時間：2023-11-01 11:49:55
序論：在您撰寫金融市場基本面分析時，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。
基本面分析主要研究影響市場變化的各種經濟因素和發展趨勢，其最核心的步驟是市場參與者對資料數據進行理性的分析評估并一貫堅持利用它們。基本面分析無疑是一種有用的分析工具，因為它能夠清楚地展示市場為什么向某一方向變動。然而，基本面分析需要特別有耐心，這與市場參與者在最短時間內獲得盡可能高收益的目標是相沖突的。此外，大宗交易的市場參與者為了盡可能周詳地改變資產構成，會經常利用基本面數據公布后引起的短暫價格變化，這也會引起市場流動性出現無法預測的局面。
為了在短期分析中彌補基本面分析的不足，在認識趨勢的初始變化時，技術分析提供了一整套手段和工具，它們有助于市場參與者對新的市場事件做出靈活反應。技術分析的前提條件是市場供求雙方必須自由發揮作用。此外，技術分析還依賴于三個核心假定：市場價格是包含了所有可獲信息和觀念的供求雙方力量共同作用的結果，且與這些理念是否理性沒有多大關系；價格變化具有趨勢性；歷史會重演。
盡管價格反映的僅僅是一部分可獲信息，但仍然表現出了買賣雙方的看法和觀點，可以通過技術化的形式表現出來。由于現代傳媒技術迅速傳播著海量的信息，市場參與者對信息量的不堪承受使得技術分析獲得許多人的青睞。不幸的是，盡管圖形像一面鏡子反映出了市場參與者的行為，但由于應用廣泛，圖形所示的意義大部分并不能實現，出現事與愿違的變化已經成為經常發生的事。
行為金融學者對此的看法是，從技術分析中找到的結論仍是膚淺的，因為它不能詳細分析人們的心理活動，而后者才是市場交易價格形成中最為關鍵的因素之一。盡管行為人被認為是理性的，至少在他們進行市場交易時是這樣，但實際情況卻是另一番景象，除了理性之外，人們還表現出了各式各樣的行為。他們的動機、心智、思維方式、風險態度和交易視野可能完全不同。行為金融理論就是研究信息吸收、甄別和處理以及由此帶來的后果的學問。同時，它也研究人們的異常行為。與現代資本市場理論認為的市場參與者的唯一目的是利潤的觀點不同，行為金融理論認為，人們參與市場交易還有其他的目的。此外，市場參與者掌握的信息也是不完全的。并且不同的人對于同樣的信息會做出不同的評判，由此也會得出各種不同甚至完全相反的結論。
經驗豐富的市場實踐者喬齊姆?高德伯格和證券市場心理學家魯狄格?馮?尼采綜合了基于基本面分析、技術分析及金融心理學的一些行為金融理論成果，匯聚為包括欲望與現實、投資策略、價值判斷、投資者心理、不同類型的市場參與者等廣泛內容匯集成《行為金融》。高德伯格認為，他們著作的“引人入勝之處是清晰地闡述了金融市場的行為導向分析能解釋技術分析的基本原理”，盡管“還沒有對人們行為的所有方面進行審視”，但期望他們的觀點能夠“使金融市場更加人性化，而少一些神秘”。
事實上，行為金融的分析方法已被證明對金融界從業者在交易中控制非理性決策、預測他人行為的作用非常巨大。更重要的是，行為金融理論不僅有助于改善個人的決策行為，還有助于深入地理解市場參與者的實際行動。我們目前所面對的肇始于美國次貸危機的動蕩的金融市場，就非常明顯地體現著行為金融的這種實踐價值。對于“華爾街的黃昏”，巴菲特的評價是：“當潮水運去的時候，你就會發現是誰在裸泳，而現在，華爾街簡直就是裸泳者海灘。”美聯儲前主席格林斯潘的看法是：“信任情緒終將再度浮出水面，投資者正在小心翼翼地重返市場。”而哈佛教授羅格夫認為：“贊解的金融產品、遲鈍的監管者、神經質的投資者，這就是21世紀第一場金融危機所包含的全部內容。”
他們提到的“裸泳”、“信任情緒”、“監管遲鈍”、“神經質”都是對行為金融所闡述的參與者心理及其行為的生動刻畫。曾幾何時，投資者們信誓旦旦地將大把鈔票撤向基于預期收益抵押貸款衍生出的各種金融產品，然而，他們所依據的主要是市場的繁榮景象和想象中豐厚的回報率，而不是對衍生品本身的準確理解和深入分析，更不是對基礎資產的價值和穩健性以及其他投資者行為的精確解讀。一廂情愿的熱情、莫名其妙的自信和無端的樂觀等，這些玄幻的市場情緒在造就出投資者更大的自信和樂觀的同時，也為最終的崩潰埋下了伏筆。
正如《德爾斐神諭》所指出的，智慧的關鍵并不在于預測未來。對于現代金融市場及其參與者來說，其通俗含義就是，投資的成功并不僅是建立于聰明的預測之上，準確把握市場參與者的心理及其驅動的投資行為是至關重要的。撲朔迷離的金融市場本身就富有無窮的魅力，踏過從基本面分析到技術分析的歷久彌新的智慧，從行為金融這樣一個現實的視角去透視真實的金融市場，不失為現代生活中極具的事情。
歐美財經新書最前線
The Snowball: Warren Buffett and theBusiness of Life
作者：愛麗絲?施羅德(Alice Schroeder)
出版商：Bantam(2008年9月29日)頁數：976頁
內容提要：很少有金融投資家能像沃倫?巴菲特那樣長久地占據人們的視線。盡管歐美市面上有關他的書籍不下60本，但作為其本人親自授權創作的首部傳記，本書想不吸引眼球都難。這本被《華爾街日報》稱作“今秋最值得期待的圖書”，由巴菲特“欽點”摩根士丹利前保險分析師愛麗絲?施羅德操刀，不僅詳細講述了巴菲特作為投資人一生的奮斗歷程與成功故事，還史無前例地描述了巴菲特的現實生活、價值觀、處世哲學和人生經歷。透過愛麗絲與巴菲特本人數千小時的交談、對其商業伙伴、家人和朋友的采訪以及充斥著兩大資料室的投資材料和信件等，讀者或許能摘掉“股神”的光環，還原一個真實的巴菲特。
The Partnership:The Making of Goldman Sachs
作者：查爾斯?艾利斯(Charles.Ellis)
出版商：Penguin Press HC(2008年10月7日)
【關鍵詞】日元；避險資金；貨幣
1 何為避險資產？
1.1避險資產的定義與屬性
避險資產通常指在出現政治、經濟、金融市場波動或者戰亂、恐怖襲擊等重大外部沖擊帶動市場風險偏好大幅下降時表現堅挺，或被資本追逐的資產。過去一段時間，美元、歐元、日元、瑞士法郎等主要國際貨幣，以黃金為代表的貴金屬，以及發達國家長期債券等都具有一定的避險屬性。其中，日元、瑞士法郎、美元和黃金是最著名的四類避險資產。
避險貨幣的形成既有歷史的原因，也受到諸多經濟社會因素的影響。首先是基本面因素。投資者對該貨幣長期以來的信心非常重要，這一方面體現為穩定的幣值和較低的通脹水平，另一方面體現為貨幣發行國經濟的規模、結構和韌性（robustness）和隔絕外部沖擊的能力，比如大多數新興市場經濟體以及匯率與商品價格高度相關的資源型國家貨幣就難以成為避險貨幣。
其次是金融市場發達程度。避險貨幣發行國需要擁有兼具深度、廣度和流動性的金融市場，以承載國際資金的流入，比如金融市場體量較小國家或金融市場分割的經濟體（如歐元區）貨幣難以具備避險功能。再次是市場開放程度。避險貨幣需要自由可兌換，且金融市場足夠開放，比如，在資本賬戶沒有開放的情況下人民幣在短期內難以成為避險貨幣。最后是個性化因素。
已有的避險貨幣還具有一些個性化的特征，比如美元是具有統治地位的國際貨幣，占全球外匯市場交流量超過40%，流動性非常高；日本長期實行低利率，且擁有較多的海外資產頭寸（詳見下節）；瑞士是永久中立國，有嚴格的銀行保密制度，被認為是世界上最安全的地方。
1.2避險資產的相關性與輪動
避險情緒的切換往往導致資產間的相關性增強。匯豐的研究表明，金融市場情緒在逐險/避險（risk on/risk off）間跳動使得資產間的關聯性增加，且形成了鮮明的兩大陣營，一類是風險資產，包括股票，高收益債券，新興市場貨幣、大宗商品等，另一類是避險資產，包括避險貨幣、投資級債券、貴金屬等。今年以來，資產間相關性持續上升，類似于2010年歐洲債務危機時期的情形，這意味著市場共識和投資者情緒在悲喜間躍遷，風險/避險兩類資產間價格呈現明顯負相關，而各類資產內卻高度正相關。
值得一提的是，全球金融危機以來主要央行的量化寬松（QE）政策可能為避險需求的泛濫提供了彈藥，盡管其本身意在消除了不同資產表現的分化，但在經濟復蘇苦樂不均的情況下，充足的流動性伴隨市場情緒的波動追逐有限的安全資產，客觀上強化了避險貨幣的屬性。不同避險貨幣的吸引力還呈現出輪動和替代的特征，主要取決于貨幣發行國的政治經濟情況和相關政策措施。
2 日元何以成為避險貨幣？
從歷史上看，盡管日元不是最主要的國際貨幣，但橫向比較可以發現，自上世紀90年代以來的歷次風險事件發生后，日元的避險屬性大多強于美元、歐元，甚至瑞士法郎。這意味著危機發生時，日元被認為是相對穩定的避險資產。我們認為，以下三個方面的因素（經濟基本面因素、金融市場面因素與交易投機面因素）支撐日元成為全球最受追捧的避險貨幣。
2.1經濟基本面因素
日元的“全球最佳”避險貨幣地位必然有本國經濟基本面作為支撐。按照我們對匯率變動原因的分析框架（參見宏觀全球經濟季度報告―2016年春季專題報告《上升期雖有波折，言逆轉為期尚早――透視美元周期：特征事實、驅動力量及非對稱影響》）：從長期來看，匯率體現了一國相對經濟地位的變動；從中期來看，匯率與相對通脹水平密切相關；從短期來看，匯率受利差變動的影響。據此，我們也可以歸納出支持日元作為避險貨幣的三個經濟原因：
（1）經濟規模大，國際收支改善
二戰后，日本在大多數時間內都是全球第二大經濟體，盡管其經濟增速在近二十年來一直較低，但其絕對經濟實力是日元在危機中贏得信心的來源。從國際收支平衡來看，長期以來，日本也都維持著巨額的經常項目和金融項目順差。盡管本世紀以來，日本的貿易順差有所收縮，甚至轉為逆差，但受核電重啟、能源價格回落等影響，2015年日本貿易由赤字轉向持續盈余，而金融賬戶順差更是創下2010年以來的新高（圖2）。國際收支狀況的改善所引起的資金凈流入加大無疑對日元幣值形成了支撐。
3 強勢日元風光難再
3.1日元長期走勢趨于平穩
長期來看，匯率相對走勢從根本上仍然取決于經濟基本面。安倍上臺之后，日本央行的寬松政策不斷加碼，年度購債規模達到80萬億日元，帶動日元貶值35%，但一年內的急劇升值已將安倍的努力抵消了一半。目前，日本依然面臨經濟衰退和通貨緊縮的困擾，而前期刺激帶來結構性的財政問題也損害了日元的長期信用基礎。比如，盡管金融市場傾向于把日元理解為避險貨幣，但就連日本央行行長黑田東彥也認為，由于日本政府債務位居全球首位，日本國債其實并非無風險資產。
因此，在其他避險選擇也存在特定缺陷（比如黃金的流動性不夠好等）時，日元可能還會臨時扮演短期避險工具的角色，但從中長期來看，日元沒有持續走強的理由。當然，在政策空間受限的情況下，安倍想要進一步推動日元貶值也非易事，除非日本央行真正開始“直升機撒錢”。除了經濟基本面外，日元的短期波動還取決于全球市場避險需求、美聯儲何時加息等因素。
3.2日本央行面臨重大挑戰
日元作為避險貨幣的被動升值給日本央行帶來了挑戰：一方面，海外資本流動大進大出加大了宏觀經濟管理的壓力，并帶來相關的國內經濟調整成本；另一方面，不合意的匯率持續升值將進一步損害日本的資產負債表。考慮到日本長期處于低通脹、低利率的環境，升值將帶來更大的通縮壓力，進而拖累經濟增長。
但日本央行卻面臨國際國內雙重掣肘：從國際來看，單方面干預匯率可能引起其他國家的聲討，特別是來自美國的壓力；從國內來看，寬松貨幣對日元貶值的邊際推動作用已經衰減，甚至是今年1月以來，日本央行意外推出“負利率”也沒能止住日元的升值步伐。另外，從政策工具來看，日本央行已經通過大規模的量化和質化寬松為金融市場注入了天量流動性。
從中長期看，日本正在逐步成為一個“食利國家”。實業投資方面，國內產業面臨中、韓等國的競爭和日元升值的壓力，不得不移向海外。金融投資方面，明顯新興市場國家的吸引力也勝于日本國內。因此，未來的日本將越來越依賴于海外投資帶來的收益。而這些收益的回流又將成為中長期推升日元匯率的重要因素。
參考文獻：
[1]孫少巖，張奎.災后日元升值初探.東北亞論壇，2011（06）
[2]王蕾.避險需求主導市場走勢――7月國際金融市場走勢分析.國際金融，2011（08）
關鍵詞：異質期望；學習；演化；人工金融市場；非線性動力學
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世紀90年代以來，隨著復雜性科學的興起，Hsieh（1991）、Peters（1994）、Lux和Marchesi（1999）等研究發現，股票收益率呈“尖峰胖尾”分布，股票價格序列具有分形維、長期記憶性以及混沌吸引子等非線性特征[1-3]。傳統的新古典金融理論在無法解釋其形成原因的同時，也難以解釋大量的“金融異象”（Anomalies），從而促使金融學研究范式發生了重大轉變，從完全理性、有效市場與靜態均衡到有限理性、自適應市場與非線性演化。
隨之發展起來的計算金融學，正是建立在金融市場復雜自適應理論基礎之上，采用“自下而上”的建模方法，利用計算機模擬技術構建基于Agent的人工金融市場，試圖通過仿真研究揭示金融現象的產生根源與金融市場的演化規律，達到控制系統風險的目的。人工市場中，有限理性的Agent不斷學習與進化，基于個人偏好形成自適應的異質預期與交易行為，在市場交易機制下相互作用，共同推進市場的協同演化。
人工金融市場的模型構建中，關鍵在于對Agent異質行為（預期）的形成與演化建模。目前，文獻中存在兩股研究熱流：一股是以Brock和Hommes（1998）[4]為代表的異質行為人模型（Heterogeneous Agent Model，HAM）。模型中，持有異質信念的Agent分別采用與信念一致的行為策略來形成預期，根據各種預期及相應的人數比例得到對風險資產的總需求，在Walrasian均衡機制下生成資產的價格。隨后，Agent會根據不同行為策略的市場表現來更新信念、轉換行為；這個學習過程通過自適應信念系統（Adaptive Belief System，ABS）來實現，其直接表現為市場上異質信念Agent的比例變化。
同大多數模型一樣，Chiarella 和He（2003）、Dieci et al.（2006）、Boswijk et al.（2007）、Anufriev和Panchenko（2009）等均在此理論分析框架內，構建僅由兩類異質Agent---基本面分析者與技術分析者組成的市場，來分別研究Agent具有常（絕對/相對）風險厭惡偏好、有固定成分（自信的基本面與技術分析者）與調整成分（自適應理易者）的市場組成以及不同的價格生成機制（Walrasian均衡、做市商、指令驅動）下的人工市場中價格的動態行為[5-8]。這類理論導向型（Theoretical-oriented）模型采用解析的方法描述異質Agent的行為與信念更新，通過建立非線性動力學系統來模擬市場運行，在一定的參數條件下，能產生厚尾、投機泡沫和波動叢集性等“典型特征”與顯著的混沌特征。
另一股是以Arthur et al.（1997）[9]為代表的Santa Fe人工股票市場（Artificial Stock Market， ASM）。市場中，短視的Agent根據各自經驗規則集中在當前市場狀態下的最佳預測規則形成對下期股價與股利的線性預期，產生異質的需求與行為策略；當總需求等于總供給時，市場達到均衡，股票價格生成。隨后，Agent將更新被激活規則的預測精度，按照各自的學習速度利用遺傳算法（Genetic Algorithm，GA）來進化個人預測規則；這個預期形成與學習過程通過包含三個基本要素的Holland遺傳分類系統來實現，具體為：把市場狀態信息映射到形成預期的預測參數的條件/預測規則集、判斷預測規則好壞的適應函數以及基于適應值進行選擇、交叉、變異來淘汰壞規則，保留并生成新規則的遺傳算法。
這個計算平臺建立了一個完全可控的實驗環境，重現了現實金融市場的許多特征，比如：尖峰厚尾、波動持續性、交易量自相關以及崩盤等，一經推出就受到眾多學者的關注，各種改進的人工股票市場不斷涌現：Tay和Linn（2001）考慮Agent學習能力的有限性，采用模糊邏輯系統替代遺傳分類系統來刻畫Agent的學習進化機制；LeBaron（2001）考慮具有常相對風險厭惡偏好的Agent通過神經網絡算法形成預期與行為策略的人工市場典型特征； Chen和Yeh（2001）加入了一個“管理學校”機制，市場上Agent在利用遺傳規劃算法進化預測函數的同時，能通過學校交流經驗、學習策略，最終市場價格在超額需求的驅動下進行調整；LeBaron和Yamamoto（2007）在Chiarella和Iori（2002）建立的指令驅動型連續雙向拍賣市場的基礎上，考慮Agent之間的相互學習與模仿，采用遺傳算法進化與傳播行為策略，模擬出市場存在的長期記憶性等[11-14]。這類計算導向型（Computational-oriented）模型側重于計算機實現，利用各種智能算法來描述Agent的預期形成和市場交易機制作用下的學習與進化，通過可控實驗探尋金融市場的演化規律。
然而，站在Agent個人行為演化的角度不難發現，所有文獻關注的僅是兩個極端的情形：一方面，HAM 忽視了Agent面對復雜市場環境其決策行為的多樣性。盡管模型捕捉到了市場中Agent的兩種基本行為策略，并且能通過ABS在兩者之間做出選擇，但忽略了Agent的本質行為---基于交易經驗在基本面分析與技術分析之間的自適應性動態權衡；另一方面，ASM忽視了Agent的個人行為特征與基本行為策略，為其策略的形成提供了太大的自由度。市場中Agent利用由價格與股利構成的預測方程形成預期，其所有參數范圍內形成的策略都是可行的。盡管能通過GA進化行為策略，但這些策略均忽略了Agent的實際行為---基于個人情緒，記憶長度等行為特征的基本面與技術分析及權衡，而僅剩下了表面的數字含義。
融合以上兩種建模方法，本文構建一個新框架來刻畫交易者的行為本質。這個行為框架不僅包含了交易者的兩種基于個人行為特征的基本行為策略，如HAM中所描述，而且考慮其基于經驗認知在兩者之間的權衡，通過加入生成函數的遺傳分類系統來學習與進化權衡行為，同ASM中所設定。在此基礎上，建立基于Agent的人工金融市場，試圖從交易者個人異質行為演化的角度研究金融市場非線性特征的形成。
人工市場中，Agent基于個人情緒與調整速度進行基本面分析，同時基于記憶長度與外推速度進行趨勢分析；針對當前市場狀態，在個人經驗規則集內選取最佳預測規則，利用預測參數---權重，形成價格預期與交易行為；其權衡行為的學習與進化不僅基于市場行情而且基于個人的交易經歷，兩種情形分別通過遺傳算法與生成函數更新規則來實現。Yang et al.（2010）[15]研究了該人工市場中資產價格的形成與演化，通過實驗方法證明：在做市商的價格生成機制下，只有當市場由自信的基本面分析者、技術分析者和自適應性理易者組成時才能生成與真實市場相同的“典型特征”，這與Taylor和Allen（1992）[16]得出的實證結論一致。模擬實驗表明，基于這一市場組成的人工金融市場呈現出與真實市場相似的非線性特征---尖峰、厚尾，波動聚集性，長期記憶性與混沌特征。這為探究導致市場產生非線性特征的行為因素提供了一個計算實驗平臺。
本文的結構安排如下：第二部分人工金融市場建模，構建Agent的價格預期模型與異質行為演化機制，以及價格生成模型；第三部分模擬實驗與特征分析，在實驗設計的基礎上模擬市場運行，檢驗仿真價格時間序列的尖峰、厚尾，波動聚集性，長期記憶性與混沌特征；第四部分結論與展望。
2. 人工金融市場建模
本文結合文獻[6]中異質行為人模型與文獻[9]中Santa Fe人工股票市場，構建基于Agent異質行為演化的人工金融市場。市場中，Agent依賴個人行為特征，如：情緒、記憶長度等，來同時考慮基本面信息與價格趨勢，針對當前市場狀態，基于經驗認知權衡二者后形成價格預期與交易行為。權重的自適應性更新揭示了個人行為的演化，其通過遺傳算法與生成函數進化預測規則來實現。
2.1 基本模型
假設市場中存在兩種公開交易的資產：債券與股票。債券無限供給，其無風險利率為 ；股票的股利 服從一階自回歸過程：
為股利的均值， ， ，且 ，滿足i.i.d.條件。
市場上有 個短視的Agent，具有相同的常絕對風險厭惡（Constant Absolute Risk Aversion，CARA）效用函數：其中， 是財富規模， 是絕對風險厭惡系數。眾所周知，在股價與股利服從高斯分布的情形下，Agent通過最大化其期望效用函數能確定最佳的股票需求份額：
其中， 為 時刻的股票價格， 和 分別為Agent對股價與股利條件均值與方差的預期 。
2.2 Agent的價格預期模型
不同于異質行為人模型中僅通過ABS在兩種基本行為策略之間進行簡單轉換，人工市場中每個Agent針對當前市場狀態，利用依賴個人行為特征的基本面分析與技術分析得到相應價格預期， 和 ，基于經驗認知在兩者之間權衡，形成最終的加權價格預期：
其中， 為Agent依賴兩種基本行為策略的權重， 。
下面，將具體介紹Agent其基于基本面分析與技術分析的價格預期模型。假設 時刻的股票基本面價格 為市場上的公開信息，等于長期基本價值 。然而，考慮到噪聲信息、個人心理因素等各種情況的影響，Agent對 時刻基本面價格的估計將偏離基本價值，滿足：
其中，偏離程度 滿足i.i.d.條件，其均值 為Agent個人情緒的平均度量（ , 樂觀;, 悲觀）， 為偏離基本價值的方差。
從基本面分析的角度出發，Agent相信股價最終將回復到基本面價格，即使存在短期的偏離。因此，其基于基本面分析的價格預期為：
其中， 為基于Agent個人判斷的股價調整速度， 。
同時，Agent也希望把握股價的變動趨勢，利用基于個人記憶長度的平均收益率來外推股票的價格預期：
其中， 為外推系數，其符號標志著Agent是趨勢（ ）或反向（ ）投資者； 為個人記憶長度，在交易者之間服從獨立的均勻分布； 為記憶長度 內的平均收益率，具體表示為：
綜上，Agent對 時刻股價與股利的預期為：
2.3 Agent的異質行為演化機制
本文采用加入生成函數的遺傳分類系統來刻畫Agent基于經驗認知在基本面分析與技術分析之間的動態權衡，其權衡行為的學習與進化不僅基于市場行情而且基于個人的交易經驗，兩種情形分別通過遺傳算法（GA）與生成函數（GF）更新規則來實現。同時，其權重的選取與自適應性更新揭示了價格預期的形成與個人行為的演化。
2.3.1 權重的選取
類似于Santa Fe人工股票市場，每個Agent在 時刻同時擁有 條預測規則，每條規則包括三個部分：市場條件，預測參數---權重，以及預測精度。市場條件由12位二進制代碼組成，反映兩類市場信息：基本面與技術面信息，具體設置參見文獻[9]。規則被激活，當且僅當其市場條件與當前市場狀態 相匹配。一旦有多條規則被激活，Agent將選擇其中預測精度最高的規則來形成價格預期。
假定Agent的第 條規則為 時刻的最佳預測規則，記為： ，其中， 與當前市場狀態相匹配， 為選取的權重，用來形成價格預期 ，以及 ，被激活規則中的最小預測方差（即：預測精度最高），用來預測條件方差 。
市場上所有Agent均利用式（2）計算各自的最佳需求份額，同時傳遞給市場。做市商根據市場上的超額需求來調整股票價格，生成下期的股價 。當新一期的股利 已知時， 時刻被激活的所有規則，其預測精度將被更新：
其中， 。
2.3.2 權重的更新
在 期初，每個Agent將總結第 期的個人交易經驗，生成一條新規則 ，其意味著市場狀態 下使得預測方差最小的最優權重。這是一個自我學習的過程，生成最優權重的函數 被稱為生成函數。
對于Agent，計算最優權重 ，通過等式
于是，Agent的第 條規則記為： 其中， ，為市場狀態 下被激活的規則中最小的預測方差。
市場中，Agent不僅通過每期在預測規則集中最佳預測規則的選擇以及新規則的生成，實現從個人交易經驗中的快速學習，而且通過平均 期不同步的利用遺傳算法進化預測規則集，基于適應值進行選擇、交叉、變異來淘汰壞規則，保留并生成新規則，實現基于市場行情的緩慢學習，具體設置參見文獻[9]。
對于Agent， 期后其規則集中擁有 條規則。表現最差（即：適應值最低）的 條規則被淘汰，同時在保留的規則基礎上，通過交叉與變異生成新規則，使得其在 時刻重新擁有 條規則。Agent的第 條規則的適應值定義為：
其中， 為規則的特征值 （即：市場條件部分被設定狀態的位數和）的成本。
2.4 價格生成模型
假定股票零供給， 時刻的超額需求等于市場上所有Agent的需求總和。在做市商的價格生成機制下，得到下期的股票價格：
其中， 為價格調整速度，噪聲項 ，滿足i.i.d.條件。
3. 模擬實驗與特征分析
為驗證人工金融市場的有效性，在Agent的個人行為特征與學習速度均不發生調整的簡單情形下，設計實驗、設定參數，按照流程圖模擬Agent自適應性動態權衡的交易行為與市場運行，檢驗人工市場生成的仿真價格時間序列的非線性特征---尖峰、厚尾，波動聚集性，長期記憶性與混沌特征。
3.1 模擬實驗
3.1.1 實驗設計
人工市場中，Agent的個人行為特征，如：情緒、記憶長度、調整速度以及外推系數等均在所服從的分布范圍內隨機選取；Agent在保持平均學習速度的前提下彼此不同步的進化預測規則集；且結合文獻[15]的研究，在做市商的價格生成機制下，設定市場由自信的基本面分析者（即：），自適應性理性投資者（即： ，具有異質行為演化能力）和技術分析者（即： ）按照 的比例組成，具體參數設置見表1。
3.1.2 流程圖
基于Agent異質行為演化的人工金融市場建模流程如圖1所示：
3.1.3 運行結果
基于設定的市場組成比例以及各類Agent的交易與學習機制，按照流程圖，利用Matlab語言對人工金融市場進行仿真實現。在不同的隨機生成數下模擬運行10次，每次交易10,000期，讓市場中Agent得到充分的學習，記錄隨后的1,000期。市場運行一次所生成的仿真價格時間序列與仿真對數收益率序列見圖2。
3.2 特征分析
國外實證研究表明，金融市場的價格時間序列與收益率序列存在顯著的非線性特征。國內學者史永東（2000）、王衛寧等（2004）、馬超群等（2008）均證實中國股票市場也不例外[17-19]。本文選取1997.1.1～2007.5.24上證綜指和深圳成指日收盤價（經對數線性趨勢消除法處理[19]）與仿真價格序列進行比較分析。此期間，市場經歷了兩次熊（牛）市，蘊涵了豐富的動力學特征；且剔除價格隨經濟和通貨膨脹而增長趨勢的指數序列與不存在太多白噪聲擾動的仿真價格序列更能體現系統的非線性結構，更具可比性。
3.2.1 尖峰、厚尾與波動聚集性檢驗
檢驗結果如表2所示，全體仿真價格時間序列均與上證綜指、深圳成指的價格序列具有相同的分布特點，呈現出顯著的尖峰、厚尾（峰度大于3）與波動聚集性（ARCH-LM檢驗，在5%的顯著性水平下拒絕原假設），且向右偏（偏度大于0）。在此基礎上，將進一步檢驗人工金融市場是否與中國股票市場一樣具有長期記憶性和混沌特征等非線性動力學特征。
3.2.2 長期記憶性檢驗
作為判斷時間序列是否為有偏隨機游走的重標極差（ ）分析方法[2]，以其穩健、非參的特點作為重要的研究工具被用來檢驗金融時間序列的長期記憶性。其導出的Hurst指數 表明，當 時，序列為隨機游走過程；當 時，序列具有反持續性，即均值回復過程；當 時，序列是持久的，具有長期記憶性。同時， 分析能發現時間序列的非周期循環，估計平均循環長度，為人工金融市場的混沌檢驗提供重要參數支持。
從表3可知，全體仿真價格時間序列的Hurst指數均值 ，平均循環長度 ；同時，圖3顯示了Hurst指數最小的仿真序列1的 分析過程，其指數為0.721，顯著大于0.5，且非周期循環的平均長度估計為169期。以上數據標志著人工金融市場具有顯著的長期記憶性，存在非周期循環，這與上證綜指、深圳成指的價格序列具有長期記憶性和分形性質的結論一致[20]。此外，人工金融市場較中國股票市場具有更強的記憶性，究其原因，不存在外部環境中經濟與政治因素的沖擊，以及市場中全體Agent同時基于個人記憶長度進行技術分析，使得價格影響的持續性更久遠。
3.2.3 混沌特征檢驗
對初始條件的敏感性依賴以及存在分形維的吸引子，是一個混沌系統具備的基本特征。采用相空間重構技術來計算金融時間序列的最大Lyapunov指數和相關維，是通過度量對初始條件的敏感程度和混沌吸引子的維數來檢驗金融市場是否存在混沌的有效方法。利用表3中的平均循環長度，根據WOLF法則，本文采用相同的小數據量算法和G-P算法[21]來計算人工金融市場的混沌特征量---最大Lyapunov指數 和相關維 ，使之與中國股票市場的混沌特征更具可比性。
表4中結果顯示，人工金融市場的最大Lyapunov指數在95%的置信度下顯著為正，均大于上證綜指、深圳成指的指數值。這說明市場存在混沌，且對于初始條件比真實市場更敏感。收斂到2.36相關維表明，人工金融市場存在與中國股票市場同樣的低維混沌，并且同樣可以用最少3個變量為市場的運動建立動力學模型。
通過尖峰、厚尾與波動聚集性檢驗、長期記憶性檢驗和混沌檢驗可知，在一定的參數條件下，基于Agent異質行為演化的人工金融市場呈現出與真實市場---中國股票市場相似的非線性特征。這為從交易者異質行為演化角度探究金融市場非線性特征的形成與演化提供了一個有效的計算實驗平臺。
4. 結論與展望
真實市場中，交易者并不是簡單的在基本面分析者與技術分析者這兩個角色中轉換。他會依賴個人行為特征同時考慮基本面信息與價格趨勢，權衡二者，依賴其對市場狀態基于直覺與經驗分析得到的自適應性權重來形成價格預期。我們把這整個過程被稱之為“交易者行為”，其自適應性權重的動態更新表示交易者行為異質性的演化。
本文的主要工作是在這個刻畫交易者本質行為的新框架上建立了一個人工金融市場，在反映市場中交易者真實行為的同時，驗證了在做市商的價格生成機制下，當市場由自信的基本面分析者、技術分析者和自適應性理易者組成時，人工市場能產生與真實市場相同的非線性特征。這為從交易者異質行為演化角度探究金融市場非線性特征的形成與演化提供了一個有效的計算實驗平臺。在此平臺上，交易者個人行為特征與學習速度變化對市場的沖擊以及導致市場出現非線性動力學特征的序參量挖掘，將成為下一步的研究方向。
參考文獻
[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] 史永東. 中國證券市場的股票收益持久性的經驗分析[J]. 世界經濟, 2000, (11):29-32.
[18] 王衛寧, 汪秉宏, 史曉平. 股票價格波動的混沌行為分析[J]. 數量經濟技術經濟研究, 2004, (4):141-147.
[19] 馬超群, 鄒琳, 李紅權. 股票市場的非線性結構與混沌效應檢驗：基于BDS方法與CR方法[J]. 湖南大學學報(自然科學版), 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] 李紅權, 馬超群, 鄒琳. 中國證券市場的混沌動力學特征研究[J]. 中國管理科學, 13(專
如果按照傳統的金融理論指導金融投資，很難起到對投資者正確指導，使投資者更為理性地進行投資活動。所以，傳統金融理論難以適應時代的發展，亟待對傳統金融學進行其他學科知識理論的補充，積極研究并吸收其他學科的研究方法，不斷地拓展金融學研究范圍。目前，隨著行為金融學的出現，有效地解決了關于投資的諸多問題。行為金融學是集心理學和金融學于一體的相互融合的學科。該學科的研究對象是金融市場中交易者非理性投資行為。具體分析，行為金融學是借助心理學的有關知識，分析投資者的心理活動，以此為基礎評價投資者的非理性投資行為，也就是說行為金融學主要研究投資者心理因素導致在金融市場上的非理性投資行為。結合傳統投資理論在金融市場的投資范式，分析評估交易者在金融市場中投資決策時犯系統性錯誤的原因，指導投資者認識到自己的非理性投資行為，進而對非理性投資行為進行修正，達到科學理性投資，降低投資風險的目的。行為金融學融合了心理學的有關理論知識，從心理學角度分析金融市場上投資決策可得出如下結論：基于投資者心理因素的影響，會造成投資者在金融市場投資時容易犯下主觀判斷失誤，使得投資者在金融市場投資行為活動變得反應過度或者反應不足，嚴重影響投資者的預期收益。所以，行為金融學研究的主要內容就是投資者非理性投資行為的動因，結合金融學的有關知識，建立完善的金融投資理論體系，為投資者在金融投資活動中提供重要的理論依據，使投資者的投資行為趨于理性化、科學化。
二、金融市場上的心理分析方法
長期以來，在金融市場上投資者最為常用的投資分析法有兩種，即基本面分析法和技術面分析法。基本面分析法所采用的分析依據是投資對象的經營業績以及經濟發展形勢；技術面分析法針對經濟市場走勢進性數據統計，并編制圖表，根據圖表定量分析未來投資的方向以及前景。而行為金融學的投資分析方法主要是對投資者心理因素的探究，依據心理學原理及相關知識分析投資者的心理狀況對金融投資造成的正負面影響。從金融學角度分析，在金融市場交易行為活動中，投資者對金融決策的依據主要是基于主觀判斷和客觀地對金融市場走勢進行分析、估測。然而心理分析法是傳統分析法的補充和改進，心理分析法是主要是以傳統分析法為依據，將心理分析法融合到整個金融市場投資環境中，強調以分析投資者的心理因素，突出投資者的主觀性為主要研究方向。然而過于強調投資者的主觀能動因素而忽視機械交易的客觀性，會導致投資者的交易行為受到人性弱點的干擾。因此，基于金融市場上的心理分析法還應以基本面分析法和技術面分析法為依據。
三、健康的心理范式利于正確投資決策的形成
行為金融學強調的是提高投資者在金融市場中良好心理的形成，有助于投資者做出正確的金融投資決策，對規避投資風險和降低投資風向具有重要的意義。為此，我們應基于行為金融學的原理，加強對行為金融學中心理學科的探討，建立健全正確的心理范式，幫助投資者在金融市場中形成良好的金融投資心態，確保金融投資者投資受益最大化。具體來講健康的心理范式的建立需要通過以下幾方面來實現。
1.提高情商。
按照投資心理層次的不同可將其劃分為理性層面和非理性層面。理性層面我們可以理解為投資者的智商，而非理性層面可以理解為投資者的情商。投資心理理性層面主要考察的是投資者智力的高低，投資心理非理性層面主要考察的是投資者在投資過程中投資者情緒的控制把握力度和體驗深度。從金融市場投資行為分析，行為金融學更多的還是考察投資者的情商。這是因為心理因素對投資者投資行為的影響遠遠大于理性層面的影響。所以，提高投資者情商是避免投資者在金融市場投資行為出現錯誤，降低投資風險的重要思路。應作為行為金融學研究的重點內容。
2.培養規避錯誤信息的能力。
具有良好的規避錯誤信息的能力是投資者做出正確投資決策的前提條件。在金融市場中有關投資的虛假信息無處不在，如果投資者不能正確地判斷信息的準確性，可靠性，而是盲目地、不理性地進行投資，很有可能會增加投資風險，收益受損。所以，作為投資者應具有良好的規避錯誤信息的能力，只有這樣才能提高投資的收益，得到較好的投資回報。第一，投資者對金融市場信息認真地主觀客觀地分析鑒定，甄別。避免偏聽偏信，對客觀的信息融入過多的主觀色彩，導致對信息錯誤判斷。不能因為信息同自己的主觀思路相符就愿意相信，愿意接受，愿意投資，而對于那些同自己主觀思路不相符的信息就不予理睬。第二，投資者不應有盲目從眾的心理，就是我們常說的“羊群效應”；不能人云亦云，受別思想、意見左右，這主要是因為金融市場是個復雜的環境，同其他社會活動不同，具有較大的風險。其他人對金融投資的判斷結果并不是完全正確的。第三，在投資過程中投資者要心態平和，時刻保持冷靜的頭腦，避免因反應不足或者反應過快做出缺乏理智的投資決策，進而增加投資風險；第四，投資者要對投資收益期望值保持平和的心態，要學會等待，從等待中獲得應有的預期收益，而不是急于求成。對于各類利空或利好的信息投資者都需用辯證的角度去分析對待。這是因為投資市場是瞬息萬變的，市場是動態的市場，隨時都有可能產生新的變化，如利空向利好轉化，利好向利空轉化等。第五，投資者應學會用動態的眼光去分析投資問題，根據金融市場的變化實時對原來的決策做出調整。因為只有投資者的主觀判斷同市場的動態發展實際相符，其投資才是有意義和價值的。
3.學會遠離市場上的投資氛圍。
一、從金融經濟的角度闡述影響
股票市場穩定的原因對于股票市場的發展來說，有很多的因素影響著股票市場的發展，有很多的經濟學家提出了金融理論，這些理論對股票的發展是非常有益的，可以幫助人們分析股票市場的發展趨勢和大的走勢，例如有效市場假說理論，這一理論就為股票的投資提供了現實性的意義，簡單來說就是預測其他股票購買者的心理，而不是過多的關注自己需要購買的股票的數量和種類，要對其他購買者的心理因素進行分析，利用人們的心理因素將金融市場中股票的購買率進行研究，從中總結出規律，這就是有效市場假說理論存在的現實性意義。
二、影響股票市場穩定性的因素
股票市場中另一種較為重要的理論是隨機游走理論，隨機游走理論認為股票市場是不能夠準確進行預測的，所有預測的股票走勢均是不可靠的，股票的走勢是不能夠進行預測的，因為價格的變化是不能夠固定的，現在有很多的金融學家對這種理論持肯定的態度，因為股票市場在隨時發生著變化，對于股市可以進行分析，這樣可以增加市場預測的準確性，讓市場中股票價格合理的變化，要想了解相關的信息，可以從三個方面入手：
1．基本面。基本面是對股票的整體走勢進行分析，可以從基本面的角度看出每一個分時線的走勢，對股票的漲跌有一個大致的了解，在這些了解中可以獲得很多的信息，這些信息可以增加股票的走勢，讓股票的走勢可以預測得更佳，但是在股票的預測中，是不可能保證預測的準確性，這就是可以從基本面上獲得的信息。
2．消息面。消息面就是將股票市場上的基本信息進行了解，這些基本信息包括股票市場上的法律法規，基本的政策是了解股票市場信息的基礎，但是在市場上很多的信息是不準確的，這就要求我們要識別信息的正確性，如果是不正確的信息，就會對市場上的信息造成混淆，對股票的投資造成影響，造成的損失是巨大的，這就是消息面，雖然消息面不是影響市場穩定的決定性因素，但是也會對市場造成影響。
3．技術面。這種因素對金融市場的發展是非常大的，技術是金融市場發展的靈魂，如果技術不能夠對金融市場進行基本的分析，這時金融技術就是沒有價值的，技術要與理論相適應，這樣的技術才能夠適應社會的發展，現在的社會對金融的要求是非常高的，如果能夠掌握基本的理論，就會讓金融市場的發展事半功倍。以上就是金融市場中股票的穩定性分析，但是在實際的操作中，我們可以知道股票的發展對金融市場是非常重要的，因此，一定要重視對這三種理論的研究，這三種理論對股票市場的穩定性有著重要的影響。
三、股票市場上存在的問題
1．企業的效益會下滑。股票的變動從實質上來說就是上市公司的效益的變動，但是這個變動不會超過上市公司股份的真正的價格，但是現在我國的上市公司存在效益下滑的問題，這種問題在上市公司中是屢見不鮮的，發生這些問題的主要原因有經營環境的變化，市場結構得不到改善，公司的法人股有很多都不在我國公司的手中，企業機制的不完善也讓公司的發展受到限制。
2．股市監管部門的力度不夠。現如今，在我國現階段的證券監管體系是以我國證券的政府監管部門為根本的，在政府主導的股票市場中，容易出現以下兩個錯誤：證監會在行使監管職責的過程中，與證券市場的其他部門之間進行交涉，削弱了證監會的直接監督權，對于證券市場下達指令也收不到預期的效果。
四、針對股民的心理為調控對象的金融經濟學意義
1．要深入研究股票的走向和趨勢。做出價值投資針對股市的巨幅震蕩，牽動著萬千股民的心情，一些心態不好的股民的心情更是隨著行情的走向跌宕起伏因此，要運用自己的知識深入研究股票的走向和趨勢，找出其中微妙的變化，做出正確的價值投資，總結經驗教訓，調整好自己的心態。
2．加強對股民的心理調節。當前A股是典型的市場失靈，會出現估價標準迷失、投資者行為混亂等現象，這些都不是市場本身所能夠解決的，必須有政府出面。決策管理者從大局出發，對股民增強提醒風險和加強風險的理論指導，避免言過其實、危言聳聽。正確引導股民的心理預期，樹立股民投資的信心。
五、結論
股票市場對經濟有著重要的影響，現在有很多的人都在進行股票的投資，股票市場也變得愈來愈穩定，金融市場對經濟的發展是非常重要的，一定要對投資者的心理進行研究，只有了解了股票投資者的心理，才能夠正確的對待股票市場，讓股票市場為經濟建設作出貢獻，因此，一定要重視股票市場的穩定性，讓金融經濟學的股票市場穩定，通過理論學習，讓金融行業快速發展。
參考文獻：
［1］李山泉．如何看待中國當前的股票市場？［J］．博鰲觀察，2015，（03）．
［2］鄭志林．中國股市異常波動下的投資行為分析［J］．經濟研究導刊，2015，（07）．
關鍵詞：歐債危機；債券市場；聯動效應，VAR模型
一、引言
2009年底，全球三大評級公司下調了希臘信用評級，2010年5月，希臘危機全面爆發。隨后。與希臘一起被稱為“PIIGS”的葡萄牙、西班牙、愛爾蘭和意大利信用評級接連被下調。伴隨著信用危機，希臘國債價格指數大跌。國債收益率飆升，葡萄牙、愛爾蘭等國國債價格指數也接連出現大幅度下跌。由于歐盟金融市場一體化進程的快速推進，歐盟各國金融體系的運行難以擺脫其他國家的影響，此次歐盟各國國債價格指數的紛紛下跌很可能是各國債券市場間的聯動性所致。而隨著世界經濟和金融一體化的加速。不同國家金融市場間的聯系越來越密切，作為在全球占據重要地位的新興市場經濟主體，中國資本市場的開放程度、國際化水平逐漸提高，國內金融市場與國際金融市場的波動也趨于同步，所以，此次歐盟債務危機是否會通過債券市場間的聯動效應引起我國的債務危機成了多方關注的問題。本文擬通過建立計量經濟模型分析中國債券市場與國際債券市場的聯動效應，研究此次歐債危機是否會通過債券市場間的聯動效應影響到我國國債市場。
二、文獻綜述
隨著全球經濟和金融一體化的加速，不同國家金融市場間的聯系越來越密切，各國資本市場之間的聯動現象也引起越來越多的學者與投資者的關注。而且隨著計量分析的不斷發展。國內外眾多學者運用計量方法研究資本市場的聯動效應也取得了豐富的研究成果。
關于運用計量經濟模型分析證券市場聯動的研究中。ChaandSekvung(1999)運用VAP，模型分析發現，1987年美國股市災難和1997年亞洲金融危機對新興市場國家的股市有顯著的傳染效應：FrandesX，DieboldandKamilYflmaz(2005)采用VAP，模型對19世紀早中期16個國家股票市場的收益和波動情況進行了研究，發現新興市場融入國際金融市場將導致市場間收益溢出效應的發生：高瑩和靳莉莉(2008)運用VAP，模型、脈沖響應分析和lohamen協整檢驗對滬深300指數與世界主要指數的關聯性進行了檢驗和分析。得出我國股票市場指數與世界主要市場指數有一定趨同性，我國資本市場與世界資本市場有一定聯動性，且受世界資本市場影響的結論；王宏濤(2009)通過ARCH模型、VAR模型和ECM模型對中國滬深兩市和美國、日本、歐洲等主要國際股市之間的關系進行了實證研究，發現中國股市和國際股市之間存在著聯動效應以及自身與同期中地理位置相近的股市的新生干擾在長期對各股市收益變動的貢獻率最高。
國內外關于股票市場間的聯動效應的研究取得了豐富的成果，而關于債券市場的研究則不多見。而關于歐債危機，研究多側重于歐債危機產生的原因、演進歷程和對策，聯系到中國則多從中國的對外貿易問題出發分析歐債危機對中國的影響。雖然劉新華(2010)從貨幣理論的視角分析得出我國大規模的政府赤字和銀行信貸擴張不會使中國出現債務危機，但運用計量方法實證分析此次歐債危機是否會通過債券市場間的聯動效應影響到我國國債市場的研究寥寥無幾。
本文在對債券市場間聯動效應內在機制的分析基礎之上，利用計量經濟方法，通過建立VAP，模型研究歐元區、美國、日本和中國債券市場間的聯動關系，以分析歐債危機對我國國債市場影響的顯著性：同時為了與歐洲區域內部各國家國債市場之間的聯動關系進行比較，又選擇了歐洲八個國家建立模型，對比得出中國發生債務危機的可能性。
三、聯動效應內在機制分析
根據證券市場聯動的定義，本文給出債券市場聯動的定義：債券市場聯動是指不同國家債券市場間或者同一市場的不同債券之間的收益率呈現較強的相關性，也指不同債券市場的價格擁有共同的長期均衡關系或擁有長期同步波動的趨勢。
證券市場聯動的經濟機理研究中，理論界有代表性的解釋歸結起來分為兩個層面：基本面因素引起的聯動效應和行為因素引起的聯動效應。
基本面聯動理論以FamaEugeneF(1970，1991)的有效市場假說為基礎，認為證券間收益的聯動性來自于基本面的聯動性，具體地說，就是現金流或折現率變動的相關性。預期現金流變動的相關性可能是由于經濟政策方面的消息對某些證券未來的盈利具有某種共同影響：風險折現率變動的相關性可能是由于投資者風險厭惡程度或利率的變動，也可能是由于對某些證券的風險預期發生了共同變動。基本面聯動理論可用來解釋同一行業板塊內的聯動效應。
行為因素是引起證券市場聯動性的另一個重要方面。金融自由化是證券市場聯動的前提，信息溢出是證券市場聯動的內在動力，投資者和投機者的交易行為則是證券市場聯動的直接原因(曾志堅。2008)。隨著信息技術的發展以及金融創新的加快，投資者可以在全球范圍內進行投資并配置其資產組合，同時可以綜合考慮各個國家債券市場的風險與收益情況，利用分散化投資獲得最大利益。在金融自由化的條件下，如果不同國家債券市場之間的相關程度很低。將會出現在不同市場間套利的機會。這時投資者根據風險與收益匹配的原則調整其投資于各國債券市場中的資本權重，以獲取超額回報。但投資者的這種行為最終會使得套利機會減少，因為頻繁的套利操作和資本流動會將不同的債券市場緊密相連，使得債券市場間出現不同程度的聯動現象。
另外，盧卡斯在經濟波動理論中提出的“有效預期”假設同樣也為金融市場的聯動現象給出了一個很好的分析方向。一個國家的危機使得投資者不僅對本國的經濟發展產生悲觀情緒，而且對其他經濟體的信心也發生動搖，從而導致其他國家經濟的惡化。這種恐慌心理的傳導是債券市場之間波動聯動的渠道之一，也往往是危機蔓延的重要原因。
四、模型設定及數據處理
(一)模型設定
VAtk模型使用模型中所有當期變量對所有變量的若干期滯后變量進行回歸。把系統中的每一個內生變量作為系統中所有內生變量的滯后值的函數來構造。
（一）金融泡沫經濟研究動因的考慮要素
1.經濟基本面。如果從市場與政府的角度來分析泡沫經濟的話，我們不難發現，僅從公共債務規模去辨析美國或美元貨幣是無法判斷出其是否已經形成巨大的金融泡沫經濟的。這是因為當前國際市場與各個國家地方經濟的階級性質的差異性，都決定著這種泡沫經濟的研究主體有所不同。也就是說，金融泡沫經濟肇始于美國，同時美國也是國際貨幣的發行國，和自身發型貨幣的方式有別于其他普通國家，致使美國金融危機的引爆方式，引起了其他國家的不同社會結構、階層等的經濟震蕩，其中就包括我國深受影響。由此我們可以看出，在研究這種金融危機下的泡沫經濟，我們不單要把握當前某一階段、某一背景下的兩面性、多面性、以及復雜程度與不確定性等。所以在我們研究這種泡沫經濟時，應當首先從資本主義的基本經濟體制所反映的現實看起，進而去進一步取得金融危機下的泡沫經濟形成的動因；這樣的基礎研究動因，也是我們對泡沫經濟認知程度的基本基礎。由此，我們得出一個結論就是，研究這種金融危機下的泡沫經濟，實質上使對“經濟基礎面”的研究、分析，這是因為，從“經濟基本面”整體角度來看，它不僅包括諸多較小的經濟實體，甚至還包括國別經濟與全球經濟。與此同時，“經濟基本面”的研究，也是我們展開這種形勢下的泡沫經濟研究的基礎點與出發點。
2.市場行為主體。我們知道，經濟趨勢發展的行為走向取決于在市場中的無數市場下的行為主體。但是我們也深知經濟基本面也僅有一個，所以這就導致，市場中的行為主體對經濟基本面的認知程度并不是都是相同的或者近似的。仔細想想，我們可知道，市場行為主體有他們自身的利益需要、有利價值、先入為主意識、教育背景、特定條件與環境以及綜合素質等均有差別，而不可否認的是，這些切實存在的因素，對于金融機構以及其他組織的市場行為主體，所欲選取的信息角度、分析能力、遠瞻性意識也不盡相同。因此，這也就進一步導致了現階段在這種金融危機影響下的市場主體行為的決策與其自身的反映程度均有不同，起碼是多元的、易變化的。另外，大多市場行為主體，對自身所處經濟環境的正確認與錯誤的認知程度、市場不同預期的變化節奏、以及不利市場環境下采取的理和過失行為等因素，都會影響經濟走勢，加速泡沫經濟虛化的程度，同時這種經濟走勢，也使得全球層面上的市場參與者加快了市場信息相互傳遞、交互過程，以致使現代金融市場具有易變性。
（二）信息產業技術對金融經濟市場行為主體的影響
隨著全球經濟與科技產業的高速發展，以互聯網為核心的現代信息通訊技術也同樣迅猛發展開來。這也就使得，市場行為主體的能動作用發生了改變，甚至顛覆了傳統市場模式，它既可能使所謂的有效市場理論更有效，理性市場行為更理性，又不斷侵蝕地緣和文化的障礙，加快溝通的速度，提供爆炸性增長的信息，改變著傳統市場的功能，影響著包括政府等市場監管者在內的所有市場參與者的決策和行為，全球市場金融經濟的不確定性因而進一步增加。
二、政府與泡沫經濟
（一）膨脹和破裂的往復循環是泡沫經濟演進的基本模型
政府或者其他組織機構、市場行為主體，以及其他外部力量等，都很希望打破膨脹與破裂的往復循環的泡沫經濟。而此時這種抽象的泡沫經濟，人們對其予以厚望，想讓政府出面干預。那么，政府真的能夠都到均衡處理好嗎？實際上，市場信息的充分程度與市場主體行為參與者得理，在一定程度能夠抑制泡沫經濟加速形成。但是，不可否認的是，市場參與者雖然認識到了這種泡沫經濟的風險性，但是也有不少市場參與者為了自身所追逐的片面利益，使其陷入泡沫經濟中，補給了泡沫經濟的形成動力。由此可見，金融市場難以做到平衡。因此，作為市場監管的政府部門，當仁不讓地應對市場主體參與者所施行的非理，加以有效監管，發揮出監管職責。
（二）政府和金融市場的關系
如果市場參與者未能準確預測市場何時形成了泡沫，政府是否就能夠具備充足的信息與判斷能力，進而做出正確決策？其實仔細想想，市場監管者決策的反應意識，很深程度上是不可能進行正確預測的。這就說明，政府與市場的關系只能是一個持續不斷的互動過程，即政府高層的決策既可能引導市場趨于均衡；也可能促使金融市場進一步扭曲，而這樣的假定在美國“次貸”危機及其引發的國際金融危機，也包括美國政府至今持續推進的經濟刺激計劃中得到了驗證。
三、結 語
總之，在如今年代，金融市場的泡沫經濟出現，已經不可避免。雖然市場行為主體在市場中受泡沫經濟的影響以及政府監管的制約，但是對于市場行為主體而言，他們的一些行為會隨著時間的推移，不斷自我反省、自我認識、自我評估，到最后自我校正的，從而使得市場行為主體能夠在金融泡沫經濟的環境下，還依然能夠保持持續性健康發展。
參考文獻：
［1］理查德·庫珀,趙瑾.理解全球經濟失衡［J］.國際經濟評論,2007,(02)
