范式陷入了尴尬境地。在此基础上，20世纪80年代行为金融理论悄然兴起，并开始动摇了CAPM和EMH的权威地位。
尽管行为金融学目前还未形成完整的理论体系，但是它通过心理与决策行为等因素的引入，已经成功地对证券市场的异象进行了解释。尤为重要的是，行为金融学以其独特的理念，为投资者提供不少有价值的投资理念和策略。
4、资本市场的异象表现
“异象”即异常现象，其实证结果很难得到合理解释或是通过一些难以置信的假设前提才能对其加以解释。“异象”主要包括以下几个方面：
1）公司规模效应
意指市场价值总额小的公司股票平均收益率明显大于市场价值大的股票的平均收益率的现象。
2）季节效应
季节效应是指在某些特定时间内进行股票交易可以获得超额收益。比如French(1980)和Hess(1981)的研究显示，股票在星期一的收益明显为负值，星期五的收益率明显高于一周内的其它交易日。一年中一月的股票收益率最高。
3）价值异象
一些研究显示，选择那些不被市场看好的股票投资，可以明显地获得高额收益。如选择低市盈率的股票[Fama和French(1992)]，选择股票市场价值与账面价值比低的股票[Debondt和Thaler(1985）],往往可以得到比预期收益率高很多的收益。
4）动量效应与反转效应
动量效应就是说在一定持有期内，如果某只股票或者某个股票组合在前一段时期表现较好，那么，下一段时期该股票或者股票投资组合仍将有良好表现。而表现不好的股票也将会持续其不好的表现。但Ritter（1992）等学者也发现：在一段较长的时间内，表现差的股票在其后的一段时间内有强烈的趋势经历相当大的逆转，而在给定的一段时间内，最佳股票则倾向于在其后的时间内出现差的表现，这就是反转效应。
5）股权溢价之谜
股票市场投资与债券市场投资历史平均水平回报率存在巨大的差额。
6）期权微笑
对股票期权的研究发现有利期权与无利期权的定价都显得高估了。
7）红利之谜
在1974年纽约城市电力公司（CEC）准备取消红利支付，该公司的股东大会上，许多中小股东为此闹事。这一事件是主流金融学所无法解释的。根据套利定价理论，一美元的红利与一美元的资本利得并没有什么差异；而在美国的税收体制下，股利要比资本利支付更高的所得税，减少股利支付会对股东的境况更好。按照主流金融学的框架，CEC的股东只会对能源危机对公司股价的影响敏感，而绝不会对公司暂停红利的支付如此激动。
8）封闭式基金之谜
封闭式基金的每股价格不等于每股净资产价值，总是折价进行交易，且折价程度不一。在创立时每股价格高于每股净资产价值；在结束是，价格和净资产价值持平。
9）公告效应
在一项具有正面效应的公告公布后，公司股票倾向于上扬，而负面效应的公告则会带来股票的下挫。但当某个公司有意外盈利时，市场或多或少又似乎都不能立即消化这一消息，会产生一定的时滞，然后又做出过度反应。
10）价格对非基础信息的反应
大量事实表明，股票价格除了对影响基础价值的信息做出反应以外，一些非基础信息也会导致价格显著波动和调整。1987年 10月19日，星期一，道·琼斯工业指数平均下降了22.6%，这是此前历史上指数下跌得最厉害的一天，而事前没有任何明显的信息。虽然市场各方人士都寻找导致暴跌的原因，但是没有说服力的证据表明是什么原因导致了股市的崩溃。
5、产生市场异象的原因
对于上述异象产生的原因，行为金融学从投资者在投资决策时的认知和行为偏差角度进行分析，得到一些满意的答案。投资者某一项投资行为是多种认知和行为偏差共同作用的结果。下面是在金融市场中常见的认知和行为偏差：
1）过度自信
心理学家通过实验观察和实证研究发现，人们往往过于相信自己的判断能力，高估自己成功的机会，把成功归功于自己的能力，而低估运气和机会在其中的作用。过份自信一般有两种形式：第一，人们对可能性作出估计时缺乏准确性，例如，他们认为肯定会发生的事可能只有80%发生了，而认为不太可能发生的却有20%发生了。第二，人们自己对数量估计的置信区间太狭窄。例如，他们98%的置信区间只包含了当时60%的真实数量。因为过度自信，投资者常会对公告信息和投资结果感到惊奇，从而导致过于频繁的交易。另外过度自信还是投资者过早的抛售盈利股、迟迟不愿意出售亏损股的原因。
2）过度反应和反应不足
股票市场中存在对信息的“过度反应”和“反应不足”等现象。如果近期的收益朝相反方向转变，投资者会错误的相信公司是处于均值回归状态，并且会对近期的消息反应不足。如果投资者得到收益增长的信息，那么他们会倾向于得出结论：公司正处于一种增长的状态，并且会过度地推理趋势，导致过度反应。
3）锚定和保守
它指得是人们趋向于把对将来的估计和过去已有的估计相联系，即使有新的信息出现，也顽固的保有原来的估计或者不能做出有效的调整，以至于估计过于保守的现象。人们倾向于过高估计连续事件的概率，而过低估计不连续事件的概率。锚定与保守是证券市场上盈余公告效应和动量效应的原因之一。
4）损失厌恶
实验表明人们在面对收益和损失的决策时表现出不对称。人们并非厌恶风险，当他们认为合适时，他们会选择赌上一把。人们的动机主要是躲避损失，而不是那么厌恶不确定性，人们厌恶的是损失，损失总显得比收获更突出，感受更强烈。人们面对同量损失带来得负效应为同量收益的正效应的2.5倍。损失厌恶是投资者过早的抛售盈利股、迟迟不愿意出售亏损股的原因，也是投资者过于频繁交易的原因之一。
5）后悔厌恶
后悔厌恶是指当人们作出错误的决策时，对自己的行为感到痛苦。后悔比损失更为痛苦，为了避免后悔，人们常常做出一些非理性行为。比如，人们常常因循守旧，不愿尝试多样化。投资者趋向于等待一定的信息来到后，才做出决策，即便这些信息对决策来讲并不重要。
6）心理帐户
人们根据资金的来源、资金所在和资金的用途等因素对资金进行归类，这种现象被称为“心理帐户”。由于人们对形式的偏好，导致他们会将同样的风险（或收益）记入不同的心理帐户。因此他们在不同的形式（情况）下面对相同风险（收益）时，就会有不同的表现。这较好地解释了红利之迷。
7）证实偏差
一旦形成一个信念较强的假设或设想，人们有时会把一些附加证据错误地解释得对该设想有利，不再关注那些支持或否定该设想的新信息。人们有一种寻找支持某个假设的证据的倾向，这种证实而不是证伪的倾向叫“证实偏差”。
8）时间偏好
传统经济学假定效用是随时间以指数的方式贴现的。这就意味着人的偏好在时间变量上是一致的，无论何时，他对效用的权衡都是一样的。但心理学的证据表明时间折现率会随环境而改变，折现率有时会变得异常高，对收益的折现大于对损失的贴现。拉宾（Rabin M,1996）认为，人们倾向于推迟执行那些需要立即投入而报酬滞后的任务，而马上执行那些能立即带来报酬而投入滞后的事情。比如，如果你要做一件不喜欢做的事，即使知道拖到明天也许会更费劲一点，你可以仍然出于本能把它拖到明天；但如果是一件你乐意的事情，你可能就倾向于今天做完，这就是所谓的时间偏好。大量的心理学实验研究指出，个人是按照双曲线而不是指数曲线来贴现未来的效用值。
9）羊群行为
金融市场的“羊群行为”是一种特殊的非理性行为，它是指投资者在信息环境不确定的情况下，行为受到其他投资者的影响，模仿他人决策，或者过度依赖于舆论，而不考虑自己的信息的行为。由于羊群行为涉及多个投资主体的相关行为，对于市场的稳定性、效率有很大影响，也与金融危机有密切的关系。
10）反馈机制
投资过程反映了投资者的心理过程，由于认知偏差、情绪偏差等各种偏差的存在，最终导致不同资产的定价偏差，而资产的定价偏差会反过来影响投资者对这种资产的认识与判断，这一过程就是反馈机制。这种股价与投资者反应的相互作用称为“反馈环”（feed back loop）。
6、运用行为金融学理论进行证券投资
行为金融学理论的意义在于确立市场参与者的心理因素在投资决策行为以及市场定价中的作用和地位。行为金融学的实践指导意义在于投资者可以针对非理性市场行为的投资策略来实现投资赢利目标。考察我国投资者行为特点，可以总结出以下投资策略：
1）针对过度反应的反向投资策略
反向投资策略就是买进过去表现差的股票而卖出过去表现好的股票来进行套利的投资方法。由于投资者在实际投资决策中，往往过分注重上市公司的近期表现，从而导致对公司近期业绩情况做出持续过度反应，形成对绩差公司股价的过分低估，最终为反向投资策略提供套利机会。反向策略适用于长期的投资策略。
2）动量交易策略
动量交易策略是针对反应不足的心理偏差设计的。华伟荣、金德环等人以我国上海证券交易所2000年1月1日至2002年7月31日所有上市股票（ST、PT除外）为样本，研究了动量策略的可行性，得出在中国股票市场存在强者恒强，弱者恒弱的现象，时间周期在3——24周，这个期间主要呈现反应不足。因此在短期内可以采取买入强势股票，卖出弱势股票的策略。
3）成本平均策略
指投资者在将现金投资股票时，通常总是按照预定的计划根据不同的价格分批进行，以备不测时摊低成本，从而规避一次性投入可能带来的较大风险的策略。
4）时间分散化策略
指根据投资股票的风险将随着投资期限的延长而降低的信念，建议投资者在年轻时将其资产组合中的较大比重投资于股票，而随着年龄的增长将此比例逐步减少的投资策略。
成本平均策略与时间分散化策略可以用于克服悔恨厌恶等认知偏差。
5）针对羊群行为的相反策略
由于市场中广泛存在着羊群行为，证券价格的过度反应将是不可避免的，以致出现“涨过了头”或者“跌过了头”。投资者可以利用预期的股市价格反转，采取相反投资策略进行套利。
6）购买并持有策略
个人和机构投资于股票应执行几种能够帮助控制认识错误和心理障碍的安全措施。控制这些心理障碍的关键方法是所有类型的投资者都要实施一种严格的交易策略——“购买并持有”策略。投资者在为组合购进一只股票时，应详细地记录购买理由，而且要制定一定标准以利于进行投资决策。
7）利用行为偏差
当投资者出现系统性判断错误时，这些行为偏差将导致证券定价的错误，合理利用这些偏差将给投资者带来超额收益。行为型投资人则尽力寻找由于行为因素而被市场错误定价的证券从而获取超额利润。
二、金融建模未来
这篇文章是Emanuel Derman(高盛公司数量策略部门的董事总经理)在第十届全球风险年会上的讲演。
在任何一个领域，建立模型的目的是什么？比较清楚的是，模型的目的是用来预测未来或者控制未来。我在这里的任务就是预测一个关于预测未来的领域的未来。为了这个目标：我必须说明我们现在身处何地：什么模型现在正在起作用，为什么这些模型能够起作用。我的观点或许有点局限，因为我被作为一个自然科学家而不是一个经济学家培养，在过去的十年里，以为那些以交易复杂证券-大部分是衍生品-谋生的人开发模型和系统为乐，并以此谋生。这些工作非常有趣，这个领域虽然范围有限，但却是我了解麾尽的一个领域。
我首先将描述一下今天的衍生品交易环境：和大量分散的数据，信息和交易纪录做斗争，雄心勃勃地尝试用自然科学中的经典工具来描述各种现象背后的规律，有些时 候获得了异乎寻常的成功。人们通常会担心模型风险，但我认为最大的风险来自运营过程，例如管理风险和操作风险而不是模型风险。
有这个印象之后。你就能理解为什么在高盛，除了建立模型，写文章和走访客户，我们这个有30个人的权益衍生品数量策略小组中，只有4到5个人参与建模工作：分离金融变量，研究它们之间的动态关系，用微分方程和统计相关度来描述这些关系，并解出这些问题，最后写程序实现这些解。
这些模型被怎样运用？简单来说，用来给做市商和私人交易的交易所期权和OTC期权定价；用来计算和对冲暴露在不同国家和货币的组合中的风险；用来转换报价到隐含波动率；用来建立结构衍生品；用系统来找出公平价格和市场价格之间的不同；对用来套利的公司金融工具进行估价和对冲。最后，为了估计公司级的在险价值；我们也用模型来直接检验非衍生证券。
模型是重要的，因为我们的应用建立在它之上，但是建构这些模型却只占用了很少的资源。为什么和程序员和系统架构者比起来，建模者会这么少？更有趣的是，为什么在权益市场中，建模者又要比在固定收益市场中少？
1、衍生品和非线性
Stephon Ross教授在Palgrave Dictionary of Economics中这样表述：”…期权定价理论不仅是金融学，而且是所有经济学中最成功的理论。”这一点看起来毫无疑问，但问题是：为什么这个理论会运作得这么好？ 我认为原因在于期权定价理论中的基本问题是为了对混合，非线性的证券进行定价，期权理论虽然精巧但却是并不完美的近似。我不认为那是一种缺点，交易员直觉地使用期权理论，以波动率或者概率的简单，线性变化来理解价格变化中复杂的，非线性的模式。他们把复合衍生品看做简单证券的组合。他们线性思考波动率和概率的变化，并且用模型转换为价格中的非线性变化。
在被交易的证券的现实世界中，Black,Scholes和Merton的假设很少能被严格满足。但是他们把复合衍生品看作股票和债券的组合的观点抓住了真理的核心，为模型的健壮性提供了基础。
同样的策略-把一些复杂的东西看作简单事物的非线性组合-是收益率曲线模型的基础，在这种思路下，可以把互换看作一些债券组合的逼近。同样，隐含树模型认为奇异期权是不同交割价和到期日的vanilla期权组合的逼近。
期权理论能够很好的运作是因为它是相对地而不是绝对地定价。一个必要条件就是被学术界蔑视的对价格调整的主张：没有使得衍生品价格和基础证券的价格在一些条件下相符合的努力,价格的相对性就没有基础。 基准证券和线性股票期权可以和分子由不可见的原子组成相类比，我们用这个原理来理解基本的化学和合成过程。这里，股票是原子：衍生品的不可约的组成部分。
但这种相似性也是有限的。在物理学中，我们有对原子物理基本原则的深刻了解从而来支持化学，但是在金融学中，我们了解期权的原理–分子化学–更多于对股票原理的理解。这并非没有先例，19世纪的化学领先于20世纪的物理学。在现在，我们的股票模型缺少深刻的结构和坚实的原理。于是，大部分的传统的权益模型专注于数据之上。
但在债券上，情况有所不同。虽然他们是固定收益市场的基础，利率从债券价格中获得。但是人们把利率看作基准证券，把债券价格看作非线性衍生品种。于是，即使最简单的金融工具也是非线性的，需要利用数学来近似逼近。那就是为什么在固定收益领域有比在权益市场中多得多的数量建模员和计算机科学家。
2、传统模型的局限性
传统模型能在哪里使用？“理论”，在自然科学中，意即，找出基本变量，并且利用他们之间的基本动态关系来描述世界的其他部分。 但是自然科学理论是人和上帝的游戏，利用一些显见的变量，例如位置和动量，及一些基本原理，如Newton’s，我们相信独立于人类的存在，永远正确。我不相信这种独立性象看上去那么显然，最近的宇宙学理论说我们的宇宙有很多小宇宙所构成，每一个都是收缩的，并且每一个都有不同的原理。译者注：超弦理论认为物质最小单位不是原子，夸克，而是尺度更小的弦，弦的运动形成了很多个小宇宙，也就是数学上的Calabi-Yau流形，每一个这样的流形都是卷曲的，由于很小所以并不能看到，我们在现实世界中只能观察到三个维度，如果再加上时间，就是四维。
在金融世界中，相反的，是人与人之间的游戏。但是人类的金融变量很清楚并不是普适：他们是一些数量–期望收益和期望风险–不可能独立于人而存在；只有人才会有期望。并且这些变量常常是隐藏的或者观察不到–他们是只能从一些其他交易的数量所观察到的隐含变量的理论的一部分。但是人的期望和策略都是暂时的，不象物理学家的永恒的上帝。因此金融模型从来不能提供象物理学中8位精度那样的预测。 工程上的进步常常跟随着科学理解上的进步。工业革命起于力学和热力学。计算机革命需要布尔代数和固态物理。刚刚开始的基因工程和免疫学的生物工程革命，需要DNA结构和基因密码。
最后，我不认为物理学和基因学是金融和经济学可以适用的模型。物理学有不可交换法则，有通过数学形式表达的很强的预测力量。你一般会预期物理学的教科书纯粹和严格。金融学有很少的动态原理和很弱的预测能力，你大概预期它的教科书将会有些粗略。 那么为什么现在金融学书常常看上去象纯数学，充满了公理，而物理学看上去更象是应用数学？公理化的程度看上去和实用型成反比。这种不自然的不均衡让我想起了倒转收益率曲线，或者权益市场中固定不变的偏度：如果不隐含着崩溃，那么它能够持续多久？
Black,Scholes和Merton是衍生品领域中的牛顿。他们不仅创造了，而且完备了整个领域，金融学中唯一以原理而成熟的工业革命。我们现在生活在牛顿之后的世界，还要等很久爱因斯坦才能出现。我们还将不断地看到衍生品模型的扩展和相对定价的发展。我们还有什么可以预测？ 有效想法的扩展期权定价理论用到了以下几个原理：（1）一价定律；（2）期权复制的动态策略；（3）基准证券的对数正态发展；（4）模型对已知市场价格的调整。我们能期望这些原则有什么扩展？
3、对金融建模未来的思考
1）理性胜于巫术
权理论是理性和谨慎的，在逻辑的基础上建立。它非常数学化，但数学是第二位的。数学是表达动态的语言。还有许多交易员，甚至期权交易员，对数学-对奇怪的数字–魔术，模式，曲线拟合和预测有一种没有理由的品味。我想我们还会不断见到关于依赖真实世界想法的用数学形式表达的成功模型，而不仅仅只是数学公式。
2）更好的根据真实世界调整理论
真实世界违背大部分的期权定价原则。流动性问题和交易费用削弱了一价定律。波动性是随机的。复制既不是连续也不是免费的。结果是，当你重新对冲，允许小的，但是不可避免的，现实和对冲波动律之间的不一致。模拟可以说明”无风险对冲”期权的损益有令人惊奇的大的方差。你或许会奇怪，期权交易怎样获得利润。
我想真相就是大部分的交易员并不是完全了解他们利润和损失的来源。我期望可以有更多的关于现实环境中期权损益表实际的分析。Leland 1985年的关于交易费用的文章是一个好的开始。更近的，Ajay Gupta(July 1997,page 37)在风险杂志上的一篇文章开始研究隐含波动率和现实波动率之间不一致的影响，在精神上和我们在高盛做的分析一致。
3）远期作为基础
过去20年中模型的进步和利用远期价格而不是即时价格作为模型的数学基础有很多的关系。这是heath,Jarrow和Morton(1992)对收益率曲线建模的本质，同样的想法能应用到波动率上面。最近Brace,Gatared&Musiela(1997),Jamshidian(1996)和其他一些关于利率的市场模型与这个概念有很近的联系。
4）调整(Calibration)
一个好的交易模型必须既和已知流动证券的价格符合，又能实际地反映未来市场变量的变动范围。很少有模型满足这一点。学术界偏好那些理想的发展模型 ，但是对冲的实务者不能没有很好拟合数据的模型。用一个错误估计债券价格的模型给债券期权定价没有什么好处。如果我一定要选择，我认为确定性更好–先得到证券的正确价格–并且希望对随机的估计误差有一定的鲁棒性。显然，这不太完美。我希望看到在构建既和市场价格拟合又有现实发展的模型方面有进展。
5）隐含变量的智慧
在金融中，很少有对未来价格的知识。隐含价格是使模型符合市场的理性预期，提供了最好（有时候是唯一）的对人们预期的洞察。在最近的股票市 场调整中，崩溃前不同交割价的期权的隐含波动率给出了崩溃后评价隐含波动率水平和方差的一个很好的指标。我希望看到基于隐含变量—隐含远期利率，相关系数和信用跃迁–模型继续在实用性和复杂性上面发展。
6）交易变量作为随机因子
几年以前，有一股倾向，在数据中出现的任何主要成分上建立随机模型，不管它们有多么地不自然。现在的情况是，对那些有代表性的交易工 具进行建模，我们可以感觉到这些倾向。利率的市场模型在这方面的发展是有吸引力的一步。他们直接对可交易的，离散的证券的发展建立模型，并且直觉地验证简单的定价公式。我喜欢那些可以掌握透彻的随机因子的模型。金融学还没有成熟到可以依赖一些深奥的动态变量。
7）计价单位变换(change of numeriare)
这种方法，最早由Margrabe(1978)提出。当我们以另外一种货币的角度观察的时候，可以简化复杂的问题为简单的，已经被解决的问题。这种技巧已经一再地得到使用。 价值有限的技术
8）优化
优化对那些不在这个行业里面生活的人听上去很有活力，但是在现实的金融中，我没有发现它的作用。我有些尴尬的承认在我们高盛的权益期权小组中很少使用优化程序。在工程上—一些原则可以很清楚地得到理解，或者在类似旅行者-推销员-类型问题上–其中一条路经由所有可能的路径，每一条路径的长度都知道—优化有明显的作用。在金融理论中，相反，每一个情景都不是准确的-有一个粗糙的利率模型，一个粗糙的提前支付模型和其他一些错误的模型。虽然平均起来能够去除其中许多错误。但是使用优化却有可能加强这些错误。所以我个人很怀疑优化在金融中的应用，虽然并不是说他永远没有意义，只是应该被谨慎的使用。
9）资本资产定价模型
提供了最早得到Black-Scholes方程的框架，关于风险和回报的想法渗透近交易的所有想法中，但是在现实中，我们很少用它。
10）高维问题
金融理论看上去在用到那些小维度的问题上有更高的成功性。 新的方向基准（Underlyer）模型。我们需要高级的基准模型，但是我们缺少除了对数正态之外的更好的一般的规律。在现实世界中，有胖尾，跳跃，汇率带和其他一些异常现象，经典物理从一 个粒子的确定运动开始，并且渐渐发展到统计现象。在金融中，即使一个股票也存在着不确定性。最广阔的理论发展将是一些关于基准的新理论：可能有一种方法“衍生化 ”基准为一些更加基本的变量。但我现在不知道会是什么，从行为金融学到混沌理论，都在寻找实际应用。
11）计算机和电子市场
计算机还将是金融市场发展的推动力。高速计算机允许电子市场象交易股票一样交易期权。期望更快的交易，更少的中间化，更直接的资本连接。 交易系统不得不适应这些变化。在电子市场中快速接触信息变得更加重要。有限的人工智能模型将会在大信息量和逻辑简单的领域找到应用。规则系统将会很好地工作。与模型相比，更容易看到计算机能力的优势。计算机提升了显示和检验多维风险情况的价值。
12）市场微结构
大部分的金融模型都假设经济均衡。市场微结构的模型中如何达到均衡的方法正在变得一个丰富的领域。我最近听了在数量分析师协会上加州理工的Charles Plott的一个有趣的讲演，用来观察定价均衡的方法。这种类型的工作最后将会帮助市场交易系统 ,并且使他们和硬件，软件有更紧密的联系。
13）统计套利
我不能在这里确定的预测。我经常被物理和金融中统计应用的差别而震动。在物理学中，力学的微观原理和热力学的微观原理最后都可以用统计力学做解释。在金融学中，微观直觉和微观原理同时不存在。但是数量建模者还是喜欢用统计和优化。 Value-At-Risk.Var问题通常是操作性的，你怎样在一个时间一个地方得到整个公司的头寸和定价参数。你可以运行一个蒙特卡罗模拟来获得预期损失。这种方法很有用，但却不能代替对衍生品交易帐簿的更细节的情景分析，以及常识和经验。没有什么理解复杂性的捷径。如何从交易环境中的组合风险管理的角度来看待这个问题，可以参看Litterman(1996)。从理论的角度，可以参考康奈尔大学的David Heath等写的关于对Value-at-Risk的一致测量需要公理的一些有趣的文章。
14）在模型世界中的社会文化变化
你不需要再为在电梯中讨论数学而道歉，因为这已然成为一种很酷的表现。金融理论看上去正在从各个方向走出大学中的商学院。一面走向科学，一面走向实践。另外，高级金融研究正在华尔街蓬勃地发展，和大学相比，甚至有过之而无不及。有大量的金融理论学术研究者投入银行业。即使是实务者写的教科书也会引用各种理论。
另一方面，金融理论正在成为应用数学的一门课程。数学系提供金融工程学位，数学家写了很多关于期权定价的书本。使得应用数学家不需要很多努力就可以获得期权定价的博士学位。期权定价模型正在变得商品化，很便宜就可以得到。开发风险管理系统的公司将会变得更加普遍。风险咨询将会变得平常和普通。大的公司还是愿意自己来完成这一切，但对一些小一点的公司而言，可以在市场上买到大部分他们所需要的服务结论从和交易员一起工作的角度，我认为模型就象是量子物理学家所用的思想实验。
在脑子里面，或是在纸上，对物理世界，现实世界做想象的压力测试，从而获得对世界认识的一些矛盾看法。爱因斯坦,在思考狭义相对论的时候，考虑这样一个问题：如果他坐在光线上，将会发生什么？薛定鄂对量子力学的深刻思考使得他考虑下面这个问题：想象一只关在封闭盒子中的放射原子猫（薛定鄂猫），你的观察使得它会触发一个计数器从而释放毒气。我想这才是金融中数学模型的正确用法。
大部分时候，世界的运作并不和模型相一致，模型是为了和现实做逼近，用一些你能想到的可观察的变量。因此，你可以问自己，如果波动性变化或者收益率曲线变化，会发生什么？你会获得一个你可以理解并描述的数字。当你观察用数量模型来对复杂的证券进行定价和对冲时，你必须要有好奇心，而且必须是一个怀疑论者。考虑一个抵押债券：你用一个半接近现实的利率发展模型和一个粗糙的模型来模拟提前支付，模拟上千次的未来情景来对抵押债券的曲率进行估价。然后你按照这个价格支付。这即使不算非常荒谬，也有一点令人惊奇。相信这个模型的最强烈的理由，只是因为这个模型是基于理性和深刻地思考，而且没有比更好的方法。这种情况还会继续，但我想这其实是一个好消息。
