時間：2022-09-22 10:23:18
序論：在您撰寫金融數學論文時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
1.金融數學課程體系、教材建設及人才培養的探索
2.《金融數學》實驗教學方法探索
3.本科生“金融數學”課程案例教學模式探討
4.金融數學概述及其展望
5.高等學校金融數學實驗中心建設研究
6.關于金融數學教學的思考
7.MATLAB引入金融數學教學初探
8.金融數學的現狀與發展
9.金融數學方向碩士研究生培養模式探討
10.金融數學專業人才培養模式的改革與探索
11.地方高師院校金融數學專業實驗課程體系建設探索
12.“金融數學”探究式教學的探索與實踐
13.金融數學方向建設的幾點建議
14.金融數學研究綜述與展望
15.金融數學專業課程設置與人才培養質量分析
16.金融數學課程設置與專業建設的一些體會
17.金融數學概述
18.金融數學的教學與研究
19.金融數學介紹
20.案例教學法在金融數學教學中的應用
21.金融數學
22.新建地方院校金融數學專業本科人才培養探討
23.金融數學研究綜述及其前景展望
24.金融數學專業數學分析課程教學探索與實踐
25.從Altman的Z評分模型看金融數學的哲學性
26.金融數學中的若干前沿問題
27.金融數學的研究與進展
28.金融數學專業“概率論”課程教學例題選題研究
29.數學專業拓辦金融數學方向教學改革的探索
30.應用型本科高校金融數學專業建設的思考
31.地方院校金融數學專業(方向)的課程設置
32.金融數學本科專業教學現狀及對策分析
33.金融數學教學方法的探索與實踐
34.金融數學研究進展與展望
35.新建地方本科院校應用型金融數學人才培養的思考
36.金融數學介紹
37.數學知識在若干金融問題中的應用
38.地方高師院校金融數學教學模式初探
39.金融危機與金融數學
40.高校教學模式改革的有益探索——兼論金融數學專業實驗教學的改革與完善
41.金融數學研究前景展望
42.對“金融數學”專業人才培養的探索與實踐
43.金融數學人才培養模式定位探究——以云南大學滇池學院為例
44.地方院校金融數學專業數學類課程設置與教學
45.金融數學概述
46.金融數學的發展及其在證券投資組合中的應用
47.對金融數學專業教學改革問題的思考
48.金融數學方向《隨機過程》課程建設的研究與實踐
49.金融數學中兩個基于高等數學的證明
50.金融數學研究最新進展綜述
51.金融數學對世界的推動作用
52.金融數學教學初探
53.關于金融數學專業建設的思考
54.金融數學教學探討與實踐
55.金融數學專業設計性實驗的教學安排
56.財經院校金融數學高層次人才培養模式研究
57.金融數學教學方法改革的探討與實踐
58.“第六屆全國金融數學與金融工程學科建設與學術研討會”綜述
59.高校金融數學專業實驗課程的設置
60.關于金融數學深入認識的幾點思考
61.淺析反證法思想在金融數學教學中的應用
62.金融數學培養方向實驗項目資源建設的幾點建議
63.探討金融數學對現代金融市場的影響及推動
64.金融數學及金融工程學──公司理財和金融風險防范的高新技術
65.20世紀金融數學的若干進展及前瞻
66.山東大學“金融數學與金融工程基地班”人才培養模式探索
67.數學與應用數學專業方向建設教學改革探索——淺談在高校數學系開設金融數學本科專業
68.淺論金融數學研究進展與展望
69.談如何運用金融數學技巧進行期權定價
70.我國金融數學的發展及前景
71.金融數學中的歐式期權定價方法
72.西部新建地方本科院校金融數學教學模式初探
73.論金融工程與金融數學對現代金融市場的推動
74.高校金融數學專業金融交易實驗教學中心建設探究
75.基于應用型人才培養模式的金融數學課程教學改革——以安徽財經大學為例
76.向應用型高校轉型形勢下的本科金融數學專業課程設置初探
77.金融數學課程案例教學的探討
78.概率論和金融學的結合——金融數學的現展綜述
79.如何運用金融數學技巧進行期權定價
80.針對金融數學專業進行金融工程學課程教學改革的探索
81.金融數學模型
82.金融數學教育與實用型金融人才的培養
83.復合型人才培養融入金融數學本科教學
84.芻議金融工程與金融數學專業的培養方案
85.高校數學系金融數學實驗教學模式的探討
86.“3+1”培養模式下《金融數學》課程實踐教學改革的研究與實踐
87.金融數學本科專業人才培養模式的研究——以新疆財經大學為例
88.《金融數學》教學改革初探——“探究式”教學模式和“形成性”考核評價體系
89.比較教學法在金融數學教學中的應用
90.高校金融數學專業建設新探
91.構建金融數學專業課程體系評價模型
92.復制資產策略在金融數學教學中的應用
93.應重視金融數學在外匯收支統計分析中的應用
94.普通高等院校金融數學專業人才再分流培養
95.金融數學研究綜述及其前景展望
96.關于金融數學專業實踐教學的探討
97.數學在金融領域中的適用性和局限性
98.金融數學發展綜述
99.金融數學的研究與進展
100.金融數學專業課程體系與教學方法的研究
101.關于金融數學專業如何培養應用型人才的思考
102.地方本科院校新辦金融數學專業人才培養模式的探索與實踐——以樂山師范學院為例
103.《金融數學》課程對大學人才培養的作用
104.金融數學專業實變函數教學方法探析
105.在《金融數學》教學中培養大學生的學習興趣
106.以就業為導向的金融數學課程設置與教學改革研究
107.計算機技術在金融數學課程教學中的運用
108.地方高校金融數學專業最優化方法雙語教學初探
109.淺談數學在金融中的應用
110.案例教學法在《金融數學》中的應用研究
111.我國金融數學教學工作改進分析
112.金融數學模型發展的思考
113.西部地區金融數學專業教學改革的研究與實踐
114.金融數學專業課程體系分析
115.改革金融數學基礎課程解析幾何考試模式培養實踐能力
116.關于金融數學專業教育模式的相關思考
117.數學專業拓辦統計與金融數學方向的教學改革
118.金融數學模型概述
119.金融數學專業《計量經濟學》課程教學改革初探
120.金融數學專業高等代數與解析幾何教學探討
121.金融數學專業《運籌學》課程教學改革的研究與探討
122.金融數學引論研究性教學探討
123.彭實戈:中國金融數學奠基人
124.應用型本科院校金融數學專業學生培養研究
125.金融數學專業實踐教學改革的實踐與研究
126.金融數學金融工程和金融電子化
一、爭論的起點:紅利之謎
1.紅利之謎——主流金融學的“死穴”?行為金融學家們很早就聲稱從與分紅相關的一些現象的研究中找到了當前主流金融學的“死穴”(ShefrinandStatman1984)。
1973年至1974年能源危機期間,紐約城市電力公司(ConsolidatedEdisonCompany,CEC)準備取消紅利支付。在1974年該公司的股東大會上,許多中小股東為此鬧事,甚至有人揚言要對公司董事會成員采取暴力舉動。顯然,這一事件是主流金融學所無法解釋的。Shefrin和Statman(1984)尖銳地提出:按照主流金融學的分析框架,CEC的股東只會對能源危機對公司股價的影響敏感,而絕不會為公司暫停支付紅利的決定如此激動。因為在主流金融學的框架下,投資者遵循米勒(Miller)和莫迪利安尼(Modigliani)套利定價理論。他們知道,在不考慮稅收與交易費用的情況下,一美元的紅利和一美元的資本利得并沒有什么差異,他們隨時可以通過賣出股票自制“紅利”;而在收入稅率高于資本利得稅率的現實世界,減少股利支付會使股東的境況更好。那么為什么這么多股份公司還要發放紅利呢?CEC的股東為什么會對公司停止支付紅利做出如此激進的反映呢?
然而,米勒(Millerl986)卻將這些攻擊蔑視為“天大的玩笑”。的確,在20世紀80年代行為金融學形成的初期,其理論體系遠未完善,各種“軟肋”和“硬傷”成為主流金融學攻擊的靶子。很少有人意識到其日后會對金融學理論產生深遠的影響。
2.行為金融與紅利之謎。行為金融學獨特的分析框架很好地解釋了紅利之謎。Shefrin和Statman基于Kahneman和Tversky(1979)的期望理論建立了一個嶄新的分析框架。期望理論認為,投資者習慣于在潛意識中將其資產組合放入不同的意識賬戶(mentalaccounts)。一些賬戶的資產是用來養老的,一些賬戶的資產可以偶爾賭一把,一些賬戶的資產是用來接受高等教育的,還有一些賬戶的資產是為度假準備的,如此等等。馬柯維茲試圖說服投資者考慮不同意識賬戶之間的協方差而將其看成一個投資組合,但投資者似乎并不買賬。他們仍然習慣于將資產劃分為應對資產價格下跌的意識賬戶(持有現金和債券)和應對資產價格上漲的意識賬戶(持有股票、期權以及其它未定權益)。而投資者對這兩類賬戶的風險偏好特性是馬柯維茲協方差的所不能解釋的(前者表現為極度的風險厭惡,而后者表現為極度的風險偏好)。CEC股票價格的下降屬于資本意識賬戶的損失,而停止支付紅利則是紅利意識賬戶的損失。兩個賬戶中同等數額的美元對投資者而言并不相同。
馬柯維茲(Markowitz)指出,將資產劃入不同的意識賬戶忽略了不同資產之間的協方差,會使投資組合位于資產組合理論導出的有效前沿的下方。但Thaler和Shefrin(1981)針鋒相對地指出,現實生活中受情緒等行為意識影響的投資者并非主流金融學框架下的完全理性人。他們不具有完美的自控能力,容易趨于各種誘惑。將資產劃入不同的意識賬戶的做法實際上更有利于投資者提高自控能力。至于馬柯維茲的有效前沿只是一種現實生活中永遠無法達到的理想狀態罷了。
制定行動規則是一種很好的自控方式。正如對于沉迷于酒精的人來說“最多喝到第一次摔倒”是一種很好的自控標準一樣,“消費紅利、絕不動用資本利得”是消費欲望強烈的投資者的自控標準。那些認為停止紅利支付會使其喪失收入來源的CEC的小股東們實際上是在忠實地執行絕不動用資本利得的自控規則。這些人將持有CEC的股票放到了獲得穩定收入來源的收入意識賬戶。他們擔心,一旦開始自制紅利(賣股票),就會像酒鬼碰到酒一樣一發不可收拾,最終失去一切。
對于遵循行為金融的投資者而言,自制紅利還有另一個不足之處——它開啟了遺憾之門(doortoregret)。Kahneman和Tversky(1982)將遺憾(Regret)定義為投資者發現不同的選擇本能得到更好的結果時的痛苦感覺。設想一個投資者用分紅所得的1000美元購買了一臺電視機,另一個投資者用賣掉股票所得的1000美元購買了一臺同樣型號的電視機。Kahneman和Tversky問道:當股票價格上升時,這兩個投資者會感到同樣遺憾嗎?遺憾總是和責任相連的,而責任來源于選擇。買賣股票是一種重大的抉擇,自然可能導致重大的遺憾。而等待分紅是一種不必選擇的選擇,自然遺憾較少。
二、爭論的核心:市場有效性
過度反應(overreaction)與滯后反應(underreaction)是主流金融學與行為金融學爭論雙方所使用的一個重要武器。但對過度反應與滯后反應的研究涉及到金融學領域至今還未形成統一認識的市場有效性問題。對市場有效性通常有兩種理解。一種理解認為,有效市場意味著投資者不可能找到系統有效地打敗市場的方法。另一種理解認為,有效市場下證券價格是理性的(rational)。理性價格僅僅反映市場對風險收益進行權衡的理性趨利特性(數理金融中的無套利均衡),而并不反映投資者情緒等價值感受(value-expres-sive)特性。
資產分配策略(tacticalassetallocation,TAA)反映了市場不可戰勝意義上的有效性和理性價格意義上的有效性的差別。秉承資產分配策略的投資者試圖在股市出現泡沫時拋出股票,在股市出現恐慌時買進股票。在對泡沫與恐慌的判斷中實際上包含著投資者情緒這種價值感受特性。但這并不意味著市場是容易被打敗的。Philips,Rogers和Capaldi(1996)發現,資產分配策略在1977-1988年非常成功,1988年以后就失效了。其中,這一策略在1987年的股市大恐慌時最為成功。大多數秉承這一策略的投資者在股市崩盤之前已經拋空頭寸。不過,遺憾的是,這些投資者大多在股市達到最低點時仍然駐足不前,從而喪失了在隨后的股市復蘇中大賺一筆的機會。看來,打敗市場決非易事。
在金融學家們對市場有效性問題爭得不可開交的時候,似乎忘記了Fama(1991)的論述:市場有效性是不可檢驗的。對市場有效性的檢驗必須借助于有關預期收益的模型,如CAPM、APT等。如果實際收益與模型得出的預期收益不符,則認為市場是無效的。我們經常見到的驗證某一金融市場低價股和具有較高B/M(book-to-marketratios)的股票存在超額收益率的實證研究,其實都是在試圖否定市場有效性。但問題在于,如何得出超額收益的預期收益模型本身就是錯誤的呢?因此,市場有效性必須和相關的預期收益模型同時得到證明。這就陷入了一個悖論:預期收益模型的建立以市場有效為假定前提,而檢驗市場有效性時,又先驗假設預期收益模型是正確的。用市場有效性前提下的預期收益模型是無法檢驗市場有效性的。以最為常用的CAPM和APT為例,市場有效性不成立,CAPM和APT就不成立。但反過來并不能因CAPM和APT導出的結論與市場有效性不符而否定市場有效性——因為CAPM和APT本身有可能是錯誤的。
由于以上原因,盡管關于市場有效性的實證研究如火如荼,卻很難得出一致的結論。研究者們都極力試圖使市場為自己的觀點提供佐證。他們往往對不同時期、不同市場的數據采用不同的資產定價模型處理,研究結果不免有失客觀性。Hawawini和Keim(1998)曾試圖對這一問題進行客觀全面的研究。他們采集了不同國家、不同時期的金融數據,與不同的資產定價模型進行比較,得出的結論卻是自相矛盾、一塌糊涂。最終,Hawawini利Keim不得不回到Fama(1991)的論述:現有金融手段無法驗證是資產定價理論有錯誤還是市場是無效的。他們無奈地寫道:我們希望這一問題能夠在下一個百年得到解決。
盡管如此,價值感受對投資者的投資決策和資產價格具有重要影響是一個不爭的事實。純理性的價格并不存在。因此,對市場有效性的第一種理解(市場不可戰勝意義上的有效市場)似乎更為科學。
行為金融學正是基于對市場有效性的第一種理解致力于探索同時反映理性趨利特性和價值感受特性的資產定價模型。
三、爭論的新發展
1.行為資產定價模型與資本資產定價模型。主流金融學認為行為金融學對投資者價值感受的過分關注已經走入歧途。比如,Miller指出,股票價格不僅僅是一個回報率。在它的背后隱藏著許多故事,家庭的支出變化、家庭矛盾、遺產劃分、離婚協議,如此等等,不一而足。我們研究資產組合理論、資產定價理論就是要從撲朔迷離的市場中尋求決定市場發展方向的主要因素。過分關注于一些無關緊要的現象只會使我們迷失研究方向。
然而,行為金融學家則堅持認為對投資者行為進行研究是至關重要的。MeirStatman(1999)指出,其實CAPM也是從投資者行為人手的。在CAPM中,所有投資者均被假設為只關心投資回報和投資組合的協方差(風險),二者的均衡便導出結論?，F在,行為金融研究的目的就是要改變CAPM的假設,使其更接近現實,怎么能認為它不重要呢?Shefrin和Statman(1994)構筑了BAPM(be-havioralasset-pricingmodel)作為主流金融學中CAPM的對應物。BAPM將投資者分為信息交易者(informationtraders)和噪聲交易者(noisetraders)兩種類型。信息交易者即CAPM下的投資者,他們從不犯認知錯誤,而且不同個體之間表現有良好的統計均方差性;噪聲交易者則是那些處于CAPM框架之外的投資者,他們時常犯認知錯誤,不同個體之間具有顯著的異方差性。將信息交易者和噪聲交易者以及兩者在市場上的交互作用同時納入資產定價框架是BAPM的一大創舉。
BAPM中證券的預期收益決定于其行為貝塔(behavioralbetas),即正切均方差效應(tangentmean-variance-efficient)資產組合的貝塔。因為噪聲交易者對證券價格的影響,正切均方差效應資產組合并非市場組合(marketportfolio)。比如,噪聲交易者傾向于高估成長型股票的價格,相應的,市場組合中成長型股票的比例也就偏高。為了糾正這種偏差,正切均方差效應資產組合較之市場組合要人為調高成熟型股票的比例。
標準貝塔和行為貝塔的估計是一個難點。在CAPM中,我們都知道市場組合的構成原理但卻找不到精確構造市場組合的方法,因此在計算標準貝塔時只好用股票指數代替市場組合。行為貝塔的計算就更加困難。因為正切均方差效應資產組合隨時都在變化,這個月還在起重要作用的行為因素下個月可能變得微乎其微,我們很難找到它的有效的替代物。
當然,這些問題決不能阻止金融學家們對資產定價模型的追求。CAPM也好,BAPM也好,究其根本,所有資產定價模型都是經濟學中供求均衡基本思想的一個翻版。供求曲線既決定于理性趨利特性(如對產品成本、替代物價格的分析),也決定于消費者的價值感受(如口味等)。在CAPM中,供求僅僅決定于理性趨利特性下的標準貝塔,在三因子APT中,供求決定于公司規模(size)、B/M以及市場組合本身,但對公司規模和BM的判斷是具有理性趨利特性的客觀標準呢,還是反映了投資者的價值感受特性呢?Fama和French(1992)持前一種觀點,Brennan、Chordia和Subrahmanyam(1992)則持后一種觀點。
BAPM涵蓋了包括理性趨利特性和價值感受特性的諸多因素。比如欽佩(admirafion)這種價值感受特性?！敦敻弧冯s志每年都對職業經理人和投資分析家最欽佩的公司做一次調查。Shefrin和Statman(1995)發現,回答者明顯偏愛其欽佩的公司的股票,而且這種偏愛已經明顯地超越了預期回報(理性)的解釋能力。在股票市場上,人們對成長股的追捧同樣超越了理性。事實證明,價值感受特性和理性趨利特性一樣,應當成為決定預期收益的參數。
2.行為金融組合理論(BehavioralPortfolioTheory)與馬柯維茲資產組合理論。金融機構在實踐中所使用的資產組合和主流金融學中馬柯維茲均方差組合是有很大差別的。比如,Fisher和Statman(1997)發現共同基金為一些投資者采取了較高比例股票的投資組合,對另一些投資者卻采取了較高比例債券的投資組合,這顯然有悖于主流金融學中的兩基金分離定理(two-fundseparation)。因為兩基金分離定理證明所有有效組合都能夠表示為一個股票與債券具有固定比例的風險組合和不同數量的無風險證券的組合。
Shefrin和Statman(1999)提出了行為金融組合理論來替代馬柯維茲的均方差組合理論。均方差組合投資者將資產組合看成一個整體,他們在構建資產組合時只考慮不同證券之間的協方差,并且他們都是對風險的態度不變的風險厭惡者。行為金融組合者則具有金字塔型層狀結構的資產組合。資產組合金字塔的每一層都對應著投資者特定的投資目的和風險特性(方差)。一些資金投資于最底層防止變得不名一文,一些資金則被投資于更高層次用來爭取變得更富有。
行為金融組合理論較之均方差組合理論較好的和目前十分流行的在險價值(value-at-risk,VAR)構筑資產組合的方法達到理論與實踐上的一致性,但仍有許多具體問題有待進一步突破。比如,如何將各種理性趨利特性和價值感受特性進行定性、定量的區分與描述,如何具體構筑層狀組合結構每一層的資產組合,等等。
3.如何看待泡沫與風險補償。CAPM等主流金融學模型都在關注不同股票的預期收益差異,但同一股票不同時期的預期收益如何變化,風險補償會不會變化,抑或說如何衡量泡沫呢?在這方面,行為金融學再一次表現出良好的解釋能力。
風險補償是金融工具(這里指股票)預期收益率與無風險證券收益率之間的差值。風險補償的名稱是針對金融工具的接受方而言的,對于金融工具的轉讓方而言,它又被稱作風險貼水。它名義上是對風險的補償,但它實際上涵蓋了包括理性趨利特性和價值感受特性在內的決定股票收益的所有因素。Shefrin(1999a,b)從理論和實證兩方面得出基本因素和市場情緒(sentiment)共同決定風險補償。Porter和Smith(1995)則在實驗室環境下成功模擬了泡沫的形成過程。
四、前景展望:行為金融學——新的主流金融學?
眾所周知,主流金融學建立在米勒和莫迪利安尼套利定價理論、馬柯維茲資產組合理論、夏普一林特納一布萊克(Sharpe,LintnerandBlack)資本資產定價模型(CAPM)以及布萊克一斯科爾斯一默頓(Black,Scholes,andMerton)期權定價理論(OPT)的理論基石之上的。主流金融學之所以至今具有強大的生命力是因為它以最少的工具建立了一個似乎能夠解決所有金融問題的理論體系。
幾乎沒有理論體系會與所有的實證研究相吻合,主流經濟學也不例外。米勒承認紅利問題對于主流金融學而言是一個迷,但是他仍然堅持認為,通常情況下的金融市場理性預期均衡模型和有關紅利的特殊模型聯合起來,將是很完善的,至少不會比其它任何模型差。對現有金融學的理論框架進行基于行為金融或是其它理論的重建既非必要,也決不會在不遠的將來發生。Schwert(1983)十分不情愿地接受了需要新的資產定價理論以解釋反常現象的觀點。但他同時強調,新的資產定價理論也必須是在所有投資者都理性地追求最大化的框架之內。而DeBondt和Thaler(1985)強調,股票價格超漲超跌的過度反應實際上是一種超越理性的認知缺陷。Shiller(1981,1990)則明確指出,股票價格的漲落總是被非理性的狂熱所左右,理性并不可靠。由此可以預見,行為金融學與主流金融學目前的爭論是水火不容的。
和主流金融學一樣,行為金融學也由許多有用的工具構成。這些工具有些為主流金融學與行為金融學共有,有些則是行為金融學獨有,如人類行為的易感性(susceptibility)、認知缺陷(cognitiveerrors)、風險偏好的變動(Varyingattitudestowardrisk)、遺憾厭惡(aversiontoregret)、自控缺陷(imperfectself-control)以及同時將理性趨利特性和投資者情緒等價值感受作為自變量納入分析框架,等等。
一些人認為,行為金融學不過是將心理學引入了金融學,但是心理學從來沒有離開過金融學。盡管行為模型不一樣,但所有的行為都沒有超越心理學。主流金融學又何嘗不對投資者的行為(指導行為的是心理)做出假設呢?只不過主流金融投資者的行為被理性(rational)所模型化,行為金融投資者的行為則被置于正常(normal)的模型之中。理性與正常并非完全相悖。理通常被定義為追求效用最大化的行為,而追求效用最大化被認為是很正常的。面對10美元與20美元的選擇,理性人和正常人都會選擇20美元。
綜上所述,在很短的時間內,行為金融學迅速崛起。無論認同還是反對,任何一名金融學者都在對行為金融學提出的問題與得到的結論進行仔細推敲。這一事實本身足以展示行為金融學在當今金融學領域的地位及發展前景。從對主流金融學的假設與結論提出質疑,到對市場有效性、風險、資產定價模型等問題提出自己獨特的觀點,一直到提出自己的資產組合理論,行為金融學正在逐步向一個完善的金融體系發展?？梢灶A見,行為金融學和主流金融學圍繞本文上述問題的爭論也將隨之深入。雖然行為金融學完全替代主流金融學還只是行為金融學家的一廂情愿,但行為金融學必將對金融理論與實踐產生越來越大的影響。也許正如Thaler(1994)所說,終將有一天“行為金融學”作為一個名詞將不再被人提起——這是多余的。人們在對資產定價時將很自然地考慮各種“行為金融”意義上的因素。從這一意義上講,筆者更相信行為金融學與主流金融學在爭論中不斷融合,形成新的更具實踐性的主流金融學的觀點。
參考文獻:
(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.
從LTCM事件談起
1997年亞洲爆發了震撼全球的金融危機，至今仍余波蕩漾。究其根本原因，可說雖然是“冰凍三尺，非一日之寒”，而其直接原因卻在于美國的量子基金對泰國外行市場突然襲擊。1998年9月爆發的美國LTCM基金危機事件，震撼美國金融界，波及全世界，這一危機也是由于一個突發事件----俄羅斯政府宣布推遲償還短期國債券所觸發的。
LTCM基金是于1993年建立的“對沖”（hedge）基金，資金額為35億美元，從事各種債券衍生物交易，由華爾街債券投資高手梅里韋瑟（J.W.Meriwether）主持。其合伙人中包括著名的數學金融學家斯科爾斯（M.S.Scholes）和默頓（R.C.Merton），他們參與建立的“期權定價公式”（即布萊克-斯科爾斯公式）為債券衍生物交易者廣泛應用。兩位因此獲得者1997年諾貝爾經濟學獎。LTCM基金的投資策略是根據數學金融學理論,建立模型，編制程序，運用計算機預測債券價格走向。具體做法是將各種債券歷年的價格輸入計算機，從中找出統計相關規律。投資者將債券分為兩類：第一類是美國的聯邦公券，由美國聯邦政府保證，幾乎沒有風險；第二類是企業或發展中國家征服發行的債券，風險較大。LTCM基金通過統計發現，兩類債券價格的波動基本同步，漲則齊漲，跌則齊跌，且通常兩者間保持一定的平均差價。當通過計算機發現個別債券的市價偏離平均值時，若及時買進或賣出，就可在價格回到平均值時賺取利潤。妙的是在一定范圍內，無論如何價格上漲或下跌，按這種方法投資都可以獲利。難怪LTCM基金在1994年3月至1997年12月的三年多中，資金增長高達300%。不僅其合伙人和投資者發了大財，各大銀行為能從中分一杯羹，也爭著借錢給他們，致使LTCM基金的運用資金與資本之比竟高達25：1。
天有不測風云！1998年8月俄羅斯政府突然宣布推遲償還短期國債券，這一突發事件觸發了群起拋售第二類債券的狂潮，其價格直線下跌，而且很難找到買主。與此同時，投資者為了保本，紛紛尋求最安全的避風港，將巨額資金轉向購買美國政府擔保的聯邦公債。其價格一路飛升到歷史新高。這種情況與LTCM計算機所依據的兩類債券同步漲跌之統計規律剛好相反，原先的理論，模型和程序全都失靈。LTCM基金下錯了注而損失慘重。雪上加霜的是，他們不但未隨機應變及時撤出資金，而是對自己的理論模型過分自信，反而投入更多的資金以期反敗為勝。就這樣越陷越深。到9月下旬LTCM基金的虧損高達44%而瀕臨破產。其直接涉及金額為1000億美元，而間接牽連的金額竟高達10000億美元！如果任其倒閉，將引起連鎖反應，造成嚴重的信譽危機，后果不堪設想。
由于LTCM基金虧損的金額過于龐大，而且涉及到兩位諾貝爾經濟學獎德主，這對數學金融的負面影響可想而知。華爾街有些人已在議論，開始懷疑數學金融學的使用性。有的甚至宣稱：永遠不向由數學金融學家主持的基金投資，數學金融學面臨挑戰。
LTCM基金事件爆發以后，美國各報刊之報道，評論，分析連篇累牘，焦點集中在為什么過去如此靈驗的統計預測理論竟會突然失靈？多數人的共識是，布萊克-斯科爾斯理論本身并沒有錯，錯在將之應用于不適當的條件下。本文作者之一在LTCM事件發生之前四個月著文分析基于隨機過程的預測理論，文中將隨機過程分為平穩的，似穩的以及非穩的三類，明確指出：“第三類隨機過程是具有快變的或突變達的概率分布，可稱為‘非穩隨機過程’。對于這種非穩過程，概率分布實際上已失去意義，前述的基于概率分布的預測理論完全不適用，必須另辟途徑，這也可以從自然科學類似的情形中得到啟發。突變現象也存在于自然界中，……”此次正是俄羅斯政府宣布推遲償還短期國債券這一突發事件，導致了LTCM基金的統計預測理論失靈，而且遭受損失的并非LTCM基金一家，其他基金以及華爾街的一些大銀行和投資公司也都損失不貲。經典的布萊克‐斯科爾斯公式
布萊克‐斯科爾斯公式可以認為是，一種在具有不確定性的債券市場中尋求無風險套利投資組合的理論。歐式期權定價的經典布萊克‐斯科爾斯公式，基于由幾個方程組成的一個市場模型。其中，關于無風險債券價格的方程，只和利率r有關；而關于原生股票價格的方程，則除了與平均回報率b有關以外，還含有一個系數為σ的標準布朗運動的“微分”。當r，b，σ均為常數時，歐式買入期權（Europeancalloption）的價格θ就可以用精確的公式寫出來，這就是著名的布萊克‐斯科爾斯公式。由此可以獲得相應的“套利”投資組合。布萊克‐斯科爾斯公式自1973年發表以來，被投資者廣泛應用，由此而形成的布萊克‐斯科爾斯理論成了期權投資理論的經典，促進了債券衍生物時常的蓬勃發展。有人甚至說。布萊克‐斯科爾斯理論開辟了債券衍生物交易這個新行業。
筆者以為，上述投資組合理論可稱為經典布萊克‐斯科爾斯理論。它盡管在實踐中極為成功，但也有其局限性。應用時如不加注意，就會出問題。
局限性之一：經典布萊克‐斯科爾斯理論基于平穩的完備的市場假設，即r，b，σ均為常數，且σ>0，但在實際的市場中它們都不一定是常數，而且很可能會有跳躍。
局限性之二：經典布萊克‐斯科爾斯理論假定所有投資者都是散戶，而實際的市場中大戶的影響不容忽視。特別是在不成熟的市場中，有時大戶具有決定性的操縱作用。量子基金在東南亞金融危機中扮演的角色即為一例。在這種情況下，b和σ均依賴于投資者的行為，原生股票價格的微分方程變為非線性的。
經典布萊克‐斯科爾斯理論基于平穩市場的假定，屬于“平穩隨機過程”，在其適用條件下十分有效。事實上，期權投資者多年來一直在應用，LTCM基金也確實在過去三年多中賺了大錢。這次LTCM基金的失敗并非由于布萊克‐斯科爾斯理論不對，而是因為突發事件襲來時，市場變得很不平穩,原來的“平穩隨機過程"變成了“非穩隨機過程”。條件變了，原來的統計規律不再適用了。由此可見，突發事件可以使原本有效的統計規律在新的條件下失效。
突發實件的機制
研究突發事件首先必須弄清其機制。只有弄清了機制才能分析其前兆，研究預警的方法及因此之道。突發事件并不限于金融領域，也存在于自然界及技術領域中。而且各個不同領域中的突發事件具有一定的共性，按照其機制可大致分為以下兩大類。
“能量”積累型地震是典型的例子。地震的發生，是地殼中應力所積累的能量超過所能承受的臨界值后突然的釋放。積累的能量越多，地震的威力越大。此外，如火山爆發也屬于這一類型。如果將“能量”作廣義解釋，也可以推廣到社會經濟領域。泡沫經濟的破滅就可以看作是“能量“積累型，這里的“能量”就是被人為抬高的產業之虛假價值。這種虛假價值不斷積累，直至其經濟基礎無法承擔時，就會突然崩潰。積累的虛假價值越多，突發事件的威力就越大。日本泡沫經濟在1990年初崩潰后，至今已九年尚未恢復，其重要原因之一就是房地產所積累的虛假價值過分龐大之故。
“放大”型原子彈的爆發是典型的例子。在原子彈的裂變反應中，一個中子擊中鈾核使之分裂而釋放核能，同時放出二至傘個中子，這是一級反應。放出的中子再擊中鈾核產生二級反應，釋放更多的核能，放出更多的中子……。以此類推，釋放的核能及中子數均按反應級級數以指數放大，很快因起核爆炸。這是一種多級相聯的“級聯放大”，此外，放大電路中由于正反饋而造成的不穩定性，以及非線性系統的“張弛”震蕩等也屬于“放大”型。這里正反饋的作用等效于級聯。在社會、經濟及金融等領域中也有類似的情形，例如企業間達的連鎖債務就有可能導致“級聯放大”，即由于一家倒閉而引起一系列債主的相繼倒閉，甚至可能觸發金融市場的崩潰。這次LTCM基金的危機，如果不是美國政府及時介入，促使15家大銀行注入35億美元解困，就很可因LTCM基金倒閉而引起“級聯放大”，造成整個金融界的信用危機。金融界還有一種常用的術語，即所謂“杠桿作用”（leverage）。杠桿作用愿意為以小力產生大力，此處指以小錢控制大錢。這也屬于“放大”類型。例如LTCM基金不僅大量利用銀行貸款造成極高的“運用資金與資本之比”，而且還利用期貨交易到交割時才需付款的規定，大做買空賣空的無本交易，使其利用“杠桿作用”投資所涉及的資金高達10000億美元的天文數字。一旦出問題，這種突發事件的震撼力是驚人的。
金融突發事件之復雜性
金融突發事件要比自然界的或技術的突發事件復雜得多，其復雜性表現在以下幾個方面。
多因素性對金融突發事件而言，除了金融諸因素外，還涉及到政治、經濟、軍事、社會、心理等多種因素。LTCM事件的起因本為經濟因素--俄羅斯政府宣布推遲償還短期債券，而俄羅斯經濟在世界經濟中所占分額甚少，之所以能掀起如此巨大風波，是因為心理因素的“放大”作用：投資者突然感受到第二類債券的高風險，競相拋售，才造成波及全球的金融風暴?？梢娦睦硪蛩夭蝗莺鲆?，必須將其計及。
非線性影響金融突發事件的不僅有多種因素，而且各個因素之間一般具有錯綜復雜的相互作用，即為非線性的關系。例如，大戶的動作會影響到市場及散戶的行為。用數學語言說就是：多種因素共同作用所產生的結果，并不等于各個因素分別作用時結果的線性疊加。突發事件的理論模型必須包含非線性項，這種非線性理論處理起來要比線性理論復雜得多。
不確定性金融現象一般都帶有不確定性，而突發事件尤甚。如何處理這種不確定性是研究突發事件的關鍵之一。例如，1998年8月間俄羅斯經濟已瀕臨破產邊緣，幾乎可以確定某種事件將會發生，但對于投資者更具有實用價值的是：到底會發生什么事件？在何時發生？這些具有較大的不確定性。
由此可知，金融突發事件的機制不像自然界或技術領域中的那樣界限分明，往往具有綜合性。例如，1990年日本泡沫經濟的破滅，其機制固然是由于房地產等虛假價值的積累，但由此觸發的金融危機卻也包含著銀行等金融機構連鎖債務的級聯放大效應。預警方法
對沖基金之“對沖”，其目的就在于利用“對沖”來避險（有人將hedgefund譯為“避險基金”）。具有諷刺意義的是，原本設計為避險的基金，竟因突發事件而造成震撼金融界的高風險。華爾街的大型債券公司和銀行都設有“風險管理部”，斯科爾斯和默頓都是LTCM基金“風險管理委員會”的成員，對突發事件作出預警是他們的職責，但在這次他們竟都未能作出預警。
突發事件是“小概率”事件，基于傳統的平穩隨機過程的預測理論完全不適用。這只要看一個簡單的例子就可以明白。在高速公路公路上駕駛汽車，想對突然發生的機械故障做出預警以防止車禍，傳統的平穩隨機過程統計可能給出的信息是：每一百萬輛車在行駛過程中可能有三輛發生機械故障。這種統計規律雖然對保險公司制定保險率有用，但對預警根本無用。因為不知道你的車是否屬于這百萬分之三，就算知道是屬于這百萬分之三，你也不知道何時會發生故障。筆者認為，針對金融突發事件的上述特點，作預警應采用“多因素前兆法”。前面說過，在“能量”積累型的突發事件發生之前，必定有一個事先“能量”積累的過程；對“放大”型的突發事件而言，事先必定存在某種放大機制。因此在金融突發事件爆發之前，總有蛛絲馬跡的前兆。而且“能量”的積累越多，放大的倍數越高，前兆也就越明顯。采用這種方法對汽車之機械故障作出預警，應實時監測其機械系統的運行狀態，隨時發現溫度、噪音、振動，以及駕駛感覺等反常變化及時作出預警。當然，金融突發事件要比汽車機械故障復雜得多，影響的因素也多得多。為了作出預警，必須對多種因素進行實時監測，特別應當“能量”的積累是否已接近其“臨界點”，是否已存在“一觸即發”的放大機制等危險前兆。如能做到這些，金融突發事件的預警應該是可能的。要實現預警，困難也很大。其一是計及多種因素的困難。計及的因素越多，模型就越復雜。而且由于非線性效應數學處理就更為困難。計及多種因素的突發事件之數學模型，很可能超越現有計算機的處理能力。但計算機的發展一日千里，今天不能的，明天就有可能。是否可以先簡后繁、先易后難？不妨先計及最重要的一些因素，以后再根據計算機技術的進展逐步擴充。其二是定量化的困難。有些因素，比如心理因素，應如何定量化，就很值得研究。心理是大腦中的活動，直接定量極為困難，但間接定量還是可能的?？梢钥紤]采用“分類效用函數”來量化民眾的投資心理因素。為此，可以將投資者劃分為幾種不同的類型，如散戶和大戶，年輕的和年老的，保守型和冒險型等等，以便分別處理。然后，選用他們的一種典型投資行為作為代表其投資心理的“效用函數“，加以量化。這種方法如果運用得當，是可以在一定程度上定量地表示投資者的心理因素的。此外，盧卡斯（R.E.Lucas）的“理性預期”也是一種處理心理因素的方法。其三是報警靈敏度的困難。過分靈敏可能給出許多“狼來了”的虛警，欠靈敏則可能造成漏報。如何適當把握報警之“臨界值”？是否可以采用預警分級制和概率表示？
有些人根本懷疑對金融突發事件做預警的可能性。對此不妨這樣來討論：你相信不相信金融事件具有因果性？如果答案是肯定的，那么金融突發事件就不會憑空發生，就應該有前兆可尋，預警的可能性應該是存在的，那么金融學就不是一門科學，預警當然也就談不上了。筆者相信因果律是普遍存在的，金融領域也不例外。
因應之道
繼1997年東南亞金融危機后，1998年美國又發生了長期資本管理（LTCM）基金事件。兩者均由突發事件所引起，造成了震撼全球的金融危機。突發事件在金融領域中具有不容忽視的影響，它是數學金融學的一個重要課題。
從LTCM事件談起
1997年亞洲爆發了震撼全球的金融危機，至今仍余波蕩漾。究其根本原因，可說雖然是“冰凍三尺，非一日之寒”，而其直接原因卻在于美國的量子基金對泰國外行市場突然襲擊。1998年9月爆發的美國LTCM基金危機事件，震撼美國金融界，波及全世界，這一危機也是由于一個突發事件----俄羅斯政府宣布推遲償還短期國債券所觸發的。
LTCM基金是于1993年建立的“對沖”（hedge）基金，資金額為35億美元，從事各種債券衍生物交易，由華爾街債券投資高手梅里韋瑟（J.W.Meriwether）主持。其合伙人中包括著名的數學金融學家斯科爾斯（M.S.Scholes）和默頓（R.C.Merton），他們參與建立的“期權定價公式”（即布萊克-斯科爾斯公式）為債券衍生物交易者廣泛應用。兩位因此獲得者1997年諾貝爾經濟學獎。LTCM基金的投資策略是根據數學金融學理論,建立模型，編制程序，運用計算機預測債券價格走向。具體做法是將各種債券歷年的價格輸入計算機，從中找出統計相關規律。投資者將債券分為兩類：第一類是美國的聯邦公券，由美國聯邦政府保證，幾乎沒有風險；第二類是企業或發展中國家征服發行的債券，風險較大。LTCM基金通過統計發現，兩類債券價格的波動基本同步，漲則齊漲，跌則齊跌，且通常兩者間保持一定的平均差價。當通過計算機發現個別債券的市價偏離平均值時，若及時買進或賣出，就可在價格回到平均值時賺取利潤。妙的是在一定范圍內，不管如何價格上漲或下跌，按這種辦法投資都可以獲利。難怪LTCM基金在1994年3月至1997年12月的三年多中，資金增長高達300%。不僅其合伙人和投資者發了大財，各大銀行為能從中分一杯羹，也爭著借錢給他們??率筁TCM基金的運用資金與資本之比竟高達25：1。
天有不測風云！1998年8月俄羅斯政府突然宣布推遲償還短期國債券，這一突發事件觸發了群起拋售第二類債券的狂潮，其價格直線下跌，而且很難找到買主。與此同時，投資者為了保本，紛紛尋求最安全的避風港，將巨額資金轉向購買美國政府擔保的聯邦公債。其價格一路飛升到歷史新高。這種情況與LTCM計算機所依據的兩類債券同步漲跌之統計規律剛好相反，原先的理論，模型和程序全都失靈。LTCM基金下錯了注而損失慘重。雪上加霜的是，他們不但未隨機應變及時撤出資金，而是對自己的理論模型過分自信，反而投入更多的資金以期反敗為勝。就這樣越陷越深。到9月下旬LTCM基金的虧損高達44%而瀕臨破產。其直接涉及金額為1000億美元，而間接牽連的金額竟高達10000億美元！如果任其倒閉，將引起連鎖反應，造成嚴重的信譽危機，后果不堪設想。
由于LTCM基金虧損的金額過于龐大，而且涉及到兩位諾貝爾經濟學獎德主，這對數學金融的負面影響可想而知。華爾街有些人已在議論，開始懷疑數學金融學的運用性。有的甚至宣稱：永遠不向由數學金融學家主持的基金投資，數學金融學面臨挑戰。
LTCM基金事件爆發以后，美國各報刊之報道，評論，分析連篇累牘，焦點集中在為什么過去如此靈驗的統計預測理論竟會突然失靈？多數人的共識是，布萊克-斯科爾斯理論本身并沒有錯，錯在將之應用于不適當的條件下。本文作者之一在LTCM事件發生之前四個月著文分析基于隨機過程的預測理論，文中將隨機過程分為平穩的，似穩的以及非穩的三類，明確指出：“第三類隨機過程是具有快變的或突變達的概率分布，可稱為‘非穩隨機過程’。對于這種非穩過程，概率分布實際上已失去意義，前述的基于概率分布的預測理論完全不適用，另辟途徑，這也可以從自然科學類似的情形中得到啟發。突變現象也存在于自然界中，……”此次正是俄羅斯政府宣布推遲償還短期國債券這一突發事件，導致了LTCM基金的統計預測理論失靈，而且遭受損失的并非LTCM基金一家，其他基金以及華爾街的一些大銀行和投資公司也都損失不貲。
布萊克‐斯科爾斯公式可以認為是，一種在具有不確定性的債券市場中尋求無風險套利投資組合的理論。歐式期權定價的經典布萊克‐斯科爾斯公式，基于由幾個方程組成的一個市場模型。其中，about無風險債券價格的方程，只和利率r有關；而about原生股票價格的方程，則除了與平均回報率b有關以外，還含有一個系數為σ的標準布朗運動的“微分”。當r，b，σ均為常數時，歐式買入期權（Europeancalloption）的價格θ就可以用精確的公式寫出來，這就是著名的布萊克‐斯科爾斯公式。由此可以獲得相應的“套利”投資組合。布萊克‐斯科爾斯公式自1973年發表以來，被投資者廣泛應用，由此而形成的布萊克‐斯科爾斯理論成了期權投資理論的經典，促進了債券衍生物時常的蓬勃發展。有人甚至說。布萊克‐斯科爾斯理論開辟了債券衍生物交易這個新行業。
筆者以為，上述投資組合理論可稱為經典布萊克‐斯科爾斯理論。它盡管在實踐中極為成功，但也有其局限性。應用時如不加注意，就會出問題。
局限性之一：經典布萊克‐斯科爾斯理論基于平穩的完備的市場假設，即r，b，σ均為常數，且σ>0，但在實際的市場中它們都不一定是常數，而且很可能會有跳躍。
局限性之二：經典布萊克‐斯科爾斯理論假定所有投資者都是散戶，而實際的市場中大戶的影響不容忽視。特別是在不成熟的市場中，有時大戶具有決定性的操縱作用。量子基金在東南亞金融危機中扮演的角色即為一例。在這種情況下，b和σ均依賴于投資者的行為，原生股票價格的微分方程變為非線性的。
經典布萊克‐斯科爾斯理論基于平穩市場的假定，屬于“平穩隨機過程”，在其適用條件下十分有效。事實上，期權投資者多年來一直在應用，LTCM基金也確實在過去三年多中賺了大錢。這次LTCM基金的失敗并非由于布萊克‐斯科爾斯理論不對，而是因為突發事件襲來時，市場變得很不平穩,原來的“平穩隨機過程"變成了“非穩隨機過程”。條件變了，原來的統計規律不再適用了。由此可見，突發事件可以使原本有效的統計規律在新的條件下失效。
突發實件的機制
研究突發事件首先弄清其機制。只有弄清了機制才能分析其前兆，研究預警的辦法及因此之道。突發事件并不限于金融領域，也存在于自然界及技術領域中。而且各個不同領域中的突發事件具有一定的共性，按照其機制可大致分為以下兩大類。
“能量”積累型地震是典型的例子。地震的發生，是地殼中應力所積累的能量超過所能承受的臨界值后突然的釋放。積累的能量越多，地震的威力越大。此外，如火山爆發也屬于這一類型。如果將“能量”作廣義解釋，也可以推廣到經濟領域。泡沫經濟的破滅就可以看作是“能量“積累型，這里的“能量”就是被人為抬高的產業之虛假價值。這種虛假價值不斷積累，直至其經濟基礎無法承擔時，就會突然崩潰。積累的虛假價值越多，突發事件的威力就越大。日本泡沫經濟在1990年初崩潰后，至今已九年尚未恢復，其重要原因之一就是房地產所積累的虛假價值過分龐大之故。
“放大”型原子彈的爆發是典型的例子。在原子彈的裂變反應中，一個中子擊中鈾核使之分裂而釋放核能，同時放出二至傘個中子，這是一級反應。放出的中子再擊中鈾核產生二級反應，釋放更多的核能，放出更多的中子……。以此類推，釋放的核能及中子數均按反應級級數以指數放大，很快因起核爆炸。這是一種多級相聯的“級聯放大”，此外，放大電路中由于正反饋而造成的不穩定性，以及非線性系統的“張弛”震蕩等也屬于“放大”型。這里正反饋的作用等效于級聯。在、經濟及金融等領域中也有類似的情形，例如企業間達的連鎖債務就有可能導致“級聯放大”，即由于一家倒閉而引起一系列債主的相繼倒閉，甚至可能觸發金融市場的崩潰。這次LTCM基金的危機，如果不是美國政府及時介入，促使15家大銀行注入35億美元解困，就很可因LTCM基金倒閉而引起“級聯放大”，造成整個金融界的信用危機。
金融界還有一種常用的術語，即所謂“杠桿作用”（leverage）。杠桿作用愿意為以小力產生大力，此處指以小錢控制大錢。這也屬于“放大”類型。例如LTCM基金不僅大量利用銀行貸款造成極高的“運用資金與資本之比”，而且還利用期貨交易到交割時才需付款的規定，大做買空賣空的無本交易，使其利用“杠桿作用”投資所涉及的資金高達10000億美元的天文數字。一旦出問題，這種突發事件的震撼力是驚人的。
金融突發事件之復雜性
金融突發事件要比自然界的或技術的突發事件復雜得多，其復雜性表現在以下幾個方面。
多因素性對金融突發事件而言，除了金融諸因素外，還涉及到政治、經濟、軍事、、心理等多種因素。LTCM事件的起因本為經濟因素--俄羅斯政府宣布推遲償還短期債券，而俄羅斯經濟在世界經濟中所占分額甚少，之所以能掀起如此巨大風波，是因為心理因素的“放大”作用：投資者突然感受到第二類債券的高風險，競相拋售，才造成波及全球的金融風暴?？梢娦睦硪蛩夭蝗莺鲆暎瑢⑵溆嫾?。
非線性影響金融突發事件的不僅有多種因素，而且各個因素之間一般具有錯綜復雜的相互作用，即為非線性的關系。例如，大戶的動作會影響到市場及散戶的行為。用數學語言說就是：多種因素共同作用所產生的結果，并不等于各個因素分別作用時結果的線性疊加。突發事件的理論模型包含非線性項，這種非線性理論處理起來要比線性理論復雜得多。
不確定性金融現象一般都帶有不確定性，而突發事件尤甚。如何處理這種不確定性是研究突發事件的關鍵之一。例如，1998年8月間俄羅斯經濟已瀕臨破產邊緣，幾乎可以確定某種事件將會發生，但對于投資者更具有實用價值的是：到底會發生什么事件？在何時發生？這些具有較大的不確定性。
由此可知，金融突發事件的機制不像自然界或技術領域中的那樣界限分明，往往具有綜合性。例如，1990年日本泡沫經濟的破滅，其機制固然是由于房地產等虛假價值的積累，但由此觸發的金融危機卻也包含著銀行等金融機構連鎖債務的級聯放大效應。預警辦法
對沖基金之“對沖”，其目的就在于利用“對沖”來避險（有人將hedgefund譯為“避險基金”）。具有諷刺意義的是，原本設計為避險的基金，竟因突發事件而造成震撼金融界的高風險。華爾街的大型債券公司和銀行都設有“風險管理部”，斯科爾斯和默頓都是LTCM基金“風險管理委員會”的成員，對突發事件作出預警是他們的職責，但在這次他們竟都未能作出預警。
突發事件是“小概率”事件，基于傳統的平穩隨機過程的預測理論完全不適用。這只要看一個簡單的例子就可以明白。在高速公路公路上駕駛汽車，想對突然發生的機械故障做出預警以防止車禍，傳統的平穩隨機過程統計可能給出的信息是：每一百萬輛車在行駛過程中可能有三輛發生機械故障。這種統計規律雖然對保險公司制定保險率有用，但對預警根本無用。因為不知道你的車是否屬于這百萬分之三，就算知道是屬于這百萬分之三，你也不知道何時會發生故障。筆者認為，針對金融突發事件的上述特點，作預警應采用“多因素前兆法”。前面說過，在“能量”積累型的突發事件發生之前，必定有一個事先“能量”積累的過程；對“放大”型的突發事件而言，事先必定存在某種放大機制。因此在金融突發事件爆發之前，總有蛛絲馬跡的前兆。而且“能量”的積累越多，放大的倍數越高，前兆也就越明顯。采用這種辦法對汽車之機械故障作出預警，應實時監測其機械系統的運行狀態，隨時發現溫度、噪音、振動，以及駕駛感覺等反常變化及時作出預警。當然，金融突發事件要比汽車機械故障復雜得多，影響的因素也多得多。為了作出預警，對多種因素進行實時監測，特別應當“能量”的積累是否已接近其“臨界點”，是否已存在“一觸即發”的放大機制等危險前兆。如能做到這些，金融突發事件的預警應該是可能的。要實現預警，困難也很大。其一是計及多種因素的困難。計及的因素越多，模型就越復雜。而且由于非線性效應數學處理就更為困難。計及多種因素的突發事件之數學模型，很可能超越現有計算機的處理能力。但計算機的發展一日千里，今天不能的，明天就有可能。是否可以先簡后繁、先易后難？不妨先計及最重要的一些因素，以后再根據計算機技術的進展逐步擴充。其二是定量化的困難。有些因素，比如心理因素，應如何定量化，就很值得研究。心理是大腦中的活動，直接定量極為困難，但間接定量還是可能的。可以考慮采用“分類效用函數”來量化民眾的投資心理因素。為此，可以將投資者劃分為幾種不同的類型，如散戶和大戶，年輕的和年老的，保守型和冒險型等等，以便分別處理。然后，選用他們的一種典型投資行為作為代表其投資心理的“效用函數“，加以量化。這種辦法如果運用得當，是可以在一定程度上定量地表示投資者的心理因素的。此外，盧卡斯（R.E.Lucas）的“理性預期”也是一種處理心理因素的辦法。
其三是報警靈敏度的困難。過分靈敏可能給出許多“狼來了”的虛警，欠靈敏則可能造成漏報。如何適當把握報警之“臨界值”？是否可以采用預警分級制和概率表示？
有些人根本懷疑對金融突發事件做預警的可能性。對此不妨這樣來討論：你相信不相信金融事件具有因果性？如果答案是肯定的，那么金融突發事件就不會憑空發生，就應該有前兆可尋，預警的可能性應該是存在的，那么金融學就不是一門科學，預警當然也就談不上了。筆者相信因果律是普遍存在的，金融領域也不例外。
因應之道
關鍵詞：計量經濟學；教學改革；金融實踐
近年來，不少學者提出了計量經濟學的教學改革：姜麗麗（2011）站在經濟學科的立場討論了計量經濟學和相應的計量軟件（主要是Eviews）的結合；李劫（2014）對計量經濟學實驗教學改革進行研究，認為應該將原理驗證性實驗與研究設計性實驗相結合；張衛東，黎實（2016）討論了博士階段的高級計量經濟學的教學改革問題。但是，由于金融數學是新興專業的原因，當前的計量經濟學教學改革尚缺乏針對金融數學專業的探討。本文重點針對金融數學專業剖析計量經濟學中金融理論及實踐結合不緊密問題，并給出相關改進對策與建議。
一、計量經濟學與金融理論及實踐的結合不緊密
當前計量經濟學教材在編寫時，為了滿足較少學時的需要，保留了數學抽象，減少了與經濟學理論的結合，特別是與金融學、投資學理論的結合更是幾乎沒有。這使學生在學習時很難理清計量經濟學課程與金融理論、金融問題間的關系，而且學習完成后也難以應用該課程的知識來解決實際金融問題。我們以如下兩個例子為例。
第一，以消費—收入案例作為經典一元線性回歸計量經濟學模型的案例。當前眾多的計量經濟學教材在介紹完經典的一元線性回歸模型的相關理論后，為使得學生能學以致用，往往引入一個實例進行分析。由于當前教材大多以經濟學或金融學學生為授課對象，所以其在教材中引入的案例往往都是經濟學的案例。例如，分析居民收入與消費間的關系。如此導致金融數學的學生誤認為計量經濟學僅僅只是一門經濟學課程，在金融上應用很少。
第二，引入消費習慣作為經典多元線性回歸計量經濟學模型的案例。不少教材在對多元線性回歸案例的選擇時，仍然是主要以經濟學、金融學的學生為考慮對象，通過引入消費習慣（上一年的消費）進一步加深消費—收入模型的分析，得到多元線性回歸模型的案例。然而這對于金融數學專業的學生而言，正好加深了學生對計量經濟學的誤會，如此導致金融數學專業的學生誤認為計量經濟學在金融上沒有應用?？梢姰斍坝嬃拷洕鷮W的案例分析往往都是以傳統的經濟模型作為分析，考慮的往往是消費—收入等這些經濟現象，沒有體現出計量經濟學在金融的應用。這顯然不足以讓金融數學專業學生了解計量經濟學在金融學、投資學中的應用，學生亦難以將計量經濟學方法、模型應用于指導金融實踐。事實上，金融學、投資學中的資本資產定價模型（CAPM）、三因子定價模型等等大量金融模型就是計量經濟學中一元線性回歸、多元線性回歸模型。這些金融模型在計量經濟學中的引入必然將對金融數學的教學產生良好的促進作用。如何把金融理論及實踐與計量經濟的教學進行結合是本課題研究的核心問題。
二、計量經濟學中數學推導的改革措施
金融數學的學生在計量經濟學的學習過程中，更多的應該是在學習好計量經濟學方法、模型的同時，把方法與模型應用于現實金融市場，以指導金融實踐。因此，針對上述數學推導的設置問題，我們提出如下改革措施。
第一，將資本資產定價模型的實證分析作為案例引入計量經濟學。在介紹完計量經濟學一元線性回歸模型：Y=β0+β1X+μ后，立刻把金融學經典的資本資產定價模型（CAPM）作[1]FamaEF，FrenchKR.Commonriskfactorsinthereturnsonstocksandbonds[J].JournalofFinancialEconomics，1993，33（1）.[2]姜麗麗.計量經濟學課程教學改革探索[J].經濟研究導刊，2011（26）.[3]李劼.高?！队嬃拷洕鷮W》課程實驗教學改革與探索[J].教育教學論壇，2014（19）.為案例引入計量經濟學的教學中。例如，采用CAPM分析中國石油（R2）的收益：R2=α+β（Rm-Rf）+μ，其中，Rm為市場收益（例如上證綜指的收益率），Rf為無風險收益率（例如上海銀行間同業拆借利率）。CAPM在計量經濟學的視角下其實就是做一個簡單的一元回歸。因此，通過在案例中引入CAPM的實證分析，能加強金融數學專業學生對計量經濟學的認識，同時讓學生了解到計量經濟學與投資學間的關系，提示學生的學習興趣。
從實際的金融經濟看來，其中很多的問題都與經濟數學中的導數有著息息相關的聯系，數學家和金融學家都應該知道，導數不管是在能夠領域當中，都有另一種感念，那就是領域邊際的感念。伴隨邊際感念的建立，導數成功進入了金融經濟方面的學說之中，讓經濟學的研究對象從傳統的定量轉變成為新時代下的變量，這種轉變也是數學理論在經濟學中典型的表現，對經濟學的發展歷程也產生了重大影響。邊際成本函數、邊際利益函數、邊際收益函數、邊際需求函數等是導數中邊際函數中重要的幾點。由于函數的變化率是導數主要研究對象，當所研究函數的變量發生輕微變化時，導數也要隨之進行變化。比如，導數可以對人類種群、人口流量的變化率進行研究。讓此理論在經濟分析當中得以應用，導數中的邊際函數分析就是對經濟函數的變化量做出計算。
經濟數學中的導數不僅具有邊際概念，其另一方面就是彈性，簡單來說彈性研究就是對函數相對變化率問題進行探討的手段。例如，市場上的某件物品的需求量為Q，其價格則為p，彈性研究就是對兩種之間的關系進行研究，Q與p之間的關系公式則為:Q=p(8－3p);EQ/Ep=P•Q/p=p•(8－6p)/p(8－3p)=8－6p/8－3p。
從以上的彈性關系公式我們可以了解到，當價格處于某個價格段位時，需求量與價格之間的彈性范圍將會得以縮小，但是當價格過于高時，需求量的彈性范圍將會急劇增大。經濟最優化選擇是導數在經濟分析中另一個重要作用。不管是在經濟學當中還是金融經濟，實現產品價值最大化就要進行經濟最優化選擇，這也是經濟決策制定時的必要依據。其實最優化選擇問題在經濟學中有一系列的因素要進行考慮，包括最佳資源、最佳產品利潤、最佳需求量、收入的最佳分配等。最優化選擇中所使用的導數，不僅利用到了導數的基本原理，還使用了極值的求證數學原理。例如，X單位在生產某產品是的成本為C(x)=300+1/12x－5x+170x，x單位所生產產品的單價為134元人民幣，求能讓利潤最大化的產量。那么以下就是作者利用經濟數學的一個解法。
2微積分方程在經濟實際問題中的運用
一般的經濟活動就是量與量之間的交往過程，在這個交往過程當中函數是其中最主要的元素，但是從實際的經濟問題上看，其函數之間的關系式比較復雜，導致量與量之間的種種關系也不能快速準確的寫出。但是，實際變量、導數和微積分之間的關系確實可以很好的建立。微積分方程的基礎定義為，方程中包含自變量、未知函數和導數。由于導數和函數的出現，所以說微積分方程在經濟數學當中的用途也是很大。
在實際的經濟問題當中，微積分方程中函數可能會存在兩個或者兩個以上，這點就不同于經濟學中的理論知識，對于處理這種問題作者也是大有見解。當微積分方程中出現兩個或兩個以上函數時，我們可以先將其中的一個函數當中常變量，然后使用單變量經濟問題來進行單獨解決，這是我們就需要用到導數的偏向理論知識。不僅是微積分方程，在處理經濟問題的時候我們還可能使用到全積分、微分等一些基層理論知識來供我們參考。
3結論
從LTCM事件談起
1997年亞洲爆發了震撼全球的金融危機，至今仍余波蕩漾。究其根本原因，可說雖然是“冰凍三尺，非一日之寒”，而其直接原因卻在于美國的量子基金對泰國外行市場突然襲擊。1998年9月爆發的美國LTCM基金危機事件，震撼美國金融界，波及全世界，這一危機也是由于一個突發事件----俄羅斯政府宣布推遲償還短期國債券所觸發的。
LTCM基金是于1993年建立的“對沖”（hedge）基金，資金額為35億美元，從事各種債券衍生物交易，由華爾街債券投資高手梅里韋瑟（J.W.Meriwether）主持。其合伙人中包括著名的數學金融學家斯科爾斯（M.S.Scholes）和默頓（R.C.Merton），他們參與建立的“期權定價公式”（即布萊克-斯科爾斯公式）為債券衍生物交易者廣泛應用。兩位因此獲得者1997年諾貝爾經濟學獎。LTCM基金的投資策略是根據數學金融學理論,建立模型，編制程序，運用計算機預測債券價格走向。具體做法是將各種債券歷年的價格輸入計算機，從中找出統計相關規律。投資者將債券分為兩類：第一類是美國的聯邦公券，由美國聯邦政府保證，幾乎沒有風險；第二類是企業或發展中國家征服發行的債券，風險較大。LTCM基金通過統計發現，兩類債券價格的波動基本同步，漲則齊漲，跌則齊跌，且通常兩者間保持一定的平均差價。當通過計算機發現個別債券的市價偏離平均值時，若及時買進或賣出，就可在價格回到平均值時賺取利潤。妙的是在一定范圍內，無論如何價格上漲或下跌，按這種方法投資都可以獲利。難怪LTCM基金在1994年3月至1997年12月的三年多中，資金增長高達300%。不僅其合伙人和投資者發了大財，各大銀行為能從中分一杯羹，也爭著借錢給他們，致使LTCM基金的運用資金與資本之比竟高達25：1。
天有不測風云！1998年8月俄羅斯政府突然宣布推遲償還短期國債券，這一突發事件觸發了群起拋售第二類債券的狂潮，其價格直線下跌，而且很難找到買主。與此同時，投資者為了保本，紛紛尋求最安全的避風港，將巨額資金轉向購買美國政府擔保的聯邦公債。其價格一路飛升到歷史新高。這種情況與LTCM計算機所依據的兩類債券同步漲跌之統計規律剛好相反，原先的理論，模型和程序全都失靈。LTCM基金下錯了注而損失慘重。雪上加霜的是，他們不但未隨機應變及時撤出資金，而是對自己的理論模型過分自信，反而投入更多的資金以期反敗為勝。就這樣越陷越深。到9月下旬LTCM基金的虧損高達44%而瀕臨破產。其直接涉及金額為1000億美元，而間接牽連的金額竟高達10000億美元！如果任其倒閉，將引起連鎖反應，造成嚴重的信譽危機，后果不堪設想。
由于LTCM基金虧損的金額過于龐大，而且涉及到兩位諾貝爾經濟學獎德主，這對數學金融的負面影響可想而知。華爾街有些人已在議論，開始懷疑數學金融學的使用性。有的甚至宣稱：永遠不向由數學金融學家主持的基金投資，數學金融學面臨挑戰。
LTCM基金事件爆發以后，美國各報刊之報道，評論，分析連篇累牘，焦點集中在為什么過去如此靈驗的統計預測理論竟會突然失靈？多數人的共識是，布萊克-斯科爾斯理論本身并沒有錯，錯在將之應用于不適當的條件下。本文作者之一在LTCM事件發生之前四個月著文分析基于隨機過程的預測理論，文中將隨機過程分為平穩的，似穩的以及非穩的三類，明確指出：“第三類隨機過程是具有快變的或突變達的概率分布，可稱為‘非穩隨機過程’。對于這種非穩過程，概率分布實際上已失去意義，前述的基于概率分布的預測理論完全不適用，必須另辟途徑，這也可以從自然科學類似的情形中得到啟發。突變現象也存在于自然界中，……”此次正是俄羅斯政府宣布推遲償還短期國債券這一突發事件，導致了LTCM基金的統計預測理論失靈，而且遭受損失的并非LTCM基金一家，其他基金以及華爾街的一些大銀行和投資公司也都損失不貲。
經典的布萊克‐斯科爾斯公式
布萊克‐斯科爾斯公式可以認為是，一種在具有不確定性的債券市場中尋求無風險套利投資組合的理論。歐式期權定價的經典布萊克‐斯科爾斯公式，基于由幾個方程組成的一個市場模型。其中，關于無風險債券價格的方程，只和利率r有關；而關于原生股票價格的方程，則除了與平均回報率b有關以外，還含有一個系數為σ的標準布朗運動的“微分”。當r，b，σ均為常數時，歐式買入期權（Europeancalloption）的價格θ就可以用精確的公式寫出來，這就是著名的布萊克‐斯科爾斯公式。由此可以獲得相應的“套利”投資組合。布萊克‐斯科爾斯公式自1973年發表以來，被投資者廣泛應用，由此而形成的布萊克‐斯科爾斯理論成了期權投資理論的經典，促進了債券衍生物時常的蓬勃發展。有人甚至說。布萊克‐斯科爾斯理論開辟了債券衍生物交易這個新行業。
筆者以為，上述投資組合理論可稱為經典布萊克‐斯科爾斯理論。它盡管在實踐中極為成功，但也有其局限性。應用時如不加注意，就會出問題。
局限性之一：經典布萊克‐斯科爾斯理論基于平穩的完備的市場假設，即r，b，σ均為常數，且σ>0，但在實際的市場中它們都不一定是常數，而且很可能會有跳躍。
局限性之二：經典布萊克‐斯科爾斯理論假定所有投資者都是散戶，而實際的市場中大戶的影響不容忽視。特別是在不成熟的市場中，有時大戶具有決定性的操縱作用。量子基金在東南亞金融危機中扮演的角色即為一例。在這種情況下，b和σ均依賴于投資者的行為，原生股票價格的微分方程變為非線性的。
經典布萊克‐斯科爾斯理論基于平穩市場的假定，屬于“平穩隨機過程”，在其適用條件下十分有效。事實上，期權投資者多年來一直在應用，LTCM基金也確實在過去三年多中賺了大錢。這次LTCM基金的失敗并非由于布萊克‐斯科爾斯理論不對，而是因為突發事件襲來時，市場變得很不平穩,原來的“平穩隨機過程"變成了“非穩隨機過程”。條件變了，原來的統計規律不再適用了。由此可見，突發事件可以使原本有效的統計規律在新的條件下失效。
突發實件的機制
研究突發事件首先必須弄清其機制。只有弄清了機制才能分析其前兆，研究預警的方法及因此之道。突發事件并不限于金融領域，也存在于自然界及技術領域中。而且各個不同領域中的突發事件具有一定的共性，按照其機制可大致分為以下兩大類。
“能量”積累型地震是典型的例子。地震的發生，是地殼中應力所積累的能量超過所能承受的臨界值后突然的釋放。積累的能量越多，地震的威力越大。此外，如火山爆發也屬于這一類型。如果將“能量”作廣義解釋，也可以推廣到社會經濟領域。泡沫經濟的破滅就可以看作是“能量“積累型，這里的“能量”就是被人為抬高的產業之虛假價值。這種虛假價值不斷積累，直至其經濟基礎無法承擔時，就會突然崩潰。積累的虛假價值越多，突發事件的威力就越大。日本泡沫經濟在1990年初崩潰后，至今已九年尚未恢復，其重要原因之一就是房地產所積累的虛假價值過分龐大之故。
“放大”型原子彈的爆發是典型的例子。在原子彈的裂變反應中，一個中子擊中鈾核使之分裂而釋放核能，同時放出二至傘個中子，這是一級反應。放出的中子再擊中鈾核產生二級反應，釋放更多的核能，放出更多的中子……。以此類推，釋放的核能及中子數均按反應級級數以指數放大，很快因起核爆炸。這是一種多級相聯的“級聯放大”，此外，放大電路中由于正反饋而造成的不穩定性，以及非線性系統的“張弛”震蕩等也屬于“放大”型。這里正反饋的作用等效于級聯。在社會、經濟及金融等領域中也有類似的情形，例如企業間達的連鎖債務就有可能導致“級聯放大”，即由于一家倒閉而引起一系列債主的相繼倒閉，甚至可能觸發金融市場的崩潰。這次LTCM基金的危機，如果不是美國政府及時介入，促使15家大銀行注入35億美元解困，就很可因LTCM基金倒閉而引起“級聯放大”，造成整個金融界的信用危機。
金融界還有一種常用的術語，即所謂“杠桿作用”（leverage）。杠桿作用愿意為以小力產生大力，此處指以小錢控制大錢。這也屬于“放大”類型。例如LTCM基金不僅大量利用銀行貸款造成極高的“運用資金與資本之比”，而且還利用期貨交易到交割時才需付款的規定，大做買空賣空的無本交易，使其利用“杠桿作用”投資所涉及的資金高達10000億美元的天文數字。一旦出問題，這種突發事件的震撼力是驚人的。
金融突發事件之復雜性
金融突發事件要比自然界的或技術的突發事件復雜得多，其復雜性表現在以下幾個方面。
多因素性對金融突發事件而言，除了金融諸因素外，還涉及到政治、經濟、軍事、社會、心理等多種因素。LTCM事件的起因本為經濟因素--俄羅斯政府宣布推遲償還短期債券，而俄羅斯經濟在世界經濟中所占分額甚少，之所以能掀起如此巨大風波，是因為心理因素的“放大”作用：投資者突然感受到第二類債券的高風險，競相拋售，才造成波及全球的金融風暴?？梢娦睦硪蛩夭蝗莺鲆?，必須將其計及。
非線性影響金融突發事件的不僅有多種因素，而且各個因素之間一般具有錯綜復雜的相互作用，即為非線性的關系。例如，大戶的動作會影響到市場及散戶的行為。用數學語言說就是：多種因素共同作用所產生的結果，并不等于各個因素分別作用時結果的線性疊加。突發事件的理論模型必須包含非線性項，這種非線性理論處理起來要比線性理論復雜得多。
不確定性金融現象一般都帶有不確定性，而突發事件尤甚。如何處理這種不確定性是研究突發事件的關鍵之一。例如，1998年8月間俄羅斯經濟已瀕臨破產邊緣，幾乎可以確定某種事件將會發生，但對于投資者更具有實用價值的是：到底會發生什么事件？在何時發生？這些具有較大的不確定性。
由此可知，金融突發事件的機制不像自然界或技術領域中的那樣界限分明，往往具有綜合性。例如，1990年日本泡沫經濟的破滅，其機制固然是由于房地產等虛假價值的積累，但由此觸發的金融危機卻也包含著銀行等金融機構連鎖債務的級聯放大效應。預警方法
對沖基金之“對沖”，其目的就在于利用“對沖”來避險（有人將hedgefund譯為“避險基金”）。具有諷刺意義的是，原本設計為避險的基金，竟因突發事件而造成震撼金融界的高風險。華爾街的大型債券公司和銀行都設有“風險管理部”，斯科爾斯和默頓都是LTCM基金“風險管理委員會”的成員，對突發事件作出預警是他們的職責，但在這次他們竟都未能作出預警。
突發事件是“小概率”事件，基于傳統的平穩隨機過程的預測理論完全不適用。這只要看一個簡單的例子就可以明白。在高速公路公路上駕駛汽車，想對突然發生的機械故障做出預警以防止車禍，傳統的平穩隨機過程統計可能給出的信息是：每一百萬輛車在行駛過程中可能有三輛發生機械故障。這種統計規律雖然對保險公司制定保險率有用，但對預警根本無用。因為不知道你的車是否屬于這百萬分之三，就算知道是屬于這百萬分之三，你也不知道何時會發生故障。筆者認為，針對金融突發事件的上述特點，作預警應采用“多因素前兆法”。前面說過，在“能量”積累型的突發事件發生之前，必定有一個事先“能量”積累的過程；對“放大”型的突發事件而言，事先必定存在某種放大機制。因此在金融突發事件爆發之前，總有蛛絲馬跡的前兆。而且“能量”的積累越多，放大的倍數越高，前兆也就越明顯。采用這種方法對汽車之機械故障作出預警，應實時監測其機械系統的運行狀態，隨時發現溫度、噪音、振動，以及駕駛感覺等反常變化及時作出預警。當然，金融突發事件要比汽車機械故障復雜得多，影響的因素也多得多。為了作出預警，必須對多種因素進行實時監測，特別應當“能量”的積累是否已接近其“臨界點”，是否已存在“一觸即發”的放大機制等危險前兆。如能做到這些，金融突發事件的預警應該是可能的。要實現預警，困難也很大。其一是計及多種因素的困難。計及的因素越多，模型就越復雜。而且由于非線性效應數學處理就更為困難。計及多種因素的突發事件之數學模型，很可能超越現有計算機的處理能力。但計算機的發展一日千里，今天不能的，明天就有可能。是否可以先簡后繁、先易后難？不妨先計及最重要的一些因素，以后再根據計算機技術的進展逐步擴充。其二是定量化的困難。有些因素，比如心理因素，應如何定量化，就很值得研究。心理是大腦中的活動，直接定量極為困難，但間接定量還是可能的。可以考慮采用“分類效用函數”來量化民眾的投資心理因素。為此，可以將投資者劃分為幾種不同的類型，如散戶和大戶，年輕的和年老的，保守型和冒險型等等，以便分別處理。然后，選用他們的一種典型投資行為作為代表其投資心理的“效用函數“，加以量化。這種方法如果運用得當，是可以在一定程度上定量地表示投資者的心理因素的。此外，盧卡斯（R.E.Lucas）的“理性預期”也是一種處理心理因素的方法。
其三是報警靈敏度的困難。過分靈敏可能給出許多“狼來了”的虛警，欠靈敏則可能造成漏報。如何適當把握報警之“臨界值”？是否可以采用預警分級制和概率表示？
有些人根本懷疑對金融突發事件做預警的可能性。對此不妨這樣來討論：你相信不相信金融事件具有因果性？如果答案是肯定的，那么金融突發事件就不會憑空發生，就應該有前兆可尋，預警的可能性應該是存在的，那么金融學就不是一門科學，預警當然也就談不上了。筆者相信因果律是普遍存在的，金融領域也不例外。
因應之道
