主题：【原创】牛与熊，从科研角度看股市（一）---从一篇小论文谈起 -- 千里烟波

“2，从时间序列的图上，我们能感觉到波动有“扎堆”（cluster）的感觉。换句话说，最近波动大，明天波动也很可能大，反之亦然。”

这里是否用Heteroskedasticity(异方差）以及Autocorrelation（自相关）来解释会比较好理解点？

“通过观察和对数据的熟悉，在风险方面，离得近的历史数据比远的数据更有帮助”

根据你使用的时间序列数据的时间跨度来看，的确长了些，这样很多真正有用的分析结果将会被掩盖，因为股市是经济的晴雨表，那么他的表现就会个整个实体经济相挂钩。比如这个序列，美国经济发展经历过几个不同的阶段，是否把它们分割成几个比较小的样本（时间跨度缩短）比较好些？

第三点就是关于整个数据里的outlier(美国股市里的几次大震荡），这些crash是否可以使用Dummy Variable来消除其对整个分析结果的影响（主要是针对CAPM右方里的纵截距）

接着是个求证，呵呵，对Fama&French（1993）的论文，我记得好像是他们对CAPM这个模型的构建有意见，因此提出应该还有其他的变量也应被考虑，从而出现一个APT模型，这里我有点不太清楚了，还请指正

最后，我看了你的那个数据，是用了自然对数（ln),是不是用dlog()会比较好些，那样应该会让分析结果更有效些。

呵呵，说的不对的地方还望指教

对了，要是能够把那个数据分析结果给出，就更详细了

呵呵