金融经济学如何选择股票(我们学经济学的，既不会买股票也不会赚钱…)

我们学经济学的，既不会买股票也不会赚钱…

星标/置顶我们，获取免费讲座、限量学术干货

学经济学的同学

好像总是自带“被误解”体质

比如：

“推荐个股票给我”

“学经济可以搞钱”

是时候为经济学正名了！

什么是经济学？

学术

就业

核心课有哪些？

海外的大学里，经济学主要的核心课主要有三门，分别是“宏观经济学”“微观经济学”和“计量经济学”。

宏观经济学以整个经济体为研究对象。主要内容包含：国民收入决定理论、消费函数理论、投资理论、货币理论、失业与通货膨胀理论、经济周期理论、经济增长理论等。

微观经济学研究经济体中各个组成部分，主要内容包含：均衡价格理论、消费者行为理论、生产者行为理论（包括生产理论、成本理论和市场均衡理论）、分配理论、一般均衡理论与福利经济学、市场失灵与微观经济政策等。

计量经济学是教你如何利用统计的方法，通过手中的数据来描述一件事物的运行规律，或者预测它未来的走势，比如很多专业人士预测股票走势就是利用计量经济学的知识。

这三门核心课程是一直贯穿课堂内容，而其他经济学的专业课程都是从这三门核心课程里衍生出来的，属于这三个核心课程的延展。

学校和专业盘点

地区特点

美国篇

耶鲁大学项目：MAinInternationalandDevelopmentEconomics学制：1年课程设置：IDE项目学习围绕着6门必修课程的设置，还有一些学生自主选择的选修课程。6门核心课程设置目的在于培养学生严谨的学术培训，以及应用于政策分析学中的工具学习。它旨在为学生提供严格的学术训练，为将来学生在经济发展领域或国际经济进行更好的职业发展。哥伦比亚大学项目：M.AinEconomics学制：1.5年课程设置：经济学硕士课程要求成功完成七门核心课和三门选修课，学生可以在3个学期内完成学位要求。此外，每位学生将被要求撰写一份与三门选修课相关的研究论文。研究论文必须展示对该领域的掌握、最初思考以及用书面形式清晰传达结果的能力。纽约大学项目：MasterofArtsinEconomics时长：1.5年课程设置：纽约大学经济学硕士至少需要完成32个学分，其中24学分必须在经济学系修。课程包括5门必修课程，5门选修课程和一个专门的经济学研究课题。

英国篇

可以参加那些实习？

可以参加那些竞赛？

可以发表哪些论文？

如何选好一只股票？

不知道``哈哈`

股票在微观经济学的知识(精选5篇)

时间：2023-08-1718:17:22

摘要：翻转课堂最大限度地满足了学生在课堂之外的个性化学习、自主性学习，体现“以生为本”的教育理念，深受学生的欢迎，也得到越来越多学校、教师的支持和响应。翻转课堂在教学实践中取得了许多宝贵的经验，但与此同时，“翻转课堂”在翻转的过程中也翻出了不少问题，需要我们认真加以思考和总结。

关键词：翻转课堂观念微课课堂的翻转

翻转课堂最大限度地满足了学生在课堂之外的个性化学习、自主性学习，把知识的内化放在课堂进行，学生通过独学、对学、群学，自始至终成为课堂的主角，学习的主人，体现“以生为本”的教育理念，深受学生的欢迎，也得到越来越多学校、教师的支持和响应。翻转课堂在教学实践中取得了许多宝贵的经验，但与此同时，“翻转课堂”在翻转的过程中也翻出了不少问题，需要我们认真地加以思考和总结。

一、教学观念的转变是落实翻转课堂的前提

长期以来，教师在以教定学的教学模式下，学生学什么，如何学都是在教师的管理指导下进行的，学生学得被动，学得无趣，缺少主动性。时间久了，学生自然养成了依赖式、被动式的学习习惯，自学能力普遍不足。而翻转课堂要求学生必须把教材内容提前预习完，独立完成教师布置的学习任务，这对于没有学习自觉性和自学能力不足的学生来说就非常不适应。如果家里的自学任务不能认真完成，就根本无法参与课堂任何问题的讨论。如果教师未能及时发现这些情况，正确引导，学生的学习成绩反而下降得更快。

在一些翻转课堂中，我们发现因教师教育理念没有及时更新，带来了不少问题。有的教师把课堂当成学生作业的展示课，有的当成是对学生错题的讲评课，课堂节奏松散，教师“闲庭信步”，学生无精打采，甚至出现等着下课的现象。课堂不但没有翻过来，甚至连传统课堂有价值的东西也丢失了。因此，如果不率先实现教师教的观念的更新，加快学生学习习惯和自学能力的培养，翻转课堂只能是东施效颦，成为水中月镜中花。．翻转课堂不像传统课堂偏重知识的讲授、突出经验的作用，因此广大中青年教师尤其是青年教师理应成为翻转课堂的主力军，他们适应能力强，调整起来快。而让学生养成自学、预习的习惯，牵涉到多方面的配套改革。比如，现有课程的设置和学校课时安排不宜过多，要建立新的学习评价制度，教师要有切实有效的学习指导计划，学生家长能积极配合教师督促孩子学习等，任何一个环节的缺失或不到位，都会影响到翻转的效果。

以“股票、债券和保险”的翻转课堂为例，这位教师课堂上布置了6道习题，结果只有一题全班都对，另外5道题有不同数量的学生发生了错误，显然这样的反馈效果是不满意的。问题究竟出在什么地方呢？在课后教师的说课环节，我了解到他的微课制作有些问题。原来这位教师把股票、债券、保险三个知识点放在一起做成微课视频，分别从股票的基本权利、基本特征、投资的收入构成等按照教材的内容和顺序平铺直叙地叙述了一遍，最后，用一只上证股票为例来说明股票是高风险高收益同在。后面的债券、保险的叙述大致也是这样，时长17分钟左右。显然，这样的微课视频并不能给学生的自学带来明显的帮助。那么，在制作微课视频时应该把握怎样的原则呢？

坚持效率意识。所谓效率意识，是指微课制作无论是内容的选取，过程讲授还是时间的把握，都要有效率意识，以不加重学生负担甚至千方百计去减轻学生负担为出发点。根据胡铁生老师的观点，微课是以某个知识点（如重点、难点、疑点、考点等）或教学环节（如学习活动、主题、实验、任务等）而设计开发的一种情景化、支持多种学习方式的在线视频课程资源，所以应把股票、债券和保险分别做成微课视频供学生选择使用。即使是针对一个知识点来设计，也不需要面面俱到，凡是学生通过阅读教材就能看懂的，微课中就无需再说，内容稍加点拨就明白的可通过阅读提示加以引导，也无需一一铺陈开来，应把重点放在学生通过自学也难弄懂或理解上容易出错的地方，在这些地方清晰展示教师对问题认识的思维过程。学生每天都有许多科目需要预习，还要完成教师布置的学案，所以微课视频的入题和收尾要快、准，不拖泥带水。微课视频的时长一般控制在10分钟以内，以便抓住学生注意力的最佳黄金时段，简明扼要地概述知识点。如果观看时间过长，势必加重学生负担，学习效率也将难以保证。一项调查表明，6分钟左右的微课视频最受中学生的欢迎。总之，微课视频制作所追求的效率第一，本质上还是为了给学生提供更优质的学习指导。

坚持以学定教原则。微课视频的制作现场没有学生，但教师心中必须装着学生。教学内容的设计要充分考虑到是否适合学生的自学，是否有利于引导学生思考，提高自学的效果。仍以“股票”一课为例，微课的一开始可以按照教材叙述的顺序，呈现“股票”学习的阅读提示：(1)股票的含义与股东的基本权利；(2)股票的基本特征；(3)股票投资的收入构成与基本特征；(4)股票对经济建设的作用、意义。这样做的好处是让学生很快把握教材的逻辑结构，了解需要从哪几个方面去认识股票，阅读教材思路就比较清晰。接着，创设情境，呈现一只股票的价格变化曲线图，引导学生观察思考：①这只股票的价格为什么会发生变动？在每个问题之后停顿2-3秒，教师再分析其中的原因。（教师还可以进一步追问带有探究性的问题供学有余力或喜欢探究的学生思考，其他同学可直接跳过这个问题：为什么有的股票价格出现了一路下跌情况，股票收入来源的根本原因又是什么？）②如果我不想成为这个公司的股东，把股票直接退还给公司行吗？（帮助学生学习领会股票的基本特征）③股票的风险既然这么高，国家为什么还要促进股票市场的建立和发展呢？（落实股票对经济建设的作用和意义）所以，微课制作前的设计是决定微课质量的关键。微课的设计一定要体现新课程理念，要有必要的情境创设和问题引领，巧妙设疑，启发诱导。目前网络上看到的**学科的微课视频绝大多数还是新瓶装旧酒，没有遵循学习规律，体现以学定教原则。

要生动有趣。微课一开始最好就能别开生面，抓住学生的心理，吸引学生的眼球。这就要求情境的创设必须要贴近学生，贴近生活，贴近社会，体现浓浓的生活气息。学习即体验，通过创设有趣、典型的生活情境迅速让学生在愉快兴奋中去体验感受、在体验感受中产生兴趣，在兴趣中积极主动思考。微课视频因为没有学生参与，更加要求教师的语言干练生动风趣，富有感染力。在视频制作时适当借鉴游戏开发的思路，在学生正确回答后给他（她）一个激励的话语或类似的闯关积分，激发他（她）继续往下“闯关”。生动有趣的微课自然受到学生的喜爱，在积极愉快的情绪中愿意学、主动学，自学效果会明显改观。

如果说，微课质量可以通过专家团队“代工”部分地加以解决的话，那么，翻转课堂的课堂环节，只能通过教师创造性的工作加以落实。目前，国内“翻转课堂”在课堂环节中暴露出的问题较多，翻转课堂的效果还有待实践的进一步检验。

翻转目标单一，综合效益有待提高。课堂上学生通过完成学案内容，当堂练习，教师对错题进行解析，客观上有助于加深对知识的理解，提高学生的解题能力，但这只是三维目标的一维，而过程与方法，情感态度价值观目标却淡化了，忽略了。学生在家的自学无法完成后两个目标，需要在课堂上，通过对学、群学，在彼此的交流、合作、探究中完成知识的领会、方法的掌握、情感的升华。翻转课堂作为一种全新的教学模式，理应更好地落实教学的三维目标。如果偏离了这点，课堂就翻错了方向！

课堂教学流程过于简单，程式化明显。课堂环节大致包括学生成果展示，师生纠正错误，完成学案内容，练习与错题解析等。翻转课堂离不开学生学习成果的展示和学习情况的反馈，但不能把翻转的课堂简单化，程式化，需要对这两个关键环节精心设计，积极引导，有效调控。比如，展示环节不仅要让学生发表看法，暴露问题，还应引导学生掌握分析问题的正确方法，提升思维品质。反馈环节既是查漏补缺的过程，更是反思升华、开拓视野的机会，既能反映教师的学科素养和应变能力，也是学生广泛参与课堂，培养综合能力的最好平台，所以反馈环节更能展现课堂活力、师生魅力，不能草草了事，马虎不得。

练习设计不够细致周密，反馈针对性不强。翻转课堂对传统课堂最大的改变就是师生角色的重新定位。教师从传统课堂中的知识传授者和课堂管理者转变为学习的指导者和促进者。而学生成为课堂的主角，对知识的学习和探究主要由学生自主进行，由过去消费式课堂变成了生产式课堂、创造式课堂。但为什么我们的课堂仍然是预设性多，生成性少，很难看到学生的精彩表现，课堂翻转得不够充分呢？这与练习设计不够细致完备、反馈缺少针对性有着直接的关系。“翻转课堂”中的练习除了要完成传统意义上的练习，还有一个重要的作用，就是帮助教师分析和掌握学生学习中究竟还存在哪些问题。这要求练习的设计必须符合学情，准确把握知识的重点、难点、易混点，做到每道题的选项都能检测出学生认识上的偏差。在软件设置上，不仅能统计出每道题的错误率，还能看到是哪些学生做错了。只有练习设计做到了细致周密，在反馈阶段，教师才能根据软件分析的结果对症下*，有的放矢，迅速设计出有针对性的课堂研讨的话题，使设计的问题更能切合学生的需要，更好地解决学习中余留的问题，而不是眼下看到的类似试题讲评课，学生存在的问题却被掩盖了。

总之，“翻转课堂”作为现代信息技术下对传统课堂的革命性变革，通过对“预习时间”的最大化从而保证课堂时间的最大化。但能否实现课堂效率的最大化，需要我们在实践中不断反思，更新教学观念，提升微课品质，在课堂环节精心打磨好每一个细节，让“翻转课堂”翻出应有的精彩！

以有效市场假说（EfficientMarketHypothesis，EMH）和理性预期（RationalExpectationHypothesis，REH））为特征的主流金融理论在金融领域中一直占据着统治地位。但大量的实证研究和观察结果表明，人们并不总是以理性态度做出决策，在现实中存在诸多的认知偏差，这些偏差不可避免地要影响到人们的金融投资行为，进而影响到资产定价，主流金融学有着无法克服的缺陷。RichardH.Thaler（1999）具体指出了在以下五个方面标准金融模型与实际不符：关于交易量的预测；关于波动性的预测；关于股票红利无关性；关于股票投资溢价；关于有效市场上证券价格的不可预测性。

1997至1998年的亚洲金融危机和最近一系列金融事件如美国股市在2000年的大起大落、长期资本基金（LTCM）的破产保护、老虎基金的倒闭等，也更加深了人们对市场有效性及投资理性的怀疑。在学术研究和金融实务中，正有越来越多的人认识到，人的行为、心理感受等主观因素在金融投资决策中起着不可忽略的作用。

正是对主流金融理论的质疑，促使了金融研究范式的转换，极大地促进了新的理论和方法的产生和发展。近二十年来，金融学研究呈现出新的特点和趋势，这些特点和趋势可以概括为：从原来线性的、完全理性的观点到非线性、有限理性的转变；从市场宏观层面的研究到微观结构的研究；计算机技术的发展促进了实验金融学的产生和发展。

一、从完全理性到有限理性——行为金融学

在传统的经济、金融学研究中，现实的人被简化为一个简单的理性人，即假定人们能掌握处理所有有用信息，总是能最大化其预期效用，显然这种假定是不现实的。这种以完全理性假定构筑的学说是无法通过经验科学方法来检验与研究人的内在本性的，也无法观察现实人的经济行为。

对完全理性的质疑，促使人们尝试用心理学方法来研究经济、金融问题，并试图以此来修正和检验经济、金融学的基本假设，于是便应运诞生了一门新学科——行为金融学。目前，对“行为金融学”一词还没有正式规范的定义，它主要从实证的角度研究人们如何理解和利用信息，并做出正式的投资决策，以及在此过程中，人的行为认知偏差对决策的影响。田宏伟（2001）认为构成行为金融学定义的内容有三个方面：行为金融学把经典的经济学和金融学理论与心理学和决策科学综合在了一起；行为金融学力图解释是什么造成了股票／证券价格的异常现象，这种异常已被众多的研究证明是广泛存在的；行为金融学是一门研究投资者是如何产生系统的认知偏差或称为有限理性（不完全理性）的科学。

事实上，正是因为投资者会产生系统的认知偏差或不完全理性，才导致证券价格出现各种异常。至于到底有哪些价格异常现象，它们又是由什么样的不完全理造成的，如何确定价格异常出现的市场条件，正是行为金融学的研究内容所在。从总体上看，现有行为金融学的研究是在两个方向上展开的：一是对主流金融理论缺陷的实证分析，研究在金融市场上发现的人们的诸多行为认知偏差；二是试图从心理学、社会学、人类学、认知心理学的角度来认识金融市场上的异常现象。

FischerBlack（1986）首次提出关于噪声交易的概念，他的论文是噪声交易理论以及行为金融学研究的奠基性文章，是许多随后研究的出发点。Black指出，噪声的概念与信息的概念相对应，一直存在于金融市场中，而股价则综合反映了噪声与信息的影响。股票投资者也被分为噪声交易者和信息交易者。噪声交易理论近年来取得了很大进展，已成为行为金融学的重要工具。

J.BradfordDeLong，AndreiShleifer，LawrenceH.SummersandRobertJ.Waldmann（1990）研究了金融市场上的噪声交易者风险，得到的结论是噪声交易者通过承担更多的由他们自己创造的风险（噪声交易者风险），可以比厌恶风险的理性套利者获得更高的回报。

LawrenceH.Summers（1986）的研究也认为，股票的市场价格会对非理性投资者的投资行为更敏感，因为当理性投资者接受市场价格是其基本价值的体现，并且不以自己对价值的判断作为交易的依据时，非理性投资者则相反，他们按自己对价值的（错误）判断作为交易的依据，这时市场价格就会对非理性投资者更敏感。

在行为金融学模型中，由卡尼曼（DanielKahneman）和已故的特韦尔斯基（AmosTver-sky）提出并发展起来的期望理论无疑是影响最为深远的一个（DanielKahneman，andAmosTversky（1979，1992）），它向传统的预期效用理论提出了强有力的挑战。DanielKahneman因此获得了2002年诺贝尔经济学奖。

不可否认，预期效用理论至今仍是现代经济理论的重要支柱之一，它给出了不确定性条件下的理的简单精确描述。然而，正如前文所述，实际情况下人的行为并不总是理性的，这使得效用理论在应用中会产生矛盾现象，最著名的当属阿莱悖论。Kahneman—Tversky的期望理论的提出，改进了预期效用理论的不足。在期望理论中，投资者的效用（价值）不再是财富的函数，而是获利与损失的函数；投资者也不再总是风险厌恶者。图1.1、图1.2分别是预期效用理论与期望理论的效用／价值函数。

可以看出，与标准效用函数相比，期望理论的效用函数呈“S”型——在获利区间凹，在损失区间凸，这与对人们风险偏好的实际观察结果是一致的（即损失厌恶）。

通过引入价值函数、概率评价函数、参考点等概念，期望理论更好地描述了人们在不确定性条件下的决策行为。许多异常现象可以用期望理论来做出合理的解释，如阿莱悖论、证券溢价之谜、期权微笑现象等。

人们往往过于相信自己的判断能力，高估自己成功的机会，我们把这种心理现象称为过度自信。过度自信解释了许多股价异常现象，如过度反应与反应不足。

W.M.DeBondt，RichardH.Thaler（1986）的文章“股票市场过分反应了吗？”是实证检验美国股票市场是否存在过度反应的奠基性作品。他们的答案是肯定的，并指出过度反应与反应不足的原因都在于投资者的过分自信。

TerranceOdean（1998）对过分自信理论进行了详细综述和研究，并建立了过分自信的行为金融模型。由于过分自信，投资者有时会高估某些信息，有时又会低估，过分自信对金融市场的具体影响要看哪些市场参与者会过分自信以及信息是如何传播的。

首先，两个前提假设是：过分自信意味着交易者认为后验信息更准确（比实际上的准确性更高）；交易者认为自己的私有信息比别人的私有信息更加可靠。

通过分别假定一般交易者、内幕信息交易者和厌恶风险的做市商存在过分自信，TerranceOdean分析了金融市场存在信息成本时的过分自信效应。在各种情形下，过分自信都会增大成交量和市场深度，同时降低投资者的预期效应。但是，对价格波动性和价格内在性质（以价格与基本价值差额的方差来衡量）的影响则依赖于过分自信的主体是谁。一般交易者和内幕信息交易者过分自信会增加波动性，做市商过分自信会减少波动性。

主观概率指的是人们对某一特定命题正确性的相信程度。主观性体现在它是基于个人的知识和信念做出的评价。主观概率研究的重要性在于它是决策过程的关键环节。

传统概率论以及在此基础上发展起来的Bayesian决策准则所关注的都是事件发生的频率，其前提是事件能够反复发生。而对于一次性事件的概率估计，它们是不适用的。现实中人们又确实经常需要对不同的命题做出自己的评估。研究表明，人们在做出这类评估时，由于受到自身条件和知识能力的限制，无法得到最优结果，只能在一定程度上得到满意解，这使得人们可以凭直觉和个人经验解决复杂问题。这种实际决策过程的本质特点，促使科学家从行为认知的角度来研究决策过程，AmosTversky和DanielKahneman是其中的佼佼者。他们试图用启发式方法来代替Bayesian分析。这一领域的研究被称为主观概率研究，期望理论其实是主观概率理论中的一种。

在人类的认识上，首先是用相对简单的线性关系（线性模型）来刻画线性问题的定量关系，对于那些非线性因素不能忽略的情况，则往往采取线性近似或线性迭代的方法来处理，这样处理有时也能得到较好的结果，但这种情况一般只出现在比较“简单的”非线性问题中，或者只是研究系统的一些“常规”行为特征。随着人们对社会、自然认识的不断深化，人们越来越不敢“小看”非线性问题了。首先，就其本质而言，自然界是非线性的。其次，许多问题中的强非线性作用与长时间尺度的系统行为都不能用线性方法（包括线性近似）来刻画。第三，即使是一些表面看上去很简单的系统，也可能表现出令人惊异的复杂性（如确定性的随机性），于是，人们愈来愈重视对广泛存在于社会和自然中的非线性现象的研究，并由此而诞生了非线性科学。

最早将非线性科学用于经济学研究的是美国经济学家斯徒泽（Stuzer），他于1980年发表的论文“一个宏观模型中的混沌动力学系统和分岔理论”，将李—约克（Li—York）定理和分岔技术应用于哈维尔默（Havelmo）增长模型，找到了该模型出现混沌的条件。之后，越来越多的学者开始运用非线性科学的方法来研究经济和金融系统。

分形学的创始人，著名的数学家BenoitB.Mandelbrot（1997）将其研究成果应用到金融市场价格变动的研究中，价格的变动可以用分形几何中的研究成果推导的模型加以解释。分形（多分形）的目的并不是要确切地预测未来，但是它们的确能对市场风险作出更切合实际的描述。分形是一种几何形状，其特点是可以分为若干部分，而每一部分都是最初那个整体在较小尺度上的翻版。在金融学中，这一概念并不是无根据的抽象，而是对一种简单明了的市场常识从理论的高度上重新进行表述。

埃德加·E·彼得斯（Peters.E.E，1996）的研究提供了大量的证据表明证券市场确实存在分形、混沌特征。认为证券价格并不是随机游动的，而是受到某种确定性趋势的作用，并具有对初始波动的高度敏感性，换言之，股价运动具有混沌性质。据此，彼得斯（1994）提出了分形市场假说，认为：（1）市场是由很多具有不同投资预期的投资者组成的；（2）与每一个投资预期相联系的信息集是不同的。只要市场维持这种分形结构，并且没有特征时间标度，市场就会保持稳定。当市场的投资预期变得一致时，市场就会变得不稳定，因为每个人都基于同样的信息集进行交易（Peters，1994）。

近年来，非线性动力学在证券市场研究领域的应用主要集中在两个方向上，一个是证券市场是否存在混沌、分形等非线性特征的检验以及检验方法的研究，在证券市场应用混沌分形理论的前提是数据是否具有混沌性质，这就需要进行有关的统计检验。对股指数据是否具有混沌分形特征的统计检验也是当前股票市场非线性研究的热点。这些检验包括：长记忆与R／S分析、BDS检验、Lyapunov指数检验等。

另一个方向便是建立非线性动力学模型来描述股价的动态行为，探寻证券市场价格波动行为的形成机理。最近几年，不少学者进行了大量研究，如Arthur、Holland、LeBaron、Palmer和Taler（1997），Brock（1993，1997），BrockandHommes（1997，1998），BrockandLeBaron（1996），Chiarella（1992），ChiarellaandHe（2000），Gaunersdorfer（2001），GaunersdorferandHommes（2000），Lux（1995），TaiseiKaizoji（2000）等等。这些模型都是基于异质投资者上的，即投资者是有限理性的，他们之间是有差别的，而非传统的金融研究将投资者简化为典型的理性人。

Brock和Hommes（1997，1998）（简称BH）提出了一个信念自适应系统（AdaptiveBeliefSystem简称ABS）的理论框架，其基本思想是：市场上的投资者是千差万别（投资者的异质性），其对未来的信念也是各不相同（信念的异质性），为适应环境，投资者的信念是变化的。人们通过不断的学习，选择业绩好的预测规则（信念），以适应不断变化的复杂的环境，这样就导致了不同类型的投资者比例的变化，进而影响着资产价格的变动，而价格的变化反过来影响投资者对预测规则的选择，形成了二者相互作用的进化系统。ABS模型给出了一个易于处理的理论框架，而且理性预期均衡作为一个特例包含在该系统中。在ABS中有两个重要的噪声源，即模型近似的误差和经济基本面内在的不确定性。ABS能产生一些重要的实证研究和观察到的市场特征现象，如收益的不可预测性、厚尾、投机泡沫和波动集群性等。Brock、Hommes和Gaunersdorfer在接下来的研究中对最初提出的模型进行了更深入的研究和扩展，Brock、Hommes和Wagener（2001）又提出了LargeTypeLimit（LTL）的概念来描述有多种类型投资者的适应性进化系统的平均行为。ChiarellaandHe（1999，2000）也对ABS系统进行了一定程度的扩展。

Lux（1995）模型企图刻画市场上投资者的“从众”行为或相互模仿的传染现象，描述了对基本面不完全知情的投资者的预期的形成。这些预期主要依赖于其他投资的预期和行为，模型刻画了投机者之间的相互模仿传染（递）的过程。模型通过投资者的态度（即买入和卖出）的变化来描述市场供需状况，而供需状况进而影响价格的变化，投资者买和卖两种态度的转变的概率引入了协同学的方法。Lux模型较好地刻画了市场中的从众行为，能很好地解释股市泡沫的形成、破灭（过度波动）和均值回复。Kaizoii（1998）模型与Lux模型相似，区别在于后者为微分方程，而前者为差分方程。TaiseiKaizoji（2000）又引入了统计物理学中平均场理论来研究股市泡沫和暴跌。

T.Vaga（1991，1999）提出的协同市场假定认为，市场价格的概率分布是基于以下两类因素在时间上的变化：基本的或经济的环境；市场中存在的情形偏倚量或“集体思维”的水平。随着两个因素组合的变化，市场状态也变化，可以达到四个不同的相：随机游动、过渡市场、混沌市场、协同市场。这样就把市场价格的随机变动与可能的混沌性质统一到一个框架下。换言之，把有效市场理论与分形市场理论统一为一体。这种理论虽然还缺乏实证检验，但对市场价格变化具有很好的描述能力。

市场微观结构理论研究的是证券市场的交易机制和信息传导、价格形成机制，它对于全面深入了解证券市场交易过程，制定正确的投资决策及有效监管市场有着重要意义。由于微观结构理论主要研究股票市场的价量关系及相互作用机制，它可以被用来建立技术分析的理论基础，为股票价格预测服务。AnanthMadhavan（2000）把市场微观结构理论研究内容归纳为四个方面：（1）价格形成，包括价格吸收信息的动态过程；（2）市场结构与设计，包括价格形成与交易规则之间的关系；（3）市场透明度，市场参与者观察交易过程信息的能力；（4）其他金融领域应用，包括资产定价、国际金融、公司财务。

金融市场微观结构理论与以前的金融理论相比，有两个特点：一是以前的金融理论注重的是宏观分析和总量的分析，而市场微观结构理论注重微观分析和变量分析；二是以前的金融理论多用演绎法，而市场微观结构理论则主要运用计量经济模型来进行实证分析，同时也注意运用演绎推理方法和行为分析方法。这两个特点实际上是反映了当代金融理论非常注重对“人”这一金融和经济活动中的主体的研究，这是当代金融理论也是经济理论发展的一个重要表现。市场微观结构理论中关于存货模型的分析、价格行为的分析等，都着重突出了对人的理和非理的发生及其原因的分析，从而使得对市场上的价格变动的分析更加深入。

随着计算机技术，特别是人工智能技术的飞速发展，对金融市场的定量仿真与实验成为了可能，于是一门新的分支学科——实验金融学便产生了。

SantaFeInstitute（SPl）研究人员Authur，W.B.，J.H.Holland，B.LeBaron，R.G.Palmer，P.J.Taylor使用基于Agent的计算机模型来研究资本市场，建立人造股票市场ASM（ArtificialStockMarket），本质上开了实验金融学的先河。他们从1990年开始到1997年论文“AssetPricingUnderEndogenousExpectationsinanArtificialStockMarket”的发表标志着金融学中又一分支——基于Agent的计算实验金融学的诞生。

实验金融学是指应用计算机技术来模拟实际金融市场，如股票市场、外汇市场、期货市场等，在既定的市场结构下，通过研究市场微观层次Agent（投资者）的行为来揭示市场宏观特性形成原因的一门金融学分支。

以有效市场假说（EfficientMarketHypothesis，EMH）和理性预期（RationalExpectationHypothesis，REH））为特征的主流金融理论在金融领域中一直占据着统治地位。但大量的实证研究和观察结果表明，人们并不总是以理性态度做出决策，在现实中存在诸多的认知偏差，这些偏差不可避免地要影响到人们的金融投资行为，进而影响到资产定价，主流金融学有着无法克服的缺陷。RichardH.Thaler（1999）具体指出了在以下五个方面标准金融模型与实际不符：关于交易量的预测；关于波动性的预测；关于股票红利无关性；关于股票投资溢价；关于有效市场上证券价格的不可预测性。

1997至1998年的亚洲金融危机和最近一系列金融事件如美国股市在2000年的大起大落、长期资本基金（LTCM）的破产保护、老虎基金的倒闭等，也更加深了人们对市场有效性及投资理性的怀疑。在学术研究和金融实务中，正有越来越多的人认识到，人的行为、心理感受等主观因素在金融投资决策中起着不可忽略的作用。

正是对主流金融理论的质疑，促使了金融研究范式的转换，极大地促进了新的理论和方法的产生和发展。近二十年来，金融学研究呈现出新的特点和趋势，这些特点和趋势可以概括为：从原来线性的、完全理性的观点到非线性、有限理性的转变；从市场宏观层面的研究到微观结构的研究；计算机技术的发展促进了实验金融学的产生和发展。

一、从完全理性到有限理性——行为金融学

在传统的经济、金融学研究中，现实的人被简化为一个简单的理性人，即假定人们能掌握处理所有有用信息，总是能最大化其预期效用，显然这种假定是不现实的。这种以完全理性假定构筑的学说是无法通过经验科学方法来检验与研究人的内在本性的，也无法观察现实人的经济行为。

对完全理性的质疑，促使人们尝试用心理学方法来研究经济、金融问题，并试图以此来修正和检验经济、金融学的基本假设，于是便应运诞生了一门新学科——行为金融学。目前，对“行为金融学”一词还没有正式规范的定义，它主要从实证的角度研究人们如何理解和利用信息，并做出正式的投资决策，以及在此过程中，人的行为认知偏差对决策的影响。田宏伟（2001）认为构成行为金融学定义的内容有三个方面：行为金融学把经典的经济学和金融学理论与心理学和决策科学综合在了一起；行为金融学力图解释是什么造成了股票／证券价格的异常现象，这种异常已被众多的研究证明是广泛存在的；行为金融学是一门研究投资者是如何产生系统的认知偏差或称为有限理性（不完全理性）的科学。

事实上，正是因为投资者会产生系统的认知偏差或不完全理性，才导致证券价格出现各种异常。至于到底有哪些价格异常现象，它们又是由什么样的不完全理造成的，如何确定价格异常出现的市场条件，正是行为金融学的研究内容所在。从总体上看，现有行为金融学的研究是在两个方向上展开的：一是对主流金融理论缺陷的实证分析，研究在金融市场上发现的人们的诸多行为认知偏差；二是试图从心理学、社会学、人类学、认知心理学的角度来认识金融市场上的异常现象。

FischerBlack（1986）首次提出关于噪声交易的概念，他的论文是噪声交易理论以及行为金融学研究的奠基性文章，是许多随后研究的出发点。Black指出，噪声的概念与信息的概念相对应，一直存在于金融市场中，而股价则综合反映了噪声与信息的影响。股票投资者也被分为噪声交易者和信息交易者。噪声交易理论近年来取得了很大进展，已成为行为金融学的重要工具。

J.BradfordDeLong，AndreiShleifer，LawrenceH.SummersandRobertJ.Waldmann（1990）研究了金融市场上的噪声交易者风险，得到的结论是噪声交易者通过承担更多的由他们自己创造的风险（噪声交易者风险），可以比厌恶风险的理性套利者获得更高的回报。

LawrenceH.Summers（1986）的研究也认为，股票的市场价格会对非理性投资者的投资行为更敏感，因为当理性投资者接受市场价格是其基本价值的体现，并且不以自己对价值的判断作为交易的依据时，非理性投资者则相反，他们按自己对价值的（错误）判断作为交易的依据，这时市场价格就会对非理性投资者更敏感。

在行为金融学模型中，由卡尼曼（DanielKahneman）和已故的特韦尔斯基（AmosTver-sky）提出并发展起来的期望理论无疑是影响最为深远的一个（DanielKahneman，andAmosTversky（1979，1992）），它向传统的预期效用理论提出了强有力的挑战。DanielKahneman因此获得了2002年诺贝尔经济学奖。

不可否认，预期效用理论至今仍是现代经济理论的重要支柱之一，它给出了不确定性条件下的理的简单精确描述。然而，正如前文所述，实际情况下人的行为并不总是理性的，这使得效用理论在应用中会产生矛盾现象，最著名的当属阿莱悖论。Kahneman—Tversky的期望理论的提出，改进了预期效用理论的不足。在期望理论中，投资者的效用（价值）不再是财富的函数，而是获利与损失的函数；投资者也不再总是风险厌恶者。图1.1、图1.2分别是预期效用理论与期望理论的效用／价值函数。

可以看出，与标准效用函数相比，期望理论的效用函数呈“S”型——在获利区间凹，在损失区间凸，这与对人们风险偏好的实际观察结果是一致的（即损失厌恶）。

通过引入价值函数、概率评价函数、参考点等概念，期望理论更好地描述了人们在不确定性条件下的决策行为。许多异常现象可以用期望理论来做出合理的解释，如阿莱悖论、证券溢价之谜、期权微笑现象等。

人们往往过于相信自己的判断能力，高估自己成功的机会，我们把这种心理现象称为过度自信。过度自信解释了许多股价异常现象，如过度反应与反应不足。

W.M.DeBondt，RichardH.Thaler（1986）的文章“股票市场过分反应了吗？”是实证检验美国股票市场是否存在过度反应的奠基性作品。他们的答案是肯定的，并指出过度反应与反应不足的原因都在于投资者的过分自信。

TerranceOdean（1998）对过分自信理论进行了详细综述和研究，并建立了过分自信的行为金融模型。由于过分自信，投资者有时会高估某些信息，有时又会低估，过分自信对金融市场的具体影响要看哪些市场参与者会过分自信以及信息是如何传播的。

首先，两个前提假设是：过分自信意味着交易者认为后验信息更准确（比实际上的准确性更高）；交易者认为自己的私有信息比别人的私有信息更加可靠。

通过分别假定一般交易者、内幕信息交易者和厌恶风险的做市商存在过分自信，TerranceOdean分析了金融市场存在信息成本时的过分自信效应。在各种情形下，过分自信都会增大成交量和市场深度，同时降低投资者的预期效应。但是，对价格波动性和价格内在性质（以价格与基本价值差额的方差来衡量）的影响则依赖于过分自信的主体是谁。一般交易者和内幕信息交易者过分自信会增加波动性，做市商过分自信会减少波动性。

主观概率指的是人们对某一特定命题正确性的相信程度。主观性体现在它是基于个人的知识和信念做出的评价。主观概率研究的重要性在于它是决策过程的关键环节。

传统概率论以及在此基础上发展起来的Bayesian决策准则所关注的都是事件发生的频率，其前提是事件能够反复发生。而对于一次性事件的概率估计，它们是不适用的。现实中人们又确实经常需要对不同的命题做出自己的评估。研究表明，人们在做出这类评估时，由于受到自身条件和知识能力的限制，无法得到最优结果，只能在一定程度上得到满意解，这使得人们可以凭直觉和个人经验解决复杂问题。这种实际决策过程的本质特点，促使科学家从行为认知的角度来研究决策过程，AmosTversky和DanielKahneman是其中的佼佼者。他们试图用启发式方法来代替Bayesian分析。这一领域的研究被称为主观概率研究，期望理论其实是主观概率理论中的一种。

在人类的认识上，首先是用相对简单的线性关系（线性模型）来刻画线性问题的定量关系，对于那些非线性因素不能忽略的情况，则往往采取线性近似或线性迭代的方法来处理，这样处理有时也能得到较好的结果，但这种情况一般只出现在比较“简单的”非线性问题中，或者只是研究系统的一些“常规”行为特征。随着人们对社会、自然认识的不断深化，人们越来越不敢“小看”非线性问题了。首先，就其本质而言，自然界是非线性的。其次，许多问题中的强非线性作用与长时间尺度的系统行为都不能用线性方法（包括线性近似）来刻画。第三，即使是一些表面看上去很简单的系统，也可能表现出令人惊异的复杂性（如确定性的随机性），于是，人们愈来愈重视对广泛存在于社会和自然中的非线性现象的研究，并由此而诞生了非线性科学。

最早将非线性科学用于经济学研究的是美国经济学家斯徒泽（Stuzer），他于1980年发表的论文“一个宏观模型中的混沌动力学系统和分岔理论”，将李—约克（Li—York）定理和分岔技术应用于哈维尔默（Havelmo）增长模型，找到了该模型出现混沌的条件。之后，越来越多的学者开始运用非线性科学的方法来研究经济和金融系统。

分形学的创始人，著名的数学家BenoitB.Mandelbrot（1997）将其研究成果应用到金融市场价格变动的研究中，价格的变动可以用分形几何中的研究成果推导的模型加以解释。分形（多分形）的目的并不是要确切地预测未来，但是它们的确能对市场风险作出更切合实际的描述。分形是一种几何形状，其特点是可以分为若干部分，而每一部分都是最初那个整体在较小尺度上的翻版。在金融学中，这一概念并不是无根据的抽象，而是对一种简单明了的市场常识从理论的高度上重新进行表述。

埃德加E彼得斯（Peters.E.E，1996）的研究提供了大量的证据表明证券市场确实存在分形、混沌特征。认为证券价格并不是随机游动的，而是受到某种确定性趋势的作用，并具有对初始波动的高度敏感性，换言之，股价运动具有混沌性质。据此，彼得斯（1994）提出了分形市场假说，认为：（1）市场是由很多具有不同投资预期的投资者组成的；（2）与每一个投资预期相联系的信息集是不同的。只要市场维持这种分形结构，并且没有特征时间标度，市场就会保持稳定。当市场的投资预期变得一致时，市场就会变得不稳定，因为每个人都基于同样的信息集进行交易（Peters，1994）。

近年来，非线性动力学在证券市场研究领域的应用主要集中在两个方向上，一个是证券市场是否存在混沌、分形等非线性特征的检验以及检验方法的研究，在证券市场应用混沌分形理论的前提是数据是否具有混沌性质，这就需要进行有关的统计检验。对股指数据是否具有混沌分形特征的统计检验也是当前股票市场非线性研究的热点。这些检验包括：长记忆与R／S分析、BDS检验、Lyapunov指数检验等。

另一个方向便是建立非线性动力学模型来描述股价的动态行为，探寻证券市场价格波动行为的形成机理。最近几年，不少学者进行了大量研究，如Arthur、Holland、LeBaron、Palmer和Taler（1997），Brock（1993，1997），BrockandHommes（1997，1998），BrockandLeBaron（1996），Chiarella（1992），ChiarellaandHe（2000），Gaunersdorfer（2001），GaunersdorferandHommes（2000），Lux（1995），TaiseiKaizoji（2000）等等。这些模型都是基于异质投资者上的，即投资者是有限理性的，他们之间是有差别的，而非传统的金融研究将投资者简化为典型的理性人。

Brock和Hommes（1997，1998）（简称BH）提出了一个信念自适应系统（AdaptiveBeliefSystem简称ABS）的理论框架，其基本思想是：市场上的投资者是千差万别（投资者的异质性），其对未来的信念也是各不相同（信念的异质性），为适应环境，投资者的信念是变化的。人们通过不断的学习，选择业绩好的预测规则（信念），以适应不断变化的复杂的环境，这样就导致了不同类型的投资者比例的变化，进而影响着资产价格的变动，而价格的变化反过来影响投资者对预测规则的选择，形成了二者相互作用的进化系统。ABS模型给出了一个易于处理的理论框架，而且理性预期均衡作为一个特例包含在该系统中。在ABS中有两个重要的噪声源，即模型近似的误差和经济基本面内在的不确定性。ABS能产生一些重要的实证研究和观察到的市场特征现象，如收益的不可预测性、厚尾、投机泡沫和波动集群性等。Brock、Hommes和Gaunersdorfer在接下来的研究中对最初提出的模型进行了更深入的研究和扩展，Brock、Hommes和Wagener（2001）又提出了LargeTypeLimit（LTL）的概念来描述有多种类型投资者的适应性进化系统的平均行为。ChiarellaandHe（1999，2000）也对ABS系统进行了一定程度的扩展。

Lux（1995）模型企图刻画市场上投资者的“从众”行为或相互模仿的传染现象，描述了对基本面不完全知情的投资者的预期的形成。这些预期主要依赖于其他投资的预期和行为，模型刻画了投机者之间的相互模仿传染（递）的过程。模型通过投资者的态度（即买入和卖出）的变化来描述市场供需状况，而供需状况进而影响价格的变化，投资者买和卖两种态度的转变的概率引入了协同学的方法。Lux模型较好地刻画了市场中的从众行为，能很好地解释股市泡沫的形成、破灭（过度波动）和均值回复。Kaizoii（1998）模型与Lux模型相似，区别在于后者为微分方程，而前者为差分方程。TaiseiKaizoji（2000）又引入了统计物理学中平均场理论来研究股市泡沫和暴跌。

T.Vaga（1991，1999）提出的协同市场假定认为，市场价格的概率分布是基于以下两类因素在时间上的变化：基本的或经济的环境；市场中存在的情形偏倚量或“集体思维”的水平。随着两个因素组合的变化，市场状态也变化，可以达到四个不同的相：随机游动、过渡市场、混沌市场、协同市场。这样就把市场价格的随机变动与可能的混沌性质统一到一个框架下。换言之，把有效市场理论与分形市场理论统一为一体。这种理论虽然还缺乏实证检验，但对市场价格变化具有很好的描述能力。

市场微观结构理论研究的是证券市场的交易机制和信息传导、价格形成机制，它对于全面深入了解证券市场交易过程，制定正确的投资决策及有效监管市场有着重要意义。由于微观结构理论主要研究股票市场的价量关系及相互作用机制，它可以被用来建立技术分析的理论基础，为股票价格预测服务。AnanthMadhavan（2000）把市场微观结构理论研究内容归纳为四个方面：（1）价格形成，包括价格吸收信息的动态过程；（2）市场结构与设计，包括价格形成与交易规则之间的关系；（3）市场透明度，市场参与者观察交易过程信息的能力；（4）其他金融领域应用，包括资产定价、国际金融、公司财务。

金融市场微观结构理论与以前的金融理论相比，有两个特点：一是以前的金融理论注重的是宏观分析和总量的分析，而市场微观结构理论注重微观分析和变量分析；二是以前的金融理论多用演绎法，而市场微观结构理论则主要运用计量经济模型来进行实证分析，同时也注意运用演绎推理方法和行为分析方法。这两个特点实际上是反映了当代金融理论非常注重对“人”这一金融和经济活动中的主体的研究，这是当代金融理论也是经济理论发展的一个重要表现。市场微观结构理论中关于存货模型的分析、价格行为的分析等，都着重突出了对人的理和非理的发生及其原因的分析，从而使得对市场上的价格变动的分析更加深入。

随着计算机技术，特别是人工智能技术的飞速发展，对金融市场的定量仿真与实验成为了可能，于是一门新的分支学科——实验金融学便产生了。

SantaFeInstitute（SPl）研究人员Authur，W.B.，J.H.Holland，B.LeBaron，R.G.Palmer，P.J.Taylor使用基于Agent的计算机模型来研究资本市场，建立人造股票市场ASM（ArtificialStockMarket），本质上开了实验金融学的先河。他们从1990年开始到1997年论文“AssetPricingUnderEndogenousExpectationsinanArtificialStockMarket”的发表标志着金融学中又一分支——基于Agent的计算实验金融学的诞生。

实验金融学是指应用计算机技术来模拟实际金融市场，如股票市场、外汇市场、期货市场等，在既定的市场结构下，通过研究市场微观层次Agent（投资者）的行为来揭示市场宏观特性形成原因的一门金融学分支。

关键词：布莱克—斯科尔斯波动率波动率微笑在经济和金融研究中,波动性一直是一个非常重要的方面——投资组合选择、原生资产和衍生资产定价、风险管理等等都离不开对波动性的准确度量。波动率的估计模型在过去的几十年里也成为实证金融学和时序计量经济学中最为活跃的研究领域之一。运用布莱克—斯科尔斯公式对期权进行定价，在必须知道参数中，唯一无法直接观测到的标的资产的波动性。不幸的是它又是一个较为重要的参数，它的估计至关重要。模型的假设已知从今天到到期日期的股票收益率的未来波动率。因为我们不能知道未来价格，只能对波动率进行估计。我们主要运用历史数据进行波动率或隐含波动率的估计。

估计波动率的一种方法是运用股票价格指数的历史数据。这个方法的问题是选择合适的时间长度来估计模型使用的参数，好像股票未来的波动率是已知的且恒定的。但即使是零星的经验也表明波动率是不稳定，股价也是经常跳跃式波动。

估计过程如下，我们观测到固定时间间隔的股票价格，例如每天（）或每周（）。这些观测可以用于计算时间段内的收益率：

其中是观测值的数目。然后运用这些收益率来估计时间段内的波动率，公式为：

其中等于的均值。记住布莱克—斯科尔斯公式要求年化的股票收益率的波动率，因此，S必须用的平方根来年华波动率。

因此我们知道波动率在时间段内不是稳定的，难点是找到合适的n值。如果n值太大，我们就会选用过于久远的数据而得到与实际情况不同的波动率。如果n值太小，则估计的精度就会不好。对于股票数据，一个较好的折中应该是运用90到180天的时间段内的日数据，来估计波动率。

选用历史波动率的一个替代方法是使用隐含波动率：什么样的波动率能使通过模型计算得到的价格等于市场上观察到的期权价格。这样，我们在市场上观察到期权价格，然后从布莱克—斯科尔斯公式中反向推导出隐含波动率。我们知道布莱克—斯科尔斯公式:，并给定市场上买入（或卖出）的期权价格，然后尝试求解这个方程得到西格玛。不幸的是已证明这个公式无法得到西格玛的解析解，而必须用数值来代替。

通常的市场运用是将隐含波动率与从历史收益率数据得到的波动率比较。如果隐含波动率相对于“历史波动率”较高，则根据专业知识，市场专业人士将倾向于卖出波动性，即波动率越高出售期权收到的期权价格将越高。如果隐含波动率相对于“历史波动率”较低，则投资者将很倾向于购买波动性，因为购买期权所支付的期权价格比平常要低。

另一个运用隐含波动率的方面是监控市场对特定股票的波动率的判断。当新信息到达市场时，隐含波动率会变化（表明在布莱克—斯科尔斯公司中假定波动率恒定并不精确，但对于简单现实以得到便于处理的方程很是必要的）。还有另一个不同的应用就是使用一个期权的隐含波动率去对另一个基于同一股票的期权进行定价。

通常情况是基于同一只标的股票，同时有好几只期权交易。原则上，如果布莱克—斯科尔斯公式对现实的真实反映的话，所有哪些期权应该有相同的隐含波动率。然而，有很多原因使得这些期权通常都有不同的隐含波动率。如果我们估计不同期权的隐含波动率，而这些期权彼此仅有行权价格不同，我们会看到当这些隐含波动率按照行权价格画出散点图时，呈现为U型曲线。这个结果就是总所周知的“微笑效应”，其中最小的波动率是处于平值状态的期权中得到的，而当行权价格向任何一个方向变动时隐含波动率都会增加。这就说明股票波动率的估测是一个疑难重重的工作。

可能的原因是：

隐含波动率一般都是基于期权买卖价格的均值。然而，买卖价格多少包含了交易成本。而布莱克—斯科尔斯公式明确规定忽略交易成本。

我们通常假设期权和股票价格记录都在交易日的同一时间。而我们的价格观测值来自金融市场两个不同的部分，则观测时间总会存在差异（有时称之为非同时发生的价值观测值）

期权和股票价格都是以离散价值的形式报出。布莱克—斯科尔斯公式却是明确地给出连续价值。这个对于处于深度虚值状态的期权尤为重要。

所有的这些都只表明模型是基于简单化的假设。即便FisherBlack自己也认为是“非现实的简单化假设”。但是他很快就补充道：“然而缺点也是它最大的优点”。人们喜欢这个模型是因为容易理解它的假设。作为初步的近似估测、模型通常是优良的，如果你看到假设的漏洞，你可以用更为复杂的方式运用模型。

有些人已经发展了特定的公式允许波动率变化。在某些情况下，那些公式会比原始公司运作得更好，但是好像没有一个公式在所有情况下运作得更好。

因此我建议从估计值来替代使用历史波动率更好，这个估计值是期权有效期内股票波动率的估计。值得注意的是估计波动率的最好方法会显得比期权公式本身更为复杂。对于如何调整波动率，给出一些提示：

因为波动率确实是变化的，则相比几年前的波动，近期的历史数据赋予更多的权重。

因为股价下降时波动率上升，而股价上涨时波动率下降，所以在价格下跌后要增加对波动率的估计值，即便历史波动率没有增加。

价格下跌后波动率增加通常是暂时的（就像波动率的任何一次增加一样），但它比其他波动率增加持续得更长（平均而言），这个可以在隐含波动率中观察到：当股价下跌，通常可以观察到隐含波动率会上升。当股价逐步上涨时，通常会观察到隐含波动率下降。

运用其他股票和市场的波动率来得出未来的波动率。如果其他股票的波动率也上升，则波动率的上升更可能持续。

如果未来波动率是已知的（按公式假设的），运用期权对股票套期保值的头寸是无风险的。因为未来波动率是不确定的，套期保值头寸是有风险的。

在此可能会补充的更多的建议，但是必须记住一点是使用简单的模型并且理解它的假设比使用最为复杂的通常也是难以理解的模型更有成效。如果对模型有很好的直觉的知识，则也有方法将参数调整到适当的值。

参考文献：

[1]Friedman，D.，Harrison，G.W.andSalmon，J.W.(1983)Theinofrmationalroleofufutresmakrets:someexPerimentalevidenceInFuutresMarkets:Modeling，ManagingandMonitoringFuutresTrading，editedbyM.E.Srteit，BasilBlacwell，Oxofrd，PP.124一164.

格雷厄姆和多德在《证券分析》一书中对股票价格波动的本质进行了分析，说明了“股票内在价值”对于投资的重要性，随后，这个领域的研究引起了众多经济金融学家的兴趣，经过几十年的探索，得到了大量的重要研究成果，而且不乏广泛应用的方法，但是，对于新兴市场和普通投资者却难以采用。这里，我们希望借用20世纪80年代兴起的灰色系统理论，探索一套简便易用的股票投资价值预测方法。本文探讨了灰色预测方法及其在股票价格预测中应用的理论基础和方法，以期能为投资者的决策行为提供一定的指导作用。

1.问题的提出

我们知道，股票市场的价格走势是极为复杂且难以预测的。股票价格对市场信息如何进行反应，即使最高明最富经验的分析师也难以稳操胜券，这是因为，我们缺乏信息对市场影响的传导系统的结构和系统传导模型，不能准确把握金融政策、利率政策、公司状况、国际市场及投资者心理承受能力等因素的变化及其对市场的影响方式和作用，只能似是而非地对价格走势进行把握，其结果可想而知。

于是，如何判断或预测股票市场价格走势引起了众多经济金融学家和市场分析人员的极大兴趣，在许多经济学家的共同努力下，股票定价方法向着量化方向发展，建立了大量令人振奋的定价方法。格雷厄姆和多德在1934年《证券分析》一书对1929年美国股票市场价格暴跌的深刻反思,认为股票价格的波动是建立在股票“内在价值”基础上的，股票价格会由于各种非理性原因偏离“内在价值”，但随着时间的推移这种偏离会得到纠正而回到“内在价值”，因此，股票价格的未来表现可通过与“内在价值”的比较而加以判断。但“内在价值”取决于公司未来盈利能力，因此，对公司未来盈利能力及其现金流的准确把握将是非常关键的。此后，戈登在对“内在价值”进行深入的量化分析的基础上，提出了著名的股票定价的现金流量模型即“戈登模型”，然而，公司未来现金流是不确定的，为该模型的广泛应用带来麻烦，为此，关于股票定价的早期研究就集中在确定公司未来现金流。费雪(Fisher)教授认为未来资产收益的不确定性可用概率分布来描述，马夏克（Marschak）、希克斯(Hicks)等学者经过一系列研究认为投资者的投资偏好可以看作是对投资于未来收益的概率分布矩的偏好,并可用均方差空间的无差异曲线来表示,同时，他们还发现“大数定律”在包含多种风险资产投资中会发挥某种作用。戈登模型在股票价值分析中占有非常重要的地位，成为单只股票估价分析的基本方法，然而，该方法并没有解决股票投资风险与未来现金流折现率的关系，直到亨利·马科维茨（H·Markowitz）教授的现代证券组合理论的建立才对这一基本问题有了明确的认识，从而，一定程度上消除了该模型的致命缺陷。

在现实生活中，很少有投资者会将所有的投资集中在一只股票上，基于此，马科维茨（H·Markowitz）教授于1938年提出了投资组合的概念，建立了现代证券组合理论，以统计学上的均值和方差等概念来衡量组合的收益和风险，给出了投资者如何根据自己的风险承受能力建立自己的最优组合以最大化其投资收益，并将风险分解为系统和非系统风险，从而，指导投资者最优化其投资行为。此后，其学生威廉·夏普（M·Sharpe）、林特纳(Lintner)等为强化该理论的应用，将其注意力从马科维茨的微观研究转向整个市场，将其复杂形态简化为以市场指数为基础的单因素关系，并发现在均衡市场条件下资本资产的收益与风险遵循线性关系，即著名的以均值--方差模型为前提的资本资产定价模型（CAPM）。然而，由于CAPM所要求的前提过于严格限制了其应用，许多经济学家试图研究在一定弱化条件下的定价理论，他们是迈耶斯(Mayers，1972)的存在大量非市场化资产的投资定价理论、罗斯（Ross）的套利定价理论(APT)以及布里登（Breeden）资产收益率与平均消费增长率的线性关系模型（CCAPM）等等为数众多的数量化投资模型，为市场投资行为选择提供了一定决策依据。

Roberts和O**ome在对股票市场价格的长期研究后，发现市场价格遵循“随机漫步”或“随机游动”的规律，由此，以Fama教授为代表的经济学家提出了有效市场理论，认为投资者对市场信息会作出合理的反应，将市场信息与股票价格相结合。进入1980年代，在探寻一般均衡定价模型进展不大的情况下，将定价理论的研究方向转向注重市场信息的考察。经过实证检验，邦德特和塞勒(BondtandTheler1985)发现股市存在投资者有时对某些消息反应过度(overreact)，而杰格蒂什(Jegadeesh1990)、莱曼(Lehmann1990)等则发现了股价短期滞后反应现象，由此，杰格蒂什和迪特曼(Titman1993)认为投资者对有关公司长远发展的消息往往有过度的反应，而对只影响短期收益的消息则反应不足，关于这一点仍然存在着争论，尽管如此，信息与股价之间应存在着某种关系得到了经济学家们的认同，并且，弗伦奇和罗尔(Roll)的实证研究证明了股价波动幅度与可获得信息量之间存在着良好的正相关关系。

然而，这些定价理论在现代经济金融学家的推动下得到巨大发展的同时也遇到了严峻的挑战，这种挑战表明了“对(股票、债券等)金融资产价格变动缺乏有效的解释手段反映了我们科学体系的不成熟”，面对这一现实，金融学家们开始尝试利用非线性方法与混沌思想来理解股票市场行为，甚至采用具有黑盒子性质的定价核概念、半自回归方法和半非参数估计以及近年兴起的系统仿真等新方法，试图解释信息对投资行为的影响，这些研究方法将成为股票定价理论的新兴的令人激动的发展领域。

但是，这些模型的应用都需要较为高深的专业知识和庞大的数据系统，而且，所需数据要求有较长的时间跨度，以满足“大数定理”的要求，这些对于新兴市场和广大的普通投资者来讲，难为其用，而且，市场价格的变化往往与股票“内在价值”并不一致，因此，寻找一种既简便又能适应市场基本状况的定价方法就自然成为了我们的追求。这里，我们希望借用20世纪80年代兴起的灰色系统理论，探索一套简便易用的股票投资价值预测模型，以期能为投资者的决策行为提供一定的指导作用。

灰色系统理论（GreySystemTheory）的创立源于20世纪80年代。邓聚龙教授在1981年上海中-美控制系统学术会议上所作的“含未知数系统的控制问题”的学术报告中首次使用了“灰色系统”一词。1982年，邓聚龙发表了“参数不完全系统的最小信息正定”、“灰色系统的控制问题”等系列论文，奠定了灰色系统理论的基础。他的论文在国际上引起了高度的重视，美国哈佛大学教授、《系统与控制通信》杂志主编布罗克特（Brockett）给予灰色系统理论高度评价，因而，众多的中青年学者加入到灰色系统理论的研究行列，积极探索灰色系统理论及其应用研究。

事实上，灰色系统的概念是由英国科学家艾什比（W·R·Ashby）所提出的“黑箱”（BlackBox）概念发展演进而来，是自动控制和运筹学相结合的产物。艾什比利用黑箱来描述那些内部结构、特性、参数全部未知而只能从对象外部和对象运动的困果关系及输出输入关系来研究的一类事物。邓聚龙系统理论则主张从事物内部，从系统内部结构及参数去研究系统，以消除“黑箱”理论从外部研究事物而使已知信息不能充分发挥作用的弊端，因而，被认为是比“黑箱”理论更为准确的系统研究方法。所谓灰色系统是指部分信息已知而部分信息未知的系统，灰色系统理论所要考察和研究的是对信息不完备的系统，通过已知信息来研究和预测未知领域从而达到了解整个系统的目的。灰色系统理论与概率论、模糊数学一起并称为研究不确定性系统的三种常用方法，具有能够利用“少数据”建模寻求现实规律的良好特性，克服了数据不足或系统周期短的矛盾。

目前，灰色系统理论得到了极为广泛的应用，不仅成功地应用于工程控制、经济管理、社会系统、生态系统等领域，而且在复杂多变的农业系统，如在水利、气象、生物防治、农机决策、农业规划、农业经济等方面也取得了可喜的成就。灰色系统理论在管理学、决策学、战略学、预测学、未来学、生命科学等领域展示了极为广泛的应用前景。

那么，灰色系统是否能够在股票市场价格走势方面发挥作用呢？以及怎样发挥作用？这是本文要探索的问题。

勿容质疑，股票价格的“内在价值”的研究为我们认识股票价格提供了重要途径，然而，其运用受相关专门知识的约束，同时，也受人们对公司未来现金流的预期是否合理与准确的影响，那么，股票价格偏离其“内在价值”的纠正，必然需要一定的学习过程，并付出相应的代价即“学习成本”。如果将市场有效性与信息定价机制相结合，将对股票市场的定价机制有一个全新的认识。在股票价格与其“内在价值”的关系上，人们发现股票价格不仅反映其内在价值的信息，而且反映了市场交易者的“噪声”（Black，1986），因而，股票价格的偏离不会总回到其“内在价值”。这样，我们根据这些所知信息还是难以预测或把握市场价格走势，从而经常出现投资者对信息的过度反应或反应不足的现象。

我国股票市场有“政策市”、“消息市”之称，应该说这是效率市场的应有状况，令人遗憾的是，许多学者的研究表明，我国股市的股票价格对其反应“内在价值”的信息未能作出充分的反应，因而，认为我国股市的这种反应机制是跛足的（包建祥，1999），“有关股票市场的政策法规报道”是对投资者最有价值的信息，对股价的影响也最大（茆诗松，1997。），而且存在着对信息的反应过度及反应不足（魏刚，1998；张人骥，1998。），呼吁建立完善的信息定价机制。应该说，我国股票市场经过近年的发展，市场的信息定价机制得到了一定程度的完善，市场对信息的敏感性有了实质的提高，对影响股票“内在价值”的信息，不论是系统信息还是非系统信息，股票价格均有相应的反应，因而，为通过市场价格的一定历史时期的反应判断市场价格的未来走势，提供了可能。

由于股票价格应该反应与其相关的市场信息，那么，信息在价格中的输入和传递就有其相应的轨迹和强度，这种轨迹和强度取决于该股票的价格对相关信息的反应机制和灵敏性，而对于不同的股票，价格反应信息的机制和灵敏性有着相当的不同，并随时间变化而变化，那么是什么原因造成这种差异，以及这种轨迹和强度大小是什么，难以准确把握，也就无法准确地把握和股票“内在价值”，在新兴市场中，这种状况尤甚。

但是，我们也注意到，在新兴市场中，作为绝大多数投资者来讲，他们难以称得上真正意义上的投资者，更像是通常的“投机者”，即以市场交易差价获取利益，并不是以获取公司分红或股利为目的，因而，对这些投资者来讲，公司股票的“内在价值”是多少似乎显得那么重要了，他们最为关心的应该是股票市场价格的近期走势如何，以判断价差的大小，从而决定该股票是否值得买卖，因此，交易过程中并不需要知道公司股票“内在价值”。由此可知，股票价格的市场表现的趋势判断就显得非常有意义了。

由于股票价格是相关信息的综合反应，所有的相关信息的传导机制和灵敏度都得到了相应的反应。虽然，我们并不知道这种传导的方式和灵敏度是什么，但是，我们仍然可以利用适当方法通过信息在价格中的历史反应来判断价格的未来行动方向或状态，从而寻求信息在股票市场价格中的反应机制，这是因为历史行为反应至少部分反应了价格行为固有规律，并反应了价格对新信息的反应能力，这种反应能力决定了价格的进一步发展的方向。我们认为，灰色系统理论的建立为测定和反应这种传导机制和灵敏度提供了一种较好的方法。

我们知道，灰色系统是通过对原始数据的收集与整理来寻求其发展变化的规律，这是因为，客观系统所表现出来的现象尽管纷繁复杂，但其发展变化有着自己的客观逻辑规律，是系统整体各功能间的协调统一，因此，如何通过散乱的数据系列去寻找其内在的发展规律就显得特别重要。灰色系统理论认为，一切灰色序列都能通过某种生成弱化其随机性而呈现本来的规律，也就是通过灰色数据序列建立系统反应模型，并通过该模型预测系统的可能变化状态。

灰色系统理论认为微分方程能较准确地反应事件的客观规律，即对于时间为t的状态变量，通过方程就能够基本反映事件的变化规律，那么，假定某股票价格的状态初始序列为，通过灰色一阶累加生成序列和弱化关系式(k=1,2,…,n)，我们就可以得到该股票价格的时间状态的灰色微分方程为，系数a就是股票价格对信息的敏感性，是股票价格状态对信息反应系统变化内在规律的指标，在灰色系统里被称为“系统发展系数”，而（k=1，2，…）就是该股票在未来k+1时间的市场价格。

根据灰色系统理论，要把握市场价格走势和发展方向，并不需要知道是什么信息或多少信息影响其价格的变化以及如何影响，诸如宏观经济因素的变动、公司基本面的变化、市场参与人数的增减等等因素分别对价格影响及其方式或者是这些因素的综合影响，我们所需要的只是新信息的加入会使原有的趋势得以改变，新信息的不断加入是市场价格不断变化的驱动力，而新信息的影响并不是在瞬间完成的，而是需要一定的时间进行消化在市场价格中逐步体现，这就是通常意义的历史信息的记忆功能，这种记忆能力对于市场价格走势的驱动力具有一定的“惯性”作用，通过判断这种驱动力（系统发展系数）的发展变化来预测未来价格走势正是灰系统理论所要解决的问题。

这里，我们以上海综合指数的日收盘指数为标准，以2000年1月10日1545.11点为起点，如果*部低点和高点之间相差200个点以上，认为市场指数出现了一次转折，将低点-高点的变化看作一个阶段，因而，我们选择各阶段的*部最高点和最低点，并选择相临的指数相差200点以上的点，计算其距离起点的月份数，以构造指数走势的量化分析，具体数据见表1。根据灰色微分方程可以得到指数转折点的时间方程为：，其中k=1，2，…。

根据这个模型可以对指数转折情况进行预测，计算结果和模拟误差状况见表2，由表可以看出，该模型对指数转折时间点预测的残差平方和0.54，模型预测平均相对误差为2.6%，小误差概率几近为1，因此，平均预测精度为97.4%，预测精度为二级，说明该方法基本可用于市场综合走势转折时间的初步预测。由此转折预测方程，我们可得到后一阶段的5个预测值为：19.4、23.3、27.9、33.6和40.3。第一个预测值19.3表明下一转折点在从2000年1月起的第19个月左右，即约在2001年7月会出现一次重大转折，再经过约4个月的调整后将又会有一次较大的转折，即预计在2001年11月份可有一次200点以上的变化。

2001年来，上海综合指数收盘指数从1月2日的2103点降至10月22日的1520点，跌幅近30%，如以当年最高点2245点计，跌幅更深，因此，我们应用灰色系统模型对股票指数变化状况进行预测，以期能更好地开展投资决策和最大限度地降低风险。根据灰色微分方程建立上海综合指数走势预测模型，为此，我们以上海综合指数的实际周收盘数为基础，以2001年8月10日周收盘价1955.04点为数据系列的起点，得到指数走势的预测方程：，其中，k=1，2，…。根据这个模型对指数的预测，结果和误差状况见表3，由表可以看出，该模型对指数序列模拟的残差平方和为1259.90，模拟的平均相对误差为0.79%，因此，平均预测精度为99.21%，最大预测误差为1.20%，小误差概率近似为1。从模型本身来看，应该说对上证综合指数的预测精度基本能达到要求。

事后检验是根据模型预测值与市场实际表现进行比较而得到的，根据该指数走势预测模型，我们可以得到未来4周的收盘指数分别为1768.66、1741.12、1714.00和1687.31，总体是一个下降的趋势，上海综合指数的实际值1807.02、1764.87、1691.33和1572.45，实际误差分别为2.12%、1.34%、-1.34%和-7.30%，表明有较为理想的预测效果。但实际结果也表明，利用某一数据系列对走势或时间转折进行长期的预测，随着时间的推移，由于新信息的作用没有得到体现，历史信息影响程度的有限性，即价格对信息的记忆与预见能力是有限的，也就是说，信息对系统的影响会随着时间的流逝而逐渐减弱，误差将会越来越大因此，我们采用新陈代谢GM模型对2001年8月17日开始的上证综合指数趋势进行模拟，即利用最新的数据替换最旧的数据以最大限度地体现新信息对市场走势的影响，计算的结果列于表4，结果表明，模型预测的最小预测误差为-0.03%，最大预测误差是7.73%。在趋势判断上，预测趋势与市场实际表现有着较为一致的变化。从其模拟散点图看，预测值与市场实际表现有着极为吻合的效果。

通过以上分析可以发现，灰色投资价值模型的预测是短期的，一般地讲，对3个以上时间跨度后的预测误差较大，因此，需要利用新陈代谢模型进行重新估计，旧有的信息对系统的发展发挥持续的影响，而新信息的作用效果未能得到充分的反映，这就决定了仅根据原有信息进行的预测会比较大地偏离实际运动轨迹，从而失去了模型预测的意义。因此，在实际的应用过程中，我们应在模型中不断补充新的信息，去掉那些对于预测的作用日益减小的旧数据，以反映新的信息对系统发展的影响特征。事实上，对于绝大部分系统来讲，系统对信息的记忆功能是极为有限的，旧的信息对系统发展的作用将随着时间的推移而不断减小，因而，在应用该模型进行预测时，不断更新数据系列将是十分重要。

我们也注意到，预测值相较于实际值似乎有一个单位时间的延迟，这种延迟表明该预测模型有一个“追涨”、“杀跌”的特性，这进一步说明了该模型的短期预测特性，这是可能因为，该模型的预测结果放大了旧信息对系统的影响程度，从而使预测结果产生一定程度的偏离，特别是在市场出现“暴涨”或“暴跌”的情况下，该模型的预测误差相对较大。尽管该方法在一定程度上对于短期的走势判断有着良好的效果，但我们认为，为避免“追涨”、“杀跌”的作用所导致的重大趋势延迟影响，将市场变化的时间转折周期预测结合使用是一个可行的选择，并适当加以调整，以避免或减少在对市场宏观走势重大变化的判断中犯致命错误。基于此，我们正努力寻求新的算法和预测趋势与市场重大变化的实际关系，以期消除预测判断上的失误。在应用GM模型进行系统预测时，所应用的数据系列要求具有一定的光滑度，对那些具有剧烈跳跃性质的数据系列的系统，其预测效果不是十分理想，研究表明，系统本身的发展系数过大（大于1.5）时，用这种方法模拟的精确度不到50%，因此，对于价格变化较为频繁且有较大波动幅度的个股，这个方法对于指导其投资决策的意义会有所限制，我们正在进一步的研究之中。

1.包建祥，《对股票市场信息定价机制的重新诠释》，《证券市场导报》，1999年第四期

3.李庆扬，王能超，易大义，《数值分析》，华中理工大学出版社，1989

4.李祚泳，灰色系统理论和应用的最新进展，《大自然探索》，1992，(1)

5.茆诗松等，《政策、扩容、消息对上海股市的影响》，《中国证券市场实证分析》，学林出版社，1997

7.魏刚，《我国上市公司股利分配的实证研究》，《经济研究》，1998年第六期

8.约翰·伊特韦尔等编，《新帕尔格雷夫经济学大辞典》，经济科学出版社，1992

9.张人骥，朱平方，王怀芳，《上海证券市场过度反应的实证研究》，《经济研究》，1998年第5期

10.Ball，R.，1995，TheoryofStockMarketEfficiency：AccomplishmentsandLimitations，JournalofAppliedCorporateFinance，Spring

11.Black，F.，1995，Noise，TheJournalofFinance，Vol.XII.No.3

怎样才能快速选到好股票？

一个前辈，待有两只好股票，盈利1000多万，投入本金20多万元。他说过一句经典名言“好股票，不需要抢，没有人跟你争！”

这句话，如何理解？就是要持有稀缺属性，金融属性，流通属性。这三样，是投资市场，选股的硬核逻辑，投资就是买市场最优秀的企业，参与伟大的公司，享受伟大的生意，带来的成长红利。

现实里成功的人，来到股市里一般也混得不差。 现实里那些住着廉租房、老破小，平时骑共享单车的人来到股市里也同样不敢买那些业绩优良的高价股，他们嫌贵，只会捡那些破烂股， 现实中的惯性思维来到了股市会害死他们。

选股，有三个总结，分享给大家，也许对你有用，当然，或许对大多数人，没有用。

第一个总结：赚有钱的年轻人的利润。这个如何理解？就是产品面向年轻人，那么哪些人腰包里面有钱，你说做他们的生意，往往有不错的利润。这个群体，都是Z世代，他们喜欢的是超跑，机车，夜生活，顶级的数码发烧产品，一张显卡，可能够普通人一年的工资收入。

这些年轻人，背后的企业，都是利润丰厚，一个兰博基尼，一个就卖几千辆车，利润与卖百万辆车的比亚迪，相差无几。那些电子科技产品，盈利的产品，都不是大众消费，苹果手机，为什么利润高，真是靠单纯的卖手机？

第二个总结：赚有钱的中老年人的利润。这个如何理解？这个群体，事业有成，开始追求基本生理需求往上的消费，这个群体，利润最丰厚的就是烟、酒、*等，特别是有助于在房间里面雄姿英发的产品，以及社交属性的白酒，香烟……

这些中老年人，廉价的东西，不够衬托身份，开始享受生活，追求品位，讲究养生，烟，酒可以接受，但不接受廉价。

第三个总结：赚有钱的女人的利润。这个如何理解？妇婴用品，都是女人在消费，小孩子没有选择意识，他们会消费高档化妆品，医美，教培等。都是利润丰富的行业，当然也有门槛。

这些女人，不用为生活发愁，生活的空隙就是消费，高档商场，几乎都是卖她们的产品，从一楼的珠宝开始，一直到5楼，吃喝玩乐，都是这群人。

综上所述：

以上三个行业，里面的顶级玩家，都是好股票，但是，选出来不难，它们过去都是几十倍，百倍的涨幅，能否持有就是问题了，很多人要么不敢碰，要么拿不住，还是自己的认知思维驾驭不了，投资是有门槛，特别是好股票，更是门槛深，现实里面就与这些产品无缘，你怎么可能认同它们的生意模式。

这些生意，本身就不是给刚需，给90%以上的提供，属于你的认知边界外的东西，你不参与就正常了，但是你不参与，不代表他们就不是好股票，恰恰是资本市场，最受欢迎的企业。

前辈，持有的就是食品饮料龙头，从上个世纪，持有到现在，几十倍，近百倍涨幅了。不得不服气，都是行业核心龙头企业，当然，并不是都满足高端消费的逻辑，但是，大体上也是品牌消费。

个人观点，不作为投资依据。谢谢点赞、关注，这样下次就会第一时间收到更新了……

投资有风险，入市需谨慎！

国家实行的宽松货币政策世儿获既跳来检对目前的经济有什么作用？

我国适度宽松的货币政策不是最近才实施的，而是从去年的11月就已经定调，这也是为什么大盘今年上半年能够出现这一波强劲走势的主要原因。由于市场信心缺乏所导致的市场资金短缺是金融危机的一大特征，为应对金融危机，去年年底至今，世界各国基本都采取了宽松货币政策来应对，目的就是保证市场资金充裕，因为资金就是经济的血液。

行为金融学告诉你：为啥你选的股票总是跌

点击上方蓝字，关注21君~

走进经济生活里的一切

导读：为啥一只股票自己没买入时明明涨得很好，一旦买入了就开始“坐过山车”？真的是每次都那么不好运吗？非也，这背后其实是一种心理误判在误导着我们......

来源丨21世纪经济报道（ID：jjbd21）

编辑丨曾婷芳漫画丨郑嘉琪动画丨张佳俊配音丨林钊宇）

两分钟看懂：为啥你选的股票总是跌？

21君

今天给大家推的这条小视频是21君及21君的小伙伴们一起打造的全新视频栏目——【21画财经】

各位读者小主们未来希望在【21画财经】解读哪些经济现象、经济概念及经济相关的心理学呢？

来留言给21君提供一下idea吧~

百万读者都在看……

恒大那个年薪1500万的高人写的PPT，果然厉害！关于房价、2018年经济走势...

"有本事冲我来，别在家长会上吓唬我爸！"看完这些孩子的诗，甘拜下风

和谁在一起的确很重要

本期编辑黎雨桐

如何把握好2018年？抓住这新时代里的新机遇

2017年12月16日

深圳福田香格里拉大酒店

等你来

点击图片报名

科研项目|MIT金融经济学专题：数据科学与时间序列模型的应用---以金融股票预测与经济数据运动行为研究为例

招生状态：招生中

开课时间：2023-4-1

课时安排：7周在线小组科研+5周论文辅导，教授全程参与

时间序列分析导论

时间序列模型；金融时间序列

预估噪声序列的时间序列相关性检验固定的流程

回归(AR)、移动平均(MA)和ARMA模型；模型选择和预测

学术研讨1

学术研讨1

项目回顾和成果展示

论文辅导

经济学和金融学有什么区别？