下载文档原格式
金融资产定价理论的发展李忠071014030本文对金融资产定价理论的发展历程与其方法论、主要成果和前沿问题进行了总结,主要综述了有关资产定价理论的内在发展思路及理论的局限性及其现实性的一些文献，按时间的先后顺序，整理了不同时期的金融资产定价理论的主流学说。
下面将有关的资产定价理论进行一个比较详尽的总结。
1. 现金流贴现模型20 世纪50 年代之前的金融学,被Haugen (1999) 称为金融理论的发展的“旧时代金融”(old Finance) ,是经济学中非常不起眼的一个领域,典范著作是本杰明·格雷厄姆和大卫·多德的《证券分析》以及亚瑟. 斯通. 丢寅的《公司金融政策》,其基本的析范式就是用会计和法律工具来分析公司的财务报表以及金融要求权的性质。
格雷厄姆和多德在1934 年《证券分析》一书中认为股票价格的波动是建立在股票“内在价值”基础上的,股票的“内在价值”取决于公司未来盈利能力。
很多学者如希尔法登、格莱姆、沃尔特、戈登与威廉姆斯等都对股票“内在价值”的确定有过深入的研究, 威廉姆斯1938 年给出的股票“内在价值”公式为:P =D1(1 + r1) +D2(1 + r2) 2 + ⋯+Dn(1 + r n) n +pn(1 + rt) n其中, P = 普通股的公平价值或理论价值。
D. 表示第t 年的预期股利,Pt = n 年时的预期售价(或最终价格) ,n = 水平年数,rt 表示第t 年的适当贴现率或资本化比率。
通过内在价值法的计算似乎可以得出股票的精确值,但根据国外长期的实证研究结果表明,它存在以下几个致命的弱点: 首先,要确定股票的“内在价值”,最关键的就是要确定其未来的现金流,在大多数情况下,未来现金流的确定涉及到整个市场的预期,通常很难确定。
为此,关于金融资产定价的早期研究集中在确定公司未来收益的现金流。
另外,第t 年的适当贴现率或资本化比率r ,也是难以确定的,从经济学的角度讲,贴现率应该等于资金使用的机会成本或投资者要求的回报率,贴现率构成要素如下: (1) 无风险回报率; (2) 风险补偿率。
金融市场风险定价模型的优化与改进金融市场风险定价模型是衡量和评估金融资产价格波动的重要工具。
在过去的几十年中，学术界和金融业务界不断努力改进和优化这些模型，以更准确地预测金融市场的风险和回报。
本文将探讨金融市场风险定价模型的优化和改进方法。
首先，我们需要了解传统的金融市场风险定价模型，如CAPM（资本资产定价模型）和Black-Scholes模型。
然而，这些传统模型基于一些假设，比如市场是完全有效的，资产回报服从正态分布等。
然而，在实际金融市场中，这些假设并不成立，所以我们需要优化和改进这些模型以准确地反映现实情况。
一种常见的优化方法是考虑非线性效应和非常态分布。
传统模型往往假设资产回报服从正态分布，而在实际市场中，资产回报往往存在尖峰厚尾的现象，即所谓的“肥尾”现象。
因此，一些学者提出了基于混沌理论和分形几何的模型，如分形几何Brownian运动和随机波动率模型，以更好地刻画金融市场中的非线性效应和资产回报的非常态分布。
此外，为了更准确地预测金融市场的风险和回报，一些学者提出了跨市场和跨资产的模型。
传统模型通常只关注某个特定市场或资产的风险定价，忽略了其他市场和资产之间的相关性。
然而，在现实市场中，各个市场和资产之间存在着复杂的相互作用和相关性。
因此，跨市场和跨资产的模型可以更全面地考虑这些相关性，提高风险定价的准确性。
此外，对于股票等金融资产，其价格往往受到多种因素的影响，包括市场因素、公司基本面因素和心理因素等。
因此，一些学者提出了结合多种因素的因子模型，如Fama-French三因子模型和Carhart四因子模型，以更准确地解释金融资产价格的波动和风险。
此外，机器学习和人工智能技术的发展也为金融市场风险定价模型的优化和改进提供了新的思路和方法。
传统的模型往往基于线性关系和假设，而机器学习和人工智能技术可以更好地挖掘海量数据中的非线性关系和模式，提高风险定价的准确性和预测能力。
例如，支持向量机、神经网络和随机森林等机器学习算法可以用于预测金融市场的波动和回报。
金融风险定价模型的多因子分析与优化研究一、引言金融市场的不确定性和风险性使得风险定价模型在金融领域中扮演着重要的角色。
随着时间的推移，传统的单因子模型已经不足以满足风险定价的需求。
因此，多因子分析和优化成为了研究的热点。
本文旨在探讨金融风险定价模型的多因子分析与优化研究。
二、多因子模型的概念和应用1. 多因子模型的概念多因子模型是指将金融资产的收益率分解为多个因素的线性组合，以揭示背后的经济和市场趋势。
通常，这些因子包括市场因子、公司特定因子和宏观经济因子等。
2. 多因子模型的应用多因子模型的应用广泛，包括股票选取、投资组合管理和风险分析等。
通过使用多因子模型，投资者可以更准确地评估投资组合的风险和收益，优化资产配置，并进行有效的风险管理。
三、金融风险定价模型的多因子分析1. 市场因子分析市场因子是多因子模型中最重要的因素之一，通常是指市场指数的表现。
通过分析市场因子，可以帮助我们预测市场的整体风险和收益。
一些常用的市场因子包括市场收益率、市场波动率以及市场流动性等。
2. 公司特定因子分析公司特定因子是指影响个别公司或行业的因素。
这些因素包括公司的盈利情况、行业竞争力、财务状况和管理层能力等。
通过分析公司特定因素，可以帮助我们理解某个公司或行业的风险和收益特征。
3. 宏观经济因子分析宏观经济因子是指宏观经济环境的变化对金融资产收益率的影响。
例如，利率、通货膨胀率、国内生产总值（GDP）增长率等。
通过分析宏观经济因素，可以更好地理解金融市场的风险和收益。
四、金融风险定价模型的多因子优化1. 基于协方差矩阵的优化在多因子模型中，协方差矩阵是优化构建投资组合的关键。
通过分析各个因子之间的协方差，可以更好地实现资产的多样化和风险的分散。
在优化投资组合时，可以通过最小化投资组合的方差或最大化投资组合的效用函数来优化投资组合的风险和收益。
2. 约束优化约束优化是在投资组合构建中常用的一种方法，在优化过程中引入约束条件来满足特定的投资目标。
金融资产定价金融资产定价是金融领域中非常重要的一环，它指的是根据一定的定价理论和模型来确定金融资产的公允价值或市场价格。
正确的定价可以帮助投资者合理判断资产的价值，并做出相应的投资决策。
金融资产的定价主要依赖于两个基本理论：风险定价理论和市场有效性理论。
风险定价理论认为，资产的价格应该反映出其风险特征，风险越高，价格就应该越低。
市场有效性理论则认为，市场上的所有信息都会被迅速反映在资产价格中，因此价格一旦形成，就会包含全部信息，不会存在任何一种投资策略能够获得超额收益。
在实际应用中，金融资产的定价通常通过使用不同的模型进行。
其中最常用的是资产定价模型（Asset Pricing Model，简称APM）。
APM通过考虑多个因素，如市场风险、利率、财务指标等，来对金融资产的定价进行评估。
其中最经典的模型包括资本资产定价模型（Capital Asset Pricing Model，简称CAPM）和期权定价模型（Option Pricing Model）。
CAPM是一种基于市场风险来估计资产预期收益率的模型。
它通过测量资产与市场整体波动之间的相关性，来确定资产的风险水平。
通过资产的风险水平和预期市场收益率的关系，可以得出资产的预期收益率。
这个模型的一个重要前提是，市场是有效的，即所有信息都被充分反映在价格中。
期权定价模型主要用于定价金融衍生品，如期权、期货等。
其中最有名的模型是布莱克-斯克尔斯模型（Black-Scholes Model）。
该模型通过考虑标的资产价格、期权行权价、剩余期限、无风险利率和波动率等因素，计算出期权的合理价格。
该模型为衍生品的定价提供了一个相对完备和可靠的方法。
金融资产的定价具有一定的复杂性和不确定性，在实际应用中需要综合考虑多个因素，如市场条件、宏观经济环境、公司财务状况等。
此外，金融市场的不断变化和新的金融产品的出现也对定价模型提出了更高的要求。
总的来说，金融资产定价是金融领域中的基础和核心任务之一，它对于投资者和市场参与者来说具有重要意义。
投资学中的资产定价模型CAPMAPT等解析现代投资学理论中，资产定价模型（Asset Pricing Model，简称APM）是研究资本资产定价问题的重要方法之一。
CAPM（Capital Asset Pricing Model）和APT（Arbitrage Pricing Theory）是两种常见的资产定价模型，它们分别从不同的角度解析了资本资产的定价问题。
一、CAPM（Capital Asset Pricing Model）CAPM是由美国经济学家莫顿·米勒、威廉·肖普顿和哈里·马金哲等人在上世纪50年代末60年代初提出的。
CAPM的核心思想是通过分析资产的风险与预期收益之间的关系，进而确定资产的定价。
CAPM假设市场是完全竞争的，投资者的行为是理性的，不存在任何的税收与交易费用；投资者共同面对相同的风险和信息；市场上的资产都是可以自由买卖的。
基于以上假设，CAPM建立了资本资产的定价公式：E[Ri] = Rf + βi(E[Rm] - Rf)其中，E[Ri]表示资产i的预期收益率，Rf表示无风险资产的收益率，βi表示资产i的系统性风险，E[Rm]表示市场组合的预期收益率。
通过这一公式，我们可以计算出资产i的预期收益率。
当βi=1时，资产的预期收益率等于市场组合的预期收益率；当βi>1时，资产的预期收益率高于市场组合的预期收益率；当βi<1时，资产的预期收益率低于市场组合的预期收益率。
虽然CAPM在实际应用中存在一定的局限性，但它为投资者提供了一个相对简单的方法来评估资产的风险与收益，并可以作为投资组合的基准。
二、APT（Arbitrage Pricing Theory）与CAPM相比，APT的理论基础更为宽泛。
APT认为，资产的定价不仅仅取决于市场风险因素，还受到其他一些因素的影响。
APT通过分析多个因素对资产收益率的影响，构建出一个多因素的模型，用于解释资本资产的定价。
金融市场中的多因子模型研究在金融市场中，投资者和研究人员一直在寻求合适的方法来解释和预测资产价格的变动。
多因子模型作为一种重要的工具，被广泛应用于金融研究领域。
多因子模型通过构建多个因子与资产收益间的关系来解释资产价格的波动。
本文将从基本概念、理论基础、实证研究和前景展望等方面探讨金融市场中的多因子模型研究。
概念与基础多因子模型是一种描述资产回报与多个因素相关性的数学模型。
它可以更全面地解释资产回报的变动背后的因素，并提供更好的解释力。
多因子模型的基础是资本资产定价模型（CAPM），后者仅以市场风险因子为基础。
相比之下，多因子模型考虑了更广泛的因素，如市场因子、风险因子、财务因子等。
这些因子的选择可以根据不同的资产类别和市场环境来决定。
理论基础多因子模型的发展有着坚实的理论基础。
早期的研究发现，单一的市场环境因子无法完全解释资产价格的波动。
随着时间的推移，研究人员开始引入更多的因子来解释资产价格的变化。
例如，法玛五因子模型通过引入规模因子和市值因子，提高了预测和解释力。
相较于单一因子模型，多因子模型更能够准确地描述资产的风险和回报。
实证研究在实证研究方面，多因子模型已经被广泛应用于金融市场。
以股票市场为例，研究人员通过构建多因子模型来解释股票回报的差异。
通过回归分析，他们可以确定哪些因子与股票回报相关，并计算其各自的权重。
这种方法被广泛应用于投资组合管理和风险控制等领域。
另外，多因子模型也被应用于其他金融资产，如债券、外汇等。
多因子模型的研究成果表明，与传统的单因子模型相比，多因子模型在预测和解释资产价格方面更具优势。
通过引入更多的因素，多因子模型能够更好地识别资产的风险和回报。
此外，多因子模型的应用还有助于资产配置和风险管理。
通过研究不同的因子组合，投资者可以更好地把握市场变化并制定相应的投资策略。
前景展望尽管多因子模型在金融市场中得到了广泛应用，但仍有一些待解决的问题和挑战。
首先，如何选择合适的因子仍然是一个争议点。
金融资产定价模型研究金融资产的价格因市场供求关系和基本面（如公司的盈利、市场前景等）等因素而不断波动，如何准确地预测和估算市场价格，是金融领域一直探讨的问题。
针对这一问题，经济学家们提出了各种基于不同假设和理论的金融资产定价模型。
本文将简单介绍其中几种常见的模型，并比较其优缺点。
1、CAPM模型资本资产定价模型（CAPM）是一个广为人知的框架，被广泛用于计算股票风险溢价。
该模型假定市场中存在风险规避的投资者，他们会在股票与无风险资产之间做出选择，并平衡不同投资组合的风险和收益。
该模型最初由Sharpe、Lintner和Mossin（同步发表）于1964年提出。
CAPM基于马尔科维茨的资产组合理论，认为一个资产的期望收益率应该等于资产无风险收益率加上市场风险溢价（市场平均收益率减去无风险收益率乘上资产的贝塔系数，即市场波动和该股票波动的相关系数）乘以该资产的贝塔系数。
其中贝塔系数是一个资产相对于市场平均水平的相对波动率，衡量该资产相对市场的风险程度。
CAPM模型主要的优点是使用较为简单，可以快速估算资产的期望收益率，同时对于整个市场的投资风险有全面的把握。
然而，CAPM模型的假设存在许多争议。
首先，它假设投资者风险规避，并将股票溢价与市场风险溢价等同起来。
而实际上，市场风险只是众多风险之一，有许多其他的风险因素会影响到一个特定的股票价格。
其次，CAPM模型假定市场是完美的，每个人都可以以相同的价格买卖，这与实际情况并不符合。
第三，CAPM模型忽略了资产价格对信息的反应和市场失灵的可能性。
2、SEIM模型The Stochastic Equity Investment Model (SEIM)是CAPM模型的一个扩展，它考虑了股票市场的风险、基本面和技术指标等多个方面，更全面地描述了股票价格的变化规律。
SEIM模型最初是由刘凤岐提出的，他认为股票价格不仅与市场因素的影响相关，还与股票自身的特点（如价格历史、基本面数据、技术指标等）相关。
理论研究当前我国金融体系存在的问题及对策杨英杰【帮％要］本文分析了我国金融体系存在的资源配置效率低下、融资结构扭曲、直接融资体系结构失调三大ｌ’司题，探讨了加快金融体系改革的对策。
【关键词］金融体系；问题；对策【中图分类号】Ｆ８３２．１［文献标识码］Ａ【文章编号］１００７—１９６２（２０１）５）０７一００２１一０２改革开放以来，我国经济社会发展取得了巨大成就，但金融体制的改革远远落后于实体经济的改革。
金融体制改革的滞后，最终必将影响到实体经济改革的进一步深化。
按照加入世界贸易组织的承诺，２００６年我国金融业将全面对外开放，外资银行将以其完善的公司治理机制、科学的风险管理机制、高效的市场营销机制以及雄厚的资本实力等优势，与中资银行展开全方位的竞争。
我国金融体制的改革已迫在眉睫。
一、我国金融体系存在三大问题第一，金融体系资源配置效率低下。
当前我国金融资源配置效率的高低可从两个方面得出初步判断。
首先是储蓄一投资转化率。
社会资金转化为投资通常有三个途径：一是通过银行等金融中介以信贷资产形式发放给资金需求者；二是通过财政资金如国债的形式转为投资；三是通过资本市场如股票、债券等形式转为投资。
在财政融资方面，尽管我国税收占ＧＤＰ的比重逐年增加，２００３年已接近２０％，但与以美国为代表的发达市场经济国家的指标３０％一４０％相比，仍相距甚远，更何况财政支出具有很强的刚性，且大部分支出为非生产性支出。
在证券融资方面，由于资本市场的不规范，近年来其占比更有明显下降。
由于上述两个融资渠道相对较弱，银行信贷仍然是我国储蓄转化为投资的主要途径。
从２０００—２００３年国内金融市场融资情况可以佐证以上的分析。
２０００年，贷款占国内金融市场融资总量的比例为６９．７％，国债占比１７．８％，企业债占比０．６％，股票占比１２％；到２００３年，贷款占比升至８５．１％，企业债占比微升至１％，国债占比降至１０％，股票占比降至３．９％。
根据人民银行和西南财经大学联合课题组的统计分析数据显示，自１９９５年我国商业银行首次出现存差约Ｏ．３万亿元以来，到２００３年末存差已经扩大至４．９万亿元，大量资金沉淀在国有商业银行等金融机构，并未有效转化为生产性资金。
金融资产定价摘要：金融资产交易中的成交量在传统金融理论体系里并没有被纳入为资产定价模型中的参数。
很多的研究指出成交量是反映市场参与者心理状态的一个指标，而金融资产在市场七的价格义是市场参与者之间买卖行为的结果。
能令资产成交的元素是影响资产价格的因素，而对资产价格产生作用的元素也会影响资产成交的水平。
换言之，这说明成交量与资产价格存在着一定的关系。
本文探讨成交量在资产定价问题中的角色。
关键词：同质预期；相异预期；意见分歧一、引言成交量在金融资产交易中有着其独特的含义，近代有很多研究部认为心理状态其实是可以从成交量去观察的，成交量的大小能反映投资者对于前景的倾向。
很多理论模型都指出，买卖交易是由非对称信息所带动，由意见分歧所引发，而成交量则反映了买方群体和卖方群体对于该金融资产价值认知不一的程度，亦即是由他们心理质素的差异性来决定。
二、传统金融理论体系对成交量的忽视和所隐喻的成交量JohnVonNeumannandOskarMorgenstern1在他们为合作博弈论奠基的著作《博弈论和经济行为》一书中，提出了预期效用理论的概念。
他们从一系列严格的公理化理性偏好假设出发，发展出预期效用函数理论。
在这个公理体系之上，经济学家们建立了大量的微观经济学模型而形成了传统金融学的理论体系，当中最主要包括Markowitz2的投资组合理论，Sharpe3、Lintner4和Mossin5的资本资产定价模型，Ross6的套利定价理论和Fama7的有效市场假说。
传统金融学的基本观点包括市场是有效的；市场参与者皆为理性的且基本上存在同质预期，即是，他们都是用同样的理性对信息可以做出无偏的估计，对未来经济的预期也是同样的客观和公正；市场参与者一般都是风险厌恶的。
在这样的基础下，资产的价值被假定为可客观地由该资产自身的属性所决定而不会受到市场参与者的行为所影响。
传统经济理论在分析市场均衡的问题时会对市场的众参与者采用了单一代表性代理人模型的假设。
