时间：2022-09-22 10:23:18
序论：在您撰写金融数学论文时，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。
1.金融数学课程体系、教材建设及人才培养的探索
2.《金融数学》实验教学方法探索
3.本科生“金融数学”课程案例教学模式探讨
4.金融数学概述及其展望
5.高等学校金融数学实验中心建设研究
6.关于金融数学教学的思考
7.MATLAB引入金融数学教学初探
8.金融数学的现状与发展
9.金融数学方向硕士研究生培养模式探讨
10.金融数学专业人才培养模式的改革与探索
11.地方高师院校金融数学专业实验课程体系建设探索
12.“金融数学”探究式教学的探索与实践
13.金融数学方向建设的几点建议
14.金融数学研究综述与展望
15.金融数学专业课程设置与人才培养质量分析
16.金融数学课程设置与专业建设的一些体会
17.金融数学概述
18.金融数学的教学与研究
19.金融数学介绍
20.案例教学法在金融数学教学中的应用
21.金融数学
22.新建地方院校金融数学专业本科人才培养探讨
23.金融数学研究综述及其前景展望
24.金融数学专业数学分析课程教学探索与实践
25.从Altman的Z评分模型看金融数学的哲学性
26.金融数学中的若干前沿问题
27.金融数学的研究与进展
28.金融数学专业“概率论”课程教学例题选题研究
29.数学专业拓办金融数学方向教学改革的探索
30.应用型本科高校金融数学专业建设的思考
31.地方院校金融数学专业(方向)的课程设置
32.金融数学本科专业教学现状及对策分析
33.金融数学教学方法的探索与实践
34.金融数学研究进展与展望
35.新建地方本科院校应用型金融数学人才培养的思考
36.金融数学介绍
37.数学知识在若干金融问题中的应用
38.地方高师院校金融数学教学模式初探
39.金融危机与金融数学
40.高校教学模式改革的有益探索——兼论金融数学专业实验教学的改革与完善
41.金融数学研究前景展望
42.对“金融数学”专业人才培养的探索与实践
43.金融数学人才培养模式定位探究——以云南大学滇池学院为例
44.地方院校金融数学专业数学类课程设置与教学
45.金融数学概述
46.金融数学的发展及其在证券投资组合中的应用
47.对金融数学专业教学改革问题的思考
48.金融数学方向《随机过程》课程建设的研究与实践
49.金融数学中两个基于高等数学的证明
50.金融数学研究最新进展综述
51.金融数学对世界的推动作用
52.金融数学教学初探
53.关于金融数学专业建设的思考
54.金融数学教学探讨与实践
55.金融数学专业设计性实验的教学安排
56.财经院校金融数学高层次人才培养模式研究
57.金融数学教学方法改革的探讨与实践
58.“第六届全国金融数学与金融工程学科建设与学术研讨会”综述
59.高校金融数学专业实验课程的设置
60.关于金融数学深入认识的几点思考
61.浅析反证法思想在金融数学教学中的应用
62.金融数学培养方向实验项目资源建设的几点建议
63.探讨金融数学对现代金融市场的影响及推动
64.金融数学及金融工程学──公司理财和金融风险防范的高新技术
65.20世纪金融数学的若干进展及前瞻
66.山东大学“金融数学与金融工程基地班”人才培养模式探索
67.数学与应用数学专业方向建设教学改革探索——浅谈在高校数学系开设金融数学本科专业
68.浅论金融数学研究进展与展望
69.谈如何运用金融数学技巧进行期权定价
70.我国金融数学的发展及前景
71.金融数学中的欧式期权定价方法
72.西部新建地方本科院校金融数学教学模式初探
73.论金融工程与金融数学对现代金融市场的推动
74.高校金融数学专业金融交易实验教学中心建设探究
75.基于应用型人才培养模式的金融数学课程教学改革——以安徽财经大学为例
76.向应用型高校转型形势下的本科金融数学专业课程设置初探
77.金融数学课程案例教学的探讨
78.概率论和金融学的结合——金融数学的现展综述
79.如何运用金融数学技巧进行期权定价
80.针对金融数学专业进行金融工程学课程教学改革的探索
81.金融数学模型
82.金融数学教育与实用型金融人才的培养
83.复合型人才培养融入金融数学本科教学
84.刍议金融工程与金融数学专业的培养方案
85.高校数学系金融数学实验教学模式的探讨
86.“3+1”培养模式下《金融数学》课程实践教学改革的研究与实践
87.金融数学本科专业人才培养模式的研究——以新疆财经大学为例
88.《金融数学》教学改革初探——“探究式”教学模式和“形成性”考核评价体系
89.比较教学法在金融数学教学中的应用
90.高校金融数学专业建设新探
91.构建金融数学专业课程体系评价模型
92.复制资产策略在金融数学教学中的应用
93.应重视金融数学在外汇收支统计分析中的应用
94.普通高等院校金融数学专业人才再分流培养
95.金融数学研究综述及其前景展望
96.关于金融数学专业实践教学的探讨
97.数学在金融领域中的适用性和局限性
98.金融数学发展综述
99.金融数学的研究与进展
100.金融数学专业课程体系与教学方法的研究
101.关于金融数学专业如何培养应用型人才的思考
102.地方本科院校新办金融数学专业人才培养模式的探索与实践——以乐山师范学院为例
103.《金融数学》课程对大学人才培养的作用
104.金融数学专业实变函数教学方法探析
105.在《金融数学》教学中培养大学生的学习兴趣
106.以就业为导向的金融数学课程设置与教学改革研究
107.计算机技术在金融数学课程教学中的运用
108.地方高校金融数学专业最优化方法双语教学初探
109.浅谈数学在金融中的应用
110.案例教学法在《金融数学》中的应用研究
111.我国金融数学教学工作改进分析
112.金融数学模型发展的思考
113.西部地区金融数学专业教学改革的研究与实践
114.金融数学专业课程体系分析
115.改革金融数学基础课程解析几何考试模式培养实践能力
116.关于金融数学专业教育模式的相关思考
117.数学专业拓办统计与金融数学方向的教学改革
118.金融数学模型概述
119.金融数学专业《计量经济学》课程教学改革初探
120.金融数学专业高等代数与解析几何教学探讨
121.金融数学专业《运筹学》课程教学改革的研究与探讨
122.金融数学引论研究性教学探讨
123.彭实戈:中国金融数学奠基人
124.应用型本科院校金融数学专业学生培养研究
125.金融数学专业实践教学改革的实践与研究
126.金融数学金融工程和金融电子化
一、争论的起点:红利之谜
1.红利之谜——主流金融学的“死穴”?行为金融学家们很早就声称从与分红相关的一些现象的研究中找到了当前主流金融学的“死穴”(ShefrinandStatman1984)。
1973年至1974年能源危机期间,纽约城市电力公司(ConsolidatedEdisonCompany,CEC)准备取消红利支付。在1974年该公司的股东大会上,许多中小股东为此闹事,甚至有人扬言要对公司董事会成员采取暴力举动。显然,这一事件是主流金融学所无法解释的。Shefrin和Statman(1984)尖锐地提出:按照主流金融学的分析框架,CEC的股东只会对能源危机对公司股价的影响敏感,而绝不会为公司暂停支付红利的决定如此激动。因为在主流金融学的框架下,投资者遵循米勒(Miller)和莫迪利安尼(Modigliani)套利定价理论。他们知道,在不考虑税收与交易费用的情况下,一美元的红利和一美元的资本利得并没有什么差异,他们随时可以通过卖出股票自制“红利”;而在收入税率高于资本利得税率的现实世界,减少股利支付会使股东的境况更好。那么为什么这么多股份公司还要发放红利呢?CEC的股东为什么会对公司停止支付红利做出如此激进的反映呢?
然而,米勒(Millerl986)却将这些攻击蔑视为“天大的玩笑”。的确,在20世纪80年代行为金融学形成的初期,其理论体系远未完善,各种“软肋”和“硬伤”成为主流金融学攻击的靶子。很少有人意识到其日后会对金融学理论产生深远的影响。
2.行为金融与红利之谜。行为金融学独特的分析框架很好地解释了红利之谜。Shefrin和Statman基于Kahneman和Tversky(1979)的期望理论建立了一个崭新的分析框架。期望理论认为,投资者习惯于在潜意识中将其资产组合放入不同的意识账户(mentalaccounts)。一些账户的资产是用来养老的,一些账户的资产可以偶尔赌一把,一些账户的资产是用来接受高等教育的,还有一些账户的资产是为度假准备的,如此等等。马柯维兹试图说服投资者考虑不同意识账户之间的协方差而将其看成一个投资组合,但投资者似乎并不买账。他们仍然习惯于将资产划分为应对资产价格下跌的意识账户(持有现金和债券)和应对资产价格上涨的意识账户(持有股票、期权以及其它未定权益)。而投资者对这两类账户的风险偏好特性是马柯维兹协方差的所不能解释的(前者表现为极度的风险厌恶,而后者表现为极度的风险偏好)。CEC股票价格的下降属于资本意识账户的损失,而停止支付红利则是红利意识账户的损失。两个账户中同等数额的美元对投资者而言并不相同。
马柯维兹(Markowitz)指出,将资产划入不同的意识账户忽略了不同资产之间的协方差,会使投资组合位于资产组合理论导出的有效前沿的下方。但Thaler和Shefrin(1981)针锋相对地指出,现实生活中受情绪等行为意识影响的投资者并非主流金融学框架下的完全理性人。他们不具有完美的自控能力,容易趋于各种诱惑。将资产划入不同的意识账户的做法实际上更有利于投资者提高自控能力。至于马柯维兹的有效前沿只是一种现实生活中永远无法达到的理想状态罢了。
制定行动规则是一种很好的自控方式。正如对于沉迷于酒精的人来说“最多喝到第一次摔倒”是一种很好的自控标准一样,“消费红利、绝不动用资本利得”是消费欲望强烈的投资者的自控标准。那些认为停止红利支付会使其丧失收入来源的CEC的小股东们实际上是在忠实地执行绝不动用资本利得的自控规则。这些人将持有CEC的股票放到了获得稳定收入来源的收入意识账户。他们担心,一旦开始自制红利(卖股票),就会像酒鬼碰到酒一样一发不可收拾,最终失去一切。
对于遵循行为金融的投资者而言,自制红利还有另一个不足之处——它开启了遗憾之门(doortoregret)。Kahneman和Tversky(1982)将遗憾(Regret)定义为投资者发现不同的选择本能得到更好的结果时的痛苦感觉。设想一个投资者用分红所得的1000美元购买了一台电视机,另一个投资者用卖掉股票所得的1000美元购买了一台同样型号的电视机。Kahneman和Tversky问道:当股票价格上升时,这两个投资者会感到同样遗憾吗?遗憾总是和责任相连的,而责任来源于选择。买卖股票是一种重大的抉择,自然可能导致重大的遗憾。而等待分红是一种不必选择的选择,自然遗憾较少。
二、争论的核心:市场有效性
过度反应(overreaction)与滞后反应(underreaction)是主流金融学与行为金融学争论双方所使用的一个重要武器。但对过度反应与滞后反应的研究涉及到金融学领域至今还未形成统一认识的市场有效性问题。对市场有效性通常有两种理解。一种理解认为,有效市场意味着投资者不可能找到系统有效地打败市场的方法。另一种理解认为,有效市场下证券价格是理性的(rational)。理性价格仅仅反映市场对风险收益进行权衡的理性趋利特性(数理金融中的无套利均衡),而并不反映投资者情绪等价值感受(value-expres-sive)特性。
资产分配策略(tacticalassetallocation,TAA)反映了市场不可战胜意义上的有效性和理性价格意义上的有效性的差别。秉承资产分配策略的投资者试图在股市出现泡沫时抛出股票,在股市出现恐慌时买进股票。在对泡沫与恐慌的判断中实际上包含着投资者情绪这种价值感受特性。但这并不意味着市场是容易被打败的。Philips,Rogers和Capaldi(1996)发现,资产分配策略在1977-1988年非常成功,1988年以后就失效了。其中,这一策略在1987年的股市大恐慌时最为成功。大多数秉承这一策略的投资者在股市崩盘之前已经抛空头寸。不过,遗憾的是,这些投资者大多在股市达到最低点时仍然驻足不前,从而丧失了在随后的股市复苏中大赚一笔的机会。看来,打败市场决非易事。
在金融学家们对市场有效性问题争得不可开交的时候,似乎忘记了Fama(1991)的论述:市场有效性是不可检验的。对市场有效性的检验必须借助于有关预期收益的模型,如CAPM、APT等。如果实际收益与模型得出的预期收益不符,则认为市场是无效的。我们经常见到的验证某一金融市场低价股和具有较高B/M(book-to-marketratios)的股票存在超额收益率的实证研究,其实都是在试图否定市场有效性。但问题在于,如何得出超额收益的预期收益模型本身就是错误的呢?因此,市场有效性必须和相关的预期收益模型同时得到证明。这就陷入了一个悖论:预期收益模型的建立以市场有效为假定前提,而检验市场有效性时,又先验假设预期收益模型是正确的。用市场有效性前提下的预期收益模型是无法检验市场有效性的。以最为常用的CAPM和APT为例,市场有效性不成立,CAPM和APT就不成立。但反过来并不能因CAPM和APT导出的结论与市场有效性不符而否定市场有效性——因为CAPM和APT本身有可能是错误的。
由于以上原因,尽管关于市场有效性的实证研究如火如荼,却很难得出一致的结论。研究者们都极力试图使市场为自己的观点提供佐证。他们往往对不同时期、不同市场的数据采用不同的资产定价模型处理,研究结果不免有失客观性。Hawawini和Keim(1998)曾试图对这一问题进行客观全面的研究。他们采集了不同国家、不同时期的金融数据,与不同的资产定价模型进行比较,得出的结论却是自相矛盾、一塌糊涂。最终,Hawawini利Keim不得不回到Fama(1991)的论述:现有金融手段无法验证是资产定价理论有错误还是市场是无效的。他们无奈地写道:我们希望这一问题能够在下一个百年得到解决。
尽管如此,价值感受对投资者的投资决策和资产价格具有重要影响是一个不争的事实。纯理性的价格并不存在。因此,对市场有效性的第一种理解(市场不可战胜意义上的有效市场)似乎更为科学。
行为金融学正是基于对市场有效性的第一种理解致力于探索同时反映理性趋利特性和价值感受特性的资产定价模型。
三、争论的新发展
1.行为资产定价模型与资本资产定价模型。主流金融学认为行为金融学对投资者价值感受的过分关注已经走入歧途。比如,Miller指出,股票价格不仅仅是一个回报率。在它的背后隐藏着许多故事,家庭的支出变化、家庭矛盾、遗产划分、离婚协议,如此等等,不一而足。我们研究资产组合理论、资产定价理论就是要从扑朔迷离的市场中寻求决定市场发展方向的主要因素。过分关注于一些无关紧要的现象只会使我们迷失研究方向。
然而,行为金融学家则坚持认为对投资者行为进行研究是至关重要的。MeirStatman(1999)指出,其实CAPM也是从投资者行为人手的。在CAPM中,所有投资者均被假设为只关心投资回报和投资组合的协方差(风险),二者的均衡便导出结论。现在,行为金融研究的目的就是要改变CAPM的假设,使其更接近现实,怎么能认为它不重要呢?Shefrin和Statman(1994)构筑了BAPM(be-havioralasset-pricingmodel)作为主流金融学中CAPM的对应物。BAPM将投资者分为信息交易者(informationtraders)和噪声交易者(noisetraders)两种类型。信息交易者即CAPM下的投资者,他们从不犯认知错误,而且不同个体之间表现有良好的统计均方差性;噪声交易者则是那些处于CAPM框架之外的投资者,他们时常犯认知错误,不同个体之间具有显著的异方差性。将信息交易者和噪声交易者以及两者在市场上的交互作用同时纳入资产定价框架是BAPM的一大创举。
BAPM中证券的预期收益决定于其行为贝塔(behavioralbetas),即正切均方差效应(tangentmean-variance-efficient)资产组合的贝塔。因为噪声交易者对证券价格的影响,正切均方差效应资产组合并非市场组合(marketportfolio)。比如,噪声交易者倾向于高估成长型股票的价格,相应的,市场组合中成长型股票的比例也就偏高。为了纠正这种偏差,正切均方差效应资产组合较之市场组合要人为调高成熟型股票的比例。
标准贝塔和行为贝塔的估计是一个难点。在CAPM中,我们都知道市场组合的构成原理但却找不到精确构造市场组合的方法,因此在计算标准贝塔时只好用股票指数代替市场组合。行为贝塔的计算就更加困难。因为正切均方差效应资产组合随时都在变化,这个月还在起重要作用的行为因素下个月可能变得微乎其微,我们很难找到它的有效的替代物。
当然,这些问题决不能阻止金融学家们对资产定价模型的追求。CAPM也好,BAPM也好,究其根本,所有资产定价模型都是经济学中供求均衡基本思想的一个翻版。供求曲线既决定于理性趋利特性(如对产品成本、替代物价格的分析),也决定于消费者的价值感受(如口味等)。在CAPM中,供求仅仅决定于理性趋利特性下的标准贝塔,在三因子APT中,供求决定于公司规模(size)、B/M以及市场组合本身,但对公司规模和BM的判断是具有理性趋利特性的客观标准呢,还是反映了投资者的价值感受特性呢?Fama和French(1992)持前一种观点,Brennan、Chordia和Subrahmanyam(1992)则持后一种观点。
BAPM涵盖了包括理性趋利特性和价值感受特性的诸多因素。比如钦佩(admirafion)这种价值感受特性。《财富》杂志每年都对职业经理人和投资分析家最钦佩的公司做一次调查。Shefrin和Statman(1995)发现,回答者明显偏爱其钦佩的公司的股票,而且这种偏爱已经明显地超越了预期回报(理性)的解释能力。在股票市场上,人们对成长股的追捧同样超越了理性。事实证明,价值感受特性和理性趋利特性一样,应当成为决定预期收益的参数。
2.行为金融组合理论(BehavioralPortfolioTheory)与马柯维兹资产组合理论。金融机构在实践中所使用的资产组合和主流金融学中马柯维兹均方差组合是有很大差别的。比如,Fisher和Statman(1997)发现共同基金为一些投资者采取了较高比例股票的投资组合,对另一些投资者却采取了较高比例债券的投资组合,这显然有悖于主流金融学中的两基金分离定理(two-fundseparation)。因为两基金分离定理证明所有有效组合都能够表示为一个股票与债券具有固定比例的风险组合和不同数量的无风险证券的组合。
Shefrin和Statman(1999)提出了行为金融组合理论来替代马柯维兹的均方差组合理论。均方差组合投资者将资产组合看成一个整体,他们在构建资产组合时只考虑不同证券之间的协方差,并且他们都是对风险的态度不变的风险厌恶者。行为金融组合者则具有金字塔型层状结构的资产组合。资产组合金字塔的每一层都对应着投资者特定的投资目的和风险特性(方差)。一些资金投资于最底层防止变得不名一文,一些资金则被投资于更高层次用来争取变得更富有。
行为金融组合理论较之均方差组合理论较好的和目前十分流行的在险价值(value-at-risk,VAR)构筑资产组合的方法达到理论与实践上的一致性,但仍有许多具体问题有待进一步突破。比如,如何将各种理性趋利特性和价值感受特性进行定性、定量的区分与描述,如何具体构筑层状组合结构每一层的资产组合,等等。
3.如何看待泡沫与风险补偿。CAPM等主流金融学模型都在关注不同股票的预期收益差异,但同一股票不同时期的预期收益如何变化,风险补偿会不会变化,抑或说如何衡量泡沫呢?在这方面,行为金融学再一次表现出良好的解释能力。
风险补偿是金融工具(这里指股票)预期收益率与无风险证券收益率之间的差值。风险补偿的名称是针对金融工具的接受方而言的,对于金融工具的转让方而言,它又被称作风险贴水。它名义上是对风险的补偿,但它实际上涵盖了包括理性趋利特性和价值感受特性在内的决定股票收益的所有因素。Shefrin(1999a,b)从理论和实证两方面得出基本因素和市场情绪(sentiment)共同决定风险补偿。Porter和Smith(1995)则在实验室环境下成功模拟了泡沫的形成过程。
四、前景展望:行为金融学——新的主流金融学?
众所周知,主流金融学建立在米勒和莫迪利安尼套利定价理论、马柯维兹资产组合理论、夏普一林特纳一布莱克(Sharpe,LintnerandBlack)资本资产定价模型(CAPM)以及布莱克一斯科尔斯一默顿(Black,Scholes,andMerton)期权定价理论(OPT)的理论基石之上的。主流金融学之所以至今具有强大的生命力是因为它以最少的工具建立了一个似乎能够解决所有金融问题的理论体系。
几乎没有理论体系会与所有的实证研究相吻合,主流经济学也不例外。米勒承认红利问题对于主流金融学而言是一个迷,但是他仍然坚持认为,通常情况下的金融市场理性预期均衡模型和有关红利的特殊模型联合起来,将是很完善的,至少不会比其它任何模型差。对现有金融学的理论框架进行基于行为金融或是其它理论的重建既非必要,也决不会在不远的将来发生。Schwert(1983)十分不情愿地接受了需要新的资产定价理论以解释反常现象的观点。但他同时强调,新的资产定价理论也必须是在所有投资者都理性地追求最大化的框架之内。而DeBondt和Thaler(1985)强调,股票价格超涨超跌的过度反应实际上是一种超越理性的认知缺陷。Shiller(1981,1990)则明确指出,股票价格的涨落总是被非理性的狂热所左右,理性并不可靠。由此可以预见,行为金融学与主流金融学目前的争论是水火不容的。
和主流金融学一样,行为金融学也由许多有用的工具构成。这些工具有些为主流金融学与行为金融学共有,有些则是行为金融学独有,如人类行为的易感性(susceptibility)、认知缺陷(cognitiveerrors)、风险偏好的变动(Varyingattitudestowardrisk)、遗憾厌恶(aversiontoregret)、自控缺陷(imperfectself-control)以及同时将理性趋利特性和投资者情绪等价值感受作为自变量纳入分析框架,等等。
一些人认为,行为金融学不过是将心理学引入了金融学,但是心理学从来没有离开过金融学。尽管行为模型不一样,但所有的行为都没有超越心理学。主流金融学又何尝不对投资者的行为(指导行为的是心理)做出假设呢?只不过主流金融投资者的行为被理性(rational)所模型化,行为金融投资者的行为则被置于正常(normal)的模型之中。理性与正常并非完全相悖。理通常被定义为追求效用最大化的行为,而追求效用最大化被认为是很正常的。面对10美元与20美元的选择,理性人和正常人都会选择20美元。
综上所述,在很短的时间内,行为金融学迅速崛起。无论认同还是反对,任何一名金融学者都在对行为金融学提出的问题与得到的结论进行仔细推敲。这一事实本身足以展示行为金融学在当今金融学领域的地位及发展前景。从对主流金融学的假设与结论提出质疑,到对市场有效性、风险、资产定价模型等问题提出自己独特的观点,一直到提出自己的资产组合理论,行为金融学正在逐步向一个完善的金融体系发展。可以预见,行为金融学和主流金融学围绕本文上述问题的争论也将随之深入。虽然行为金融学完全替代主流金融学还只是行为金融学家的一厢情愿,但行为金融学必将对金融理论与实践产生越来越大的影响。也许正如Thaler(1994)所说,终将有一天“行为金融学”作为一个名词将不再被人提起——这是多余的。人们在对资产定价时将很自然地考虑各种“行为金融”意义上的因素。从这一意义上讲,笔者更相信行为金融学与主流金融学在争论中不断融合,形成新的更具实践性的主流金融学的观点。
参考文献:
(1)Black,Fischer.1986.“Noise.”JournalofFinance.vol.41,No.3,July:529-543.
(2)Brennan,MichaelJ.,TarunChordia,andAvanidharSubrahmanyam,1998.“AlernativeFactorSpecifications,SecurityCharacteristicsandtheCross-SectionofExpectedStockReturns.”JournalofFinance.
(3)DeBondt,W.,andR.Thaler.1985.“DoestheStockMarketOverreact.”JournalofFinance,vol.40,no,3(July):793-805.
(4)Fama,Eugene.1991.“EfficientCapitalMarket.”JournalofFinance,vol.46,no.5(December):1575-1617.
(5)-,1998.“MarketEfficiencyLongTermReturnsandBehavioralFinance.”JournalofFinancialEconomics,vol.49,no.3(September):283-306.
(6)Fama,E.,andK.French.1992.“TheCross-SaectionofExpectedStockReturns.”JournalofFinance,vol.47,no.2(June):427-465.
(7)Fisher,Kenneth,andMeirStatman.1997.“InvestmentAdvicefromMutualFundCompanies.”JournalofPortfolioManagenient,vol.24,no.1(Fall):9-25.
(8)Friedman,M.,andL.J.Savage.1948.“heUtilityAnalysisofChoicesInvolvingRisk.”JournalofPoliticalEconomy,vol..56,no.4(August):279-304.
(9)Hawawini,Gabriel,andDonaldB.Keim,1998.“TheCrossSectionofCommonStockReturns:AReviewoftheEvidenceandSomeNewFindings.”Workingpaper,UniversityofPennsylvania.
(10)Kahneman,D.,andA.Tversky.1979,“ProspectTheory:AnAnalysisofDecisionMakingunderRisk.”Econometrica,vol.47,no.2(March):263-291.
(11)Kahneman,D.,P.Slovic,andA.Tversky,1982,JudgmentunderUncertainty:HeuristicsandBiases.NewYork:CambridgeUniversityPress.
(12)Miller,MertonH.1986,“BehavioralRationalityinFinance:TheCaseofDividends.”JournalofBusiness,vol.,59,no,4(October):S451-S468.
(13)Odean,Terrance.1998.“Volume,Volatility,Price,andProfitWhenAllTradersAreaboveAverage.”JournalofFinance,vol.53,no.6(December):1887-1934.
(14)Philips,Thomas,GregRogers,andRobertCapaldi.1996.“TacticalAssetAllocation:1987-1997.”JournalofPortfolioManagement,vol.23,no.1(Fall):57-64.
(15)Shefrin,Hersh,1999a.“IrrationalExuberance,HeterogeneousBeliefs,andOptionMarkets.”WorkingPaper.SantaClaraUniversity.
(16)-,1999b.“OnKernelsandSentiment.”WorkingPaper.SantaClaraUniversity.
(17)-,1999c.BeyondGreedandFear:UnderstandingBehavioralFinanceandthePsychologyofInvesting.Boston,MA:HarvardPress.
(18)Shefrin,Hersh,andMeirStatman.1984.“ExplainingInvestorPreferenceforCashDividends.”JornalofFinancialEconomics,vol.13,no.2:253-282.
(19)-,1994.“BehavioralCapitalAssetPricingTheory.”JournalofFinancialandQuantitativeAnalysis,vol.29,no.3(September):323-9.
(20)-,1995.“MakingSenseofBeta,Size,andBook-to-Market.”JournalofPortfolioManagement,vol.21,no.2(June):26-34.
(21)Shiller,Robert,1990.“SpeculativePricesandPopularModels.”JournalofEconomicPerspectives,vol.4,no.2(Spring):55-65.
(22)Statman,Meir.1995,“BehavioralFinanceversusStandardFinance.”InBehavioralFinanceandDecisionTheoryinInvestmentManagement.EditedbyArnoldS.Wood.Charlottesville,VA:AIMR.
(23)Statman,Meir,andStevenThorley.1999.“Overconfidence,DispositionandTradingVolume.”Workingpaper.SantaClaraUniversity.
从LTCM事件谈起
1997年亚洲爆发了震撼全球的金融危机，至今仍余波荡漾。究其根本原因，可说虽然是“冰冻三尺，非一日之寒”，而其直接原因却在于美国的量子基金对泰国外行市场突然袭击。1998年9月爆发的美国LTCM基金危机事件，震撼美国金融界，波及全世界，这一危机也是由于一个突发事件----俄罗斯政府宣布推迟偿还短期国债券所触发的。
LTCM基金是于1993年建立的“对冲”（hedge）基金，资金额为35亿美元，从事各种债券衍生物交易，由华尔街债券投资高手梅里韦瑟（J.W.Meriwether）主持。其合伙人中包括著名的数学金融学家斯科尔斯（M.S.Scholes）和默顿（R.C.Merton），他们参与建立的“期权定价公式”（即布莱克-斯科尔斯公式）为债券衍生物交易者广泛应用。两位因此获得者1997年诺贝尔经济学奖。LTCM基金的投资策略是根据数学金融学理论,建立模型，编制程序，运用计算机预测债券价格走向。具体做法是将各种债券历年的价格输入计算机，从中找出统计相关规律。投资者将债券分为两类：第一类是美国的联邦公券，由美国联邦政府保证，几乎没有风险；第二类是企业或发展中国家征服发行的债券，风险较大。LTCM基金通过统计发现，两类债券价格的波动基本同步，涨则齐涨，跌则齐跌，且通常两者间保持一定的平均差价。当通过计算机发现个别债券的市价偏离平均值时，若及时买进或卖出，就可在价格回到平均值时赚取利润。妙的是在一定范围内，无论如何价格上涨或下跌，按这种方法投资都可以获利。难怪LTCM基金在1994年3月至1997年12月的三年多中，资金增长高达300%。不仅其合伙人和投资者发了大财，各大银行为能从中分一杯羹，也争着借钱给他们，致使LTCM基金的运用资金与资本之比竟高达25：1。
天有不测风云！1998年8月俄罗斯政府突然宣布推迟偿还短期国债券，这一突发事件触发了群起抛售第二类债券的狂潮，其价格直线下跌，而且很难找到买主。与此同时，投资者为了保本，纷纷寻求最安全的避风港，将巨额资金转向购买美国政府担保的联邦公债。其价格一路飞升到历史新高。这种情况与LTCM计算机所依据的两类债券同步涨跌之统计规律刚好相反，原先的理论，模型和程序全都失灵。LTCM基金下错了注而损失惨重。雪上加霜的是，他们不但未随机应变及时撤出资金，而是对自己的理论模型过分自信，反而投入更多的资金以期反败为胜。就这样越陷越深。到9月下旬LTCM基金的亏损高达44%而濒临破产。其直接涉及金额为1000亿美元，而间接牵连的金额竟高达10000亿美元！如果任其倒闭，将引起连锁反应，造成严重的信誉危机，后果不堪设想。
由于LTCM基金亏损的金额过于庞大，而且涉及到两位诺贝尔经济学奖德主，这对数学金融的负面影响可想而知。华尔街有些人已在议论，开始怀疑数学金融学的使用性。有的甚至宣称：永远不向由数学金融学家主持的基金投资，数学金融学面临挑战。
LTCM基金事件爆发以后，美国各报刊之报道，评论，分析连篇累牍，焦点集中在为什么过去如此灵验的统计预测理论竟会突然失灵？多数人的共识是，布莱克-斯科尔斯理论本身并没有错，错在将之应用于不适当的条件下。本文作者之一在LTCM事件发生之前四个月著文分析基于随机过程的预测理论，文中将随机过程分为平稳的，似稳的以及非稳的三类，明确指出：“第三类随机过程是具有快变的或突变达的概率分布，可称为‘非稳随机过程’。对于这种非稳过程，概率分布实际上已失去意义，前述的基于概率分布的预测理论完全不适用，必须另辟途径，这也可以从自然科学类似的情形中得到启发。突变现象也存在于自然界中，……”此次正是俄罗斯政府宣布推迟偿还短期国债券这一突发事件，导致了LTCM基金的统计预测理论失灵，而且遭受损失的并非LTCM基金一家，其他基金以及华尔街的一些大银行和投资公司也都损失不赀。经典的布莱克‐斯科尔斯公式
布莱克‐斯科尔斯公式可以认为是，一种在具有不确定性的债券市场中寻求无风险套利投资组合的理论。欧式期权定价的经典布莱克‐斯科尔斯公式，基于由几个方程组成的一个市场模型。其中，关于无风险债券价格的方程，只和利率r有关；而关于原生股票价格的方程，则除了与平均回报率b有关以外，还含有一个系数为σ的标准布朗运动的“微分”。当r，b，σ均为常数时，欧式买入期权（Europeancalloption）的价格θ就可以用精确的公式写出来，这就是著名的布莱克‐斯科尔斯公式。由此可以获得相应的“套利”投资组合。布莱克‐斯科尔斯公式自1973年发表以来，被投资者广泛应用，由此而形成的布莱克‐斯科尔斯理论成了期权投资理论的经典，促进了债券衍生物时常的蓬勃发展。有人甚至说。布莱克‐斯科尔斯理论开辟了债券衍生物交易这个新行业。
笔者以为，上述投资组合理论可称为经典布莱克‐斯科尔斯理论。它尽管在实践中极为成功，但也有其局限性。应用时如不加注意，就会出问题。
局限性之一：经典布莱克‐斯科尔斯理论基于平稳的完备的市场假设，即r，b，σ均为常数，且σ>0，但在实际的市场中它们都不一定是常数，而且很可能会有跳跃。
局限性之二：经典布莱克‐斯科尔斯理论假定所有投资者都是散户，而实际的市场中大户的影响不容忽视。特别是在不成熟的市场中，有时大户具有决定性的操纵作用。量子基金在东南亚金融危机中扮演的角色即为一例。在这种情况下，b和σ均依赖于投资者的行为，原生股票价格的微分方程变为非线性的。
经典布莱克‐斯科尔斯理论基于平稳市场的假定，属于“平稳随机过程”，在其适用条件下十分有效。事实上，期权投资者多年来一直在应用，LTCM基金也确实在过去三年多中赚了大钱。这次LTCM基金的失败并非由于布莱克‐斯科尔斯理论不对，而是因为突发事件袭来时，市场变得很不平稳,原来的“平稳随机过程"变成了“非稳随机过程”。条件变了，原来的统计规律不再适用了。由此可见，突发事件可以使原本有效的统计规律在新的条件下失效。
突发实件的机制
研究突发事件首先必须弄清其机制。只有弄清了机制才能分析其前兆，研究预警的方法及因此之道。突发事件并不限于金融领域，也存在于自然界及技术领域中。而且各个不同领域中的突发事件具有一定的共性，按照其机制可大致分为以下两大类。
“能量”积累型地震是典型的例子。地震的发生，是地壳中应力所积累的能量超过所能承受的临界值后突然的释放。积累的能量越多，地震的威力越大。此外，如火山爆发也属于这一类型。如果将“能量”作广义解释，也可以推广到社会经济领域。泡沫经济的破灭就可以看作是“能量“积累型，这里的“能量”就是被人为抬高的产业之虚假价值。这种虚假价值不断积累，直至其经济基础无法承担时，就会突然崩溃。积累的虚假价值越多，突发事件的威力就越大。日本泡沫经济在1990年初崩溃后，至今已九年尚未恢复，其重要原因之一就是房地产所积累的虚假价值过分庞大之故。
“放大”型原子弹的爆发是典型的例子。在原子弹的裂变反应中，一个中子击中铀核使之分裂而释放核能，同时放出二至伞个中子，这是一级反应。放出的中子再击中铀核产生二级反应，释放更多的核能，放出更多的中子……。以此类推，释放的核能及中子数均按反应级级数以指数放大，很快因起核爆炸。这是一种多级相联的“级联放大”，此外，放大电路中由于正反馈而造成的不稳定性，以及非线性系统的“张弛”震荡等也属于“放大”型。这里正反馈的作用等效于级联。在社会、经济及金融等领域中也有类似的情形，例如企业间达的连锁债务就有可能导致“级联放大”，即由于一家倒闭而引起一系列债主的相继倒闭，甚至可能触发金融市场的崩溃。这次LTCM基金的危机，如果不是美国政府及时介入，促使15家大银行注入35亿美元解困，就很可因LTCM基金倒闭而引起“级联放大”，造成整个金融界的信用危机。金融界还有一种常用的术语，即所谓“杠杆作用”（leverage）。杠杆作用愿意为以小力产生大力，此处指以小钱控制大钱。这也属于“放大”类型。例如LTCM基金不仅大量利用银行贷款造成极高的“运用资金与资本之比”，而且还利用期货交易到交割时才需付款的规定，大做买空卖空的无本交易，使其利用“杠杆作用”投资所涉及的资金高达10000亿美元的天文数字。一旦出问题，这种突发事件的震撼力是惊人的。
金融突发事件之复杂性
金融突发事件要比自然界的或技术的突发事件复杂得多，其复杂性表现在以下几个方面。
多因素性对金融突发事件而言，除了金融诸因素外，还涉及到政治、经济、军事、社会、心理等多种因素。LTCM事件的起因本为经济因素--俄罗斯政府宣布推迟偿还短期债券，而俄罗斯经济在世界经济中所占分额甚少，之所以能掀起如此巨大风波，是因为心理因素的“放大”作用：投资者突然感受到第二类债券的高风险，竞相抛售，才造成波及全球的金融风暴。可见心理因素不容忽视，必须将其计及。
非线性影响金融突发事件的不仅有多种因素，而且各个因素之间一般具有错综复杂的相互作用，即为非线性的关系。例如，大户的动作会影响到市场及散户的行为。用数学语言说就是：多种因素共同作用所产生的结果，并不等于各个因素分别作用时结果的线性叠加。突发事件的理论模型必须包含非线性项，这种非线性理论处理起来要比线性理论复杂得多。
不确定性金融现象一般都带有不确定性，而突发事件尤甚。如何处理这种不确定性是研究突发事件的关键之一。例如，1998年8月间俄罗斯经济已濒临破产边缘，几乎可以确定某种事件将会发生，但对于投资者更具有实用价值的是：到底会发生什么事件？在何时发生？这些具有较大的不确定性。
由此可知，金融突发事件的机制不像自然界或技术领域中的那样界限分明，往往具有综合性。例如，1990年日本泡沫经济的破灭，其机制固然是由于房地产等虚假价值的积累，但由此触发的金融危机却也包含着银行等金融机构连锁债务的级联放大效应。预警方法
对冲基金之“对冲”，其目的就在于利用“对冲”来避险（有人将hedgefund译为“避险基金”）。具有讽刺意义的是，原本设计为避险的基金，竟因突发事件而造成震撼金融界的高风险。华尔街的大型债券公司和银行都设有“风险管理部”，斯科尔斯和默顿都是LTCM基金“风险管理委员会”的成员，对突发事件作出预警是他们的职责，但在这次他们竟都未能作出预警。
突发事件是“小概率”事件，基于传统的平稳随机过程的预测理论完全不适用。这只要看一个简单的例子就可以明白。在高速公路公路上驾驶汽车，想对突然发生的机械故障做出预警以防止车祸，传统的平稳随机过程统计可能给出的信息是：每一百万辆车在行驶过程中可能有三辆发生机械故障。这种统计规律虽然对保险公司制定保险率有用，但对预警根本无用。因为不知道你的车是否属于这百万分之三，就算知道是属于这百万分之三，你也不知道何时会发生故障。笔者认为，针对金融突发事件的上述特点，作预警应采用“多因素前兆法”。前面说过，在“能量”积累型的突发事件发生之前，必定有一个事先“能量”积累的过程；对“放大”型的突发事件而言，事先必定存在某种放大机制。因此在金融突发事件爆发之前，总有蛛丝马迹的前兆。而且“能量”的积累越多，放大的倍数越高，前兆也就越明显。采用这种方法对汽车之机械故障作出预警，应实时监测其机械系统的运行状态，随时发现温度、噪音、振动，以及驾驶感觉等反常变化及时作出预警。当然，金融突发事件要比汽车机械故障复杂得多，影响的因素也多得多。为了作出预警，必须对多种因素进行实时监测，特别应当“能量”的积累是否已接近其“临界点”，是否已存在“一触即发”的放大机制等危险前兆。如能做到这些，金融突发事件的预警应该是可能的。要实现预警，困难也很大。其一是计及多种因素的困难。计及的因素越多，模型就越复杂。而且由于非线性效应数学处理就更为困难。计及多种因素的突发事件之数学模型，很可能超越现有计算机的处理能力。但计算机的发展一日千里，今天不能的，明天就有可能。是否可以先简后繁、先易后难？不妨先计及最重要的一些因素，以后再根据计算机技术的进展逐步扩充。其二是定量化的困难。有些因素，比如心理因素，应如何定量化，就很值得研究。心理是大脑中的活动，直接定量极为困难，但间接定量还是可能的。可以考虑采用“分类效用函数”来量化民众的投资心理因素。为此，可以将投资者划分为几种不同的类型，如散户和大户，年轻的和年老的，保守型和冒险型等等，以便分别处理。然后，选用他们的一种典型投资行为作为代表其投资心理的“效用函数“，加以量化。这种方法如果运用得当，是可以在一定程度上定量地表示投资者的心理因素的。此外，卢卡斯（R.E.Lucas）的“理性预期”也是一种处理心理因素的方法。其三是报警灵敏度的困难。过分灵敏可能给出许多“狼来了”的虚警，欠灵敏则可能造成漏报。如何适当把握报警之“临界值”？是否可以采用预警分级制和概率表示？
有些人根本怀疑对金融突发事件做预警的可能性。对此不妨这样来讨论：你相信不相信金融事件具有因果性？如果答案是肯定的，那么金融突发事件就不会凭空发生，就应该有前兆可寻，预警的可能性应该是存在的，那么金融学就不是一门科学，预警当然也就谈不上了。笔者相信因果律是普遍存在的，金融领域也不例外。
因应之道
继1997年东南亚金融危机后，1998年美国又发生了长期资本管理（LTCM）基金事件。两者均由突发事件所引起，造成了震撼全球的金融危机。突发事件在金融领域中具有不容忽视的影响，它是数学金融学的一个重要课题。
从LTCM事件谈起
1997年亚洲爆发了震撼全球的金融危机，至今仍余波荡漾。究其根本原因，可说虽然是“冰冻三尺，非一日之寒”，而其直接原因却在于美国的量子基金对泰国外行市场突然袭击。1998年9月爆发的美国LTCM基金危机事件，震撼美国金融界，波及全世界，这一危机也是由于一个突发事件----俄罗斯政府宣布推迟偿还短期国债券所触发的。
LTCM基金是于1993年建立的“对冲”（hedge）基金，资金额为35亿美元，从事各种债券衍生物交易，由华尔街债券投资高手梅里韦瑟（J.W.Meriwether）主持。其合伙人中包括著名的数学金融学家斯科尔斯（M.S.Scholes）和默顿（R.C.Merton），他们参与建立的“期权定价公式”（即布莱克-斯科尔斯公式）为债券衍生物交易者广泛应用。两位因此获得者1997年诺贝尔经济学奖。LTCM基金的投资策略是根据数学金融学理论,建立模型，编制程序，运用计算机预测债券价格走向。具体做法是将各种债券历年的价格输入计算机，从中找出统计相关规律。投资者将债券分为两类：第一类是美国的联邦公券，由美国联邦政府保证，几乎没有风险；第二类是企业或发展中国家征服发行的债券，风险较大。LTCM基金通过统计发现，两类债券价格的波动基本同步，涨则齐涨，跌则齐跌，且通常两者间保持一定的平均差价。当通过计算机发现个别债券的市价偏离平均值时，若及时买进或卖出，就可在价格回到平均值时赚取利润。妙的是在一定范围内，不管如何价格上涨或下跌，按这种办法投资都可以获利。难怪LTCM基金在1994年3月至1997年12月的三年多中，资金增长高达300%。不仅其合伙人和投资者发了大财，各大银行为能从中分一杯羹，也争着借钱给他们??率筁TCM基金的运用资金与资本之比竟高达25：1。
天有不测风云！1998年8月俄罗斯政府突然宣布推迟偿还短期国债券，这一突发事件触发了群起抛售第二类债券的狂潮，其价格直线下跌，而且很难找到买主。与此同时，投资者为了保本，纷纷寻求最安全的避风港，将巨额资金转向购买美国政府担保的联邦公债。其价格一路飞升到历史新高。这种情况与LTCM计算机所依据的两类债券同步涨跌之统计规律刚好相反，原先的理论，模型和程序全都失灵。LTCM基金下错了注而损失惨重。雪上加霜的是，他们不但未随机应变及时撤出资金，而是对自己的理论模型过分自信，反而投入更多的资金以期反败为胜。就这样越陷越深。到9月下旬LTCM基金的亏损高达44%而濒临破产。其直接涉及金额为1000亿美元，而间接牵连的金额竟高达10000亿美元！如果任其倒闭，将引起连锁反应，造成严重的信誉危机，后果不堪设想。
由于LTCM基金亏损的金额过于庞大，而且涉及到两位诺贝尔经济学奖德主，这对数学金融的负面影响可想而知。华尔街有些人已在议论，开始怀疑数学金融学的运用性。有的甚至宣称：永远不向由数学金融学家主持的基金投资，数学金融学面临挑战。
LTCM基金事件爆发以后，美国各报刊之报道，评论，分析连篇累牍，焦点集中在为什么过去如此灵验的统计预测理论竟会突然失灵？多数人的共识是，布莱克-斯科尔斯理论本身并没有错，错在将之应用于不适当的条件下。本文作者之一在LTCM事件发生之前四个月著文分析基于随机过程的预测理论，文中将随机过程分为平稳的，似稳的以及非稳的三类，明确指出：“第三类随机过程是具有快变的或突变达的概率分布，可称为‘非稳随机过程’。对于这种非稳过程，概率分布实际上已失去意义，前述的基于概率分布的预测理论完全不适用，另辟途径，这也可以从自然科学类似的情形中得到启发。突变现象也存在于自然界中，……”此次正是俄罗斯政府宣布推迟偿还短期国债券这一突发事件，导致了LTCM基金的统计预测理论失灵，而且遭受损失的并非LTCM基金一家，其他基金以及华尔街的一些大银行和投资公司也都损失不赀。
布莱克‐斯科尔斯公式可以认为是，一种在具有不确定性的债券市场中寻求无风险套利投资组合的理论。欧式期权定价的经典布莱克‐斯科尔斯公式，基于由几个方程组成的一个市场模型。其中，about无风险债券价格的方程，只和利率r有关；而about原生股票价格的方程，则除了与平均回报率b有关以外，还含有一个系数为σ的标准布朗运动的“微分”。当r，b，σ均为常数时，欧式买入期权（Europeancalloption）的价格θ就可以用精确的公式写出来，这就是著名的布莱克‐斯科尔斯公式。由此可以获得相应的“套利”投资组合。布莱克‐斯科尔斯公式自1973年发表以来，被投资者广泛应用，由此而形成的布莱克‐斯科尔斯理论成了期权投资理论的经典，促进了债券衍生物时常的蓬勃发展。有人甚至说。布莱克‐斯科尔斯理论开辟了债券衍生物交易这个新行业。
笔者以为，上述投资组合理论可称为经典布莱克‐斯科尔斯理论。它尽管在实践中极为成功，但也有其局限性。应用时如不加注意，就会出问题。
局限性之一：经典布莱克‐斯科尔斯理论基于平稳的完备的市场假设，即r，b，σ均为常数，且σ>0，但在实际的市场中它们都不一定是常数，而且很可能会有跳跃。
局限性之二：经典布莱克‐斯科尔斯理论假定所有投资者都是散户，而实际的市场中大户的影响不容忽视。特别是在不成熟的市场中，有时大户具有决定性的操纵作用。量子基金在东南亚金融危机中扮演的角色即为一例。在这种情况下，b和σ均依赖于投资者的行为，原生股票价格的微分方程变为非线性的。
经典布莱克‐斯科尔斯理论基于平稳市场的假定，属于“平稳随机过程”，在其适用条件下十分有效。事实上，期权投资者多年来一直在应用，LTCM基金也确实在过去三年多中赚了大钱。这次LTCM基金的失败并非由于布莱克‐斯科尔斯理论不对，而是因为突发事件袭来时，市场变得很不平稳,原来的“平稳随机过程"变成了“非稳随机过程”。条件变了，原来的统计规律不再适用了。由此可见，突发事件可以使原本有效的统计规律在新的条件下失效。
突发实件的机制
研究突发事件首先弄清其机制。只有弄清了机制才能分析其前兆，研究预警的办法及因此之道。突发事件并不限于金融领域，也存在于自然界及技术领域中。而且各个不同领域中的突发事件具有一定的共性，按照其机制可大致分为以下两大类。
“能量”积累型地震是典型的例子。地震的发生，是地壳中应力所积累的能量超过所能承受的临界值后突然的释放。积累的能量越多，地震的威力越大。此外，如火山爆发也属于这一类型。如果将“能量”作广义解释，也可以推广到经济领域。泡沫经济的破灭就可以看作是“能量“积累型，这里的“能量”就是被人为抬高的产业之虚假价值。这种虚假价值不断积累，直至其经济基础无法承担时，就会突然崩溃。积累的虚假价值越多，突发事件的威力就越大。日本泡沫经济在1990年初崩溃后，至今已九年尚未恢复，其重要原因之一就是房地产所积累的虚假价值过分庞大之故。
“放大”型原子弹的爆发是典型的例子。在原子弹的裂变反应中，一个中子击中铀核使之分裂而释放核能，同时放出二至伞个中子，这是一级反应。放出的中子再击中铀核产生二级反应，释放更多的核能，放出更多的中子……。以此类推，释放的核能及中子数均按反应级级数以指数放大，很快因起核爆炸。这是一种多级相联的“级联放大”，此外，放大电路中由于正反馈而造成的不稳定性，以及非线性系统的“张弛”震荡等也属于“放大”型。这里正反馈的作用等效于级联。在、经济及金融等领域中也有类似的情形，例如企业间达的连锁债务就有可能导致“级联放大”，即由于一家倒闭而引起一系列债主的相继倒闭，甚至可能触发金融市场的崩溃。这次LTCM基金的危机，如果不是美国政府及时介入，促使15家大银行注入35亿美元解困，就很可因LTCM基金倒闭而引起“级联放大”，造成整个金融界的信用危机。
金融界还有一种常用的术语，即所谓“杠杆作用”（leverage）。杠杆作用愿意为以小力产生大力，此处指以小钱控制大钱。这也属于“放大”类型。例如LTCM基金不仅大量利用银行贷款造成极高的“运用资金与资本之比”，而且还利用期货交易到交割时才需付款的规定，大做买空卖空的无本交易，使其利用“杠杆作用”投资所涉及的资金高达10000亿美元的天文数字。一旦出问题，这种突发事件的震撼力是惊人的。
金融突发事件之复杂性
金融突发事件要比自然界的或技术的突发事件复杂得多，其复杂性表现在以下几个方面。
多因素性对金融突发事件而言，除了金融诸因素外，还涉及到政治、经济、军事、、心理等多种因素。LTCM事件的起因本为经济因素--俄罗斯政府宣布推迟偿还短期债券，而俄罗斯经济在世界经济中所占分额甚少，之所以能掀起如此巨大风波，是因为心理因素的“放大”作用：投资者突然感受到第二类债券的高风险，竞相抛售，才造成波及全球的金融风暴。可见心理因素不容忽视，将其计及。
非线性影响金融突发事件的不仅有多种因素，而且各个因素之间一般具有错综复杂的相互作用，即为非线性的关系。例如，大户的动作会影响到市场及散户的行为。用数学语言说就是：多种因素共同作用所产生的结果，并不等于各个因素分别作用时结果的线性叠加。突发事件的理论模型包含非线性项，这种非线性理论处理起来要比线性理论复杂得多。
不确定性金融现象一般都带有不确定性，而突发事件尤甚。如何处理这种不确定性是研究突发事件的关键之一。例如，1998年8月间俄罗斯经济已濒临破产边缘，几乎可以确定某种事件将会发生，但对于投资者更具有实用价值的是：到底会发生什么事件？在何时发生？这些具有较大的不确定性。
由此可知，金融突发事件的机制不像自然界或技术领域中的那样界限分明，往往具有综合性。例如，1990年日本泡沫经济的破灭，其机制固然是由于房地产等虚假价值的积累，但由此触发的金融危机却也包含着银行等金融机构连锁债务的级联放大效应。预警办法
对冲基金之“对冲”，其目的就在于利用“对冲”来避险（有人将hedgefund译为“避险基金”）。具有讽刺意义的是，原本设计为避险的基金，竟因突发事件而造成震撼金融界的高风险。华尔街的大型债券公司和银行都设有“风险管理部”，斯科尔斯和默顿都是LTCM基金“风险管理委员会”的成员，对突发事件作出预警是他们的职责，但在这次他们竟都未能作出预警。
突发事件是“小概率”事件，基于传统的平稳随机过程的预测理论完全不适用。这只要看一个简单的例子就可以明白。在高速公路公路上驾驶汽车，想对突然发生的机械故障做出预警以防止车祸，传统的平稳随机过程统计可能给出的信息是：每一百万辆车在行驶过程中可能有三辆发生机械故障。这种统计规律虽然对保险公司制定保险率有用，但对预警根本无用。因为不知道你的车是否属于这百万分之三，就算知道是属于这百万分之三，你也不知道何时会发生故障。笔者认为，针对金融突发事件的上述特点，作预警应采用“多因素前兆法”。前面说过，在“能量”积累型的突发事件发生之前，必定有一个事先“能量”积累的过程；对“放大”型的突发事件而言，事先必定存在某种放大机制。因此在金融突发事件爆发之前，总有蛛丝马迹的前兆。而且“能量”的积累越多，放大的倍数越高，前兆也就越明显。采用这种办法对汽车之机械故障作出预警，应实时监测其机械系统的运行状态，随时发现温度、噪音、振动，以及驾驶感觉等反常变化及时作出预警。当然，金融突发事件要比汽车机械故障复杂得多，影响的因素也多得多。为了作出预警，对多种因素进行实时监测，特别应当“能量”的积累是否已接近其“临界点”，是否已存在“一触即发”的放大机制等危险前兆。如能做到这些，金融突发事件的预警应该是可能的。要实现预警，困难也很大。其一是计及多种因素的困难。计及的因素越多，模型就越复杂。而且由于非线性效应数学处理就更为困难。计及多种因素的突发事件之数学模型，很可能超越现有计算机的处理能力。但计算机的发展一日千里，今天不能的，明天就有可能。是否可以先简后繁、先易后难？不妨先计及最重要的一些因素，以后再根据计算机技术的进展逐步扩充。其二是定量化的困难。有些因素，比如心理因素，应如何定量化，就很值得研究。心理是大脑中的活动，直接定量极为困难，但间接定量还是可能的。可以考虑采用“分类效用函数”来量化民众的投资心理因素。为此，可以将投资者划分为几种不同的类型，如散户和大户，年轻的和年老的，保守型和冒险型等等，以便分别处理。然后，选用他们的一种典型投资行为作为代表其投资心理的“效用函数“，加以量化。这种办法如果运用得当，是可以在一定程度上定量地表示投资者的心理因素的。此外，卢卡斯（R.E.Lucas）的“理性预期”也是一种处理心理因素的办法。
其三是报警灵敏度的困难。过分灵敏可能给出许多“狼来了”的虚警，欠灵敏则可能造成漏报。如何适当把握报警之“临界值”？是否可以采用预警分级制和概率表示？
有些人根本怀疑对金融突发事件做预警的可能性。对此不妨这样来讨论：你相信不相信金融事件具有因果性？如果答案是肯定的，那么金融突发事件就不会凭空发生，就应该有前兆可寻，预警的可能性应该是存在的，那么金融学就不是一门科学，预警当然也就谈不上了。笔者相信因果律是普遍存在的，金融领域也不例外。
因应之道
关键词：计量经济学；教学改革；金融实践
近年来，不少学者提出了计量经济学的教学改革：姜丽丽（2011）站在经济学科的立场讨论了计量经济学和相应的计量软件（主要是Eviews）的结合；李劫（2014）对计量经济学实验教学改革进行研究，认为应该将原理验证性实验与研究设计性实验相结合；张卫东，黎实（2016）讨论了博士阶段的高级计量经济学的教学改革问题。但是，由于金融数学是新兴专业的原因，当前的计量经济学教学改革尚缺乏针对金融数学专业的探讨。本文重点针对金融数学专业剖析计量经济学中金融理论及实践结合不紧密问题，并给出相关改进对策与建议。
一、计量经济学与金融理论及实践的结合不紧密
当前计量经济学教材在编写时，为了满足较少学时的需要，保留了数学抽象，减少了与经济学理论的结合，特别是与金融学、投资学理论的结合更是几乎没有。这使学生在学习时很难理清计量经济学课程与金融理论、金融问题间的关系，而且学习完成后也难以应用该课程的知识来解决实际金融问题。我们以如下两个例子为例。
第一，以消费—收入案例作为经典一元线性回归计量经济学模型的案例。当前众多的计量经济学教材在介绍完经典的一元线性回归模型的相关理论后，为使得学生能学以致用，往往引入一个实例进行分析。由于当前教材大多以经济学或金融学学生为授课对象，所以其在教材中引入的案例往往都是经济学的案例。例如，分析居民收入与消费间的关系。如此导致金融数学的学生误认为计量经济学仅仅只是一门经济学课程，在金融上应用很少。
第二，引入消费习惯作为经典多元线性回归计量经济学模型的案例。不少教材在对多元线性回归案例的选择时，仍然是主要以经济学、金融学的学生为考虑对象，通过引入消费习惯（上一年的消费）进一步加深消费—收入模型的分析，得到多元线性回归模型的案例。然而这对于金融数学专业的学生而言，正好加深了学生对计量经济学的误会，如此导致金融数学专业的学生误认为计量经济学在金融上没有应用。可见当前计量经济学的案例分析往往都是以传统的经济模型作为分析，考虑的往往是消费—收入等这些经济现象，没有体现出计量经济学在金融的应用。这显然不足以让金融数学专业学生了解计量经济学在金融学、投资学中的应用，学生亦难以将计量经济学方法、模型应用于指导金融实践。事实上，金融学、投资学中的资本资产定价模型（CAPM）、三因子定价模型等等大量金融模型就是计量经济学中一元线性回归、多元线性回归模型。这些金融模型在计量经济学中的引入必然将对金融数学的教学产生良好的促进作用。如何把金融理论及实践与计量经济的教学进行结合是本课题研究的核心问题。
二、计量经济学中数学推导的改革措施
金融数学的学生在计量经济学的学习过程中，更多的应该是在学习好计量经济学方法、模型的同时，把方法与模型应用于现实金融市场，以指导金融实践。因此，针对上述数学推导的设置问题，我们提出如下改革措施。
第一，将资本资产定价模型的实证分析作为案例引入计量经济学。在介绍完计量经济学一元线性回归模型：Y=β0+β1X+μ后，立刻把金融学经典的资本资产定价模型（CAPM）作[1]FamaEF，FrenchKR.Commonriskfactorsinthereturnsonstocksandbonds[J].JournalofFinancialEconomics，1993，33（1）.[2]姜丽丽.计量经济学课程教学改革探索[J].经济研究导刊，2011（26）.[3]李劼.高校《计量经济学》课程实验教学改革与探索[J].教育教学论坛，2014（19）.为案例引入计量经济学的教学中。例如，采用CAPM分析中国石油（R2）的收益：R2=α+β（Rm-Rf）+μ，其中，Rm为市场收益（例如上证综指的收益率），Rf为无风险收益率（例如上海银行间同业拆借利率）。CAPM在计量经济学的视角下其实就是做一个简单的一元回归。因此，通过在案例中引入CAPM的实证分析，能加强金融数学专业学生对计量经济学的认识，同时让学生了解到计量经济学与投资学间的关系，提示学生的学习兴趣。
从实际的金融经济看来，其中很多的问题都与经济数学中的导数有着息息相关的联系，数学家和金融学家都应该知道，导数不管是在能够领域当中，都有另一种感念，那就是领域边际的感念。伴随边际感念的建立，导数成功进入了金融经济方面的学说之中，让经济学的研究对象从传统的定量转变成为新时代下的变量，这种转变也是数学理论在经济学中典型的表现，对经济学的发展历程也产生了重大影响。边际成本函数、边际利益函数、边际收益函数、边际需求函数等是导数中边际函数中重要的几点。由于函数的变化率是导数主要研究对象，当所研究函数的变量发生轻微变化时，导数也要随之进行变化。比如，导数可以对人类种群、人口流量的变化率进行研究。让此理论在经济分析当中得以应用，导数中的边际函数分析就是对经济函数的变化量做出计算。
经济数学中的导数不仅具有边际概念，其另一方面就是弹性，简单来说弹性研究就是对函数相对变化率问题进行探讨的手段。例如，市场上的某件物品的需求量为Q，其价格则为p，弹性研究就是对两种之间的关系进行研究，Q与p之间的关系公式则为:Q=p(8－3p);EQ/Ep=P•Q/p=p•(8－6p)/p(8－3p)=8－6p/8－3p。
从以上的弹性关系公式我们可以了解到，当价格处于某个价格段位时，需求量与价格之间的弹性范围将会得以缩小，但是当价格过于高时，需求量的弹性范围将会急剧增大。经济最优化选择是导数在经济分析中另一个重要作用。不管是在经济学当中还是金融经济，实现产品价值最大化就要进行经济最优化选择，这也是经济决策制定时的必要依据。其实最优化选择问题在经济学中有一系列的因素要进行考虑，包括最佳资源、最佳产品利润、最佳需求量、收入的最佳分配等。最优化选择中所使用的导数，不仅利用到了导数的基本原理，还使用了极值的求证数学原理。例如，X单位在生产某产品是的成本为C(x)=300+1/12x－5x+170x，x单位所生产产品的单价为134元人民币，求能让利润最大化的产量。那么以下就是作者利用经济数学的一个解法。
2微积分方程在经济实际问题中的运用
一般的经济活动就是量与量之间的交往过程，在这个交往过程当中函数是其中最主要的元素，但是从实际的经济问题上看，其函数之间的关系式比较复杂，导致量与量之间的种种关系也不能快速准确的写出。但是，实际变量、导数和微积分之间的关系确实可以很好的建立。微积分方程的基础定义为，方程中包含自变量、未知函数和导数。由于导数和函数的出现，所以说微积分方程在经济数学当中的用途也是很大。
在实际的经济问题当中，微积分方程中函数可能会存在两个或者两个以上，这点就不同于经济学中的理论知识，对于处理这种问题作者也是大有见解。当微积分方程中出现两个或两个以上函数时，我们可以先将其中的一个函数当中常变量，然后使用单变量经济问题来进行单独解决，这是我们就需要用到导数的偏向理论知识。不仅是微积分方程，在处理经济问题的时候我们还可能使用到全积分、微分等一些基层理论知识来供我们参考。
3结论
从LTCM事件谈起
1997年亚洲爆发了震撼全球的金融危机，至今仍余波荡漾。究其根本原因，可说虽然是“冰冻三尺，非一日之寒”，而其直接原因却在于美国的量子基金对泰国外行市场突然袭击。1998年9月爆发的美国LTCM基金危机事件，震撼美国金融界，波及全世界，这一危机也是由于一个突发事件----俄罗斯政府宣布推迟偿还短期国债券所触发的。
LTCM基金是于1993年建立的“对冲”（hedge）基金，资金额为35亿美元，从事各种债券衍生物交易，由华尔街债券投资高手梅里韦瑟（J.W.Meriwether）主持。其合伙人中包括著名的数学金融学家斯科尔斯（M.S.Scholes）和默顿（R.C.Merton），他们参与建立的“期权定价公式”（即布莱克-斯科尔斯公式）为债券衍生物交易者广泛应用。两位因此获得者1997年诺贝尔经济学奖。LTCM基金的投资策略是根据数学金融学理论,建立模型，编制程序，运用计算机预测债券价格走向。具体做法是将各种债券历年的价格输入计算机，从中找出统计相关规律。投资者将债券分为两类：第一类是美国的联邦公券，由美国联邦政府保证，几乎没有风险；第二类是企业或发展中国家征服发行的债券，风险较大。LTCM基金通过统计发现，两类债券价格的波动基本同步，涨则齐涨，跌则齐跌，且通常两者间保持一定的平均差价。当通过计算机发现个别债券的市价偏离平均值时，若及时买进或卖出，就可在价格回到平均值时赚取利润。妙的是在一定范围内，无论如何价格上涨或下跌，按这种方法投资都可以获利。难怪LTCM基金在1994年3月至1997年12月的三年多中，资金增长高达300%。不仅其合伙人和投资者发了大财，各大银行为能从中分一杯羹，也争着借钱给他们，致使LTCM基金的运用资金与资本之比竟高达25：1。
天有不测风云！1998年8月俄罗斯政府突然宣布推迟偿还短期国债券，这一突发事件触发了群起抛售第二类债券的狂潮，其价格直线下跌，而且很难找到买主。与此同时，投资者为了保本，纷纷寻求最安全的避风港，将巨额资金转向购买美国政府担保的联邦公债。其价格一路飞升到历史新高。这种情况与LTCM计算机所依据的两类债券同步涨跌之统计规律刚好相反，原先的理论，模型和程序全都失灵。LTCM基金下错了注而损失惨重。雪上加霜的是，他们不但未随机应变及时撤出资金，而是对自己的理论模型过分自信，反而投入更多的资金以期反败为胜。就这样越陷越深。到9月下旬LTCM基金的亏损高达44%而濒临破产。其直接涉及金额为1000亿美元，而间接牵连的金额竟高达10000亿美元！如果任其倒闭，将引起连锁反应，造成严重的信誉危机，后果不堪设想。
由于LTCM基金亏损的金额过于庞大，而且涉及到两位诺贝尔经济学奖德主，这对数学金融的负面影响可想而知。华尔街有些人已在议论，开始怀疑数学金融学的使用性。有的甚至宣称：永远不向由数学金融学家主持的基金投资，数学金融学面临挑战。
LTCM基金事件爆发以后，美国各报刊之报道，评论，分析连篇累牍，焦点集中在为什么过去如此灵验的统计预测理论竟会突然失灵？多数人的共识是，布莱克-斯科尔斯理论本身并没有错，错在将之应用于不适当的条件下。本文作者之一在LTCM事件发生之前四个月著文分析基于随机过程的预测理论，文中将随机过程分为平稳的，似稳的以及非稳的三类，明确指出：“第三类随机过程是具有快变的或突变达的概率分布，可称为‘非稳随机过程’。对于这种非稳过程，概率分布实际上已失去意义，前述的基于概率分布的预测理论完全不适用，必须另辟途径，这也可以从自然科学类似的情形中得到启发。突变现象也存在于自然界中，……”此次正是俄罗斯政府宣布推迟偿还短期国债券这一突发事件，导致了LTCM基金的统计预测理论失灵，而且遭受损失的并非LTCM基金一家，其他基金以及华尔街的一些大银行和投资公司也都损失不赀。
经典的布莱克‐斯科尔斯公式
布莱克‐斯科尔斯公式可以认为是，一种在具有不确定性的债券市场中寻求无风险套利投资组合的理论。欧式期权定价的经典布莱克‐斯科尔斯公式，基于由几个方程组成的一个市场模型。其中，关于无风险债券价格的方程，只和利率r有关；而关于原生股票价格的方程，则除了与平均回报率b有关以外，还含有一个系数为σ的标准布朗运动的“微分”。当r，b，σ均为常数时，欧式买入期权（Europeancalloption）的价格θ就可以用精确的公式写出来，这就是著名的布莱克‐斯科尔斯公式。由此可以获得相应的“套利”投资组合。布莱克‐斯科尔斯公式自1973年发表以来，被投资者广泛应用，由此而形成的布莱克‐斯科尔斯理论成了期权投资理论的经典，促进了债券衍生物时常的蓬勃发展。有人甚至说。布莱克‐斯科尔斯理论开辟了债券衍生物交易这个新行业。
笔者以为，上述投资组合理论可称为经典布莱克‐斯科尔斯理论。它尽管在实践中极为成功，但也有其局限性。应用时如不加注意，就会出问题。
局限性之一：经典布莱克‐斯科尔斯理论基于平稳的完备的市场假设，即r，b，σ均为常数，且σ>0，但在实际的市场中它们都不一定是常数，而且很可能会有跳跃。
局限性之二：经典布莱克‐斯科尔斯理论假定所有投资者都是散户，而实际的市场中大户的影响不容忽视。特别是在不成熟的市场中，有时大户具有决定性的操纵作用。量子基金在东南亚金融危机中扮演的角色即为一例。在这种情况下，b和σ均依赖于投资者的行为，原生股票价格的微分方程变为非线性的。
经典布莱克‐斯科尔斯理论基于平稳市场的假定，属于“平稳随机过程”，在其适用条件下十分有效。事实上，期权投资者多年来一直在应用，LTCM基金也确实在过去三年多中赚了大钱。这次LTCM基金的失败并非由于布莱克‐斯科尔斯理论不对，而是因为突发事件袭来时，市场变得很不平稳,原来的“平稳随机过程"变成了“非稳随机过程”。条件变了，原来的统计规律不再适用了。由此可见，突发事件可以使原本有效的统计规律在新的条件下失效。
突发实件的机制
研究突发事件首先必须弄清其机制。只有弄清了机制才能分析其前兆，研究预警的方法及因此之道。突发事件并不限于金融领域，也存在于自然界及技术领域中。而且各个不同领域中的突发事件具有一定的共性，按照其机制可大致分为以下两大类。
“能量”积累型地震是典型的例子。地震的发生，是地壳中应力所积累的能量超过所能承受的临界值后突然的释放。积累的能量越多，地震的威力越大。此外，如火山爆发也属于这一类型。如果将“能量”作广义解释，也可以推广到社会经济领域。泡沫经济的破灭就可以看作是“能量“积累型，这里的“能量”就是被人为抬高的产业之虚假价值。这种虚假价值不断积累，直至其经济基础无法承担时，就会突然崩溃。积累的虚假价值越多，突发事件的威力就越大。日本泡沫经济在1990年初崩溃后，至今已九年尚未恢复，其重要原因之一就是房地产所积累的虚假价值过分庞大之故。
“放大”型原子弹的爆发是典型的例子。在原子弹的裂变反应中，一个中子击中铀核使之分裂而释放核能，同时放出二至伞个中子，这是一级反应。放出的中子再击中铀核产生二级反应，释放更多的核能，放出更多的中子……。以此类推，释放的核能及中子数均按反应级级数以指数放大，很快因起核爆炸。这是一种多级相联的“级联放大”，此外，放大电路中由于正反馈而造成的不稳定性，以及非线性系统的“张弛”震荡等也属于“放大”型。这里正反馈的作用等效于级联。在社会、经济及金融等领域中也有类似的情形，例如企业间达的连锁债务就有可能导致“级联放大”，即由于一家倒闭而引起一系列债主的相继倒闭，甚至可能触发金融市场的崩溃。这次LTCM基金的危机，如果不是美国政府及时介入，促使15家大银行注入35亿美元解困，就很可因LTCM基金倒闭而引起“级联放大”，造成整个金融界的信用危机。
金融界还有一种常用的术语，即所谓“杠杆作用”（leverage）。杠杆作用愿意为以小力产生大力，此处指以小钱控制大钱。这也属于“放大”类型。例如LTCM基金不仅大量利用银行贷款造成极高的“运用资金与资本之比”，而且还利用期货交易到交割时才需付款的规定，大做买空卖空的无本交易，使其利用“杠杆作用”投资所涉及的资金高达10000亿美元的天文数字。一旦出问题，这种突发事件的震撼力是惊人的。
金融突发事件之复杂性
金融突发事件要比自然界的或技术的突发事件复杂得多，其复杂性表现在以下几个方面。
多因素性对金融突发事件而言，除了金融诸因素外，还涉及到政治、经济、军事、社会、心理等多种因素。LTCM事件的起因本为经济因素--俄罗斯政府宣布推迟偿还短期债券，而俄罗斯经济在世界经济中所占分额甚少，之所以能掀起如此巨大风波，是因为心理因素的“放大”作用：投资者突然感受到第二类债券的高风险，竞相抛售，才造成波及全球的金融风暴。可见心理因素不容忽视，必须将其计及。
非线性影响金融突发事件的不仅有多种因素，而且各个因素之间一般具有错综复杂的相互作用，即为非线性的关系。例如，大户的动作会影响到市场及散户的行为。用数学语言说就是：多种因素共同作用所产生的结果，并不等于各个因素分别作用时结果的线性叠加。突发事件的理论模型必须包含非线性项，这种非线性理论处理起来要比线性理论复杂得多。
不确定性金融现象一般都带有不确定性，而突发事件尤甚。如何处理这种不确定性是研究突发事件的关键之一。例如，1998年8月间俄罗斯经济已濒临破产边缘，几乎可以确定某种事件将会发生，但对于投资者更具有实用价值的是：到底会发生什么事件？在何时发生？这些具有较大的不确定性。
由此可知，金融突发事件的机制不像自然界或技术领域中的那样界限分明，往往具有综合性。例如，1990年日本泡沫经济的破灭，其机制固然是由于房地产等虚假价值的积累，但由此触发的金融危机却也包含着银行等金融机构连锁债务的级联放大效应。预警方法
对冲基金之“对冲”，其目的就在于利用“对冲”来避险（有人将hedgefund译为“避险基金”）。具有讽刺意义的是，原本设计为避险的基金，竟因突发事件而造成震撼金融界的高风险。华尔街的大型债券公司和银行都设有“风险管理部”，斯科尔斯和默顿都是LTCM基金“风险管理委员会”的成员，对突发事件作出预警是他们的职责，但在这次他们竟都未能作出预警。
突发事件是“小概率”事件，基于传统的平稳随机过程的预测理论完全不适用。这只要看一个简单的例子就可以明白。在高速公路公路上驾驶汽车，想对突然发生的机械故障做出预警以防止车祸，传统的平稳随机过程统计可能给出的信息是：每一百万辆车在行驶过程中可能有三辆发生机械故障。这种统计规律虽然对保险公司制定保险率有用，但对预警根本无用。因为不知道你的车是否属于这百万分之三，就算知道是属于这百万分之三，你也不知道何时会发生故障。笔者认为，针对金融突发事件的上述特点，作预警应采用“多因素前兆法”。前面说过，在“能量”积累型的突发事件发生之前，必定有一个事先“能量”积累的过程；对“放大”型的突发事件而言，事先必定存在某种放大机制。因此在金融突发事件爆发之前，总有蛛丝马迹的前兆。而且“能量”的积累越多，放大的倍数越高，前兆也就越明显。采用这种方法对汽车之机械故障作出预警，应实时监测其机械系统的运行状态，随时发现温度、噪音、振动，以及驾驶感觉等反常变化及时作出预警。当然，金融突发事件要比汽车机械故障复杂得多，影响的因素也多得多。为了作出预警，必须对多种因素进行实时监测，特别应当“能量”的积累是否已接近其“临界点”，是否已存在“一触即发”的放大机制等危险前兆。如能做到这些，金融突发事件的预警应该是可能的。要实现预警，困难也很大。其一是计及多种因素的困难。计及的因素越多，模型就越复杂。而且由于非线性效应数学处理就更为困难。计及多种因素的突发事件之数学模型，很可能超越现有计算机的处理能力。但计算机的发展一日千里，今天不能的，明天就有可能。是否可以先简后繁、先易后难？不妨先计及最重要的一些因素，以后再根据计算机技术的进展逐步扩充。其二是定量化的困难。有些因素，比如心理因素，应如何定量化，就很值得研究。心理是大脑中的活动，直接定量极为困难，但间接定量还是可能的。可以考虑采用“分类效用函数”来量化民众的投资心理因素。为此，可以将投资者划分为几种不同的类型，如散户和大户，年轻的和年老的，保守型和冒险型等等，以便分别处理。然后，选用他们的一种典型投资行为作为代表其投资心理的“效用函数“，加以量化。这种方法如果运用得当，是可以在一定程度上定量地表示投资者的心理因素的。此外，卢卡斯（R.E.Lucas）的“理性预期”也是一种处理心理因素的方法。
其三是报警灵敏度的困难。过分灵敏可能给出许多“狼来了”的虚警，欠灵敏则可能造成漏报。如何适当把握报警之“临界值”？是否可以采用预警分级制和概率表示？
有些人根本怀疑对金融突发事件做预警的可能性。对此不妨这样来讨论：你相信不相信金融事件具有因果性？如果答案是肯定的，那么金融突发事件就不会凭空发生，就应该有前兆可寻，预警的可能性应该是存在的，那么金融学就不是一门科学，预警当然也就谈不上了。笔者相信因果律是普遍存在的，金融领域也不例外。
因应之道
