论文写篇——有关证券交易市场的热点问题

当代证券市场研究的发展趋势

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

二、从线性到非线性——非线性科学的应用

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

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

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

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

参考文献: 股票与投资 金融与市场研究