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

还有点说书人的味道，不错。

BTW：还有混混小罗的故事吗？很有意思啊。

不过这里的虎哥可不是万里风中虎

我也是今天才有机会看到了前面这篇。

VAR呢基本上只是用在market risk这一块，准确的说是用在trading book上（相对于banking book）。最早的巴塞尔协议中只有关于credit risk,后来的增补才加上market risk，明年１月在美国开始推行的新巴塞尔协议，又加上了operational risk. Basel确实是强调银行的资本保证，但并不完全是基于Var. Credit Risk又有一套risk rating方法。

就市场风险而言，新巴塞尔规定的market risk charge，要在过去６０天平均Var的基础上再加一个乘数３（里面还有一些细则）。Basel对这个曾经被置疑的乘数３的解释是，在足够长的长期，总能遇到损失大大超过Var...

风险到底是什么？身在金融行业又在搞着风险管理，从去年以来，我的体会，风险，是在这个体系中的信息黑洞。那些房屋贷款中间人返回金融机构的信息质量到底怎么样，信用评估机构的分数基于的模型有没有bias，通过证券化以后的二级市场银行降低了信贷风险但同时又传播了风险并且与之相关衍生品总体的估计。。。没有准确可靠的数据，再sharp的模型又怎么样呢。

• 【原创+引用】简短说风险+厚坤的例子+采薇的comments

“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

姑且猜一猜，猜的对于不对还请指出

我就多猜几个，嘿嘿

数据收集（比如缺失，或者偏差等等）

异方差的处理

变量之间的线性关系（Multicollinearity）

变量缺失，以及变量间的权重分配

用过去的数据来预测未来

不可控因素（比如LTD曾经建立过一个在当时来说很万能的模型，但是俄罗斯金融危机这个意外因素导致整个模型的不成立）

越想越多，呵呵

还请楼主指点迷津，谢谢

这个是真的，一个模型愈发复杂，其有效性就越值得怀疑，而且也更滞后

不过经济学，我觉得更类似于哲学，因为经济学讲究的是一个逻辑推理，把他归为艺术，觉得差点什么

呵呵

呵呵，值得

踏破铁蹄无觅处，得来全不费功夫

介倒霉孩子

哈哈

鲜花开路

1、

2、

后面会讲结构破裂的，实际上在卢卡斯批评的地方已经讲了一点点

3、

这些泡沫破裂点实际上是很有意思的，使用dummy有一些舍本逐末的感觉，做好的是我们去model之

4、APT似乎是Ross提出来的，FF说的是三要素模型

5、我说过我们用的是回报率return，return的log就是index的dlog

相对困难的是外生变量的dynamics

否则无法作长期预测，以后会谈

然后用没有逻辑的话把他也一知半解的术语连起来忽悠。

对此我深恶痛绝。

干脆就郭德刚一把，我这就是吃口饭，算手艺，谁也别冲大瓣蒜。

亲切啊，这话