时间：2023-11-01 11:49:55
序论：在您撰写金融市场基本面分析时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
基本面分析主要研究影响市场变化的各种经济因素和发展趋势，其最核心的步骤是市场参与者对资料数据进行理性的分析评估并一贯坚持利用它们。基本面分析无疑是一种有用的分析工具，因为它能够清楚地展示市场为什么向某一方向变动。然而，基本面分析需要特别有耐心，这与市场参与者在最短时间内获得尽可能高收益的目标是相冲突的。此外，大宗交易的市场参与者为了尽可能周详地改变资产构成，会经常利用基本面数据公布后引起的短暂价格变化，这也会引起市场流动性出现无法预测的局面。
为了在短期分析中弥补基本面分析的不足，在认识趋势的初始变化时，技术分析提供了一整套手段和工具，它们有助于市场参与者对新的市场事件做出灵活反应。技术分析的前提条件是市场供求双方必须自由发挥作用。此外，技术分析还依赖于三个核心假定：市场价格是包含了所有可获信息和观念的供求双方力量共同作用的结果，且与这些理念是否理性没有多大关系；价格变化具有趋势性；历史会重演。
尽管价格反映的仅仅是一部分可获信息，但仍然表现出了买卖双方的看法和观点，可以通过技术化的形式表现出来。由于现代传媒技术迅速传播着海量的信息，市场参与者对信息量的不堪承受使得技术分析获得许多人的青睐。不幸的是，尽管图形像一面镜子反映出了市场参与者的行为，但由于应用广泛，图形所示的意义大部分并不能实现，出现事与愿违的变化已经成为经常发生的事。
行为金融学者对此的看法是，从技术分析中找到的结论仍是肤浅的，因为它不能详细分析人们的心理活动，而后者才是市场交易价格形成中最为关键的因素之一。尽管行为人被认为是理性的，至少在他们进行市场交易时是这样，但实际情况却是另一番景象，除了理性之外，人们还表现出了各式各样的行为。他们的动机、心智、思维方式、风险态度和交易视野可能完全不同。行为金融理论就是研究信息吸收、甄别和处理以及由此带来的后果的学问。同时，它也研究人们的异常行为。与现代资本市场理论认为的市场参与者的唯一目的是利润的观点不同，行为金融理论认为，人们参与市场交易还有其他的目的。此外，市场参与者掌握的信息也是不完全的。并且不同的人对于同样的信息会做出不同的评判，由此也会得出各种不同甚至完全相反的结论。
经验丰富的市场实践者乔齐姆・高德伯格和证券市场心理学家鲁狄格・冯・尼采综合了基于基本面分析、技术分析及金融心理学的一些行为金融理论成果，汇聚为包括欲望与现实、投资策略、价值判断、投资者心理、不同类型的市场参与者等广泛内容汇集成《行为金融》。高德伯格认为，他们著作的“引人入胜之处是清晰地阐述了金融市场的行为导向分析能解释技术分析的基本原理”，尽管“还没有对人们行为的所有方面进行审视”，但期望他们的观点能够“使金融市场更加人性化，而少一些神秘”。
事实上，行为金融的分析方法已被证明对金融界从业者在交易中控制非理性决策、预测他人行为的作用非常巨大。更重要的是，行为金融理论不仅有助于改善个人的决策行为，还有助于深入地理解市场参与者的实际行动。我们目前所面对的肇始于美国次贷危机的动荡的金融市场，就非常明显地体现着行为金融的这种实践价值。对于“华尔街的黄昏”，巴菲特的评价是：“当潮水运去的时候，你就会发现是谁在裸泳，而现在，华尔街简直就是裸泳者海滩。”美联储前主席格林斯潘的看法是：“信任情绪终将再度浮出水面，投资者正在小心翼翼地重返市场。”而哈佛教授罗格夫认为：“赞解的金融产品、迟钝的监管者、神经质的投资者，这就是21世纪第一场金融危机所包含的全部内容。”
他们提到的“裸泳”、“信任情绪”、“监管迟钝”、“神经质”都是对行为金融所阐述的参与者心理及其行为的生动刻画。曾几何时，投资者们信誓旦旦地将大把钞票撤向基于预期收益抵押贷款衍生出的各种金融产品，然而，他们所依据的主要是市场的繁荣景象和想象中丰厚的回报率，而不是对衍生品本身的准确理解和深入分析，更不是对基础资产的价值和稳健性以及其他投资者行为的精确解读。一厢情愿的热情、莫名其妙的自信和无端的乐观等，这些玄幻的市场情绪在造就出投资者更大的自信和乐观的同时，也为最终的崩溃埋下了伏笔。
正如《德尔斐神谕》所指出的，智慧的关键并不在于预测未来。对于现代金融市场及其参与者来说，其通俗含义就是，投资的成功并不仅是建立于聪明的预测之上，准确把握市场参与者的心理及其驱动的投资行为是至关重要的。扑朔迷离的金融市场本身就富有无穷的魅力，踏过从基本面分析到技术分析的历久弥新的智慧，从行为金融这样一个现实的视角去透视真实的金融市场，不失为现代生活中极具的事情。
欧美财经新书最前线
The Snowball: Warren Buffett and theBusiness of Life
作者：爱丽丝・施罗德(Alice Schroeder)
出版商：Bantam(2008年9月29日)页数：976页
内容提要：很少有金融投资家能像沃伦・巴菲特那样长久地占据人们的视线。尽管欧美市面上有关他的书籍不下60本，但作为其本人亲自授权创作的首部传记，本书想不吸引眼球都难。这本被《华尔街日报》称作“今秋最值得期待的图书”，由巴菲特“钦点”摩根士丹利前保险分析师爱丽丝・施罗德操刀，不仅详细讲述了巴菲特作为投资人一生的奋斗历程与成功故事，还史无前例地描述了巴菲特的现实生活、价值观、处世哲学和人生经历。透过爱丽丝与巴菲特本人数千小时的交谈、对其商业伙伴、家人和朋友的采访以及充斥着两大资料室的投资材料和信件等，读者或许能摘掉“股神”的光环，还原一个真实的巴菲特。
The Partnership:The Making of Goldman Sachs
作者：查尔斯・艾利斯(Charles.Ellis)
出版商：Penguin Press HC(2008年10月7日)
【关键词】日元；避险资金；货币
1 何为避险资产？
1.1避险资产的定义与属性
避险资产通常指在出现政治、经济、金融市场波动或者战乱、恐怖袭击等重大外部冲击带动市场风险偏好大幅下降时表现坚挺，或被资本追逐的资产。过去一段时间，美元、欧元、日元、瑞士法郎等主要国际货币，以黄金为代表的贵金属，以及发达国家长期债券等都具有一定的避险属性。其中，日元、瑞士法郎、美元和黄金是最著名的四类避险资产。
避险货币的形成既有历史的原因，也受到诸多经济社会因素的影响。首先是基本面因素。投资者对该货币长期以来的信心非常重要，这一方面体现为稳定的币值和较低的通胀水平，另一方面体现为货币发行国经济的规模、结构和韧性（robustness）和隔绝外部冲击的能力，比如大多数新兴市场经济体以及汇率与商品价格高度相关的资源型国家货币就难以成为避险货币。
其次是金融市场发达程度。避险货币发行国需要拥有兼具深度、广度和流动性的金融市场，以承载国际资金的流入，比如金融市场体量较小国家或金融市场分割的经济体（如欧元区）货币难以具备避险功能。再次是市场开放程度。避险货币需要自由可兑换，且金融市场足够开放，比如，在资本账户没有开放的情况下人民币在短期内难以成为避险货币。最后是个性化因素。
已有的避险货币还具有一些个性化的特征，比如美元是具有统治地位的国际货币，占全球外汇市场交流量超过40%，流动性非常高；日本长期实行低利率，且拥有较多的海外资产头寸（详见下节）；瑞士是永久中立国，有严格的银行保密制度，被认为是世界上最安全的地方。
1.2避险资产的相关性与轮动
避险情绪的切换往往导致资产间的相关性增强。汇丰的研究表明，金融市场情绪在逐险/避险（risk on/risk off）间跳动使得资产间的关联性增加，且形成了鲜明的两大阵营，一类是风险资产，包括股票，高收益债券，新兴市场货币、大宗商品等，另一类是避险资产，包括避险货币、投资级债券、贵金属等。今年以来，资产间相关性持续上升，类似于2010年欧洲债务危机时期的情形，这意味着市场共识和投资者情绪在悲喜间跃迁，风险/避险两类资产间价格呈现明显负相关，而各类资产内却高度正相关。
值得一提的是，全球金融危机以来主要央行的量化宽松（QE）政策可能为避险需求的泛滥提供了弹药，尽管其本身意在消除了不同资产表现的分化，但在经济复苏苦乐不均的情况下，充足的流动性伴随市场情绪的波动追逐有限的安全资产，客观上强化了避险货币的属性。不同避险货币的吸引力还呈现出轮动和替代的特征，主要取决于货币发行国的政治经济情况和相关政策措施。
2 日元何以成为避险货币？
从历史上看，尽管日元不是最主要的国际货币，但横向比较可以发现，自上世纪90年代以来的历次风险事件发生后，日元的避险属性大多强于美元、欧元，甚至瑞士法郎。这意味着危机发生时，日元被认为是相对稳定的避险资产。我们认为，以下三个方面的因素（经济基本面因素、金融市场面因素与交易投机面因素）支撑日元成为全球最受追捧的避险货币。
2.1经济基本面因素
日元的“全球最佳”避险货币地位必然有本国经济基本面作为支撑。按照我们对汇率变动原因的分析框架（参见宏观全球经济季度报告―2016年春季专题报告《上升期虽有波折，言逆转为期尚早――透视美元周期：特征事实、驱动力量及非对称影响》）：从长期来看，汇率体现了一国相对经济地位的变动；从中期来看，汇率与相对通胀水平密切相关；从短期来看，汇率受利差变动的影响。据此，我们也可以归纳出支持日元作为避险货币的三个经济原因：
（1）经济规模大，国际收支改善
二战后，日本在大多数时间内都是全球第二大经济体，尽管其经济增速在近二十年来一直较低，但其绝对经济实力是日元在危机中赢得信心的来源。从国际收支平衡来看，长期以来，日本也都维持着巨额的经常项目和金融项目顺差。尽管本世纪以来，日本的贸易顺差有所收缩，甚至转为逆差，但受核电重启、能源价格回落等影响，2015年日本贸易由赤字转向持续盈余，而金融账户顺差更是创下2010年以来的新高（图2）。国际收支状况的改善所引起的资金净流入加大无疑对日元币值形成了支撑。
3 强势日元风光难再
3.1日元长期走势趋于平稳
长期来看，汇率相对走势从根本上仍然取决于经济基本面。安倍上台之后，日本央行的宽松政策不断加码，年度购债规模达到80万亿日元，带动日元贬值35%，但一年内的急剧升值已将安倍的努力抵消了一半。目前，日本依然面临经济衰退和通货紧缩的困扰，而前期刺激带来结构性的财政问题也损害了日元的长期信用基础。比如，尽管金融市场倾向于把日元理解为避险货币，但就连日本央行行长黑田东彦也认为，由于日本政府债务位居全球首位，日本国债其实并非无风险资产。
因此，在其他避险选择也存在特定缺陷（比如黄金的流动性不够好等）时，日元可能还会临时扮演短期避险工具的角色，但从中长期来看，日元没有持续走强的理由。当然，在政策空间受限的情况下，安倍想要进一步推动日元贬值也非易事，除非日本央行真正开始“直升机撒钱”。除了经济基本面外，日元的短期波动还取决于全球市场避险需求、美联储何时加息等因素。
3.2日本央行面临重大挑战
日元作为避险货币的被动升值给日本央行带来了挑战：一方面，海外资本流动大进大出加大了宏观经济管理的压力，并带来相关的国内经济调整成本；另一方面，不合意的汇率持续升值将进一步损害日本的资产负债表。考虑到日本长期处于低通胀、低利率的环境，升值将带来更大的通缩压力，进而拖累经济增长。
但日本央行却面临国际国内双重掣肘：从国际来看，单方面干预汇率可能引起其他国家的声讨，特别是来自美国的压力；从国内来看，宽松货币对日元贬值的边际推动作用已经衰减，甚至是今年1月以来，日本央行意外推出“负利率”也没能止住日元的升值步伐。另外，从政策工具来看，日本央行已经通过大规模的量化和质化宽松为金融市场注入了天量流动性。
从中长期看，日本正在逐步成为一个“食利国家”。实业投资方面，国内产业面临中、韩等国的竞争和日元升值的压力，不得不移向海外。金融投资方面，明显新兴市场国家的吸引力也胜于日本国内。因此，未来的日本将越来越依赖于海外投资带来的收益。而这些收益的回流又将成为中长期推升日元汇率的重要因素。
参考文献：
[1]孙少岩，张奎.灾后日元升值初探.东北亚论坛，2011（06）
[2]王蕾.避险需求主导市场走势――7月国际金融市场走势分析.国际金融，2011（08）
关键词：异质期望；学习；演化；人工金融市场；非线性动力学
The Artificial Financial Market Based on Evolution of Agent’s Behavioral Heterogeneity
and Nonlinear Characteristics Analysis
MA Chao-qun , YANG Mi，ZOU Lin
(College of Business and Administration, Hunan Univ, Changsha, Hunan 410082, China)
Abstract: This paper explores the formation of financial market’s nonlinear characteristics from the standpoint of the evolution of investor individual’s heterogeneous behavior through an agent-based artificial financial market. In our market, agent will consider fundamental information and price tendency simultaneously relied on personal behavioral characters, such as mood, memory length and so on, make the trade-off between them based on empirical knowledge, then form price expectation and trading behavior to current market state. The adaptive updating of the weight represents the evolution of agent’s behavior, which is realized by the evolution of forecast rules with Genetic Algorithm (GA) and Generation Function (GF). Simulation testing shows that when the market fraction is composed of confident fundamentalist, chartists and adaptively rational agents, artificial financial market appears the same nonlinear characteristics--leptokurtosis, fat tail, clustered volatility, long-term memory and chaos, as real markets do, under a market maker scenario. This provides a computational experiment platform to study these behavioral factors, which cause the market to emerge nonlinear characteristics.
Key words: heterogeneous expectation; learning; evolution; artificial financial market; nonlinear dynamics
1. 引言
20世纪90年代以来，随着复杂性科学的兴起，Hsieh（1991）、Peters（1994）、Lux和Marchesi（1999）等研究发现，股票收益率呈“尖峰胖尾”分布，股票价格序列具有分形维、长期记忆性以及混沌吸引子等非线性特征[1-3]。传统的新古典金融理论在无法解释其形成原因的同时，也难以解释大量的“金融异象”（Anomalies），从而促使金融学研究范式发生了重大转变，从完全理性、有效市场与静态均衡到有限理性、自适应市场与非线性演化。
随之发展起来的计算金融学，正是建立在金融市场复杂自适应理论基础之上，采用“自下而上”的建模方法，利用计算机模拟技术构建基于Agent的人工金融市场，试图通过仿真研究揭示金融现象的产生根源与金融市场的演化规律，达到控制系统风险的目的。人工市场中，有限理性的Agent不断学习与进化，基于个人偏好形成自适应的异质预期与交易行为，在市场交易机制下相互作用，共同推进市场的协同演化。
人工金融市场的模型构建中，关键在于对Agent异质行为（预期）的形成与演化建模。目前，文献中存在两股研究热流：一股是以Brock和Hommes（1998）[4]为代表的异质行为人模型（Heterogeneous Agent Model，HAM）。模型中，持有异质信念的Agent分别采用与信念一致的行为策略来形成预期，根据各种预期及相应的人数比例得到对风险资产的总需求，在Walrasian均衡机制下生成资产的价格。随后，Agent会根据不同行为策略的市场表现来更新信念、转换行为；这个学习过程通过自适应信念系统（Adaptive Belief System，ABS）来实现，其直接表现为市场上异质信念Agent的比例变化。
同大多数模型一样，Chiarella 和He（2003）、Dieci et al.（2006）、Boswijk et al.（2007）、Anufriev和Panchenko（2009）等均在此理论分析框架内，构建仅由两类异质Agent---基本面分析者与技术分析者组成的市场，来分别研究Agent具有常（绝对/相对）风险厌恶偏好、有固定成分（自信的基本面与技术分析者）与调整成分（自适应理易者）的市场组成以及不同的价格生成机制（Walrasian均衡、做市商、指令驱动）下的人工市场中价格的动态行为[5-8]。这类理论导向型（Theoretical-oriented）模型采用解析的方法描述异质Agent的行为与信念更新，通过建立非线性动力学系统来模拟市场运行，在一定的参数条件下，能产生厚尾、投机泡沫和波动丛集性等“典型特征”与显著的混沌特征。
另一股是以Arthur et al.（1997）[9]为代表的Santa Fe人工股票市场（Artificial Stock Market， ASM）。市场中，短视的Agent根据各自经验规则集中在当前市场状态下的最佳预测规则形成对下期股价与股利的线性预期，产生异质的需求与行为策略；当总需求等于总供给时，市场达到均衡，股票价格生成。随后，Agent将更新被激活规则的预测精度，按照各自的学习速度利用遗传算法（Genetic Algorithm，GA）来进化个人预测规则；这个预期形成与学习过程通过包含三个基本要素的Holland遗传分类系统来实现，具体为：把市场状态信息映射到形成预期的预测参数的条件/预测规则集、判断预测规则好坏的适应函数以及基于适应值进行选择、交叉、变异来淘汰坏规则，保留并生成新规则的遗传算法。
这个计算平台建立了一个完全可控的实验环境，重现了现实金融市场的许多特征，比如：尖峰厚尾、波动持续性、交易量自相关以及崩盘等，一经推出就受到众多学者的关注，各种改进的人工股票市场不断涌现：Tay和Linn（2001）考虑Agent学习能力的有限性，采用模糊逻辑系统替代遗传分类系统来刻画Agent的学习进化机制；LeBaron（2001）考虑具有常相对风险厌恶偏好的Agent通过神经网络算法形成预期与行为策略的人工市场典型特征； Chen和Yeh（2001）加入了一个“管理学校”机制，市场上Agent在利用遗传规划算法进化预测函数的同时，能通过学校交流经验、学习策略，最终市场价格在超额需求的驱动下进行调整；LeBaron和Yamamoto（2007）在Chiarella和Iori（2002）建立的指令驱动型连续双向拍卖市场的基础上，考虑Agent之间的相互学习与模仿，采用遗传算法进化与传播行为策略，模拟出市场存在的长期记忆性等[11-14]。这类计算导向型（Computational-oriented）模型侧重于计算机实现，利用各种智能算法来描述Agent的预期形成和市场交易机制作用下的学习与进化，通过可控实验探寻金融市场的演化规律。
然而，站在Agent个人行为演化的角度不难发现，所有文献关注的仅是两个极端的情形：一方面，HAM 忽视了Agent面对复杂市场环境其决策行为的多样性。尽管模型捕捉到了市场中Agent的两种基本行为策略，并且能通过ABS在两者之间做出选择，但忽略了Agent的本质行为---基于交易经验在基本面分析与技术分析之间的自适应性动态权衡；另一方面，ASM忽视了Agent的个人行为特征与基本行为策略，为其策略的形成提供了太大的自由度。市场中Agent利用由价格与股利构成的预测方程形成预期，其所有参数范围内形成的策略都是可行的。尽管能通过GA进化行为策略，但这些策略均忽略了Agent的实际行为---基于个人情绪，记忆长度等行为特征的基本面与技术分析及权衡，而仅剩下了表面的数字含义。
融合以上两种建模方法，本文构建一个新框架来刻画交易者的行为本质。这个行为框架不仅包含了交易者的两种基于个人行为特征的基本行为策略，如HAM中所描述，而且考虑其基于经验认知在两者之间的权衡，通过加入生成函数的遗传分类系统来学习与进化权衡行为，同ASM中所设定。在此基础上，建立基于Agent的人工金融市场，试图从交易者个人异质行为演化的角度研究金融市场非线性特征的形成。
人工市场中，Agent基于个人情绪与调整速度进行基本面分析，同时基于记忆长度与外推速度进行趋势分析；针对当前市场状态，在个人经验规则集内选取最佳预测规则，利用预测参数---权重，形成价格预期与交易行为；其权衡行为的学习与进化不仅基于市场行情而且基于个人的交易经历，两种情形分别通过遗传算法与生成函数更新规则来实现。Yang et al.（2010）[15]研究了该人工市场中资产价格的形成与演化，通过实验方法证明：在做市商的价格生成机制下，只有当市场由自信的基本面分析者、技术分析者和自适应性理易者组成时才能生成与真实市场相同的“典型特征”，这与Taylor和Allen（1992）[16]得出的实证结论一致。模拟实验表明，基于这一市场组成的人工金融市场呈现出与真实市场相似的非线性特征---尖峰、厚尾，波动聚集性，长期记忆性与混沌特征。这为探究导致市场产生非线性特征的行为因素提供了一个计算实验平台。
本文的结构安排如下：第二部分人工金融市场建模，构建Agent的价格预期模型与异质行为演化机制，以及价格生成模型；第三部分模拟实验与特征分析，在实验设计的基础上模拟市场运行，检验仿真价格时间序列的尖峰、厚尾，波动聚集性，长期记忆性与混沌特征；第四部分结论与展望。
2. 人工金融市场建模
本文结合文献[6]中异质行为人模型与文献[9]中Santa Fe人工股票市场，构建基于Agent异质行为演化的人工金融市场。市场中，Agent依赖个人行为特征，如：情绪、记忆长度等，来同时考虑基本面信息与价格趋势，针对当前市场状态，基于经验认知权衡二者后形成价格预期与交易行为。权重的自适应性更新揭示了个人行为的演化，其通过遗传算法与生成函数进化预测规则来实现。
2.1 基本模型
假设市场中存在两种公开交易的资产：债券与股票。债券无限供给，其无风险利率为 ；股票的股利 服从一阶自回归过程：
为股利的均值， ， ，且 ，满足i.i.d.条件。
市场上有 个短视的Agent，具有相同的常绝对风险厌恶（Constant Absolute Risk Aversion，CARA）效用函数：其中， 是财富规模， 是绝对风险厌恶系数。众所周知，在股价与股利服从高斯分布的情形下，Agent通过最大化其期望效用函数能确定最佳的股票需求份额：
其中， 为 时刻的股票价格， 和 分别为Agent对股价与股利条件均值与方差的预期 。
2.2 Agent的价格预期模型
不同于异质行为人模型中仅通过ABS在两种基本行为策略之间进行简单转换，人工市场中每个Agent针对当前市场状态，利用依赖个人行为特征的基本面分析与技术分析得到相应价格预期， 和 ，基于经验认知在两者之间权衡，形成最终的加权价格预期：
其中， 为Agent依赖两种基本行为策略的权重， 。
下面，将具体介绍Agent其基于基本面分析与技术分析的价格预期模型。假设 时刻的股票基本面价格 为市场上的公开信息，等于长期基本价值 。然而，考虑到噪声信息、个人心理因素等各种情况的影响，Agent对 时刻基本面价格的估计将偏离基本价值，满足：
其中，偏离程度 满足i.i.d.条件，其均值 为Agent个人情绪的平均度量（ , 乐观;, 悲观）， 为偏离基本价值的方差。
从基本面分析的角度出发，Agent相信股价最终将回复到基本面价格，即使存在短期的偏离。因此，其基于基本面分析的价格预期为：
其中， 为基于Agent个人判断的股价调整速度， 。
同时，Agent也希望把握股价的变动趋势，利用基于个人记忆长度的平均收益率来外推股票的价格预期：
其中， 为外推系数，其符号标志着Agent是趋势（ ）或反向（ ）投资者； 为个人记忆长度，在交易者之间服从独立的均匀分布； 为记忆长度 内的平均收益率，具体表示为：
综上，Agent对 时刻股价与股利的预期为：
2.3 Agent的异质行为演化机制
本文采用加入生成函数的遗传分类系统来刻画Agent基于经验认知在基本面分析与技术分析之间的动态权衡，其权衡行为的学习与进化不仅基于市场行情而且基于个人的交易经验，两种情形分别通过遗传算法（GA）与生成函数（GF）更新规则来实现。同时，其权重的选取与自适应性更新揭示了价格预期的形成与个人行为的演化。
2.3.1 权重的选取
类似于Santa Fe人工股票市场，每个Agent在 时刻同时拥有 条预测规则，每条规则包括三个部分：市场条件，预测参数---权重，以及预测精度。市场条件由12位二进制代码组成，反映两类市场信息：基本面与技术面信息，具体设置参见文献[9]。规则被激活，当且仅当其市场条件与当前市场状态 相匹配。一旦有多条规则被激活，Agent将选择其中预测精度最高的规则来形成价格预期。
假定Agent的第 条规则为 时刻的最佳预测规则，记为： ，其中， 与当前市场状态相匹配， 为选取的权重，用来形成价格预期 ，以及 ，被激活规则中的最小预测方差（即：预测精度最高），用来预测条件方差 。
市场上所有Agent均利用式（2）计算各自的最佳需求份额，同时传递给市场。做市商根据市场上的超额需求来调整股票价格，生成下期的股价 。当新一期的股利 已知时， 时刻被激活的所有规则，其预测精度将被更新：
其中， 。
2.3.2 权重的更新
在 期初，每个Agent将总结第 期的个人交易经验，生成一条新规则 ，其意味着市场状态 下使得预测方差最小的最优权重。这是一个自我学习的过程，生成最优权重的函数 被称为生成函数。
对于Agent，计算最优权重 ，通过等式
于是，Agent的第 条规则记为： 其中， ，为市场状态 下被激活的规则中最小的预测方差。
市场中，Agent不仅通过每期在预测规则集中最佳预测规则的选择以及新规则的生成，实现从个人交易经验中的快速学习，而且通过平均 期不同步的利用遗传算法进化预测规则集，基于适应值进行选择、交叉、变异来淘汰坏规则，保留并生成新规则，实现基于市场行情的缓慢学习，具体设置参见文献[9]。
对于Agent， 期后其规则集中拥有 条规则。表现最差（即：适应值最低）的 条规则被淘汰，同时在保留的规则基础上，通过交叉与变异生成新规则，使得其在 时刻重新拥有 条规则。Agent的第 条规则的适应值定义为：
其中， 为规则的特征值 （即：市场条件部分被设定状态的位数和）的成本。
2.4 价格生成模型
假定股票零供给， 时刻的超额需求等于市场上所有Agent的需求总和。在做市商的价格生成机制下，得到下期的股票价格：
其中， 为价格调整速度，噪声项 ，满足i.i.d.条件。
3. 模拟实验与特征分析
为验证人工金融市场的有效性，在Agent的个人行为特征与学习速度均不发生调整的简单情形下，设计实验、设定参数，按照流程图模拟Agent自适应性动态权衡的交易行为与市场运行，检验人工市场生成的仿真价格时间序列的非线性特征---尖峰、厚尾，波动聚集性，长期记忆性与混沌特征。
3.1 模拟实验
3.1.1 实验设计
人工市场中，Agent的个人行为特征，如：情绪、记忆长度、调整速度以及外推系数等均在所服从的分布范围内随机选取；Agent在保持平均学习速度的前提下彼此不同步的进化预测规则集；且结合文献[15]的研究，在做市商的价格生成机制下，设定市场由自信的基本面分析者（即：），自适应性理性投资者（即： ，具有异质行为演化能力）和技术分析者（即： ）按照 的比例组成，具体参数设置见表1。
3.1.2 流程图
基于Agent异质行为演化的人工金融市场建模流程如图1所示：
3.1.3 运行结果
基于设定的市场组成比例以及各类Agent的交易与学习机制，按照流程图，利用Matlab语言对人工金融市场进行仿真实现。在不同的随机生成数下模拟运行10次，每次交易10,000期，让市场中Agent得到充分的学习，记录随后的1,000期。市场运行一次所生成的仿真价格时间序列与仿真对数收益率序列见图2。
3.2 特征分析
国外实证研究表明，金融市场的价格时间序列与收益率序列存在显著的非线性特征。国内学者史永东（2000）、王卫宁等（2004）、马超群等（2008）均证实中国股票市场也不例外[17-19]。本文选取1997.1.1～2007.5.24上证综指和深圳成指日收盘价（经对数线性趋势消除法处理[19]）与仿真价格序列进行比较分析。此期间，市场经历了两次熊（牛）市，蕴涵了丰富的动力学特征；且剔除价格随经济和通货膨胀而增长趋势的指数序列与不存在太多白噪声扰动的仿真价格序列更能体现系统的非线性结构，更具可比性。
3.2.1 尖峰、厚尾与波动聚集性检验
检验结果如表2所示，全体仿真价格时间序列均与上证综指、深圳成指的价格序列具有相同的分布特点，呈现出显著的尖峰、厚尾（峰度大于3）与波动聚集性（ARCH-LM检验，在5%的显著性水平下拒绝原假设），且向右偏（偏度大于0）。在此基础上，将进一步检验人工金融市场是否与中国股票市场一样具有长期记忆性和混沌特征等非线性动力学特征。
3.2.2 长期记忆性检验
作为判断时间序列是否为有偏随机游走的重标极差（ ）分析方法[2]，以其稳健、非参的特点作为重要的研究工具被用来检验金融时间序列的长期记忆性。其导出的Hurst指数 表明，当 时，序列为随机游走过程；当 时，序列具有反持续性，即均值回复过程；当 时，序列是持久的，具有长期记忆性。同时， 分析能发现时间序列的非周期循环，估计平均循环长度，为人工金融市场的混沌检验提供重要参数支持。
从表3可知，全体仿真价格时间序列的Hurst指数均值 ，平均循环长度 ；同时，图3显示了Hurst指数最小的仿真序列1的 分析过程，其指数为0.721，显著大于0.5，且非周期循环的平均长度估计为169期。以上数据标志着人工金融市场具有显著的长期记忆性，存在非周期循环，这与上证综指、深圳成指的价格序列具有长期记忆性和分形性质的结论一致[20]。此外，人工金融市场较中国股票市场具有更强的记忆性，究其原因，不存在外部环境中经济与政治因素的冲击，以及市场中全体Agent同时基于个人记忆长度进行技术分析，使得价格影响的持续性更久远。
3.2.3 混沌特征检验
对初始条件的敏感性依赖以及存在分形维的吸引子，是一个混沌系统具备的基本特征。采用相空间重构技术来计算金融时间序列的最大Lyapunov指数和相关维，是通过度量对初始条件的敏感程度和混沌吸引子的维数来检验金融市场是否存在混沌的有效方法。利用表3中的平均循环长度，根据WOLF法则，本文采用相同的小数据量算法和G-P算法[21]来计算人工金融市场的混沌特征量---最大Lyapunov指数 和相关维 ，使之与中国股票市场的混沌特征更具可比性。
表4中结果显示，人工金融市场的最大Lyapunov指数在95%的置信度下显著为正，均大于上证综指、深圳成指的指数值。这说明市场存在混沌，且对于初始条件比真实市场更敏感。收敛到2.36相关维表明，人工金融市场存在与中国股票市场同样的低维混沌，并且同样可以用最少3个变量为市场的运动建立动力学模型。
通过尖峰、厚尾与波动聚集性检验、长期记忆性检验和混沌检验可知，在一定的参数条件下，基于Agent异质行为演化的人工金融市场呈现出与真实市场---中国股票市场相似的非线性特征。这为从交易者异质行为演化角度探究金融市场非线性特征的形成与演化提供了一个有效的计算实验平台。
4. 结论与展望
真实市场中，交易者并不是简单的在基本面分析者与技术分析者这两个角色中转换。他会依赖个人行为特征同时考虑基本面信息与价格趋势，权衡二者，依赖其对市场状态基于直觉与经验分析得到的自适应性权重来形成价格预期。我们把这整个过程被称之为“交易者行为”，其自适应性权重的动态更新表示交易者行为异质性的演化。
本文的主要工作是在这个刻画交易者本质行为的新框架上建立了一个人工金融市场，在反映市场中交易者真实行为的同时，验证了在做市商的价格生成机制下，当市场由自信的基本面分析者、技术分析者和自适应性理易者组成时，人工市场能产生与真实市场相同的非线性特征。这为从交易者异质行为演化角度探究金融市场非线性特征的形成与演化提供了一个有效的计算实验平台。在此平台上，交易者个人行为特征与学习速度变化对市场的冲击以及导致市场出现非线性动力学特征的序参量挖掘，将成为下一步的研究方向。
参考文献
[1] D. A. Hsieh. Chaos and nonlinear dynamics: application to financial markets [J]. The Journal of Finance, 1991, 46(5):1839-1877.
[2] E. Peters. Fractal market analysis: applying chaos theory to investment and economics [M]. New York: John Wiley & Sons Inc., 1994.
[3] T. Lux and M. Marchesi. Scaling and criticality in a stochastic multi-agent model of a financial market [J]. Nature, 1999, 397:498-500.
[4] W. A. Brock and C. H. Hommes. Heterogeneous beliefs and routes to chaos in a simple asset pricing model [J]. Journal of Economic Dynamics and Control, 1998, 22(8-9):1235-1274.
[5] C. Chiarella and X. Z. He. Heterogeneous beliefs, risk and learning in a simple asset pricing model with a market maker [J]. Macroeconomic Dynamics, 2003, 7(4):503-536.
[6] R. Dieci, I. Foroni, L. Gardini, and X.Z. He. Market mood, adaptive beliefs and asset price dynamics [J]. Chaos, Solitons & Fractals, 2006, 29(3):520-534.
[7] H. P. Boswijk, C. H. Hommes, and S. Manzan. Behavioral heterogeneity in stock prices [J]. Journal of Economic Dynamics and Control, 2007, 31(6):1938-1970.
[8] M. Anufriev and V. Panchenko. Asset prices, trader’s behavior and market design [J]. Journal of Economic Dynamics and Control, 2009, 33(5):1073-1090.
[9] W. B. Arthur, J. Holland, B. LeBaron, R. Palmer, and P. Tayler. Asset pricing under endogenous expectations in an artificial stock market [C]. The Economy as an Evolving Complex System II, Addison-Wesley, 1997, 15-44.
[10] N. S. P. Tay and S. C. Linn. Fuzzy inductive reasoning, expectation formation and the behavior of security prices [J]. Journal of Economic Dynamics and Control, 2001, 25(3-4):321-361.
[11] B. LeBaron. Evolution and time horizons in an agent based stock market [J]. Macroeconomic Dynamics, 2001, 5(2):225-254.
[12] S. H. Chen and C. H. Yeh. Evolving traders and the business school with genetic programming: a new architecture of the agent-based artificial stock market [J]. Journal of Economic Dynamics and Control, 2001, 25(3-4):363-393.
[13] B. LeBaron and R. Yamamoto. Long-memory in an order-driven market [J]. Physica A, 2007, 383(1):85-89.
[14] C. Chiarella and G. Iori. A simulation analysis of the microstructure of double auction markets [J]. Quantitative Finance, 2002, 2(5):346-353.
[15] M. Yang, C. Q. Ma, and L. Zou. Asset pricing under evolution of agent’s behavioral heterogeneity in an artificial financial market [C]. The 2nd International Conference on Information Engineering and Computer Science, Accepted.
[16] M. P. Taylor and H. Allen. The use of technical analysis in the foreign exchange market [J]. Journal of International Money and Finance, 1992, 11(3):304-314.
[17] 史永东. 中国证券市场的股票收益持久性的经验分析[J]. 世界经济, 2000, (11):29-32.
[18] 王卫宁, 汪秉宏, 史晓平. 股票价格波动的混沌行为分析[J]. 数量经济技术经济研究, 2004, (4):141-147.
[19] 马超群, 邹琳, 李红权. 股票市场的非线性结构与混沌效应检验：基于BDS方法与CR方法[J]. 湖南大学学报(自然科学版), 2008, 35(5):85-88.
[20] C. Q. Ma, H. Q. Li, L. Zou, Z. J. Wu. Long-term memory in emerging markets: evidence from the Chinese stock market [J]. International Journal of Information Technology & Decision Making. 2006, 5(3):495-501.
[21] 李红权, 马超群, 邹琳. 中国证券市场的混沌动力学特征研究[J]. 中国管理科学, 13(专
如果按照传统的金融理论指导金融投资，很难起到对投资者正确指导，使投资者更为理性地进行投资活动。所以，传统金融理论难以适应时代的发展，亟待对传统金融学进行其他学科知识理论的补充，积极研究并吸收其他学科的研究方法，不断地拓展金融学研究范围。目前，随着行为金融学的出现，有效地解决了关于投资的诸多问题。行为金融学是集心理学和金融学于一体的相互融合的学科。该学科的研究对象是金融市场中交易者非理性投资行为。具体分析，行为金融学是借助心理学的有关知识，分析投资者的心理活动，以此为基础评价投资者的非理性投资行为，也就是说行为金融学主要研究投资者心理因素导致在金融市场上的非理性投资行为。结合传统投资理论在金融市场的投资范式，分析评估交易者在金融市场中投资决策时犯系统性错误的原因，指导投资者认识到自己的非理性投资行为，进而对非理性投资行为进行修正，达到科学理性投资，降低投资风险的目的。行为金融学融合了心理学的有关理论知识，从心理学角度分析金融市场上投资决策可得出如下结论：基于投资者心理因素的影响，会造成投资者在金融市场投资时容易犯下主观判断失误，使得投资者在金融市场投资行为活动变得反应过度或者反应不足，严重影响投资者的预期收益。所以，行为金融学研究的主要内容就是投资者非理性投资行为的动因，结合金融学的有关知识，建立完善的金融投资理论体系，为投资者在金融投资活动中提供重要的理论依据，使投资者的投资行为趋于理性化、科学化。
二、金融市场上的心理分析方法
长期以来，在金融市场上投资者最为常用的投资分析法有两种，即基本面分析法和技术面分析法。基本面分析法所采用的分析依据是投资对象的经营业绩以及经济发展形势；技术面分析法针对经济市场走势进性数据统计，并编制图表，根据图表定量分析未来投资的方向以及前景。而行为金融学的投资分析方法主要是对投资者心理因素的探究，依据心理学原理及相关知识分析投资者的心理状况对金融投资造成的正负面影响。从金融学角度分析，在金融市场交易行为活动中，投资者对金融决策的依据主要是基于主观判断和客观地对金融市场走势进行分析、估测。然而心理分析法是传统分析法的补充和改进，心理分析法是主要是以传统分析法为依据，将心理分析法融合到整个金融市场投资环境中，强调以分析投资者的心理因素，突出投资者的主观性为主要研究方向。然而过于强调投资者的主观能动因素而忽视机械交易的客观性，会导致投资者的交易行为受到人性弱点的干扰。因此，基于金融市场上的心理分析法还应以基本面分析法和技术面分析法为依据。
三、健康的心理范式利于正确投资决策的形成
行为金融学强调的是提高投资者在金融市场中良好心理的形成，有助于投资者做出正确的金融投资决策，对规避投资风险和降低投资风向具有重要的意义。为此，我们应基于行为金融学的原理，加强对行为金融学中心理学科的探讨，建立健全正确的心理范式，帮助投资者在金融市场中形成良好的金融投资心态，确保金融投资者投资受益最大化。具体来讲健康的心理范式的建立需要通过以下几方面来实现。
1.提高情商。
按照投资心理层次的不同可将其划分为理性层面和非理性层面。理性层面我们可以理解为投资者的智商，而非理性层面可以理解为投资者的情商。投资心理理性层面主要考察的是投资者智力的高低，投资心理非理性层面主要考察的是投资者在投资过程中投资者情绪的控制把握力度和体验深度。从金融市场投资行为分析，行为金融学更多的还是考察投资者的情商。这是因为心理因素对投资者投资行为的影响远远大于理性层面的影响。所以，提高投资者情商是避免投资者在金融市场投资行为出现错误，降低投资风险的重要思路。应作为行为金融学研究的重点内容。
2.培养规避错误信息的能力。
具有良好的规避错误信息的能力是投资者做出正确投资决策的前提条件。在金融市场中有关投资的虚假信息无处不在，如果投资者不能正确地判断信息的准确性，可靠性，而是盲目地、不理性地进行投资，很有可能会增加投资风险，收益受损。所以，作为投资者应具有良好的规避错误信息的能力，只有这样才能提高投资的收益，得到较好的投资回报。第一，投资者对金融市场信息认真地主观客观地分析鉴定，甄别。避免偏听偏信，对客观的信息融入过多的主观色彩，导致对信息错误判断。不能因为信息同自己的主观思路相符就愿意相信，愿意接受，愿意投资，而对于那些同自己主观思路不相符的信息就不予理睬。第二，投资者不应有盲目从众的心理，就是我们常说的“羊群效应”；不能人云亦云，受别思想、意见左右，这主要是因为金融市场是个复杂的环境，同其他社会活动不同，具有较大的风险。其他人对金融投资的判断结果并不是完全正确的。第三，在投资过程中投资者要心态平和，时刻保持冷静的头脑，避免因反应不足或者反应过快做出缺乏理智的投资决策，进而增加投资风险；第四，投资者要对投资收益期望值保持平和的心态，要学会等待，从等待中获得应有的预期收益，而不是急于求成。对于各类利空或利好的信息投资者都需用辩证的角度去分析对待。这是因为投资市场是瞬息万变的，市场是动态的市场，随时都有可能产生新的变化，如利空向利好转化，利好向利空转化等。第五，投资者应学会用动态的眼光去分析投资问题，根据金融市场的变化实时对原来的决策做出调整。因为只有投资者的主观判断同市场的动态发展实际相符，其投资才是有意义和价值的。
3.学会远离市场上的投资氛围。
一、从金融经济的角度阐述影响
股票市场稳定的原因对于股票市场的发展来说，有很多的因素影响着股票市场的发展，有很多的经济学家提出了金融理论，这些理论对股票的发展是非常有益的，可以帮助人们分析股票市场的发展趋势和大的走势，例如有效市场假说理论，这一理论就为股票的投资提供了现实性的意义，简单来说就是预测其他股票购买者的心理，而不是过多的关注自己需要购买的股票的数量和种类，要对其他购买者的心理因素进行分析，利用人们的心理因素将金融市场中股票的购买率进行研究，从中总结出规律，这就是有效市场假说理论存在的现实性意义。
二、影响股票市场稳定性的因素
股票市场中另一种较为重要的理论是随机游走理论，随机游走理论认为股票市场是不能够准确进行预测的，所有预测的股票走势均是不可靠的，股票的走势是不能够进行预测的，因为价格的变化是不能够固定的，现在有很多的金融学家对这种理论持肯定的态度，因为股票市场在随时发生着变化，对于股市可以进行分析，这样可以增加市场预测的准确性，让市场中股票价格合理的变化，要想了解相关的信息，可以从三个方面入手：
1．基本面。基本面是对股票的整体走势进行分析，可以从基本面的角度看出每一个分时线的走势，对股票的涨跌有一个大致的了解，在这些了解中可以获得很多的信息，这些信息可以增加股票的走势，让股票的走势可以预测得更佳，但是在股票的预测中，是不可能保证预测的准确性，这就是可以从基本面上获得的信息。
2．消息面。消息面就是将股票市场上的基本信息进行了解，这些基本信息包括股票市场上的法律法规，基本的政策是了解股票市场信息的基础，但是在市场上很多的信息是不准确的，这就要求我们要识别信息的正确性，如果是不正确的信息，就会对市场上的信息造成混淆，对股票的投资造成影响，造成的损失是巨大的，这就是消息面，虽然消息面不是影响市场稳定的决定性因素，但是也会对市场造成影响。
3．技术面。这种因素对金融市场的发展是非常大的，技术是金融市场发展的灵魂，如果技术不能够对金融市场进行基本的分析，这时金融技术就是没有价值的，技术要与理论相适应，这样的技术才能够适应社会的发展，现在的社会对金融的要求是非常高的，如果能够掌握基本的理论，就会让金融市场的发展事半功倍。以上就是金融市场中股票的稳定性分析，但是在实际的操作中，我们可以知道股票的发展对金融市场是非常重要的，因此，一定要重视对这三种理论的研究，这三种理论对股票市场的稳定性有着重要的影响。
三、股票市场上存在的问题
1．企业的效益会下滑。股票的变动从实质上来说就是上市公司的效益的变动，但是这个变动不会超过上市公司股份的真正的价格，但是现在我国的上市公司存在效益下滑的问题，这种问题在上市公司中是屡见不鲜的，发生这些问题的主要原因有经营环境的变化，市场结构得不到改善，公司的法人股有很多都不在我国公司的手中，企业机制的不完善也让公司的发展受到限制。
2．股市监管部门的力度不够。现如今，在我国现阶段的证券监管体系是以我国证券的政府监管部门为根本的，在政府主导的股票市场中，容易出现以下两个错误：证监会在行使监管职责的过程中，与证券市场的其他部门之间进行交涉，削弱了证监会的直接监督权，对于证券市场下达指令也收不到预期的效果。
四、针对股民的心理为调控对象的金融经济学意义
1．要深入研究股票的走向和趋势。做出价值投资针对股市的巨幅震荡，牵动着万千股民的心情，一些心态不好的股民的心情更是随着行情的走向跌宕起伏因此，要运用自己的知识深入研究股票的走向和趋势，找出其中微妙的变化，做出正确的价值投资，总结经验教训，调整好自己的心态。
2．加强对股民的心理调节。当前A股是典型的市场失灵，会出现估价标准迷失、投资者行为混乱等现象，这些都不是市场本身所能够解决的，必须有政府出面。决策管理者从大局出发，对股民增强提醒风险和加强风险的理论指导，避免言过其实、危言耸听。正确引导股民的心理预期，树立股民投资的信心。
五、结论
股票市场对经济有着重要的影响，现在有很多的人都在进行股票的投资，股票市场也变得愈来愈稳定，金融市场对经济的发展是非常重要的，一定要对投资者的心理进行研究，只有了解了股票投资者的心理，才能够正确的对待股票市场，让股票市场为经济建设作出贡献，因此，一定要重视股票市场的稳定性，让金融经济学的股票市场稳定，通过理论学习，让金融行业快速发展。
参考文献：
［1］李山泉．如何看待中国当前的股票市场？［J］．博鳌观察，2015，（03）．
［2］郑志林．中国股市异常波动下的投资行为分析［J］．经济研究导刊，2015，（07）．
关键词：欧债危机；债券市场；联动效应，VAR模型
一、引言
2009年底，全球三大评级公司下调了希腊信用评级，2010年5月，希腊危机全面爆发。随后。与希腊一起被称为“PIIGS”的葡萄牙、西班牙、爱尔兰和意大利信用评级接连被下调。伴随着信用危机，希腊国债价格指数大跌。国债收益率飙升，葡萄牙、爱尔兰等国国债价格指数也接连出现大幅度下跌。由于欧盟金融市场一体化进程的快速推进，欧盟各国金融体系的运行难以摆脱其他国家的影响，此次欧盟各国国债价格指数的纷纷下跌很可能是各国债券市场间的联动性所致。而随着世界经济和金融一体化的加速。不同国家金融市场间的联系越来越密切，作为在全球占据重要地位的新兴市场经济主体，中国资本市场的开放程度、国际化水平逐渐提高，国内金融市场与国际金融市场的波动也趋于同步，所以，此次欧盟债务危机是否会通过债券市场间的联动效应引起我国的债务危机成了多方关注的问题。本文拟通过建立计量经济模型分析中国债券市场与国际债券市场的联动效应，研究此次欧债危机是否会通过债券市场间的联动效应影响到我国国债市场。
二、文献综述
随着全球经济和金融一体化的加速，不同国家金融市场间的联系越来越密切，各国资本市场之间的联动现象也引起越来越多的学者与投资者的关注。而且随着计量分析的不断发展。国内外众多学者运用计量方法研究资本市场的联动效应也取得了丰富的研究成果。
关于运用计量经济模型分析证券市场联动的研究中。ChaandSekvung(1999)运用VAP，模型分析发现，1987年美国股市灾难和1997年亚洲金融危机对新兴市场国家的股市有显著的传染效应：FrandesX，DieboldandKamilYflmaz(2005)采用VAP，模型对19世纪早中期16个国家股票市场的收益和波动情况进行了研究，发现新兴市场融入国际金融市场将导致市场间收益溢出效应的发生：高莹和靳莉莉(2008)运用VAP，模型、脉冲响应分析和lohamen协整检验对沪深300指数与世界主要指数的关联性进行了检验和分析。得出我国股票市场指数与世界主要市场指数有一定趋同性，我国资本市场与世界资本市场有一定联动性，且受世界资本市场影响的结论；王宏涛(2009)通过ARCH模型、VAR模型和ECM模型对中国沪深两市和美国、日本、欧洲等主要国际股市之间的关系进行了实证研究，发现中国股市和国际股市之间存在着联动效应以及自身与同期中地理位置相近的股市的新生干扰在长期对各股市收益变动的贡献率最高。
国内外关于股票市场间的联动效应的研究取得了丰富的成果，而关于债券市场的研究则不多见。而关于欧债危机，研究多侧重于欧债危机产生的原因、演进历程和对策，联系到中国则多从中国的对外贸易问题出发分析欧债危机对中国的影响。虽然刘新华(2010)从货币理论的视角分析得出我国大规模的政府赤字和银行信贷扩张不会使中国出现债务危机，但运用计量方法实证分析此次欧债危机是否会通过债券市场间的联动效应影响到我国国债市场的研究寥寥无几。
本文在对债券市场间联动效应内在机制的分析基础之上，利用计量经济方法，通过建立VAP，模型研究欧元区、美国、日本和中国债券市场间的联动关系，以分析欧债危机对我国国债市场影响的显著性：同时为了与欧洲区域内部各国家国债市场之间的联动关系进行比较，又选择了欧洲八个国家建立模型，对比得出中国发生债务危机的可能性。
三、联动效应内在机制分析
根据证券市场联动的定义，本文给出债券市场联动的定义：债券市场联动是指不同国家债券市场间或者同一市场的不同债券之间的收益率呈现较强的相关性，也指不同债券市场的价格拥有共同的长期均衡关系或拥有长期同步波动的趋势。
证券市场联动的经济机理研究中，理论界有代表性的解释归结起来分为两个层面：基本面因素引起的联动效应和行为因素引起的联动效应。
基本面联动理论以FamaEugeneF(1970，1991)的有效市场假说为基础，认为证券间收益的联动性来自于基本面的联动性，具体地说，就是现金流或折现率变动的相关性。预期现金流变动的相关性可能是由于经济政策方面的消息对某些证券未来的盈利具有某种共同影响：风险折现率变动的相关性可能是由于投资者风险厌恶程度或利率的变动，也可能是由于对某些证券的风险预期发生了共同变动。基本面联动理论可用来解释同一行业板块内的联动效应。
行为因素是引起证券市场联动性的另一个重要方面。金融自由化是证券市场联动的前提，信息溢出是证券市场联动的内在动力，投资者和投机者的交易行为则是证券市场联动的直接原因(曾志坚。2008)。随着信息技术的发展以及金融创新的加快，投资者可以在全球范围内进行投资并配置其资产组合，同时可以综合考虑各个国家债券市场的风险与收益情况，利用分散化投资获得最大利益。在金融自由化的条件下，如果不同国家债券市场之间的相关程度很低。将会出现在不同市场间套利的机会。这时投资者根据风险与收益匹配的原则调整其投资于各国债券市场中的资本权重，以获取超额回报。但投资者的这种行为最终会使得套利机会减少，因为频繁的套利操作和资本流动会将不同的债券市场紧密相连，使得债券市场间出现不同程度的联动现象。
另外，卢卡斯在经济波动理论中提出的“有效预期”假设同样也为金融市场的联动现象给出了一个很好的分析方向。一个国家的危机使得投资者不仅对本国的经济发展产生悲观情绪，而且对其他经济体的信心也发生动摇，从而导致其他国家经济的恶化。这种恐慌心理的传导是债券市场之间波动联动的渠道之一，也往往是危机蔓延的重要原因。
四、模型设定及数据处理
(一)模型设定
VAtk模型使用模型中所有当期变量对所有变量的若干期滞后变量进行回归。把系统中的每一个内生变量作为系统中所有内生变量的滞后值的函数来构造。
（一）金融泡沫经济研究动因的考虑要素
1.经济基本面。如果从市场与政府的角度来分析泡沫经济的话，我们不难发现，仅从公共债务规模去辨析美国或美元货币是无法判断出其是否已经形成巨大的金融泡沫经济的。这是因为当前国际市场与各个国家地方经济的阶级性质的差异性，都决定着这种泡沫经济的研究主体有所不同。也就是说，金融泡沫经济肇始于美国，同时美国也是国际货币的发行国，和自身发型货币的方式有别于其他普通国家，致使美国金融危机的引爆方式，引起了其他国家的不同社会结构、阶层等的经济震荡，其中就包括我国深受影响。由此我们可以看出，在研究这种金融危机下的泡沫经济，我们不单要把握当前某一阶段、某一背景下的两面性、多面性、以及复杂程度与不确定性等。所以在我们研究这种泡沫经济时，应当首先从资本主义的基本经济体制所反映的现实看起，进而去进一步取得金融危机下的泡沫经济形成的动因；这样的基础研究动因，也是我们对泡沫经济认知程度的基本基础。由此，我们得出一个结论就是，研究这种金融危机下的泡沫经济，实质上使对“经济基础面”的研究、分析，这是因为，从“经济基本面”整体角度来看，它不仅包括诸多较小的经济实体，甚至还包括国别经济与全球经济。与此同时，“经济基本面”的研究，也是我们展开这种形势下的泡沫经济研究的基础点与出发点。
2.市场行为主体。我们知道，经济趋势发展的行为走向取决于在市场中的无数市场下的行为主体。但是我们也深知经济基本面也仅有一个，所以这就导致，市场中的行为主体对经济基本面的认知程度并不是都是相同的或者近似的。仔细想想，我们可知道，市场行为主体有他们自身的利益需要、有利价值、先入为主意识、教育背景、特定条件与环境以及综合素质等均有差别，而不可否认的是，这些切实存在的因素，对于金融机构以及其他组织的市场行为主体，所欲选取的信息角度、分析能力、远瞻性意识也不尽相同。因此，这也就进一步导致了现阶段在这种金融危机影响下的市场主体行为的决策与其自身的反映程度均有不同，起码是多元的、易变化的。另外，大多市场行为主体，对自身所处经济环境的正确认与错误的认知程度、市场不同预期的变化节奏、以及不利市场环境下采取的理和过失行为等因素，都会影响经济走势，加速泡沫经济虚化的程度，同时这种经济走势，也使得全球层面上的市场参与者加快了市场信息相互传递、交互过程，以致使现代金融市场具有易变性。
（二）信息产业技术对金融经济市场行为主体的影响
随着全球经济与科技产业的高速发展，以互联网为核心的现代信息通讯技术也同样迅猛发展开来。这也就使得，市场行为主体的能动作用发生了改变，甚至颠覆了传统市场模式，它既可能使所谓的有效市场理论更有效，理性市场行为更理性，又不断侵蚀地缘和文化的障碍，加快沟通的速度，提供爆炸性增长的信息，改变着传统市场的功能，影响着包括政府等市场监管者在内的所有市场参与者的决策和行为，全球市场金融经济的不确定性因而进一步增加。
二、政府与泡沫经济
（一）膨胀和破裂的往复循环是泡沫经济演进的基本模型
政府或者其他组织机构、市场行为主体，以及其他外部力量等，都很希望打破膨胀与破裂的往复循环的泡沫经济。而此时这种抽象的泡沫经济，人们对其予以厚望，想让政府出面干预。那么，政府真的能够都到均衡处理好吗？实际上，市场信息的充分程度与市场主体行为参与者得理，在一定程度能够抑制泡沫经济加速形成。但是，不可否认的是，市场参与者虽然认识到了这种泡沫经济的风险性，但是也有不少市场参与者为了自身所追逐的片面利益，使其陷入泡沫经济中，补给了泡沫经济的形成动力。由此可见，金融市场难以做到平衡。因此，作为市场监管的政府部门，当仁不让地应对市场主体参与者所施行的非理，加以有效监管，发挥出监管职责。
（二）政府和金融市场的关系
如果市场参与者未能准确预测市场何时形成了泡沫，政府是否就能够具备充足的信息与判断能力，进而做出正确决策？其实仔细想想，市场监管者决策的反应意识，很深程度上是不可能进行正确预测的。这就说明，政府与市场的关系只能是一个持续不断的互动过程，即政府高层的决策既可能引导市场趋于均衡；也可能促使金融市场进一步扭曲，而这样的假定在美国“次贷”危机及其引发的国际金融危机，也包括美国政府至今持续推进的经济刺激计划中得到了验证。
三、结 语
总之，在如今年代，金融市场的泡沫经济出现，已经不可避免。虽然市场行为主体在市场中受泡沫经济的影响以及政府监管的制约，但是对于市场行为主体而言，他们的一些行为会随着时间的推移，不断自我反省、自我认识、自我评估，到最后自我校正的，从而使得市场行为主体能够在金融泡沫经济的环境下，还依然能够保持持续性健康发展。
参考文献：
［1］理查德·库珀,赵瑾.理解全球经济失衡［J］.国际经济评论,2007,(02)
