近年来，不少学者提出了计量经济学的教学改革：姜丽丽（2011）站在经济学科的立场讨论了计量经济学和相应的计量软件（主要是Eviews）的结合；李劫（2014）对计量经济学实验教学改革进行研究，认为应该将原理验证性实验与研究设计性实验相结合；张卫东，黎实（2016）讨论了博士阶段的高级计量经济学的教学改革问题。但是，由于金融数学是新兴专业的原因，当前的计量经济学教学改革尚缺乏针对金融数学专业的探讨。本文重点针对金融数学专业剖析计量经济学中金融理论及实践结合不紧密问题，并给出相关改进对策与建议。
一、计量经济学与金融理论及实践的结合不紧密
当前计量经济学教材在编写时，为了满足较少学时的需要，保留了数学抽象，减少了与经济学理论的结合，特别是与金融学、投资学理论的结合更是几乎没有。这使学生在学习时很难理清计量经济学课程与金融理论、金融问题间的关系，而且学习完成后也难以应用该课程的知识来解决实际金融问题。我们以如下两个例子为例。
第一，以消费—收入案例作为经典一元线性回归计量经济学模型的案例。当前众多的计量经济学教材在介绍完经典的一元线性回归模型的相关理论后，为使得学生能学以致用，往往引入一个实例进行分析。由于当前教材大多以经济学或金融学学生为授课对象，所以其在教材中引入的案例往往都是经济学的案例。例如，分析居民收入与消费间的关系。如此导致金融数学的学生误认为计量经济学仅仅只是一门经济学课程，在金融上应用很少。
第二，引入消费习惯作为经典多元线性回归计量经济学模型的案例。不少教材在对多元线性回归案例的选择时，仍然是主要以经济学、金融学的学生为考虑对象，通过引入消费习惯（上一年的消费）进一步加深消费—收入模型的分析，得到多元线性回归模型的案例。然而这对于金融数学专业的学生而言，正好加深了学生对计量经济学的误会，如此导致金融数学专业的学生误认为计量经济学在金融上没有应用。可见当前计量经济学的案例分析往往都是以传统的经济模型作为分析，考虑的往往是消费—收入等这些经济现象，没有体现出计量经济学在金融的应用。这显然不足以让金融数学专业学生了解计量经济学在金融学、投资学中的应用，学生亦难以将计量经济学方法、模型应用于指导金融实践。事实上，金融学、投资学中的资本资产定价模型（CAPM）、三因子定价模型等等大量金融模型就是计量经济学中一元线性回归、多元线性回归模型。这些金融模型在计量经济学中的引入必然将对金融数学的教学产生良好的促进作用。如何把金融理论及实践与计量经济的教学进行结合是本课题研究的核心问题。
二、计量经济学中数学推导的改革措施
金融数学的学生在计量经济学的学习过程中，更多的应该是在学习好计量经济学方法、模型的同时，把方法与模型应用于现实金融市场，以指导金融实践。因此，针对上述数学推导的设置问题，我们提出如下改革措施。
1997年亚洲爆发了震撼全球的金融危机，至今仍余波荡漾。究其根本原因，可说虽然是“冰冻三尺，非一日之寒”，而其直接原因却在于美国的量子基金对泰国外行市场突然袭击。1998年9月爆发的美国LTCM基金危机事件，震撼美国金融界，波及全世界，这一危机也是由于一个突发事件----俄罗斯政府宣布推迟偿还短期国债券所触发的。
LTCM基金是于1993年建立的“对冲”（hedge）基金，资金额为35亿美元，从事各种债券衍生物交易，由华尔街债券投资高手梅里韦瑟（J.W.Meriwether）主持。其合伙人中包括著名的数学金融学家斯科尔斯（M.S.Scholes）和默顿（R.C.Merton），他们参与建立的“期权定价公式”（即布莱克-斯科尔斯公式）为债券衍生物交易者广泛应用。两位因此获得者1997年诺贝尔经济学奖。LTCM基金的投资策略是根据数学金融学理论,建立模型，编制程序，运用计算机预测债券价格走向。具体做法是将各种债券历年的价格输入计算机，从中找出统计相关规律。投资者将债券分为两类：第一类是美国的联邦公券，由美国联邦政府保证，几乎没有风险；第二类是企业或发展中国家征服发行的债券，风险较大。LTCM基金通过统计发现，两类债券价格的波动基本同步，涨则齐涨，跌则齐跌，且通常两者间保持一定的平均差价。当通过计算机发现个别债券的市价偏离平均值时，若及时买进或卖出，就可在价格回到平均值时赚取利润。妙的是在一定范围内，无论如何价格上涨或下跌，按这种方法投资都可以获利。难怪LTCM基金在1994年3月至1997年12月的三年多中，资金增长高达300%。不仅其合伙人和投资者发了大财，各大银行为能从中分一杯羹，也争着借钱给他们，致使LTCM基金的运用资金与资本之比竟高达25：1。
天有不测风云！1998年8月俄罗斯政府突然宣布推迟偿还短期国债券，这一突发事件触发了群起抛售第二类债券的狂潮，其价格直线下跌，而且很难找到买主。与此同时，投资者为了保本，纷纷寻求最安全的避风港，将巨额资金转向购买美国政府担保的联邦公债。其价格一路飞升到历史新高。这种情况与LTCM计算机所依据的两类债券同步涨跌之统计规律刚好相反，原先的理论，模型和程序全都失灵。LTCM基金下错了注而损失惨重。雪上加霜的是，他们不但未随机应变及时撤出资金，而是对自己的理论模型过分自信，反而投入更多的资金以期反败为胜。就这样越陷越深。到9月下旬LTCM基金的亏损高达44%而濒临破产。其直接涉及金额为1000亿美元，而间接牵连的金额竟高达10000亿美元！如果任其倒闭，将引起连锁反应，造成严重的信誉危机，后果不堪设想。
由于LTCM基金亏损的金额过于庞大，而且涉及到两位诺贝尔经济学奖德主，这对数学金融的负面影响可想而知。华尔街有些人已在议论，开始怀疑数学金融学的使用性。有的甚至宣称：永远不向由数学金融学家主持的基金投资，数学金融学面临挑战。
LTCM基金事件爆发以后，美国各报刊之报道，评论，分析连篇累牍，焦点集中在为什么过去如此灵验的统计预测理论竟会突然失灵？多数人的共识是，布莱克-斯科尔斯理论本身并没有错，错在将之应用于不适当的条件下。本文作者之一在LTCM事件发生之前四个月著文分析基于随机过程的预测理论，文中将随机过程分为平稳的，似稳的以及非稳的三类，明确指出：“第三类随机过程是具有快变的或突变达的概率分布，可称为‘非稳随机过程’。对于这种非稳过程，概率分布实际上已失去意义，前述的基于概率分布的预测理论完全不适用，必须另辟途径，这也可以从自然科学类似的情形中得到启发。突变现象也存在于自然界中，……”此次正是俄罗斯政府宣布推迟偿还短期国债券这一突发事件，导致了LTCM基金的统计预测理论失灵，而且遭受损失的并非LTCM基金一家，其他基金以及华尔街的一些大银行和投资公司也都损失不赀。
经典的布莱克‐斯科尔斯公式
布莱克‐斯科尔斯公式可以认为是，一种在具有不确定性的债券市场中寻求无风险套利投资组合的理论。欧式期权定价的经典布莱克‐斯科尔斯公式，基于由几个方程组成的一个市场模型。其中，关于无风险债券价格的方程，只和利率r有关；而关于原生股票价格的方程，则除了与平均回报率b有关以外，还含有一个系数为σ的标准布朗运动的“微分”。当r，b，σ均为常数时，欧式买入期权（Europeancalloption）的价格θ就可以用精确的公式写出来，这就是著名的布莱克‐斯科尔斯公式。由此可以获得相应的“套利”投资组合。布莱克‐斯科尔斯公式自1973年发表以来，被投资者广泛应用，由此而形成的布莱克‐斯科尔斯理论成了期权投资理论的经典，促进了债券衍生物时常的蓬勃发展。有人甚至说。布莱克‐斯科尔斯理论开辟了债券衍生物交易这个新行业。
笔者以为，上述投资组合理论可称为经典布莱克‐斯科尔斯理论。它尽管在实践中极为成功，但也有其局限性。应用时如不加注意，就会出问题。
局限性之一：经典布莱克‐斯科尔斯理论基于平稳的完备的市场假设，即r，b，σ均为常数，且σ>0，但在实际的市场中它们都不一定是常数，而且很可能会有跳跃。
局限性之二：经典布莱克‐斯科尔斯理论假定所有投资者都是散户，而实际的市场中大户的影响不容忽视。特别是在不成熟的市场中，有时大户具有决定性的操纵作用。量子基金在东南亚金融危机中扮演的角色即为一例。在这种情况下，b和σ均依赖于投资者的行为，原生股票价格的微分方程变为非线性的。
经典布莱克‐斯科尔斯理论基于平稳市场的假定，属于“平稳随机过程”，在其适用条件下十分有效。事实上，期权投资者多年来一直在应用，LTCM基金也确实在过去三年多中赚了大钱。这次LTCM基金的失败并非由于布莱克‐斯科尔斯理论不对，而是因为突发事件袭来时，市场变得很不平稳,原来的“平稳随机过程"变成了“非稳随机过程”。条件变了，原来的统计规律不再适用了。由此可见，突发事件可以使原本有效的统计规律在新的条件下失效。
突发实件的机制
研究突发事件首先必须弄清其机制。只有弄清了机制才能分析其前兆，研究预警的方法及因此之道。突发事件并不限于金融领域，也存在于自然界及技术领域中。而且各个不同领域中的突发事件具有一定的共性，按照其机制可大致分为以下两大类。
“能量”积累型地震是典型的例子。地震的发生，是地壳中应力所积累的能量超过所能承受的临界值后突然的释放。积累的能量越多，地震的威力越大。此外，如火山爆发也属于这一类型。如果将“能量”作广义解释，也可以推广到社会经济领域。泡沫经济的破灭就可以看作是“能量“积累型，这里的“能量”就是被人为抬高的产业之虚假价值。这种虚假价值不断积累，直至其经济基础无法承担时，就会突然崩溃。积累的虚假价值越多，突发事件的威力就越大。日本泡沫经济在1990年初崩溃后，至今已九年尚未恢复，其重要原因之一就是房地产所积累的虚假价值过分庞大之故。
“放大”型原子弹的爆发是典型的例子。在原子弹的裂变反应中，一个中子击中铀核使之分裂而释放核能，同时放出二至伞个中子，这是一级反应。放出的中子再击中铀核产生二级反应，释放更多的核能，放出更多的中子……。以此类推，释放的核能及中子数均按反应级级数以指数放大，很快因起核爆炸。这是一种多级相联的“级联放大”，此外，放大电路中由于正反馈而造成的不稳定性，以及非线性系统的“张弛”震荡等也属于“放大”型。这里正反馈的作用等效于级联。在社会、经济及金融等领域中也有类似的情形，例如企业间达的连锁债务就有可能导致“级联放大”，即由于一家倒闭而引起一系列债主的相继倒闭，甚至可能触发金融市场的崩溃。这次LTCM基金的危机，如果不是美国政府及时介入，促使15家大银行注入35亿美元解困，就很可因LTCM基金倒闭而引起“级联放大”，造成整个金融界的信用危机。
金融界还有一种常用的术语，即所谓“杠杆作用”（leverage）。杠杆作用愿意为以小力产生大力，此处指以小钱控制大钱。这也属于“放大”类型。例如LTCM基金不仅大量利用银行贷款造成极高的“运用资金与资本之比”，而且还利用期货交易到交割时才需付款的规定，大做买空卖空的无本交易，使其利用“杠杆作用”投资所涉及的资金高达10000亿美元的天文数字。一旦出问题，这种突发事件的震撼力是惊人的。
金融突发事件之复杂性
金融突发事件要比自然界的或技术的突发事件复杂得多，其复杂性表现在以下几个方面。
多因素性对金融突发事件而言，除了金融诸因素外，还涉及到政治、经济、军事、社会、心理等多种因素。LTCM事件的起因本为经济因素--俄罗斯政府宣布推迟偿还短期债券，而俄罗斯经济在世界经济中所占分额甚少，之所以能掀起如此巨大风波，是因为心理因素的“放大”作用：投资者突然感受到第二类债券的高风险，竞相抛售，才造成波及全球的金融风暴。可见心理因素不容忽视，必须将其计及。
非线性影响金融突发事件的不仅有多种因素，而且各个因素之间一般具有错综复杂的相互作用，即为非线性的关系。例如，大户的动作会影响到市场及散户的行为。用数学语言说就是：多种因素共同作用所产生的结果，并不等于各个因素分别作用时结果的线性叠加。突发事件的理论模型必须包含非线性项，这种非线性理论处理起来要比线性理论复杂得多。
不确定性金融现象一般都带有不确定性，而突发事件尤甚。如何处理这种不确定性是研究突发事件的关键之一。例如，1998年8月间俄罗斯经济已濒临破产边缘，几乎可以确定某种事件将会发生，但对于投资者更具有实用价值的是：到底会发生什么事件？在何时发生？这些具有较大的不确定性。
由此可知，金融突发事件的机制不像自然界或技术领域中的那样界限分明，往往具有综合性。例如，1990年日本泡沫经济的破灭，其机制固然是由于房地产等虚假价值的积累，但由此触发的金融危机却也包含着银行等金融机构连锁债务的级联放大效应。预警方法
对冲基金之“对冲”，其目的就在于利用“对冲”来避险（有人将hedgefund译为“避险基金”）。具有讽刺意义的是，原本设计为避险的基金，竟因突发事件而造成震撼金融界的高风险。华尔街的大型债券公司和银行都设有“风险管理部”，斯科尔斯和默顿都是LTCM基金“风险管理委员会”的成员，对突发事件作出预警是他们的职责，但在这次他们竟都未能作出预警。
突发事件是“小概率”事件，基于传统的平稳随机过程的预测理论完全不适用。这只要看一个简单的例子就可以明白。在高速公路公路上驾驶汽车，想对突然发生的机械故障做出预警以防止车祸，传统的平稳随机过程统计可能给出的信息是：每一百万辆车在行驶过程中可能有三辆发生机械故障。这种统计规律虽然对保险公司制定保险率有用，但对预警根本无用。因为不知道你的车是否属于这百万分之三，就算知道是属于这百万分之三，你也不知道何时会发生故障。笔者认为，针对金融突发事件的上述特点，作预警应采用“多因素前兆法”。前面说过，在“能量”积累型的突发事件发生之前，必定有一个事先“能量”积累的过程；对“放大”型的突发事件而言，事先必定存在某种放大机制。因此在金融突发事件爆发之前，总有蛛丝马迹的前兆。而且“能量”的积累越多，放大的倍数越高，前兆也就越明显。采用这种方法对汽车之机械故障作出预警，应实时监测其机械系统的运行状态，随时发现温度、噪音、振动，以及驾驶感觉等反常变化及时作出预警。当然，金融突发事件要比汽车机械故障复杂得多，影响的因素也多得多。为了作出预警，必须对多种因素进行实时监测，特别应当“能量”的积累是否已接近其“临界点”，是否已存在“一触即发”的放大机制等危险前兆。如能做到这些，金融突发事件的预警应该是可能的。要实现预警，困难也很大。其一是计及多种因素的困难。计及的因素越多，模型就越复杂。而且由于非线性效应数学处理就更为困难。计及多种因素的突发事件之数学模型，很可能超越现有计算机的处理能力。但计算机的发展一日千里，今天不能的，明天就有可能。是否可以先简后繁、先易后难？不妨先计及最重要的一些因素，以后再根据计算机技术的进展逐步扩充。其二是定量化的困难。有些因素，比如心理因素，应如何定量化，就很值得研究。心理是大脑中的活动，直接定量极为困难，但间接定量还是可能的。可以考虑采用“分类效用函数”来量化民众的投资心理因素。为此，可以将投资者划分为几种不同的类型，如散户和大户，年轻的和年老的，保守型和冒险型等等，以便分别处理。然后，选用他们的一种典型投资行为作为代表其投资心理的“效用函数“，加以量化。这种方法如果运用得当，是可以在一定程度上定量地表示投资者的心理因素的。此外，卢卡斯（R.E.Lucas）的“理性预期”也是一种处理心理因素的方法。
其三是报警灵敏度的困难。过分灵敏可能给出许多“狼来了”的虚警，欠灵敏则可能造成漏报。如何适当把握报警之“临界值”？是否可以采用预警分级制和概率表示？
有些人根本怀疑对金融突发事件做预警的可能性。对此不妨这样来讨论：你相信不相信金融事件具有因果性？如果答案是肯定的，那么金融突发事件就不会凭空发生，就应该有前兆可寻，预警的可能性应该是存在的，那么金融学就不是一门科学，预警当然也就谈不上了。笔者相信因果律是普遍存在的，金融领域也不例外。
作者：杨月梅 单位：哈尔滨金融学院
针对这种学科特点，在教学上就应该采取多样化的教学方法，不同的专业有不同的教学重点，根据本学科的需要而定，不同层次的学生，由于基础不同，接受能力不同，可以采取分层目标教学法，进行分层、分类、不同学时的教学，例如，我校是一所金融类院校，专业涵盖了金融、会计、管理、投保等金融类专业，同时还设置了计算机、文秘、法律、英语等非金融类专业，根据这种特殊情况，我校针对不同专业，对经济数学课程的设置重点、时数都有所不同，针对不同层次的学生，如有统招的、自费的，由于他们的入学成绩相差很大，基础相差悬殊，如果同时授课，势必会造成好的学生吃不饱，差的学生又消化不了的局面，针对这种情况，我校采取了分类、分班、分层次教学，使得每一类、每一层次的学生都能学好经济数学这门课程，得到自己所需要的知识。内容的抽象性。这是由经济数学自身的特点决定的，数学是一门高度抽象的学科，它把事物之间的联系和蕴涵在事物内部的规律用抽象的符号和式子来表示。这势必给学生在学习过程中造成很大的难度，经济数学的这个特点决定了在经济数学的教学过程中，不应该只照书本讲解抽象的公式、定理，而是应该采用理论性、趣味性与实用性相结合的方法，首先，适当增加经济方面生动形象的实例，用浅显的数学和经济学语言表达抽象概念，采用示例法来降低阐述理论的难度，变枯涩为有趣味，变高深为通俗，充分向学生展示数学在经济管理中的巨大作用，使同学们充分认识数学在经济管理活动中的作用，从而使学生明确学习目的，提高学生习数学的积极性。其次将经济数学的教学与金融专业知识进行有效结合，运用案例教学法和项目驱动教学法，即由具体的实际经济问题引出数学概念，强化数学在经济活动中的实用性，开发学生的数学思维，锻炼和提高学生运用数学知识解决经济问题的能力，让学生将自己所学的数学知识灵活运用到今后的经济工作与实际生活当中，从而提高他们应对和处理问题的能力。再次对教材原理论体系进行改革。根据实际需要重新编制教材，改变目前《经济数学》教材重理论而轻应用的状况，增加一些与当前经济学相关的实用性内容，教材的深度、广度和份量上尽量符合专业教学计划的需要，与当今时代的经济需要紧密结合。将比较典型的经济数学模型及应用编入到教材中来，运用数学知识建立《经济数学》模型，解决实际经济问题，对经济的运行进行定量定性的研究，掌握数学在经济活动中的估计、优化、检验、决策等作用，使数学的学习变成学生掌握知识的工具而不是累赘。
思维的逻辑。经济数学的逻辑性推理性很强，前后内容之间联系紧密。这就要求对学生的抽象逻辑思维能力有很高的要求，一般经济类学生的逻辑思维能力与理科学生比起来相对弱些，还有大部分经济类院校的学生是文科类的学生，这就更加大了学习经济数学的难度。这就要求，首先，教师讲课时思维必须很清晰，语言表述很精准且通俗易懂，其次，在教学的过程中应采取多种办法，适当有意识地培养学生的逻辑思维能力，使他们在一年的高数学习过程中即学到所需的知识，同时，他们的逻辑思维能力也得到很大的提高，这对他们以后所要从事的专业会有很大的帮助。金融类院校的学生学好经济数学，除了要掌握一些计算的方法公式外，其实更重要的是通过对经济数学的学习，使他们能够在以后的工作与研究中形成一种理性的思维问题的方式。任务的繁重性。一般说来，在每一所经济类院校中，数学的教学任务都是很繁重的，每年整个数学组的教学工作量不少于全校教学工作量的十分之一。大学学习特点不同于中学，中学教学时。老师往往对一个问题会翻来覆去讲好几遍。一次没理解或学生偶尔开了小差，后面还可跟上。大学以学生自学为主，教师讲解为辅，教师由于教学时数的限制不可能停下来等学生。如果学生不及时跟上学习进度。不懂的问题越积越多，就会产生畏难情绪而放弃。另外，有不少学生进校时都抱有这样的心理：认为自己经过千辛万苦终于跨人了大学的殿堂，是应该自己轻松轻松、玩乐的时候了。在这样的心态和情形下。加上学生觉得高数课程枯燥乏味。学生往往上课心不在焉、作业抄抄马虎了事，甚至可能经常无故缺课。“树弯了就难以扳直”。所以教师在第一次课，最好用一定的时间向学生说明他们进入大学是人生新的旅程。在大学的主要任务是学习。大学的学习关系到他们一生的造诣。同时，向他们阐明大学学习的特点。他们必须转变观念，及时改变中学里的学习方法．才能适应大学的生活。谁转变得快，谁就能跑在前面。另外，教学时数偏少，教师普遍感到学校给的教学时数不够，大多教师都要额外补课才能完成。学生大多反映数学教学进度过快，教师缺少针对学生情况自由操作的余地与空间。加上现在扩大招生后，学生数学基础的差距加大，使得这一矛盾更加突出。基础差的同学容易产生畏难情绪而自暴自弃。对这部分学生教师不应该在思想上歧视他们．更不能在言语上打击他们，而应该积极鼓励他们。有过教学经历的老师还可结合以前进校基础差的同学能顺利通过高数考试的例子来激励他们，同时在讲课中要适当照顾到这部分学生。平时在答疑中也注意关注这部分学生。鼓励他们在学习中多提问题，并对他们的进步及时给予充分的肯定和赞扬。
操作的重要性。有许多经济类专业的学生习惯以学习文科的思维方式来学习数学———喜欢看书．而不动手去做题。有不少学生经常抱怨，上课听懂了，看书也能看懂，但就是不会做题。这一方面说明学生的动手能力差，另一方面，在一定程度也反映了学生在思维上的“惰性”，未养成独立思考和解决问题的习惯。所以教师在经济类专业的数学教学中应有意识地培养学生的参与和动手能力。教学中，激发学生参与热情的方法很多。用贴近学生生活的实例引入新知，既能化难为易，又使学生倍感亲切；提出问题，设置悬念，能激励学生积极投入探求新知识的活动；对学生的学习效果及时肯定；组织竞赛；设置愉快情景等，使学生充分展示自己的才华，不断体验解决问题的愉悦。坚持这佯做，可以逐步强化学生的参与热情。在数学教学中，促使学生眼、耳、鼻、舌、身多种感官并用，让学生积累丰富的典型的感性材料，建立清晰的表象，多观察、多思考，多讨论，才能更好地进行比较、分析、概括等一系列思维活动，进而真正参与到知识形成和发展的全过程中来。要善于打破思维定势。2l世纪要培养的是具有高素质全面发展的创新性人才。作为经济数学教师，不应该是教学生死记硬背公式，依葫芦画瓢似地解题，而应该注重经济数学中重要的思想方法的教学，注重培养学生分析问题和解决问题的能力。为此，教师一方面应该在教学中有意识地引导学生用多种方法解题，培养学生解题的灵活性，鼓励学生“青出于蓝而胜于蓝”，这不但可以消除学生的思维定势的负作用．而且可以强化学生学习数学的兴趣。另一方面，教师也要打破自身的思维定势，教师的思维定势有时会扼杀学生的创造性。学生的创造性思维刚开始犹如稚嫩的幼苗，经不起狂风暴雨，他需要老师的细心呵护和培养才能茁壮成长。总之，搞好经济数学教学是一项重要而复杂的工作，要做好这项工作需要领导的重视和全体经济数学教师的共同努力以及班主任和学生的积极配合。针对金融院校学生的实际情况,使理论教学与实践教学等环节有效结合，发挥经济数学的应用特色和工具作用，在教学过程中充分体现经济数学为经济服务的特点，教会学生灵活运用经济数学知识参与经济过程，以培养学生的社会经验和应用技能，使得大学生毕业后很快就能适应社会的需要，培养出优秀的经济类“应用型”人才。
其次，我们来看一下，金融数学的发展历程。金融数学的发展历史可以追溯到1900年法国数学家巴谢利耶的博士论文《投机的理论》，这篇论文的，宣告了金融数学的诞生。在文中他首次用布朗运动来描述股票价格的变化，他认为在资本市场中有买有卖，买者看涨、卖者看跌，其价格的波动是就布朗运动，其统计分布是正态分布。巴谢利耶这一想法对金融数学来说具有伟大意义的。然而，巴谢利耶的工作没有引起金融学界的重视，直到50多年以后，到了20世纪50年代初，另一位代表人物萨缪尔森出现，他通过统计学家萨维奇重新研究了巴谢利耶的工作，通过他的研究，现代金融学诞生。现代金融学随后经历了两次主要的改变，第一次是在1952年。那一年，25岁的马尔柯维茨发表了他的博士论文，提出了一个重要理论，也就是资产组合选择的均值方差理论。这一理论具有重大意义，它将原来人们期望寻找“最好”股票的想法引导到对风险和收益的量化和平衡的理解上来。稍后，夏普和林特纳进一步研究和拓展了马尔柯维茨的工作，提出了资本资产定价模型理论，紧接着米勒提出了公司财务理论，而这个理论也引发了历史上第一次“华尔街革命”，这几次革命可以说是金融数学的开端。标志着金融数学的开始。而第二次革命发生在1973年，这一年，莱克和斯克尔斯用数学方法给出了期权定价公式，后来，莫顿发展和深化了该公式。这种公式给某些银行家和金融交易者都带来了十分大的便利，这种便利体现在金融资产的交易中，也推动了期权交易的发展。这成为了历史上的第二次“华尔街革命”。而其中对金融数学做出伟大贡献的马尔柯维茨和夏普也因此贡献而获得1990年诺贝尔经济学奖。从金融数学的发展历史来看，这几位开创者都有一定的数学理论知识，而且十分了解市场金融走向，能对市场金融现状做一个比较准确的把握。这也提醒了我，如果选择金融数学专业，就要努力学好数学知识，另外，日常生活中也要积累金融学知识，多读书看报，了解市场上的金融走向。
在了解清楚金融数学的发展历程以后，下面，我们来了解一下金融数学的理论框架是如何形成的。可以说，两次历史上的金融革命对金融数学的理论形成起到了推动与辅助作用。两次“革命”形成了一门新兴的交叉学科，即金融数学。这门蓬勃发展的新学科的主要内容是由马尔科维茨所创造的夏普理论和布莱克一发明的修斯公式一起构成的。这形成了金融数学的主要内容框架，同时这也成为了金融工程的理论基础。而马尔科维茨和布莱克一对金融数学所做出的伟大贡献，也使他们分别在1990年和1997年获得了诺贝尔经济学奖。从此，金融数学这门新兴的交叉学科就成为了国际金融界的一颗冉冉升起的新星。
一、金融数学的定义
金融数学或数学金融学亦或数理金融学都是由mathematicalfinance翻译而来，可以理解为是以数学为工具解决金融问题的学科。金融数学是通过建立适合金融行业具体实情的数学模型，编写一定的计算机软件，对理论研究结果进行仿真计算，对实际数据进行计量经济分析研究的一门应用学科。
金融数学的最大特点是大量应用现代数学工具，特别是伴随着控制理论和随机过程的研究成果在金融领域中的创造性应用，金融数学——一门新兴的边缘学科应运而生，国际上也称数理金融(Mathe--matical Finance)。金融数学起源于金融问题的研究。随着金融市场的发展，金融学越来越与数学紧密相连，取得了突飞猛进的发展。
广义来说，金融数学是指应用数学理论和方法，研究金融经济运行规律的一门新兴学科，狭义的来讲，金融数学的主要研究内容是关于在不确定多期条件下的证券组合选择和资产定价理论，而套利、最优和均衡则是这一理论中最重要的三个概念。
金融数学从一些金融或者经济假设出发，用抽象的数学方法，建立金融机理的数学横型。金融数学的范围包括数学概念和方法(或者其他自然科学方法)在金融学、特别足在金融理论中的各种应用，应用的目的是用数学的语言来表达、推理和论证金融学原理。金融数学是金融学的一个分支，因此金融数学首先以金融理论为背景和基础，这倒并不意味着从事金融数学一定要受过金融方面的正规的学术性训练(这确实大有益处)。尽管金融学由于具有自己充足的特征而从经济学中独立出来，但它毕竟是作为经济学的应用分支学科发展起来的，因此金融数学也以经济原理和技术为基础和背景。由于金融还同会计学、财务学、税务理论等有密切的联系，金融数学还需要以会计原理、财务技术、税收理论等方面的知识为基础。
金融数学的理论基础当然还包括现代数学理论和统计学理论，其首要环节是数学或统计建模，也就是从复杂的金融环境中筛选出关键因素以分辨出相关因素与无关因素，然后从一系列的假设条件出发，推导出各种关系，最后得到结论对作出对结论的解释。这种建模活动不仅非常有用而且极为重要，因为在金融中，假设中一个小的失误、一个错误的推导、一个有误的结论、或者一个对结论的错误解释甚至都会导致一次金融的灾难。此外，在金融数学的研究中计算机技术的应用也具有十分突出的位置。
综上可见，金融数学是金融学、数学、统计学、经济学与计算机科学的交叉学科，属于应用科学层次。金融数学也是金融学继定性描述阶段以后的一个更高层次的数量化的分析性学科。
二、现代金融数学理论的发展
1 随机最优控制理论
现代金融理论一个更值得重视的应用领域是解决带有随机性的问题，解决这个问题的重要手段是随机最优控制理论。随机最优控制是控制理论中在相当晚时期得到发展的。应用贝尔曼最优化原理，并用测度理论和泛函分析方法，是数学家们在本世纪60年代末和70年代初对于这一新的数学研究领域作出的重要贡献。金融学家们对于随机最优控制的理论方法的吸收是十分迅速的。70年代初开始出现了几篇经济学论文，其中有默顿(Merton)使用连续时间方法论述消费和资产组合的问题，有布罗克(Brock)和米尔曼(Mirman)在不确定情况下使用离散时间方法进行的经济最优增长问题。从此以后，随机最优控制方法应用到大多数的金融领域，在国内以彭实戈为代表的中青年学者对此也做出了卓越贡献。
2 鞅理论
现代金融理论最新的研究成果是鞅理论的引入。在金融市场是有效的假定F，证券的价格可以等价于一个鞅随机过程。由Karatzas和Shreve等人倡导的鞅方法直接把鞅理论引入到现代金融理论中，利用等价鞅测度的概念研究衍生证券的定价问题，得到的结果不仅能深刻揭示金融市场的运行规律，而且可以提供一套有效的算法，求解复杂的衍生金融产品的定价与风险管理问题。利用鞅理论研究金融理论的另一个好处是它能够较好地解决金融市场不完备时的衍生证券定价问题，从而使现代金融理论取得了突破性的进展。目前基于鞅方法的衍生证券定价理论在现代金融理论中占主导地位，但在国内还是一个空白。
3 脉冲最优控制理论
在证券投资决策问题中，大部分的研究假设交易速率是有界的和连续变化的，而实际上投资者的交易速率不是有界的，也不是频繁改变的。因此，用连续时间随机控制理论来研究，仅仅是一种近似，使得问题变得更容易处理，但是事实上往往与实际问题有较大的距离。因此，若用脉冲最优控制方法研究证券投资决策问题看似更为合适。
4 微分对策理论
现代金融理论的另一个值得注意的研究动向是运用微分对策方法研究期权定价问题和投资决策问题，目前取得了一定的成果。当金融市场不满足稳态假定或出现异常波动时，证券价格往往不服从几何布朗运动，这时用随机动态模型研究证券投资决策问题的方法无论从理论上，还是从实际上都存在着较大偏差。用微分对策方法研究金融决策问题可以放松这一假设，把不确定扰动假想成敌对的一方。针对最差情况加以优化，可以得到“鲁棒性”很强的投资策略。另外，求解微分对策的贝尔曼方程是一阶偏微分方程，比求解随机控制问题的二阶偏微分方程要简单得多。因此，运用微分对策方法研究金融问题具有广阔的应用前景，对重复对策、随机对策、多人对策理论在证券投资决策问题中的应用研究更加值得重视的研究课题。
三、金融数学理论的应用
金融数学研究的一项重要任务就是检验什么类型的数学理论适合于运用在金融理论中以及预算新的数学理论应用于金融领域的可能性。金融系统的本质特性与经济系统是一致的，即经济利益它在很大程度上决定着金融实体的行为。能够描述或者表征着本质特征的数学理论与方法就会得到充分的应用，而不能描述或表征着本质特征的数学理论与方法将逐渐被“扬弃”或者淘汰；如果数学武器库中尚没有这类武器的话，数学家们就会同金融学家一道去发展这类武器以满足金融领域的需要。长期以来，人们用以描述金融经济的数学模型从本质上来说只有两类：一类是牛顿(Newton)的决定论模型，即给定初始条件或者状态，则金融经济系统的行为完全确定，第二类是爱因斯坦(Einstein)的随机游动模型或者布朗(Bro~vn)g：动模型。 简单地说，即确定性模型和随机性模型。确定性状态和随机性状态也被认为是两种对称的状态。
同时，所用模型的数学形式也基本上是线性的，或者存在非线性也是假设金融系统运行在线性稳定而加以一阶线性化处理，这些似乎成了一种传统和定式。尤其是近30多年来，金融界已分成两派。一派是技术分析学者，相信市场遵从有规律的周期性循环；而另一派即定量分析学者则认为市场不存在周期性循环。最近的研究利用物理学中开发出的方法来分析非线性系统，认为真实情况介于两者之间。这样，金融数学至少面临下列四个问题亟待解决：
首先，对金融经济现象的变与动的直觉三性(随机性，模糊性，混沌性)进行综合分析研究，已确定从此到彼得过渡条件、转换机理、演变过程、本质特征、产生结果以及人们所采取的相应的金融对策，尤其是货币政策。
其次，对以信用货币为核心的三量：货币需求量、货币共给量、金融资金流向流量进行综合分析研究，对货币均衡和非均衡的合理界定提供正确的金融理论以及数学模型，为改善社会总量平衡关系将对财政、金融、物质、外汇四大平衡提供依据。
再次，对支撑现代金融大厦的三大支柱即三率(利率、汇率、保率、扩至经济领域还包含税率、物价综合指数)进行综合分析研究。为制定合理的三(五)率体系提供符合实际的金融数学模型支撑。最后，对分别以生产力要素选择、地区或部门资源配置、综合金融经济指标为研究对象的三观(微观、中观、宏观)进行综合分析研究，以便将其成果更充分地更广泛地更方便地应用于金融经济领域。随着社会经济的发展，特别是现代金融的地位越来越重要，将会有更新的更复杂的金融问题需要我们去研究，去探讨，去解决。
参考文献：
[1]Fama E.Efficient capital markets：a review of theory andempirical work[J].
Journal of Financial，May，1970，25(2)：384-417
一、金融数学的定义
金融数学或数学金融学亦或数理金融学都是由mathematicalfinance翻译而来，可以理解为是以数学为工具解决金融问题的学科。金融数学是通过建立适合金融行业具体实情的数学模型，编写一定的计算机软件，对理论研究结果进行仿真计算，对实际数据进行计量经济分析研究的一门应用学科。
金融数学的最大特点是大量应用现代数学工具，特别是伴随着控制理论和随机过程的研究成果在金融领域中的创造性应用，金融数学——一门新兴的边缘学科应运而生，国际上也称数理金融(mathe--matical finance)。金融数学起源于金融问题的研究。随着金融市场的发展，金融学越来越与数学紧密相连，取得了突飞猛进的发展。
广义来说，金融数学是指应用数学理论和方法，研究金融经济运行规律的一门新兴学科，狭义的来讲，金融数学的主要研究内容是关于在不确定多期条件下的证券组合选择和资产定价理论，而套利、最优和均衡则是这一理论中最重要的三个概念。
金融数学从一些金融或者经济假设出发，用抽象的数学方法，建立金融机理的数学横型。金融数学的范围包括数学概念和方法(或者其他自然科学方法)在金融学、特别足在金融理论中的各种应用，应用的目的是用数学的语言来表达、推理和论证金融学原理。金融数学是金融学的一个分支，因此金融数学首先以金融理论为背景和基础，这倒并不意味着从事金融数学一定要受过金融方面的正规的学术性训练(这确实大有益处)。尽管金融学由于具有自己充足的特征而从经济学中独立出来，但它毕竟是作为经济学的应用分支学科发展起来的，因此金融数学也以经济原理和技术为基础和背景。由于金融还同会计学、财务学、税务理论等有密切的联系，金融数学还需要以会计原理、财务技术、税收理论等方面的知识为基础。
金融数学的理论基础当然还包括现代数学理论和统计学理论，其首要环节是数学或统计建模，也就是从复杂的金融环境中筛选出关键因素以分辨出相关因素与无关因素，然后从一系列的假设条件出发，推导出各种关系，最后得到结论对作出对结论的解释。这种建模活动不仅非常有用而且极为重要，因为在金融中，假设中一个小的失误、一个错误的推导、一个有误的结论、或者一个对结论的错误解释甚至都会导致一次金融的灾难。此外，在金融数学的研究中计算机技术的应用也具有十分突出的位置。
综上可见，金融数学是金融学、数学、统计学、经济学与计算机科学的交叉学科，属于应用科学层次。金融数学也是金融学继定性描述阶段以后的一个更高层次的数量化的分析性学科。
二、现代金融数学理论的发展
1 随机最优控制理论
现代金融理论一个更值得重视的应用领域是解决带有随机性的问题，解决这个问题的重要手段是随机最优控制理论。随机最优控制是控制理论中在相当晚时期得到发展的。应用贝尔曼最优化原理，并用测度理论和泛函分析方法，是数学家们在本世纪60年代末和70年代初对于这一新的数学研究领域作出的重要贡献。金融学家们对于随机最优控制的理论方法的吸收是十分迅速的。70年代初开始出现了几篇经济学论文，其中有默顿(merton)使用连续时间方法论述消费和资产组合的问题，有布罗克(brock)和米尔曼(mirman)在不确定情况下使用离散时间方法进行的经济最优增长问题。从此以后，随机最优控制方法应用到大多数的金融领域，在国内以彭实戈为代表的中青年学者对此也做出了卓越贡献。
2 鞅理论
现代金融理论最新的研究成果是鞅理论的引入。在金融市场是有效的假定f，证券的价格可以等价于一个鞅随机过程。由karatzas和shreve等人倡导的鞅方法直接把鞅理论引入到现代金融理论中，利用等价鞅测度的概念研究衍生证券的定价问题，得到的结果不仅能深刻揭示金融市场的运行规律，而且
可以提供一套有效的算法，求解复杂的衍生金融产品的定价与风险管理问题。利用鞅理论研究金融理论的另一个好处是它能够较好地解决金融市场不完备时的衍生证券定价问题，从而使现代金融理论取得了突破性的进展。目前基于鞅方法的衍生证券定价理论在现代金融理论中占主导地位，但在国内还是一个空白。
3 脉冲最优控制理论
在证券投资决策问题中，大部分的研究假设交易速率是有界的和连续变化的，而实际上投资者的交易速率不是有界的，也不是频繁改变的。因此，用连续时间随机控制理论来研究，仅仅是一种近似，使得问题变得更容易处理，但是事实上往往与实际问题有较大的距离。因此，若用脉冲最优控制方法研究证券投资决策问题看似更为合适。
4 微分对策理论
现代金融理论的另一个值得注意的研究动向是运用微分对策方法研究期权定价问题和投资决策问题，目前取得了一定的成果。当金融市场不满足稳态假定或出现异常波动时，证券价格往往不服从几何布朗运动，这时用随机动态模型研究证券投资决策问题的方法无论从理论上，还是从实际上都存在着较大偏差。用微分对策方法研究金融决策问题可以放松这一假设，把不确定扰动假想成敌对的一方。针对最差情况加以优化，可以得到“鲁棒性”很强的投资策略。另外，求解微分对策的贝尔曼方程是一阶偏微分方程，比求解随机控制问题的二阶偏微分方程要简单得多。因此，运用微分对策方法研究金融问题具有广阔的应用前景，对重复对策、随机对策、多人对策理论在证券投资决策问题中的应用研究更加值得重视的研究课题。
三、金融数学理论的应用
金融数学研究的一项重要任务就是检验什么类型的数学理论适合于运用在金融理论中以及预算新的数学理论应用于金融领域的可能性。金融系统的本质特性与经济系统是一致的，即经济利益它在很大程度上决定着金融实体的行为。能够描述或者表征着本质特征的数学理论与方法就会得到充分的应用，而不能描述或表征着本质特征的数学理论与方法将逐渐被“扬弃”或者淘汰；如果数学武器库中尚没有这类武器的话，数学家们就会同金融学家一道去发展这类武器以满足金融领域的需要。长期以来，人们用以描述金融经济的数学模型从本质上来说只有两类：一类是牛顿(newton)的决定论模型，即给定初始条件或者状态，则金融经济系统的行为完全确定，第二类是爱因斯坦(einstein)的随机游动模型或者布朗(bro~vn)g：动模型。 简单地说，即确定性模型和随机性模型。确定性状态和随机性状态也被认为是两种对称的状态。
同时，所用模型的数学形式也基本上是线性的，或者存在非线性也是假设金融系统运行在线性稳定而加以一阶线性化处理，这些似乎成了一种传统和定式。尤其是近30多年来，金融界已分成两派。一派是技术分析学者，相信市场遵从有规律的周期性循环；而另一派即定量分析学者则认为市场不存在周期性循环。最近的研究利用物理学中开发出的方法来分析非线性系统，认为真实情况介于两者之间。这样，金融数学至少面临下列四个问题亟待解决：
首先，对金融经济现象的变与动的直觉三性(随机性，模糊性，混沌性)进行综合分析研究，已确定从此到彼得过渡条件、转换机理、演变过程、本质特征、产生结果以及人们所采取的相应的金融对策，尤其是货币政策。
其次，对以信用货币为核心的三量：货币需求量、货币共给量、金融资金流向流量进行综合分析研究，对货币均衡和非均衡的合理界定提供正确的金融理论以及数学模型，为改善社会总量平衡关系将对财政、金融、物质、外汇四大平衡提供依据。
再次，对支撑现代金融大厦的三大支柱即三率(利率、汇率、保率、扩至经济领域还包含税率、物价综合指数)进行综合分析研究。为制定合理的三(五)率体系提供符合实际的金融数学模型支撑。最后，对分别以生产力要素选择、地区或部门资源配置、综合金融经济指标为研究对象的三观(微观、中观、宏观)进行综合分析研究，以便将其成果更充分地更广泛地更方便地应用于金融经济领域。随着社会经济的发展，特别是现代金融的地位越来越重要，将会有更新的更复杂的金融问题需要我们去研究，去探讨，去解决。
参考文献：
[1]fama e.efficient capital markets：a review of theory andempirical work[j].
journal of financial，may，1970，25(2)：384-417
[2]王金平，李治.金融数
学研究前景展望[j]1.现代商贸工业，2008，(11)
关键词：金融数学 理论发展 应用
一、金融数学的定义
金融数学或数学金融学亦或数理金融学都是由mathematicalfinance翻译而来，可以理解为是以数学为工具解决金融问题的学科。金融数学是通过建立适合金融行业具体实情的数学模型，编写一定的计算机软件，对理论研究结果进行仿真计算，对实际数据进行计量经济分析研究的一门应用学科。
金融数学的最大特点是大量应用现代数学工具，特别是伴随着控制理论和随机过程的研究成果在金融领域中的创造性应用，金融数学——一门新兴的边缘学科应运而生，国际上也称数理金融(mathe--matical finance)。金融数学起源于金融问题的研究。随着金融市场的发展，金融学越来越与数学紧密相连，取得了突飞猛进的发展。
广义来说，金融数学是指应用数学理论和方法，研究金融经济运行规律的一门新兴学科，狭义的来讲，金融数学的主要研究内容是关于在不确定多期条件下的证券组合选择和资产定价理论，而套利、最优和均衡则是这一理论中最重要的三个概念。
金融数学从一些金融或者经济假设出发，用抽象的数学方法，建立金融机理的数学横型。金融数学的范围包括数学概念和方法(或者其他自然科学方法)在金融学、特别足在金融理论中的各种应用，应用的目的是用数学的语言来表达、推理和论证金融学原理。金融数学是金融学的一个分支，因此金融数学首先以金融理论为背景和基础，这倒并不意味着从事金融数学一定要受过金融方面的正规的学术性训练(这确实大有益处)。尽管金融学由于具有自己充足的特征而从经济学中独立出来，但它毕竟是作为经济学的应用分支学科发展起来的，因此金融数学也以经济原理和技术为基础和背景。由于金融还同会计学、财务学、税务理论等有密切的联系，金融数学还需要以会计原理、财务技术、税收理论等方面的知识为基础。
金融数学的理论基础当然还包括现代数学理论和统计学理论，其首要环节是数学或统计建模，也就是从复杂的金融环境中筛选出关键因素以分辨出相关因素与无关因素，然后从一系列的假设条件出发，推导出各种关系，最后得到结论对作出对结论的解释。这种建模活动不仅非常有用而且极为重要，因为在金融中，假设中一个小的失误、一个错误的推导、一个有误的结论、或者一个对结论的错误解释甚至都会导致一次金融的灾难。此外，在金融数学的研究中计算机技术的应用也具有十分突出的位置。
综上可见，金融数学是金融学、数学、统计学、经济学与计算机科学的交叉学科，属于应用科学层次。金融数学也是金融学继定性描述阶段以后的一个更高层次的数量化的分析性学科。
二、现代金融数学理论的发展
1 随机最优控制理论
现代金融理论一个更值得重视的应用领域是解决带有随机性的问题，解决这个问题的重要手段是随机最优控制理论。随机最优控制是控制理论中在相当晚时期得到发展的。应用贝尔曼最优化原理，并用测度理论和泛函分析方法，是数学家们在本世纪60年代末和70年代初对于这一新的数学研究领域作出的重要贡献。金融学家们对于随机最优控制的理论方法的吸收是十分迅速的。70年代初开始出现了几篇经济学论文，其中有默顿(merton)使用连续时间方法论述消费和资产组合的问题，有布罗克(brock)和米尔曼(mirman)在不确定情况下使用离散时间方法进行的经济最优增长问题。从此以后，随机最优控制方法应用到大多数的金融领域，在国内以彭实戈为代表的中青年学者对此也做出了卓越贡献。
2 鞅理论
现代金融理论最新的研究成果是鞅理论的引入。在金融市场是有效的假定f，证券的价格可以等价于一个鞅随机过程。由karatzas和shreve等人倡导的鞅方法直接把鞅理论引入到现代金融理论中，利用等价鞅测度的概念研究衍生证券的定价问题，得到的结果不仅能深刻揭示金融市场的运行规律，而且
可以提供一套有效的算法，求解复杂的衍生金融产品的定价与风险管理问题。利用鞅理论研究金融理论的另一个好处是它能够较好地解决金融市场不完备时的衍生证券定价问题，从而使现代金融理论取得了突破性的进展。目前基于鞅方法的衍生证券定价理论在现代金融理论中占主导地位，但在国内还是一个空白。
3 脉冲最优控制理论
在证券投资决策问题中，大部分的研究假设交易速率是有界的和连续变化的，而实际上投资者的交易速率不是有界的，也不是频繁改变的。因此，用连续时间随机控制理论来研究，仅仅是一种近似，使得问题变得更容易处理，但是事实上往往与实际问题有较大的距离。因此，若用脉冲最优控制方法研究证券投资决策问题看似更为合适。
4 微分对策理论
现代金融理论的另一个值得注意的研究动向是运用微分对策方法研究期权定价问题和投资决策问题，目前取得了一定的成果。当金融市场不满足稳态假定或出现异常波动时，证券价格往往不服从几何布朗运动，这时用随机动态模型研究证券投资决策问题的方法无论从理论上，还是从实际上都存在着较大偏差。用微分对策方法研究金融决策问题可以放松这一假设，把不确定扰动假想成敌对的一方。针对最差情况加以优化，可以得到“鲁棒性”很强的投资策略。另外，求解微分对策的贝尔曼方程是一阶偏微分方程，比求解随机控制问题的二阶偏微分方程要简单得多。因此，运用微分对策方法研究金融问题具有广阔的应用前景，对重复对策、随机对策、多人对策理论在证券投资决策问题中的应用研究更加值得重视的研究课题。
三、金融数学理论的应用
金融数学研究的一项重要任务就是检验什么类型的数学理论适合于运用在金融理论中以及预算新的数学理论应用于金融领域的可能性。金融系统的本质特性与经济系统是一致的，即经济利益它在很大程度上决定着金融实体的行为。能够描述或者表征着本质特征的数学理论与方法就会得到充分的应用，而不能描述或表征着本质特征的数学理论与方法将逐渐被“扬弃”或者淘汰；如果数学武器库中尚没有这类武器的话，数学家们就会同金融学家一道去发展这类武器以满足金融领域的需要。长期以来，人们用以描述金融经济的数学模型从本质上来说只有两类：一类是牛顿(newton)的决定论模型，即给定初始条件或者状态，则金融经济系统的行为完全确定，第二类是爱因斯坦(einstein)的随机游动模型或者布朗(bro~vn)g：动模型。 简单地说，即确定性模型和随机性模型。确定性状态和随机性状态也被认为是两种对称的状态。
同时，所用模型的数学形式也基本上是线性的，或者存在非线性也是假设金融系统运行在线性稳定而加以一阶线性化处理，这些似乎成了一种传统和定式。尤其是近30多年来，金融界已分成两派。一派是技术分析学者，相信市场遵从有规律的周期性循环；而另一派即定量分析学者则认为市场不存在周期性循环。最近的研究利用物理学中开发出的方法来分析非线性系统，认为真实情况介于两者之间。这样，金融数学至少面临下列四个问题亟待解决：
首先，对金融经济现象的变与动的直觉三性(随机性，模糊性，混沌性)进行综合分析研究，已确定从此到彼得过渡条件、转换机理、演变过程、本质特征、产生结果以及人们所采取的相应的金融对策，尤其是货币政策。
其次，对以信用货币为核心的三量：货币需求量、货币共给量、金融资金流向流量进行综合分析研究，对货币均衡和非均衡的合理界定提供正确的金融理论以及数学模型，为改善社会总量平衡关系将对财政、金融、物质、外汇四大平衡提供依据。
再次，对支撑现代金融大厦的三大支柱即三率(利率、汇率、保率、扩至经济领域还包含税率、物价综合指数)进行综合分析研究。为制定合理的三(五)率体系提供符合实际的金融数学模型支撑。最后，对分别以生产力要素选择、地区或部门资源配置、综合金融经济指标为研究对象的三观(微观、中观、宏观)进行综合分析研究，以便将其成果更充分地更广泛地更方便地应用于金融经济领域。随着社会经济的发展，特别是现代金融的地位越来越重要，将会有更新的更复杂的金融问题需要我们去研究，去探讨，去解决。
参考文献：
[1]fama e.efficient capital markets：a review of theory andempirical work[j].
journal of financial，may，1970，25(2)：384-417
[2]王金平，李治.金融数
学研究前景展望[j]1.现代商贸工业，2008，(11)
一、金融数学的定义
金融数学或数学金融学亦或数理金融学都是由mathematical finance翻译而来，可以理解为是以数学为工具解决金融问题的学科。金融数学是通过建立适合金融行业具体实情的数学模型，编写一定的机软件，对理论研究结果进行仿真计算，对实际数据进行计量经济分析研究的一门应用学科。
金融数学的最大特点是大量应用数学工具，特别是伴随着控制理论和随机过程的研究成果在金融领域中的创造性应用，金融数学——一门新兴的边缘学科应运而生，国际上也称数理金融(Mathe--matical Finance)。金融数学起源于金融问题的研究。随着金融市场的发展，金融学越来越与数学紧密相连，取得了突飞猛进的发展。
广义来说，金融数学是指应用数学理论和方法，研究金融经济运行的一门新兴学科，狭义的来讲，金融数学的主要研究内容是关于在不确定多期条件下的证券组合选择和资产定价理论，而套利、最优和均衡则是这一理论中最重要的三个概念。
金融数学从一些金融或者经济假设出发，用抽象的数学方法，建立金融机理的数学横型。金融数学的范围包括数学概念和方法(或者其他方法)在金融学、特别足在金融理论中的各种应用，应用的目的是用数学的语言来表达、推理和论证金融学原理。金融数学是金融学的一个分支，因此金融数学首先以金融理论为背景和基础，这倒并不意味着从事金融数学一定要受过金融方面的正规的学术性训练(这确实大有益处)。尽管金融学由于具有自己充足的特征而从经济学中独立出来，但它毕竟是作为经济学的应用分支学科发展起来的，因此金融数学也以经济原理和技术为基础和背景。由于金融还同学、财务学、税务理论等有密切的联系，金融数学还需要以会计原理、财务技术、税收理论等方面的知识为基础。
金融数学的理论基础当然还包括现代数学理论和统计学理论，其首要环节是数学或统计建模，也就是从复杂的金融环境中筛选出关键因素以分辨出相关因素与无关因素，然后从一系列的假设条件出发，推导出各种关系，最后得到结论对作出对结论的解释。这种建模活动不仅非常有用而且极为重要，因为在金融中，假设中一个小的失误、一个错误的推导、一个有误的结论、或者一个对结论的错误解释甚至都会导致一次金融的灾难。此外，在金融数学的研究中计算机技术的应用也具有十分突出的位置。
综上可见，金融数学是金融学、数学、统计学、经济学与计算机科学的交叉学科，属于应用科学层次。金融数学也是金融学继定性描述阶段以后的一个更高层次的数量化的分析性学科。
二、现代金融数学理论的发展
1 随机最优控制理论
现代金融理论一个更值得重视的应用领域是解决带有随机性的问题，解决这个问题的重要手段是随机最优控制理论。随机最优控制是控制理论中在相当晚时期得到发展的。应用贝尔曼最优化原理，并用测度理论和泛函分析方法，是数学家们在本世纪60年代末和70年代初对于这一新的数学研究领域作出的重要贡献。金融学家们对于随机最优控制的理论方法的吸收是十分迅速的。70年代初开始出现了几篇经济学论文，其中有默顿(Merton)使用连续时间方法论述消费和资产组合的问题，有布罗克(Brock)和米尔曼(Mirman)在不确定情况下使用离散时间方法进行的经济最优增长问题。从此以后，随机最优控制方法应用到大多数的金融领域，在国内以彭实戈为代表的中青年学者对此也做出了卓越贡献。
2 鞅理论
现代金融理论最新的研究成果是鞅理论的引入。在金融市场是有效的假定F，证券的价格可以等价于一个鞅随机过程。由Karatzas和Shreve等人倡导的鞅方法直接把鞅理论引入到现代金融理论中，利用等价鞅测度的概念研究衍生证券的定价问题，得到的结果不仅能深刻揭示金融市场的运行规律，而且可以提供一套有效的算法，求解复杂的衍生金融产品的定价与风险管理问题。利用鞅理论研究金融理论的另一个好处是它能够较好地解决金融市场不完备时的衍生证券定价问题，从而使现代金融理论取得了突破性的进展。目前基于鞅方法的衍生证券定价理论在现代金融理论中占主导地位，但在国内还是一个空白。
3 脉冲最优控制理论
在证券投资决策问题中，大部分的研究假设交易速率是有界的和连续变化的，而实际上投资者的交易速率不是有界的，也不是频繁改变的。因此，用连续时间随机控制理论来研究，仅仅是一种近似，使得问题变得更容易处理，但是事实上往往与实际问题有较大的距离。因此，若用脉冲最优控制方法研究证券投资决策问题看似更为合适。
4 微分对策理论
现代金融理论的另一个值得注意的研究动向是运用微分对策方法研究期权定价问题和投资决策问题，目前取得了一定的成果。当金融市场不满足稳态假定或出现异常波动时，证券价格往往不服从几何布朗运动，这时用随机动态模型研究证券投资决策问题的方法无论从理论上，还是从实际上都存在着较大偏差。用微分对策方法研究金融决策问题可以放松这一假设，把不确定扰动假想成敌对的一方。针对最差情况加以优化，可以得到“鲁棒性”很强的投资策略。另外，求解微分对策的贝尔曼方程是一阶偏微分方程，比求解随机控制问题的二阶偏微分方程要简单得多。因此，运用微分对策方法研究金融问题具有广阔的应用前景，对重复对策、随机对策、多人对策理论在证券投资决策问题中的应用研究更加值得重视的研究课题。三、数学理论的应用
金融数学研究的一项重要任务就是检验什么类型的数学理论适合于运用在金融理论中以及预算新的数学理论应用于金融领域的可能性。金融系统的本质特性与系统是一致的，即经济利益它在很大程度上决定着金融实体的行为。能够描述或者表征着本质特征的数学理论与方法就会得到充分的应用，而不能描述或表征着本质特征的数学理论与方法将逐渐被“扬弃”或者淘汰；如果数学武器库中尚没有这类武器的话，数学家们就会同金融学家一道去这类武器以满足金融领域的需要。长期以来，人们用以描述金融经济的数学模型从本质上来说只有两类：一类是牛顿(Newton)的决定论模型，即给定初始条件或者状态，则金融经济系统的行为完全确定，第二类是爱因斯坦(Einstein)的随机游动模型或者布朗(Bro~vn)g：动模型。简单地说，即确定性模型和随机性模型。确定性状态和随机性状态也被认为是两种对称的状态。
同时，所用模型的数学形式也基本上是线性的，或者存在非线性也是假设金融系统运行在线性稳定而加以一阶线性化处理，这些似乎成了一种传统和定式。尤其是近30多年来，金融界已分成两派。一派是技术分析学者，相信市场遵从有的周期性循环；而另一派即定量分析学者则认为市场不存在周期性循环。最近的研究利用物中开发出的方法来分析非线性系统，认为真实情况介于两者之间。这样，金融数学至少面临下列四个问题亟待解决：
首先，对金融经济现象的变与动的直觉三性(随机性，模糊性，混沌性)进行综合分析研究，已确定从此到彼得过渡条件、转换机理、演变过程、本质特征、产生结果以及人们所采取的相应的金融对策，尤其是货币政策。
中图分类号：F241 文献标志码：A 文章编号：1673-291X（2012）16-0115-02
随着中国金融业的迅速发展，各类金融机构对金融工程人才的需求也快速上升，金融工程专业成为炙手可热的热门专业。作为培养金融工程人才的财经类院校，却应该深思如何培养市场所真正需要的金融工程人才，如何把金融工程专业的高端人才培养成未来中国金融行业的引领者。
金融工程是一门新兴综合学科，它将工程思维引入金融领域，综合运用各种工程技术设计、开发和实施新的金融产品，创造性的解决各种金融问题。目前世界各国都非常重视金融工程人才的培养，国外很多知名大学都设置了金融工程专业。20世纪90年代中期，金融工程被引进中国，教育部2002年开始批准设立金融工程专业，目前中国有近40所高校设立了金融工程专业，这其中有综合性大学，有工科院校，有财经类院校，金融工程专业的归属院系也五花八门，有的归于金融学院，有的归于管理学院，有的归于数学学院等等，专业课程设置不同，人才培养的理念和模式更不相同。究其原因就在于金融工程本身就是一门交叉学科，没有明确的学科归属，因此不同的学校根据自身的特长和优势去把握方向，从而出现了学校之间在金融工程人才培养模式方面的较大差距。作为财经类院校，应该在借鉴国内外金融工程教学经验的基础上，结合自身的优势，构建发挥自身特色的金融工程人才培养模式。
一、美国大学金融工程专业人才培养的模式借鉴
美国的金融市场是全球最发达的金融市场，同时美国拥有全球最优秀的大学教育，其作为金融工程的发源地对金融工程学的研究是世界一流的。因此本文要首先借鉴美国大学金融工程专业的人才培养模式。美国大学的金融工程专业主要设置在工程学院、数学院和商学院，又因为课程设置是人才培养的核心，所以本文对这三种学院培养模式结合他们的课程设置特点分析他们的金融工程专业人才培养特点。
（一）工程学院的金融工程人才培养
哥伦比亚大学和普林斯顿大学是把金融工程专业设置在工程学院的代表。哥伦比亚大学金融工程专业的特点是主要培养学生运用工程学和统计学的相关技术解决金融实际问题，该校学生必修七门课程，即金融工程随机模型、金融工程统计工具、金融基础原理、金融工程最优化、蒙特卡洛方法、资产定价与投资、连续时间序列，特别强调统计学知识与金融工程知识的融合。该类院校可能定位与高级金融工程师的培养。
（二）数学院的金融工程人才培养
芝加哥大学、斯坦福大学和康乃尔大学是将金融工程专业设置在数学院的代表。这类大学对学生的数学要求很高，学习难度大，侧重于对学生学术理论的培养，课程设置上侧重于数学模型和数学方法，强调定量分析以及对衍生品的设计和定价能力。他们应该定位于培养合格的数理金融理论型人才。
（三）商学院的金融工程人才培养
在美国金融工程专业中排名第一的加州大学伯克利分校就把金融工程专业设置在Hass商学院，Hass商学院还是全美商学院主导下唯一提供金融工程学位计划的学院。Hass商学院的培养模式偏重于实际运用，属于职业导向型教学模式，对学生的理论分析能力要求较低。经济金融领域中实用性较强的课程如公司金融、金融机构分析、金融创新案例、应用金融设计等课程都在Hass商学院金融工程专业的课程设置之内。Hass商学院的定位也很明确，培养适应市场需求的实用型人才，虽然学生并没有掌握数学或统计学的高深知识，但他们有丰富的案例教学和实训经验，毕业后可以较好的适应金融机构的相关工作。
二、中国财经类院校金融工程人才培养特色与目标
（一）财经类院校金融工程人才培养特色
中国财经类院校普遍的特点是具有扎实的财经类课程基础，与业界联系紧密，缺点则在于数理基础薄弱。如果要学习工程学院或数学院的金融工程专业模型，无论是学生素质还是师资力量在短时间内都很困难，所以我们应该根据自己的特长，学习美国商学院的金融工程专业培养模式，强调职业导向型教学，侧重于培养学生在工作中的实干能力。从金融工程学科的形成和发展来看，支持金融工程的理论基础首先是金融理论，然后是其他学科理论，包括现代经济学理论、数学理论、统计学理论、会计学理论、法学理论和税收理论向金融领域的渗透。因此金融经济仍然是金融工程的核心，我们财经类院校在此方面有优势，要以此为特色打造自己的核心竞争力，培养具有较强的金融学、投资学、会计学和管理学理论功底的投资理财型专业人才，突出现有金融工具的运用，为客户提供投资理财和风险管理服务。
（二）财经类院校金融工程人才培养目标
金融工程专业是交叉学科，金融工程专业打造的人才是复合型人才。但结合中国财经类院校的实际，我们的培养目标应该有清晰的定位。对于财经类院校金融工程人才，他们首先应该是具备扎实的经济金融知识，具有一定的数理知识背景，可以熟练运用计算机技术进行数值计算和建立模型的合格的金融人才。这个目标包括两重含义。首先，我们培养的是金融人才，不是数学天才或计算机高手，他们只需适度的数学训练，主要学习金融工程中经常运用的数学方法，不需面面俱到，强调数理方法在金融领域的运用。其次，我们培养的是金融人才中的技术人才，金融工程学科带有技术色彩，这正是它与传统金融学的区别所在，学生应该学会数值计算、建模技巧及金融数据分析能力。
自从戈森定律的兴起，再加上英国的杰文斯、奥地利门格尔和瑞士的瓦尔拉斯在19世纪70年代掀起“边际革命”以来，经济学基础理论便发生了第二次飞跃。经济学基础理论第一次飞跃是由传统的劳动价值论转到基数效用价值论的飞跃，第二次飞跃是基数效用论朝着序数效用论的转换。而序数效用论之萌发也即是人类开始重视心理效用在经济生活中的体现。
20世纪80年代以来，行为经济学的发展如火如荼。行为经济学的兴起与蓬勃发展标志着学者对经济生活中的心理效应的认识的深化和发展。与此同时，作为行为经济学主要的、成功的运用来看，行为金融学在对主流金融学(又称标准金融学)的批判与质疑中成长壮大，在股票市场实践中显示了强大的力量。行为金融理论认为，证券的市场价格并不只由证券自身包含的一些内在因素所决定，而且还在很大程度上受到各参与主体行为的影响,即投资者心理与行为对证券市场的价格决定及其变动具有重大影响。行为金融学的蓬勃发展离不开心理学分析所起的作用。行为金融学融汇了心理学基本原理，其主要表现在信仰（过度自信、乐观主义和如意算盘、代表性、保守主义、确认偏误、定位、记忆偏误）以及偏好(展望理论、模糊规避)在行为金融学的应用。从而，行为金融理论包含两个关键要素：（1）部分投资者由非理性或非标准偏好驱使而做出非理；（2）具有标准偏好的理性投资者无法通过套利活动纠正非理性投资者造成的资产价格偏差。这意味着非理性预期可以长期、实质性地影响金融资产的价格。
从20世纪90年代至今，行为金融学在理论和实证方面的研究都取得了重大进展，从而逐渐为经济学的主流所接受。自诞生起就被奉为经典的现代金融理论受到的挑战一直未停过，主要是行为金融学对其理论前提“理性人假设”、“有效市场假说”的挑战甚为激烈。在对传统主流经济（金融）学的批判中，一大批行为经济（金融）学家成长起来，并获得了世人的承认。主流金融学的不足主要表现在：主流金融资产定价理论在实践和解释金融市场“异象”中遇到了巨大困难。主流金融学--资产定价理论主要包括现代资产组合理论、股票资产定价模型理论及套利定价理论。主流金融学中的资产定价理论是以有效市场假说为隐含前提，建立在数理模型和一系列假设基础之上，不能较好地说明实际投资过程，作为投资决策的依据在实践中也存在较大的不足。而行为金融理论对作为主流金融学理论基石的有效市场假说进行了有力的批驳与质疑。
黄树青在《行为金融学与数理金融学论争》一文中，提到DeBondt和Thaler(1985)、Statman(1995)、Berstein(1996)、以及Shiller(2000)等行为金融学家在不遗余力地为行为金融学呐喊。而行为金融学与数理金融学争论的起点是1973年——1974年纽约城市电力公司取消红利支付导致中小股东扬言采取暴力行动；其争论的核心是市场有效性---过度反应和滞后反应；其争论的新发展主要表现在：行为资产定价模型与资本资产定价模型的对立；行为金融组合理论与马柯维兹资产组合理论的对立；如何看待泡沫与风险补偿的对立等。而刘志阳在《国外行为金融理论述评》（载于《经济学动态》2002年第3期，页码：71——75）一文中，首先指出了EMH理论形成过程中，奥斯本和法玛的贡献最大。奥斯本提出随机游走，法玛在这基础上提出了有效市场假说。接着指出了行为金融理论的发展历史可以概括为以下阶段：（1）早期阶段（2）心理学行为金融阶段（3）金融学行为阶段。并认为行为金融理论的理论基础是：（1）期望理论；（2）行为组合理论。同时，指出了投资行为模型应分类为：（1）BSV模型；（2）DHS模型；（3）HS模型；（4）羊群效应。最后提出了行为金融实证检验：（1）小公司效应；（2）反向投资策略；（3）动态交易策略；（3）成本平均策略和时间分散化策略。而与此同时，学者卫珑在《关于中国资本市场问题的研究综述》（载于《经济学动态》2002年第3期）一文中总结了国内著名专家学者们诸如樊纲、吴晓求、梁定邦、吴敬琏以及厉以宁等人对中国资本市场（包括股票市场）的看法以及他们对其主要问题的研究。但在这一文中，没有丝毫迹象表明这些专家学者们运用行为金融学等基础理论对中国股票市场进行研究，而是总结了这些专家在这方面的定性分析。从中可以保守地推出：至少在中国著名的学者圈子里，引用比较前沿的数量方法来研究中国股票市场的数目不容乐观。换言之，我们还是将国外金融学前沿理论基本处于引入的初级阶段，基本上是对国外的金融学前沿理论做综述而简单介绍之，将其运用到中国资本市场（包括股票市场）的分析很少，做综合分析的就更少。目前，国内学者引入金融学前沿方法对中国股票市场研究的主要有：张本祥（《非线性动力学的理论及其应用——资本市场非线性分析》；吉林出版社2001年11月第1版）；孙博文（《中国股市波动的混沌吸引子的测定与计算》[J]，哈尔滨理工大学学报，2001，5）；金学伟（《用分形理论看当前股市》）等。
除了上面已经提到过的，国外学者运用行为金融学等前沿理论对资本市场（包括股票市场）的研究主要有：Kahneman和Tversky的期望理论；Kahneman和Tversky的遗憾论；Shefrin和Statan的行为资产定价模型和行为金融组合理论；LeRoy和Porter对过度反应的研究；Bernard和Thomas对反应不足的研究；Tversky和Shafir对分离效应的研究；Tversky和Kahneman的可行性试探法的研究等。除此之外，实验经济学的兴起为行为金融学的基础研究和应用研究提供了又一强大武器。实验经济学对经济人理性假设提出了强烈的挑战，使得过去奉为经典的“大数定律”和“大拇指法则”遭受到根本的震撼，从而提出了一个假设：在不同的测度空间下，原有的经济研究将发生面目全非的变化。而这一假设与西方学者们大量引入鞅论、测度论和分形以及流形等理论到股票市场分析当中来是相互呼应的。我们知道，在Grassman空间下与在Hausdorff空间下以及Wiener空间下，同一事物采用不同的标量来刻度得出的结果是不同的，甚至迥然相异。正如在同一反馈函数，对初值的精度稍有不同或者迭代次数不同，得出的结果或许一个是收敛的，一个是混沌的。当然，金融物理学的兴起也促进了金融学研究的革命性变化。金融物理学对经济学的另一个基本假设（信息充分）提出了严重的挑战。关于对这一假设的研究很早的时候就有肯尼斯*J*阿罗的经典著作《信息经济学》，随后又有斯蒂格勒等诺贝尔获得者对二手市场的信息占有的研究；接着到了信息滤波经济理论时代。其主要理论为维纳滤波理论和卡尔曼滤波理论。维纳滤波理论比较集中地表述在维纳——辛钦定理中，其主要是采用偏差反馈方法，用于滤波处理。卡尔曼滤波理论是本世纪60年代初提出来的。1960年和1961年，美籍匈牙利学者卡尔曼和美国学者布希提出了递推滤波算法，成功地将状态变量方法引进滤波理论当中来。目前，对滤波理论在经济学中的拓展做出突出贡献的学者主要有穆斯和卢卡斯等人。穆斯在弗里德曼持久收入基础上提出了信息滤波；卢卡斯在继承魏克塞尔价格理论基础上，考虑了信息滤波与混淆问题。而搜寻理论实际是滤波理论在现实中的一个具体体现；统计滤波理论是以国民经济核算为基础的一种滤波理论。而金融物理学引入纤维束等革命性工具对传统金融学进行改造，也是对原有信息理论分析的一种深化。金融物理学和实验经济学是推动行为金融学向前发展的两个轮子。因为，行为金融学的视角从是行为的角度来考察金融领域的。而分析人类行为，主要从物理的角度和心理的角度来刻画。而金融物理学正是从物理的角度来考察金融问题的，同时另一方面，实验经济学主要是从心理学的角度来考察的。总之，这些领域的基本原理基本上都能在数学上找到比较合适的表达方式，从而推进金融学研究和金融学前沿理论在股票市场的运用所采用的一般形式的数学化。
沿着这些大师们的足迹，我们可以判定：未来的金融实践活动将越来越超乎一般人的设想，金融学前沿理论的应用将越来越综合化。考虑到国内学者现在的研究趋势，对于金融学前沿理论在中国股票市场分析中的应用，大致可以做如下展望：（1）Shefrin和Statan的行为资产定价模型和行为金融组合理论。采用Shefrin和Statan的行为资产定价模型和行为金融组合理论来分析中国股市投资者的选股优化问题；（2）Arrow的风险配置和信息相互关系模型。采用Arrow的风险配置和信息相互关系模型来探析中国股票市场的风险和信息之间的非线性相关性；（3）采用金融物理学中的资金流动态模型来解剖中国股票市场定价问题；（4）利用遍历模型和最优停时模型来探求中国股票市场的漂移系数、股票价格优化以及股市政策效应分析；（5）利用数学模型、非线性模型和混沌模型以及分形模型考察中国股票市场的复杂；（6）利用序方法、卡尔夫算子以及微分流形模型探索中国股票市场的局部均衡问题；（7）利用生物学和心理学基本原理来验证实验经济学在中国股票市场的分析效果。总之，中国学者将金融学前沿理论应用到实际经济工作分析当中来还任重而道远，有待不同学科领域的学者交流合作，去挖掘和探讨金融学前沿理论并将之运用到实践当中来。参考文献：
1、托马斯J萨金特；《动态宏观经济理论》；北京：中国社会科学出版社；1997年10月第1版
2、黄达主编；《货币银行学》；北京：中国人民大学出版社；2000年8月第2版
3、姜波克主编；《国际金融学》；北京：高等教育出版社；1999年8月第1版
4、杨秀琴钱晟编著；《中国税制教程》；北京：中国人民大学出版社；1999年12月第1版
5、陈共主编；《财政学》；北京：中国人民大学出版社；1999年7月第1版
6、蒋殿春编著；《高级微观经济学》；北京：经济管理出版社；2000年9月第1版
7、奥利维尔琼布兰查德斯坦利费希尔著；《宏观经济学高级教程》；北京：经济科学出版社；1998年3月第1版
8、周爱民编著；《高级宏观经济学》；北京：经济管理出版社；2001年2月第1版
9、张定胜编著；《高级微观经济学》；武汉：武汉大学出版社；2000年4月第1版
10、曾诗鸿主编；《西方经济学习题解答》；北京：经济科学出版社；2002年2月第1版
11、KnutSydseterTopicsinMathematicsAnalysisforEconomistsAcademicPressLondon1981
12、郭庆旺编著；《现代经济增长模型比较研究》；东北财经大学出版社；1995年7月第1版
13、卡里尔伊林斯基著；《金融物理学－非均衡定价中的测量建模》；北京：机械工业出版社；2003年4月第1版
14、申曙光等著；《中国保险投资问题研究》；广州：广东经济出版社；2002年1月第1版
15、伍海华等著；《资本市场复杂性》；北京：经济科学出版社；2003年9月第1版
16、劳伦斯克莱因著；《经济理论与经济计量学》；北京：首都经济贸易大学出版社；2000年3月第1版
17、肯尼思阿罗著；《信息经济学》；北京：北京经济学院出版社；1989年3月第1版
自从戈森定律的兴起，再加上英国的杰文斯、奥地利门格尔和瑞士的瓦尔拉斯在19世纪70年代掀起“边际革命”以来，经济学基础理论便发生了第二次飞跃。经济学基础理论第一次飞跃是由传统的劳动价值论转到基数效用价值论的飞跃，第二次飞跃是基数效用论朝着序数效用论的转换。而序数效用论之萌发也即是人类开始重视心理效用在经济生活中的体现。
20世纪80年代以来，行为经济学的发展如火如荼。行为经济学的兴起与蓬勃发展标志着学者对经济生活中的心理效应的认识的深化和发展。与此同时，作为行为经济学主要的、成功的运用来看，行为金融学在对主流金融学(又称标准金融学)的批判与质疑中成长壮大，在股票市场实践中显示了强大的力量。行为金融理论认为，证券的市场价格并不只由证券自身包含的一些内在因素所决定，而且还在很大程度上受到各参与主体行为的影响,即投资者心理与行为对证券市场的价格决定及其变动具有重大影响。行为金融学的蓬勃发展离不开心理学分析所起的作用。行为金融学融汇了心理学基本原理，其主要表现在信仰（过度自信、乐观主义和如意算盘、代表性、保守主义、确认偏误、定位、记忆偏误）以及偏好(展望理论、模糊规避)在行为金融学的应用。从而，行为金融理论包含两个关键要素：（1）部分投资者由非理性或非标准偏好驱使而做出非理；（2）具有标准偏好的理性投资者无法通过套利活动纠正非理性投资者造成的资产价格偏差。这意味着非理性预期可以长期、实质性地影响金融资产的价格。
从20世纪90年代至今，行为金融学在理论和实证方面的研究都取得了重大进展，从而逐渐为经济学的主流所接受。自诞生起就被奉为经典的现代金融理论受到的挑战一直未停过，主要是行为金融学对其理论前提“理性人假设”、“有效市场假说”的挑战甚为激烈。在对传统主流经济（金融）学的批判中，一大批行为经济（金融）学家成长起来，并获得了世人的承认。主流金融学的不足主要表现在：主流金融资产定价理论在实践和解释金融市场“异象”中遇到了巨大困难。主流金融学--资产定价理论主要包括现代资产组合理论、股票资产定价模型理论及套利定价理论。主流金融学中的资产定价理论是以有效市场假说为隐含前提，建立在数理模型和一系列假设基础之上，不能较好地说明实际投资过程，作为投资决策的依据在实践中也存在较大的不足。而行为金融理论对作为主流金融学理论基石的有效市场假说进行了有力的批驳与质疑。
黄树青在《行为金融学与数理金融学论争》一文中，提到DeBondt和Thaler(1985)、Statman(1995)、Berstein(1996)、以及Shiller(2000)等行为金融学家在不遗余力地为行为金融学呐喊。而行为金融学与数理金融学争论的起点是1973年——1974年纽约城市电力公司取消红利支付导致中小股东扬言采取暴力行动；其争论的核心是市场有效性---过度反应和滞后反应；其争论的新发展主要表现在：行为资产定价模型与资本资产定价模型的对立；行为金融组合理论与马柯维兹资产组合理论的对立；如何看待泡沫与风险补偿的对立等。而刘志阳在《国外行为金融理论述评》（载于《经济学动态》2002年第3期，页码：71——75）一文中，首先指出了EMH理论形成过程中，奥斯本和法玛的贡献最大。奥斯本提出随机游走，法玛在这基础上提出了有效市场假说。接着指出了行为金融理论的发展历史可以概括为以下阶段：（1）早期阶段（2）心理学行为金融阶段（3）金融学行为阶段。并认为行为金融理论的理论基础是：（1）期望理论；（2）行为组合理论。同时，指出了投资行为模型应分类为：（1）BSV模型；（2）DHS模型；（3）HS模型；（4）羊群效应。最后提出了行为金融实证检验：（1）小公司效应；（2）反向投资策略；（3）动态交易策略；（3）成本平均策略和时间分散化策略。而与此同时，学者卫珑在《关于中国资本市场问题的研究综述》（载于《经济学动态》2002年第3期）一文中总结了国内著名专家学者们诸如樊纲、吴晓求、梁定邦、吴敬琏以及厉以宁等人对中国资本市场（包括股票市场）的看法以及他们对其主要问题的研究。但在这一文中，没有丝毫迹象表明这些专家学者们运用行为金融学等基础理论对中国股票市场进行研究，而是总结了这些专家在这方面的定性分析。从中可以保守地推出：至少在中国著名的学者圈子里，引用比较前沿的数量方法来研究中国股票市场的数目不容乐观。换言之，我们还是将国外金融学前沿理论基本处于引入的初级阶段，基本上是对国外的金融学前沿理论做综述而简单介绍之，将其运用到中国资本市场（包括股票市场）的分析很少，做综合分析的就更少。目前，国内学者引入金融学前沿方法对中国股票市场研究的主要有：张本祥（《非线性动力学的理论及其应用——资本市场非线性分析》；吉林出版社2001年11月第1版）；孙博文（《中国股市波动的混沌吸引子的测定与计算》[J]，哈尔滨理工大学学报，2001，5）；金学伟（《用分形理论看当前股市》）等。
除了上面已经提到过的，国外学者运用行为金融学等前沿理论对资本市场（包括股票市场）的研究主要有：Kahneman和Tversky的期望理论；Kahneman和Tversky的遗憾论；Shefrin和Statan的行为资产定价模型和行为金融组合理论；LeRoy和Porter对过度反应的研究；Bernard和Thomas对反应不足的研究；Tversky和Shafir对分离效应的研究；Tversky和Kahneman的可行性试探法的研究等。除此之外，实验经济学的兴起为行为金融学的基础研究和应用研究提供了又一强大武器。实验经济学对经济人理性假设提出了强烈的挑战，使得过去奉为经典的“大数定律”和“大拇指法则”遭受到根本的震撼，从而提出了一个假设：在不同的测度空间下，原有的经济研究将发生面目全非的变化。而这一假设与西方学者们大量引入鞅论、测度论和分形以及流形等理论到股票市场分析当中来是相互呼应的。我们知道，在Grassman空间下与在Hausdorff空间下以及Wiener空间下，同一事物采用不同的标量来刻度得出的结果是不同的，甚至迥然相异。正如在同一反馈函数，对初值的精度稍有不同或者迭代次数不同，得出的结果或许一个是收敛的，一个是混沌的。当然，金融物理学的兴起也促进了金融学研究的革命性变化。金融物理学对经济学的另一个基本假设（信息充分）提出了严重的挑战。关于对这一假设的研究很早的时候就有肯尼斯*J*阿罗的经典著作《信息经济学》，随后又有斯蒂格勒等诺贝尔获得者对二手市场的信息占有的研究；接着到了信息滤波经济理论时代。其主要理论为维纳滤波理论和卡尔曼滤波理论。维纳滤波理论比较集中地表述在维纳——辛钦定理中，其主要是采用偏差反馈方法，用于滤波处理。卡尔曼滤波理论是本世纪60年代初提出来的。1960年和1961年，美籍匈牙利学者卡尔曼和美国学者布希提出了递推滤波算法，成功地将状态变量方法引进滤波理论当中来。目前，对滤波理论在经济学中的拓展做出突出贡献的学者主要有穆斯和卢卡斯等人。穆斯在弗里德曼持久收入基础上提出了信息滤波；卢卡斯在继承魏克塞尔价格理论基础上，考虑了信息滤波与混淆问题。而搜寻理论实际是滤波理论在现实中的一个具体体现；统计滤波理论是以国民经济核算为基础的一种滤波理论。而金融物理学引入纤维束等革命性工具对传统金融学进行改造，也是对原有信息理论分析的一种深化。金融物理学和实验经济学是推动行为金融学向前发展的两个轮子。因为，行为金融学的视角从是行为的角度来考察金融领域的。而分析人类行为，主要从物理的角度和心理的角度来刻画。而金融物理学正是从物理的角度来考察金融问题的，同时另一方面，实验经济学主要是从心理学的角度来考察的。总之，这些领域的基本原理基本上都能在数学上找到比较合适的表达方式，从而推进金融学研究和金融学前沿理论在股票市场的运用所采用的一般形式的数学化。
沿着这些大师们的足迹，我们可以判定：未来的金融实践活动将越来越超乎一般人的设想，金融学前沿理论的应用将越来越综合化。考虑到国内学者现在的研究趋势，对于金融学前沿理论在中国股票市场分析中的应用，大致可以做如下展望：（1）Shefrin和Statan的行为资产定价模型和行为金融组合理论。采用Shefrin和Statan的行为资产定价模型和行为金融组合理论来分析中国股市投资者的选股优化问题；（2）Arrow的风险配置和信息相互关系模型。采用Arrow的风险配置和信息相互关系模型来探析中国股票市场的风险和信息之间的非线性相关性；（3）采用金融物理学中的资金流动态模型来解剖中国股票市场定价问题；（4）利用遍历模型和最优停时模型来探求中国股票市场的漂移系数、股票价格优化以及股市政策效应分析；（5）利用数学模型、非线性模型和混沌模型以及分形模型考察中国股票市场的复杂；（6）利用序方法、卡尔夫算子以及微分流形模型探索中国股票市场的局部均衡问题；（7）利用生物学和心理学基本原理来验证实验经济学在中国股票市场的分析效果。总之，中国学者将金融学前沿理论应用到实际经济工作分析当中来还任重而道远，有待不同学科领域的学者交流合作，去挖掘和探讨金融学前沿理论并将之运用到实践当中来。
参考文献：
1、托马斯J萨金特；《动态宏观经济理论》；北京：中国社会科学出版社；1997年10月第1版
2、黄达主编；《货币银行学》；北京：中国人民大学出版社；2000年8月第2版
3、姜波克主编；《国际金融学》；北京：高等教育出版社；1999年8月第1版
4、杨秀琴钱晟编著；《中国税制教程》；北京：中国人民大学出版社；1999年12月第1版
5、陈共主编；《财政学》；北京：中国人民大学出版社；1999年7月第1版
6、蒋殿春编著；《高级微观经济学》；北京：经济管理出版社；2000年9月第1版
7、奥利维尔琼布兰查德斯坦利费希尔著；《宏观经济学高级教程》；北京：经济科学出版社；1998年3月第1版
8、周爱民编著；《高级宏观经济学》；北京：经济管理出版社；2001年2月第1版
9、张定胜编著；《高级微观经济学》；武汉：武汉大学出版社；2000年4月第1版
10、曾诗鸿主编；《西方经济学习题解答》；北京：经济科学出版社；2002年2月第1版
11、KnutSydseterTopicsinMathematicsAnalysisforEconomistsAcademicPressLondon1981
12、郭庆旺编著；《现代经济增长模型比较研究》；东北财经大学出版社；1995年7月第1版
13、卡里尔伊林斯基著；《金融物理学－非均衡定价中的测量建模》；北京：机械工业出版社；2003年4月第1版
14、申曙光等著；《中国保险投资问题研究》；广州：广东经济出版社；2002年1月第1版
15、伍海华等著；《资本市场复杂性》；北京：经济科学出版社；2003年9月第1版
16、劳伦斯克莱因著；《经济理论与经济计量学》；北京：首都经济贸易大学出版社；2000年3月第1版
17、肯尼思阿罗著；《信息经济学》；北京：北京经济学院出版社；1989年3月第1版
18、L.schoonbeek,E.SterkenandS.K.Kuipersedited;MethodsandApplicationsofEconomicDynamics;North-Holland;1995
