席勒對股票市場預測

『壹』 諾貝爾經濟學獎得主席勒對比特幣看法如何

諾貝爾經濟學獎獲得者、知名經濟學家羅伯特·席勒最近接受了CNBC旗下Trading Nation欄目的采訪，並發表了對比特幣（BTC）的看法。他認為，比特幣可能是一個泡沫，但這並不意味著它將會破滅或永遠消失。

最近，矽谷知名投資人Tim Draper預測到2022年比特幣價格可能達到25萬美元。

『貳』 尤金法瑪與席勒為什麼能同時獲得諾貝爾經濟學獎

尤金法瑪與席勒同時獲得諾貝爾經濟學獎的原因是他們研究的領域相近。

『叄』 技術分析的股市分析方法概述

人類對於股市波動邏輯的認知，是一個極具挑戰性的世界級難題，迄今為止尚沒有任何一種理論和方法是令人信服、經得起時間檢驗的——2013年10月14日，瑞典皇家科學院在授予美國經濟學家尤金·法瑪、拉爾斯·皮特·漢森以及羅伯特·席勒該年度諾貝爾經濟學獎時指出：幾乎沒有什麼方法能准確預測未來幾天或幾周股市債市的走向，但也許可以通過研究對三年以上的價格進行預測。
目前，從科學範式視角來劃分，股票投資的分析方法主要有如下三種：基本分析、技術分析、演化分析。
股票市場是一個動態演變的巨型、復雜的生態系統，一個多空資金爾虞我詐、弱肉強食的「斗獸場」，其生存競爭策略和手段，復雜多變而且無所不用其極。上述三種分析方法的研究對象，都只側重於市場運作的某一特定領域，都有其合理性和局限性，但它們對於全面認識市場又都是必不可少的；這三種方法所依賴的理論基礎、前提假設、範式結構各不相同，在實際應用中它們之間既相互聯系，又有重要區別。
相互聯系之處，主要表現在投資決策的具體操作層面——技術分析要有基本分析的支持，才能避免「緣木求魚」，而技術分析和基本分析要納入演化分析的基本框架，才能提高其科學性、適用性、時效性和可靠性！
重要區別之處，主要體現在如何理解人與市場關系的哲學層面——技術分析派認為市場是對的，股價走勢已經包含了所有有用的信息，其基本理念是「順勢而為並及時糾錯」；基本分析派認為他們自己的分析是對的，市場出錯會經常發生，其基本理念是利用市場出錯機會「低價買入並長期持有」；演化分析派則從生命科學原理和生物進化思想出發，認為市場和投資者的對與錯，無論在形式和內容上（企業價值、市場估值），還是在時間和空間上（高估低估、超買超賣），都不存在絕對、普世、恆定、統一的評判標准，而是很大程度上取決於人性弱點與市場生態的協同演化進程，其基本理念是「一切以生物本能與進化法則考量為前提」。
(1)基本分析（Fundamental Analysis ）：以企業價值作為主要研究對象，通過對決定企業內在價值和影響股票價格的宏觀經濟形勢、行業發展前景、企業經營狀況等進行詳盡分析，以大概測算上市公司的長期投資價值和安全邊際，並與當前的股票價格進行比較，形成相應的投資建議。基本分析認為股價波動不可能被准確預測，而只能在有足夠安全邊際的情況下買入股票並長期持有。
(2)技術分析（Technical Analysis）：以股票價格作為主要研究對象，以預測股價波動趨勢為主要目的，從股價變化的歷史圖表入手，對股票市場波動規律進行分析的方法總和。技術分析認為市場行為包容消化一切，股價波動可以定量分析和預測，如道氏理論、波浪理論、江恩理論等。
(3)演化分析（Evolutionary Analysis）：以股市波動的生命運動特性作為主要研究對象，從股市的代謝性、趨利性、適應性、可塑性、應激性、變異性和周期性等方面入手，歸納總結出股市演化高勝算博弈的精髓，對市場波動方向與空間進行動態跟蹤研究，為股票交易決策提供機會和風險評估的方法總和。演化分析認為，除非投資者對股市運作邏輯及人性弱點具有天才的洞察力，並且自身具備完善的心智模式、超凡的心理素質和行為管理能力，加上不可或缺的運氣成分（偶然性因素），否則，任何針對市場短期波動軌跡進行定量分析、預測及策略實施的努力，都是徒勞無功的。因此，它更多聚焦於幫助普通投資者建立一種科學觀察和理解股市波動邏輯的全新分析框架，有效擺脫對市場中各種復雜因果關系理解的表面化、簡單化、理想化傾向，真正突破機械論的思維定式和傳統方法的局限性、片面性，優先專注、准確把握市場演化的中期波動規律及其博弈策略，對市場的中期或重大波動行情做出正確判斷，以達成持續穩健獲利的目標。
由於演化分析的理論和方法，植根於中國本土市場的長期研究與實踐，而且以市場生態為重要研究導向，因此對於真正深刻理解中國特色股票市場的運行規律，構建適合中國市場環境的博弈策略框架，具有無可比擬的優勢。
需要強調指出的是，由於受到機械論思維定式的限制、以及各種有著致命缺陷的投資理論的影響，投資者在具體決策過程中，面臨著許多誤區與困境，其中最常見的誤區，就是在認識論上復雜問題簡單化，在方法論上卻又簡單問題復雜化；最主要的困境在於，技術分析的有效性和可靠性實屬「此一時彼一時」，其科學性和邏輯性一直受到廣泛質疑，而基本分析的客觀性顯然是「見仁見智」，其適用性、時效性、可行性也受到嚴峻挑戰。演化分析以生物本能和進化法則作為思考依據，可以幫助我們規避技術分析和基本分析的諸多盲區與陷阱。雖然目前在學術表達上存在一定困難，無法做到直觀明了，但其應用效果顯著，這在中國股市裡表現得尤為突出。
這是因為，股票市場作為一個動態演變的巨型、復雜的生態系統，股價波動K線形態不過是市場演化機制的一種直觀、外在表現形式而已，向左看似乎一目瞭然，向右看卻如入迷宮而不知所措，只有把它納入股市波動的內在屬性（如變異性、應激性、逐利性、適應性等）分析框架內，才能賦予高勝算博弈的基礎和前提；同時，由於投資者知識、視野、能力具有明顯的局限性，市場信息不對稱現象和企業發展狀況的不確定性也普遍存在，加上生存競爭壓力和人性固有弱點的共同影響，人們所謂的企業價值及合理估值，不僅其客觀性值得商榷，而且會隨著市場生態和價值觀取向的演化而不斷變化，它與股價波動之間，往往可在相當長的時期內都不存在因果關系，即「好公司不等於好股票」，只有把基本分析納入股市運動的內在屬性（如代謝性、變異性、可塑性、節律性等）分析框架內，才能為普通投資者提供現實可行的幫助。

『肆』 如何用大數據炒股

我們如今生活在一個數據爆炸的世界裡。網路每天響應超過60億次的搜索請求，日處理數據超過100PB，相當於6000多座中國國家圖書館的書籍信息量總和。新浪微博每天都會發布上億條微博。在荒無人煙的郊外，暗藏著無數大公司的信息存儲中心，24小時夜以繼日地運轉著。
克托·邁爾-舍恩伯格在《大數據時代》一書中認為，大數據的核心就是預測，即只要數據豐富到一定程度，就可預測事情發生的可能性。例如，「從一個人亂穿馬路時行進的軌跡和速度來看他能及時穿過馬路的可能性」，或者通過一個人穿過馬路的速度，預測車子何時應該減速從而讓他及時穿過馬路。

那麼，如果把這種預測能力應用在股票投資上，又會如何？

目前，美國已經有許多對沖基金採用大數據技術進行投資，並且收獲甚豐。中國的中證廣發網路百發100指數基金（下稱百發100），上線四個多月以來已上漲68%。

和傳統量化投資類似，大數據投資也是依靠模型，但模型里的數據變數幾何倍地增加了，在原有的金融結構化數據基礎上，增加了社交言論、地理信息、衛星監測等非結構化數據，並且將這些非結構化數據進行量化，從而讓模型可以吸收。

由於大數據模型對成本要求極高，業內人士認為，大數據將成為共享平台化的服務，數據和技術相當於食材和鍋，基金經理和分析師可以通過平台製作自己的策略。

量化非結構數據

不要小看大數據的本領，正是這項剛剛興起的技術已經創造了無數「未卜先知」的奇跡。

2014年，網路用大數據技術預測命中了全國18卷中12卷高考作文題目，被網友稱為「神預測」。網路公司人士表示，在這個大數據池中，包含互聯網積累的用戶數據、歷年的命題數據以及教育機構對出題方向作出的判斷。

在2014年巴西世界盃比賽中，Google亦通過大數據技術成功預測了16強和8強名單。

從當年英格蘭報社的信鴿、費城股票交易所的信號燈到報紙電話，再到如今的互聯網、雲計算、大數據，前沿技術迅速在投資領域落地。在股票策略中，大數據日益嶄露頭角。

做股票投資策略，需要的大數據可以分為結構化數據和非結構化數據。結構化數據，簡單說就是「一堆數字」，通常包括傳統量化分析中常用的CPI、PMI、市值、交易量等專業信息；非結構化數據就是社交文字、地理位置、用戶行為等「還沒有進行量化的信息」。

量化非結構化就是用深度模型替代簡單線性模型的過程，其中所涉及的技術包括自然語言處理、語音識別、圖像識別等。

金融大數據平台-通聯數據CEO王政表示，通聯數據採用的非結構化數據可以分為三類：第一類和人相關，包括社交言論、消費、去過的地點等；第二類與物相關，如通過正在行駛的船隻和貨車判斷物聯網情況；第三類則是衛星監測的環境信息，包括汽車流、港口裝載量、新的建築開工等情況。

衛星監測信息在美國已被投入使用，2014年Google斥資5億美元收購了衛星公司Skybox，從而可以獲得實施衛星監測信息。

結構化和非結構化數據也常常相互轉化。「結構化和非結構化數據可以形象理解成把所有數據裝在一個籃子里，根據應用策略不同相互轉化。例如，在搜索頻率調查中，用戶搜索就是結構化數據；在金融策略分析中，用戶搜索就是非結構化數據。」網路公司人士表示。

華爾街拿著豐厚薪水的分析師們還不知道，自己的僱主已經將大量資本投向了取代自己的機器。
2014年11月23日，高盛向Kensho公司投資1500萬美元，以支持該公司的大數據平台建設。該平台很像iPhone里的Siri，可以快速整合海量數據進行分析，並且回答投資者提出的各種金融問題，例如「下月有颶風，將對美國建材板塊造成什麼影響？」

在Kensho處理的信息中，有80%是「非結構化」數據，例如政策文件、自然事件、地理環境、科技創新等。這類信息通常是電腦和模型難以消化的。因此，Kensho的CEO Daniel Nadler認為，華爾街過去是基於20%的信息做出100%的決策。

既然說到高盛，順便提一下，這家華爾街老牌投行如今對大數據可謂青睞有加。除了Kensho，高盛還和Fortress信貸集團在兩年前投資了8000萬美元給小額融資平台On Deck Capital。這家公司的核心競爭力也是大數據，它利用大數據對中小企業進行分析，從而選出值得投資的企業並以很快的速度為之提供短期貸款。

捕捉市場情緒

上述諸多非結構化數據，歸根結底是為了獲得一個信息：市場情緒。

在采訪中，2013年諾貝爾經濟學獎得主羅伯特•席勒的觀點被無數采訪對象引述。可以說，大數據策略投資的創業者們無一不是席勒的信奉者。

席勒於上世紀80年代設計的投資模型至今仍被業內稱道。在他的模型中，主要參考三個變數：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應（市場情緒）。他認為，市場本身帶有主觀判斷因素，投資者情緒會影響投資行為，而投資行為直接影響資產價格。
然而，在大數據技術誕生之前，市場情緒始終無法進行量化。

回顧人類股票投資發展史，其實就是將影響股價的因子不斷量化的過程。

上世紀70年代以前，股票投資是一種定性的分析，沒有數據應用，而是一門主觀的藝術。隨著電腦的普及，很多人開始研究驅動股價變化的規律，把傳統基本面研究方法用模型代替，市盈率、市凈率的概念誕生，量化投資由此興起。

量化投資技術的興起也帶動了一批華爾街大鱷的誕生。例如，巴克萊全球投資者（BGI）在上世紀70年代就以其超越同行的電腦模型成為全球最大的基金管理公司；進入80年代，另一家基金公司文藝復興（Renaissance）年均回報率在扣除管理費和投資收益分成等費用後仍高達34%，堪稱當時最佳的對沖基金，之後十多年該基金資產亦十分穩定。

「從主觀判斷到量化投資，是從藝術轉為科學的過程。」王政表示，上世紀70年代以前一個基本面研究員只能關注20隻到50隻股票，覆蓋面很有限。有了量化模型就可以覆蓋所有股票，這就是一個大的飛躍。此外，隨著計算機處理能力的發展，信息的用量也有一個飛躍變化。過去看三個指標就夠了，現在看的指標越來越多，做出的預測越來越准確。

隨著21世紀的到來，量化投資又遇到了新的瓶頸，就是同質化競爭。各家機構的量化模型越來越趨同，導致投資結果同漲同跌。「能否在看到報表數據之前，用更大的數據尋找規律？」這是大數據策略創業者們試圖解決的問題。

於是，量化投資的多米諾骨牌終於觸碰到了席勒理論的第三層變數——市場情緒。

計算機通過分析新聞、研究報告、社交信息、搜索行為等，藉助自然語言處理方法，提取有用的信息；而藉助機器學習智能分析，過去量化投資只能覆蓋幾十個策略，大數據投資則可以覆蓋成千上萬個策略。

基於互聯網搜索數據和社交行為的經濟預測研究，已逐漸成為一個新的學術熱點，並在經濟、社會以及健康等領域的研究中取得了一定成果。在資本市場應用上，研究發現搜索數據可有效預測未來股市活躍度（以交易量指標衡量）及股價走勢的變化。

海外就有學術研究指出，公司的名稱或者相關關鍵詞的搜索量，與該公司的股票交易量正相關。德國科學家Tobias Preis就進行了如此研究：Tobias利用谷歌搜索引擎和谷歌趨勢（Google Trends），以美國標普500指數的500隻股票為其樣本，以2004年至2010年為觀察區間，發現谷歌趨勢數據的公司名稱搜索量和對應股票的交易量，在每周一次的時間尺度上有高度關聯性。也就是說，當某個公司名稱在谷歌的搜索量活動增加時，無論股票的價格是上漲或者下跌，股票成交量與搜索量增加；反之亦然，搜索量下降，股票成交量下降。以標普500指數的樣本股為基礎，依據上述策略構建的模擬投資組合在六年的時間內獲得了高達329%的累計收益。

在美國市場上，還有多家私募對沖基金利用Twitter和Facebook的社交數據作為反映投資者情緒和市場趨勢的因子，構建對沖投資策略。利用互聯網大數據進行投資策略和工具的開發已經成為世界金融投資領域的新熱點。

保羅·霍丁管理的對沖基金Derwent成立於2011年5月，注冊在開曼群島，初始規模約為4000萬美元， 2013年投資收益高達23.77%。該基金的投資標的包括流動性較好的股票及股票指數產品。
通聯數據董事長肖風在《投資革命》中寫道，Derwent的投資策略是通過實時跟蹤Twitter用戶的情緒，以此感知市場參與者的「貪婪與恐懼」，從而判斷市場漲跌來獲利。

在Derwent的網頁上可以看到這樣一句話：「用實時的社交媒體解碼暗藏的交易機會。」保羅·霍丁在基金宣傳冊中表示：「多年以來，投資者已經普遍接受一種觀點，即恐懼和貪婪是金融市場的驅動力。但是以前人們沒有技術或數據來對人類情感進行量化。這是第四維。Derwent就是要通過即時關注Twitter中的公眾情緒，指導投資。」

另一家位於美國加州的對沖基金MarketPsych與湯普森·路透合作提供了分布在119個國家不低於18864項獨立指數，比如每分鍾更新的心情狀態（包括樂觀、憂郁、快樂、害怕、生氣，甚至還包括創新、訴訟及沖突情況等），而這些指數都是通過分析Twitter的數據文本，作為股市投資的信號。

此類基金還在不斷涌現。金融危機後，幾個台灣年輕人在波士頓組建了一家名為FlyBerry的對沖基金，口號是「Modeling the World（把世界建模）」。它的投資理念全部依託大數據技術，通過監測市場輿論和行為，對投資做出秒速判斷。

關於社交媒體信息的量化應用，在股票投資之外的領域也很常見：Twitter自己也十分注重信息的開發挖掘，它與DataSift和Gnip兩家公司達成了一項出售數據訪問許可權的協議，銷售人們的想法、情緒和溝通數據，從而作為顧客的反饋意見匯總後對商業營銷活動的效果進行判斷。從事類似工作的公司還有DMetics，它通過對人們的購物行為進行分析，尋找影響消費者最終選擇的細微原因。

回到股票世界，利用社交媒體信息做投資的公司還有StockTwits。打開這家網站，首先映入眼簾的宣傳語是「看看投資者和交易員此刻正如何討論你的股票」。正如其名，這家網站相當於「股票界的Twitter」，主要面向分析師、媒體和投資者。它通過機器和人工相結合的手段，將關於股票和市場的信息整理為140字以內的短消息供用戶參考。

此外，StockTwits還整合了社交功能，並作為插件可以嵌入Twitter、Facebook和LinkedIn等主要社交平台，讓人們可以輕易分享投資信息。

另一家公司Market Prophit也很有趣。這家網站的宣傳語是「從社交媒體噪音中提煉市場信號」。和StockTwits相比，Market Prophit更加註重大數據的應用。它採用了先進的語義分析法，可以將Twitter里的金融對話量化為「-1（極度看空）」到「1（極度看多）」之間的投資建議。網站還根據語義量化，每天公布前十名和後十名的股票熱度榜單。網站還設計了「熱度地圖」功能，根據投資者情緒和意見，按照不同板塊，將板塊內的個股按照顏色深淺進行標注，誰漲誰跌一目瞭然。

中國原創大數據指數

盡管大數據策略投資在美國貌似炙手可熱，但事實上，其應用尚僅限於中小型對沖基金和創業平台公司。大數據策略投資第一次被大規模應用，應歸於中國的百發100。

網路金融中心相關負責人表示，與歐美等成熟資本市場主要由理性機構投資者構成相比，東亞尤其是中國的股票類證券投資市場仍以散戶為主，因此市場受投資者情緒和宏觀政策性因素影響很大。而個人投資者行為可以更多地反映在互聯網用戶行為大數據上，從而為有效地預測市場情緒和趨勢提供了可能。這也就是中國國內公募基金在應用互聯網大數據投資方面比海外市場並不落後、甚至領先的原因。

百發100指數由網路、中證指數公司、廣發基金聯合研發推出，於2014年7月8日正式對市場發布，實盤運行以來一路上漲，漲幅超過60%。跟蹤該指數的指數基金規模上限為30億份，2014年9月17日正式獲批，10月20日發行時一度創下26小時瘋賣18億份的「神話」。

外界都知道百發100是依託大數據的指數基金，但其背後的細節鮮為人知。

百發100數據層面的分析分為兩個層面，即數據工廠的數據歸集和數據處理系統的數據分析。其中數據工廠負責大數據的收集分析，例如將來源於互聯網的非結構化數據進行指標化、產品化等數據量化過程；數據處理系統，可以在數據工廠遞交的大數據中尋找相互統計關聯，提取有效信息，最終應用於策略投資。

「其實百發100是在傳統量化投資技術上融合了基於互聯網大數據的市場走勢和投資情緒判斷。」業內人士概括道。

和傳統量化投資類似，百發100對樣本股的甄選要考慮財務因子、基本面因子和動量因子，包括凈資產收益率（ROE）、資產收益率（ROA）、每股收益增長率（EPS）、流動負債比率、企業價值倍數（EV/EBITDA）、凈利潤同比增長率、股權集中度、自由流通市值以及最近一個月的個股價格收益率和波動率等。

此外，市場走勢和投資情緒是在傳統量化策略基礎上的創新產物，也是百發100的核心競爭力。接近網路的人士稱，市場情緒因子對百發100基金起決定性作用。

網路金融中心相關負責人是羅伯特•席勒觀點的支持者。他認為，投資者行為和情緒對資產價格、市場走勢有著巨大的影響。因此「通過互聯網用戶行為大數據反映的投資市場情緒、宏觀經濟預期和走勢，成為百發100指數模型引入大數據因子的重點」。

傳統量化投資主要著眼點在於對專業化金融市場基本面和交易數據的應用。但在網路金融中心相關業務負責人看來，無論是來源於專業金融市場的結構化數據，還是來源於互聯網的非結構化數據，都是可以利用的數據資源。因此，前文所述的市場情緒數據，包括來源於互聯網的用戶行為、搜索量、市場輿情、宏觀基本面預期等等，都被網路「變廢為寶」，從而通過互聯網找到投資者參與特徵，選出投資者關注度較高的股票。

「與同期滬深300指數的表現相較，百發100更能在股票市場振盪時期、行業輪動劇烈時期、基本面不明朗時期抓住市場熱點、了解投資者情緒、抗擊投資波動風險。」網路金融中心相關負責人表示。

百發100選取的100隻樣本股更換頻率是一個月，調整時間為每月第三周的周五。

業內人士指出，百發100指數的月收益率與中證100、滬深300、中證500的相關性依次提升，說明其投資風格偏向中小盤。

但事實並非如此。從樣本股的構成來說，以某一期樣本股為例，樣本股總市值6700億元，佔A股市值4.7%。樣本股的構成上，中小板21隻，創業板4隻，其餘75隻樣本股均為大盤股。由此可見，百發100還是偏向大盤為主、反映主流市場走勢。

樣本股每個月的改變比例都不同，最極端的時候曾經有60%進行了換倉。用大數據預測熱點變化，市場熱點往往更迭很快；但同時也要考慮交易成本。兩方面考慮，網路最後測算認為一個月換一次倉位為最佳。

樣本股對百發100而言是核心機密——據說「全世界只有基金經理和指數編制機構負責人兩個人知道」——都是由機器決定後，基金經理分配給不同的交易員建倉買入。基金經理也沒有改變樣本股的權利。

展望未來，網路金融中心相關負責人躊躇滿志，「百發100指數及基金的推出，只是我們的開端和嘗試，未來將形成多樣化、系列投資產品。」

除了百發100，目前市場上打著大數據旗幟的基金還有2014年9月推出的南方-新浪I100和I300指數基金。

南方-新浪I100和I300是由南方基金、新浪財經和深圳證券信息公司三方聯合編制的。和百發100類似，也是按照財務因子和市場情緒因子進行模型打分，按照分值將前100和前300名股票構成樣本股。推出至今，這兩個指數基金分別上漲了10%左右。

正如百發100的市場情緒因子來自網路，南方-新浪I100和I300的市場情緒因子全部來自新浪平台。其中包括用戶在新浪財經對行情的訪問熱度、對股票的搜索熱度；用戶在新浪財經對股票相關新聞的瀏覽熱度；股票相關微博的多空分析數據等。

此外，阿里巴巴旗下的天弘基金也有意在大數據策略上做文章。據了解，天弘基金將和阿里巴巴合作，推出大數據基金產品，最早將於2015年初問世。

天弘基金機構產品部總經理劉燕曾對媒體表示，「在傳統的調研上，大數據將貢獻於基礎資產的研究，而以往過度依賴線下研究報告。大數據將視野拓展至了線上的數據分析，給基金經理選股帶來新的邏輯。」

在BAT三巨頭中，騰訊其實是最早推出指數基金的。騰訊與中證指數公司、濟安金信公司合作開發的「中證騰安價值100指數」早在2013年5月就發布了，號稱是國內第一家由互聯網媒體與專業機構編制發布的A股指數。不過，業內人士表示，有關指數並沒有真正應用大數據技術。雖然騰訊旗下的微信是目前最熱的社交平台，蘊藏了大量的社交數據，但騰訊未來怎麼開發，目前還並不清晰。

大數據投資平台化

中歐商學院副教授陳威如在其《平台戰略》一書中提到，21世紀將成為一道分水嶺，人類商業行為將全面普及平台模式，大數據金融也不例外。

然而，由於大數據模型對成本要求極高，就好比不可能每家公司都搭建自己的雲計算系統一樣，讓每家機構自己建設大數據模型，從數據來源和處理技術方面看都是不現實的。業內人士認為，大數據未來必將成為平台化的服務。

目前，阿里、網路等企業都表示下一步方向是平台化。

螞蟻金服所致力搭建的平台，一方麵包括招財寶一類的金融產品平台，另一方麵包括雲計算、大數據服務平台。螞蟻金服人士說，「我們很清楚自己的優勢不是金融，而是包括電商、雲計算、大數據等技術。螞蟻金服希望用這些技術搭建一個基礎平台，把這些能力開放出去，供金融機構使用。」

網路亦是如此。接近網路的人士稱，未來是否向平台化發展，目前還在討論中，但可以確定的是，「網路不是金融機構，目的不是發產品，百發100的意義在於打造影響力，而非經濟效益。」
當BAT還在摸索前行時，已有嗅覺靈敏者搶佔了先機，那就是通聯數據。

通聯數據股份公司（DataYes）由曾任博時基金副董事長肖風帶隊創建、萬向集團投資成立，總部位於上海，公司願景是「讓投資更容易，用金融服務雲平台提升投資管理效率和投研能力」。該平台7月上線公測，目前已擁有130多家機構客戶，逾萬名個人投資者。

通聯數據目前有四個主要平台，分別是通聯智能投資研究平台、通聯金融大數據服務平台、通聯多資產投資管理平台和金融移動辦公平台。

通聯智能投資研究平台包括雅典娜-智能事件研究、策略研究、智能研報三款產品，可以對基於自然語言的智能事件進行策略分析，實時跟蹤市場熱點，捕捉市場情緒。可以說，和百發100類似，其核心技術在於將互聯網非結構化數據的量化使用。

通聯金融大數據服務平台更側重於專業金融數據的分析整理。它可以提供公司基本面數據、國內外主要證券、期貨交易所的行情數據、公司公告數據、公關經濟、行業動態的結構化數據、金融新聞和輿情的非結構化數據等。

假如將上述兩個平台比作「收割機」，通聯多資產投資管理平台就是「廚房」。在這個「廚房」里，可以進行全球跨資產的投資組合管理方案、訂單管理方案、資產證券化定價分析方案等。

通聯數據可以按照主題熱點或者自定義關鍵字進行分析，構建知識圖譜，將相關的新聞和股票提取做成簡潔的分析框架。例如用戶對特斯拉感興趣，就可以通過主題熱點看到和特斯拉相關的公司，並判斷這個概念是否值得投資。「過去這個搜集過程要花費幾天時間，現在只需要幾分鍾就可以完成。」王政表示。

「通聯數據就好比一家餐館，我們把所有原料搜集來、清洗好、准備好，同時准備了一個鍋，也就是大數據存儲平台。研究員和基金經理像廚師一樣，用原料、工具去『烹制』自己的策略。」王政形容道。

大數據在平台上扮演的角色，就是尋找關聯關系。人類總是習慣首先構建因果關系，繼而去倒推和佐證。機器學習則不然，它可以在海量數據中查獲超越人類想像的關聯關系。正如維克托`邁爾-舍恩伯格在《大數據時代》中所提到的，社會需要放棄它對因果關系的渴求，而僅需關注相互關系。

例如，美國超市沃爾瑪通過大數據分析，發現颶風用品和蛋撻擺在一起可以提高銷量，並由此創造了頗大的經濟效益。如果沒有大數據技術，誰能將這毫無關聯的兩件商品聯系在一起？
通聯數據通過機器學習，也能找到傳統量化策略無法發現的市場聯系。其中包括各家公司之間的資本關系、產品關系、競爭關系、上下游關系，也包括人與人之間的關系，例如管理團隊和其他公司有沒有關聯，是否牽扯合作等。

未來量化研究員是否將成為一個被淘汰的職業？目前研究員的主要工作就是收集整理數據，變成投資決策，而之後這個工作將更多由機器完成。

「當初醫療科技發展時，人們也認為醫生會被淘汰，但其實並不會。同理，研究員也會一直存在，但他們會更注重深入分析和調研，初級的數據搜集可以交給機器完成。」王政表示。
但當未來大數據平台並廣泛應用後，是否會迅速擠壓套利空間？這也是一個問題。回答根據網上資料整理

『伍』 什麼是股票常識中的江恩波動法則呢

人類對於股市波動邏輯的認知，是一個極富挑戰性的世界級難題。迄今為止，尚沒有任何一種理論和方法能夠令人信服並且經得起時間檢驗--2013年10月14日，瑞典皇家科學院在授予美國經濟學家尤金·法瑪、拉爾斯·皮特·漢森以及羅伯特·席勒該年度諾貝爾經濟學獎時，明確指出:幾乎沒有什麼方法能准確預測未來幾天或幾周股市債市的走向，但也許可以通過研究對三年以上的價格進行預測。

股票投資的分析方法主要有如下三種:基本分析、技術分析、演化分析。它們之間既相互聯系，又有重要區別。相互聯系之處，主要表現在投資決策的具體應用層面--技術分析要有基本分析的支持，才能避免"緣木求魚"，而技術分析和基本分析要納入演化分析的基本框架，才能提高其科學性、適用性、有效性和可靠性!

重要區別之處，主要體現在如何理解人與市場關系的哲學層面--技術分析派認為市場是對的，股價走勢已經包含了所有有用的信息，其基本理念是"順勢而為並及時糾錯";基本分析派認為他們自己的分析是對的，市場出錯會經常發生，其基本理念是利用市場出錯機會"低價買入並長期持有";演化分析派則認為市場和投資者的對與錯，無論在時間和空間上，還是在形式和內容上，都不存在普世、恆定、統一的評判標准，而是很大程度上取決於人性弱點與市場生態的協同演化進程，其基本理念是"一切以生物本能與進化法則考量為前提"。

需要強調指出的是，由於受到機械論的思維定式和各種先入為主的理論或方法的嚴重影響，投資者在股票交易決策活動中，存在著許多誤區與困境，其中最常見的誤區，就是在認識論上復雜問題簡單化，在方法論上卻又簡單問題復雜化;最主要的困境在於，技術分析的有效性"此一時彼一時"已實屬常態，其科學性和可靠性一直受到廣泛質疑，而基本分析的客觀性顯然是"見仁見智"，其適用性、准確性、可行性也受到嚴峻挑戰。

『陸』 基於微信大數據的股票預測研究

基於微信大數據的股票預測研究
大數據是近些年來的熱門話題，無論國際上還是國內，影響很大。經濟學、政治學、社會學和許多科學門類都會發生巨大甚至是本質上的變化和發展，進而影響人類的價值體系、知識體系和生活方式。而全球經濟目前生成了史無前例的大量數據，如果把每天產生的大量數據比作神話時期的大洪水是完全正確的，這個數據洪流是我們前所未見的，他是全新的、強大的、當然，也是讓人恐慌但又極端刺激的。
而我所分享的話題，正是在互聯網環境下，如何利用大數據技術，進行股票預測的研究。–今天，我想分享我認為有意義的四點。
1.大數據下的商業預測
根據大數據，我們可以有效地進行故障、人流、流量、用電量、股票市場、疾病預防、交通、食物配送、產業供需等方面的預測。而本文我們所關心的內容是股票市場的預測。
大數據的核心是預測，預測依賴於對數據的分析。那麼分析的方法是否是基於隨機采樣的結果而設計的，這樣的分析方法是否會有誤差？
從傳統認識上，由於資源和科技的局限，如人和計算資源受限、從計算機處理能力來講無法處理全部數據來獲取人們所關注的結果。因此隨機采樣應運而生，通過所選取的個體來代表全體，如使用隨機抽取的方式來使得推論結果更科學。但既然提到了大數據，它是資源發展到一定程度、以及技術發展到一定階段產生的一個新的認識。如同電力的出現，使人類進入了一個快速發展階段，大數據也一樣，它的含義是全體樣本，從整體樣本來做推論。在本文大數據的含義是所有股票在整個社交網路上的流動信息，從數據源上講，本文沒有採用所有社交網路上的數據，只分析了微信這個最具代表性的社交媒體作為信息源。
互動數據能反映用戶情緒，搜索數據能反映用戶的關注點和意圖，在股市預測時這兩種數據哪種更具有參考價值？
我認為都有價值，互動數據反映了用戶對某一特定股票的喜好和厭惡，可以簡單描述為對該股票的操作是繼續持有還是賣出；而搜索數據則代表用戶在收集該股票信息的過程，它是關注度的概念，某隻股票搜索度高則意味著消息的影響力大。互動代表著方向，搜索代表著振幅。
我們知道這兩種數據得出的結論會有差異，您是如何平衡這兩種數據反映的情況來進行預測的？
正如上一個問題里提到的，如果是股票推薦，買進賣出等原則問題，則應該考慮互動數據，但如果已經買到手了，搜索數據可以提供一個幅度的概念，類似債券評級A級、AA級、AAA級等，供投資者參考，因為不同投資者對風險的承受度是不同的。
將股票和市場的消息整理成140字的短消息發布，是否意味著主要發布渠道是微博？現在微信公眾號很火，有沒有考慮通過這個渠道也發布消息？
事實上，信息傳播的方式很多，微信作為新媒體當然影響力不容小覷，但目前技術投入最小的還是郵件、簡訊等方式，未來會考慮使用公眾號來推送股票和市場消息。
如果在未來通過微信公眾號推送消息，那麼推送的消息會不會作為數據來源被再次採集？這會有多大的影響？
會被採集，但互聯網上的每日關於個股的信息數量會達到很大，該推送會增加推薦股票1點權重，每隻股票的權重成百上千，因此影響極小。
數據來源是微信公眾號，除了准確性的考慮之外，是否還考慮過這樣收集數據會較少觸犯個人隱私？
從法律角度來看，搜索微信或其他個人聊天記錄，是侵犯個人隱私權的，因此如果騰訊開放了這樣的介面，每個公民都可以對這樣的行為進行投訴、抗議、甚至進行法律起訴直至其改正過錯、賠償損失的。
這樣是否意味著即使存在違法的行為，其結果也是由騰訊來承擔，而我們作為數據的使用方不需要承擔任何法律責任？
在整個社會，我們作為系統技術提供方，應恪守大數據的倫理道德，遵守國家法律，如侵犯個人隱私，系統不會採集，谷歌有一句座右銘「谷歌不作惡」，本文提到的系統也一樣。
2.基於大數據進行股票推薦實驗
股票的及時度反應了微信文章所發布的時效性，及時度越高，數據價值就越大。
股票的熱度反應了當前某隻股票被關注的頻度，關注頻度越大，上漲的可能性越高。

數據的完整性：我們採用循環的方式對所有深滬兩地發行約2236隻股票（創業版除外）在微信搜索網站上的搜索結果進行保存。
數據的一致性：文件格式由負責保存數據文件的程序決定，單一的流程保障了文件的一致性。
數據的准確性：由於所分析的訂閱號文章的是由微信公共平台的公眾號所提供，在一定程度上杜絕了虛假消息對於預測系統的破壞。
數據的及時性：考慮到磁碟讀寫以及採集程序所處的網路帶寬，以及搜索引擎對於採集程序的屏蔽，程序中採集兩條信息之間間隔了5秒，因此理論上11180秒（3.1個小時）可收集完當日推薦所需要的數據。對於每個交易日，在9點-9點30分之間採集所有數據，需要7台以上的設備可達到最佳效果。本次試驗受限於試驗設備，在一台設備上，交易日每天早六時開始進行數據採集，也滿足及時性要求。
數據分析：查看三個高優先順序的股票，該股票當日的開盤價與收盤價，再與當日（2015-4-8）上證綜指進行比較，可得在收益上該演算法是優於上證綜指為樣本的整體股票的股價差收益的。
實驗結論：按照上述方式，系統每天推薦出當日股票，在開盤時進行買進，在第二個交易日進行賣出。經過一個月21個交易日（2015-3-1至2015-3-31），系統的收益為20%/月。通過微信搜索公眾號來預測市場走勢和投資情緒呈現出正相關性，因此可以作為股票甄選的因子。
3.股票預測的大數據發展趨勢
網路數據分成三種：
一是瀏覽數據，主要用於電商領域的消費者行為分析，瀏覽數據反映了用戶每一步的訪問腳步，進一步刻畫出用戶的訪問路徑，分析不同頁面的跳轉概率等。
二是搜索數據，主要指搜索引擎記錄的關鍵詞被搜索頻次的時間序列數據，能反映數億用戶的興趣、關注點、意圖。
三是互動數據，主要是微博、微信、社交網站的數據，反映用戶的傾向性和情緒因素。
2013年諾貝爾經濟學獎得主羅伯特?席勒的觀點被無數采訪對象引述。席勒於上世紀80年代設計的投資模型至今仍被業內稱道。在他的模型中，主要參考三個變數：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應（市場情緒）。他認為，市場本身帶有主觀判斷因素，投資者情緒會影響投資行為，而投資行為直接影響資產價格。
計算機通過分析新聞、研究報告、社交信息、搜索行為等，藉助自然語言處理方法，提取有用的信息；而藉助機器學習智能分析，過去量化投資只能覆蓋幾十個策略，大數據投資則可以覆蓋成千上萬個策略。
基於互聯網搜索數據和社交行為的經濟預測研究，已逐漸成為一個新的學術熱點，並在經濟、社會以及健康等領域的研究中取得了一定成果。在資本市場應用上，研究發現搜索數據可有效預測未來股市活躍度（以交易量指標衡量）及股價走勢的變化。
對於搜索數據：互聯網搜索行為與股票市場的關聯機理。這個研究屬於行為金融與互聯網的交叉領域，其原理是：股票量價調整是投資者行為在股票市場上的反應；與此同時，投資者行為在互聯網搜索市場也有相應地行為跡象，我們要做到是：找到互聯網搜索市場中領先於股票交易的行為指標，綜合眾多投資者的先行搜索指標，對未來的股票交易做出預判。
如同天氣預報那樣，不斷優化模型、灌入海量信息，然後給出結果。並且在處理的信息中，有80%是「非結構化」數據，例如政策文件、自然事件、地理環境、科技創新等，這類信息通常是電腦和模型難以消化的。採用了語義分析法，可以將互動數據里的金融對話量化為「-1（極度看空）」到「1（極度看多）」之間的投資建議，通過分析互動數據的數據文本，作為股市投資的信號。
4.正在發生的未來
大數據並不是一個充斥著演算法和機器的冰冷世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的將來。
大數據在實用層面的影響很廣泛，解決了大量的日常問題。大數據更是利害攸關的，它將重塑我們的生活、工作和思維方式。在某些方面，我們面臨著一個僵局，比其他劃時代創新引起的社會信息范圍和規模急劇擴大所帶來的影響更大。我們腳下的地面在移動。過去確定無疑的事情正在受到質疑。大數據需要人們重新討論決策、命運和正義的性質。擁有知識曾意味著掌握過去，現在則意味著能夠預測未來。
大數據並不是一個充斥著演算法和機器的冰冷世界，其中仍需要人類扮演重要角色。人類獨有的弱點、錯覺、錯誤都是十分必要的，因為這些特性的另一頭牽著的是人類的創造力、直覺和天賦。這提示我們應該樂於接受類似的不準確，因為不準確正是我們之所以為人的特徵之一。就好像我們學習處理混亂數據一樣，因為這些數據服務的是更加廣大的目標。必將混亂構成了世界的本質，也構成了人腦的本職，而無論是世界的混亂還是人腦的混亂，學會接受和應用他們才能得益。
我相信，利用基礎數據、搜索數據、互動數據再進行加權計算，可以對所有股票進行大數據遴選，從而給出投資建議。我認為，我們的肉身剛剛步入大數據時代，但我們的精神還滯留在小數據、采樣思維之中，率先用理性擊碎固有思維的人，也將率先獲得大數據帶來的益處。

『柒』 羅伯特·希勒的主要成就

希勒教授認為，現代經濟生活中的每一個人都面臨許多實體經濟風險，例如經濟增長緩慢、失業率提高、通貨膨脹率升高乃至個別地區或工業部門的衰落，一個包含各種風險信息並能對這些信息進行及時處理的資料庫系統構成了金融新秩序的物質基礎。在這個超強資料庫的幫助下，全球市場中的所有交易風險以及各種獲利機會都會及時得到反應，並從此創造出新型的金融工具。然後人們通過在金融市場上交易這些新型工具來分散和化解這些實體經濟風險。
當年憑借基本面分析、以一部《非理性繁榮》准確預測了互聯網泡沫的羅伯特·希勒（Robert J. Shiller）教授近來對全球主要股票市場進行了獨到的分析。通過數十年的歷史數據分析，Shiller教授發現，股票市場的總市值與該國GDP之比是一個良好的市場估值指標：當比率低於50%，市場顯著低估；比率介於50%-75%，市場溫和低估；比率在75%-90%時市場估值合理，高於90%則高估。當前A股市值僅佔去年GDP的45.2%，屬於顯著低估。對於市場預期收益率，教授根據上市公司營業收入增速、分紅水平和股市估值變化等因素，得出中國股市的預期收益率為30.1%！ 除了治學著書之外，席勒教授也樂於把他的理念應用於實踐。身為創始人之一，羅伯特教授還與艾倫·威斯先生共同創辦了卡魏施有限公司(Case Shiller Weiss，Inc)，該公司位於美國馬薩諸塞州劍橋市，是一家致力於研究房地產市場中房地產價格指數以及自動估價模型的公司。
2002年，該公司由Fiserv收購並更名為Fiserv CSW。1999年，他還曾與艾倫·威斯先生建立了宏觀證券研究有限公司(Macro Securities Research LLC)，該所擁有Macro Financial和Index Science兩家附屬機構，它以促進非尋常風險證券化為目標。
希勒在金融市場、行為經濟學、宏觀經濟學、不動產、統計方法以及市場道德判斷、公共選擇等方面，著作頗豐。
1989年寫的《市場波動》（Market Volatility，由麻省理工學院出版）詳細論述了如何運用數學分析和行為分析相結合的方法面對投機市場中的價格波動；1993年寫的《宏觀市場：建立管理社會最大經濟風險的機制》(Macro Markets: Creating Institutions for Managing Society』s Largest Economic Risks，由劍橋大學出版社出版) 提出了多種新的風險管理合同，如國民收入或不動產期貨合同，這將會引領一場適應現代人生活水平的風險管理領域的新的革命，此書獲得1996年 美國教師保險與年金協會-大學退休證券基金 （TIAA-CREF）薩繆爾森獎項；另一本書，他最為中國人所熟悉的《非理性繁榮》(Irrational Exuberance，2000年由普林斯頓大學出版社出版，2001年由百老匯圖書出版)介紹和分析了投機泡沫的有關內容，對1982年以來的證券和房地產市場做出了特別關注，並獲得了2000年共同基金（Commonfund）獎項，被紐約時報評為非科幻類最暢銷書，並於2005年以十五種文字出版了該書的第二版。
二十世紀九十年代後期，美國的股票市場在新經濟神話的刺激下呈現出前所未有的繁榮狀態。在投資者高漲的投資熱情刺激之下，美國股票市場的道瓊斯指數、標准普爾500指數以及納斯達克指數不斷創造歷史新高。作為一名經濟學家，希勒教授以其敏銳的洞察力發現了這表面繁榮背後所隱藏的危機。
在2000年，希勒教授推出了一本面向大眾讀者的新書——《非理性繁榮》(Irrational Exuberance，2000年由普林斯頓大學出版社出版，其中譯本於2001年4月由中國人民大學出版社出版)。
在這本書中，希勒教授比較了美國近140年來股票市場市盈率(P/E)的變化情況，指出在二十世紀九十年代末期，美國股票市場指數大幅上漲是脫離實際經濟運行的反常現象。他進一步詳細的分析了導致這種非。然而就在這本書問世之際，美國股市發生了巨震，2000年3月初，道瓊斯指數在短短幾周之內由歷史最高點記錄11700點下跌了近20%，同時納斯達克指數也遭受了重創，由2000年3月24日的5078點跌至4月17日的3227點，其跌幅超過30%。
此時公眾對《非理性繁榮》興趣大增，爭相購買。與此同時，《商業周刊》、《紐約人》、《紐約時報》以及《金融時報》等媒體對此書也大加贊賞，紛紛發表正面評論。此書還被《紐約時報》》評為當年非小說類最暢銷書。而作者希勒教授也就此成為了媒體的寵兒，在短短的兩周之內，他頻頻在CNN、ABC以及PBC等電視網的王牌財經節目中露面。這本書書名的由來還有一個鮮為人知的故事：在一九九六年十二月，希勒教授和他的一位同事向當時的美聯儲主席格林斯潘匯報了他們對於股市的悲觀預期。兩天後，格林斯潘在那篇引起廣泛注意的著名演講中首次使用了「非理性預期」一詞來表示他對當時股票市場情況的擔心。
在《非理性繁榮》獲得成功之後，希勒又開始把目光投向一個更為宏觀也更為復雜的問題之上——那就是二十一世紀的金融應當向何處發展？在他即將出版的新書——《金融新秩序：二十一世紀的風險》中希勒教授給出了他對這個問題的答案。在書中，希勒教授首先向世人提出了警告：當前的社會中對於股票市場存在著過度的迷信，每個人都在夢想著通過股票市場來賺取財富。然而，這種對股票市場的過分迷信只會助長金融系統的不穩定性。這本書主要分析了金融、保險、公共財政在我們未來生活中的廣泛影響，以八種文字由普林斯頓大學出版社於2003、2004年兩度發行。
希勒的警告中包含這樣一個經常為世人所忽視的涵義——即股票市場是不穩定的，股價的時漲時落決定了人們不可能從其中獲得穩定的受益；同時由於股票市場吸引了人們過多的注意力，因而人們不可避免對於一些實體經濟中的因素缺乏必要的關注，比如說我們的人力資本給我們帶來的收入或者是自身擁有的房地產帶來的收入等。這些因素都屬於實體經濟的范疇，對我們生活質量有著更加深遠的影響。隨著經濟全球化進程的不斷加深，這些實體經濟因素麵臨的風險以前所未有的速度急劇增大。通過《金融新秩序：二十一世紀的風險》這本書，羅伯特希勒以他的遠見卓識為我們提供化解這些實體經濟因素風險的葯方。
事實上，每一個社會成員都有可能成為這些經濟不確定因素的犧牲品。這些實體經濟風險可能影響到我們的工作、我們的住宅、我們的社區乃至我們整個國家的經濟。
然而，我們目前的金融體系安排(我們也可以稱其為金融秩序)對於這些風險幾乎是無能為力的，因此他提出了六種方案，來利用現代信息技術和高級金融理論來化解這些實體經濟風險，從而構建二十一世紀金融新秩序。在希勒教授的設想中，一個包含各種風險信息、並能夠對這些信息進行及時處理的資料庫系統構成了金融新秩序的物質基礎。在這個超強資料庫系統的幫助下，全球市場中的所有交易風險和以及各種獲利機會都會及時的得到反應，並從此創造出新型的金融工具。然後，人們通過在金融市場上交易這些新型金融工具，來分散和化解這些實體經濟風險。
希勒教授的這種設想類似於保險，這兩者都是通過金融交易讓更多的人來共同承擔風險，然而希勒教授要化解的風險都是當前的保險業不敢涉足的領域。這種大膽的想法看起來有些不可思議，但是別忘了，在一個世紀之前，當時的人們不也是對財產保險和人壽保險的設想嗤之以鼻嗎？
這本書同樣也得到了經濟學理論界的一致好評，2001諾貝爾經濟學獎得主約瑟夫·斯蒂格利茨教授稱贊這本書「無疑是在這個重要的領域內最重要的工作」，美國著名專欄作家比德伯恩斯坦則對希勒教授在書中表現出的經濟學技巧和非凡遠見贊不絕口。
然而最能夠給我們以啟發的評論則來自另一位諾貝爾經濟學獎得主喬治·阿克爾洛夫，「在《金融新秩序》中，他(希勒教授)告訴我們金融新秩序是如何通過降低經濟中的不確定性來改善每一個人的狀況。無論是富有者，中產階級還是貧困者，他們都可以享受新金融秩序帶來的好處。從這個意義上來說，他為我們指明了二十一世紀金融發展的方向。」
《金融與好的社會》是羅伯特·希勒的最新著作，可以說是羅伯特·希勒的集大成之作。首席執行官、投資經理、銀行家、投資銀行家、放貸者、交易員、做市商、保險商、市場設計者、金融工程師、衍生品供應商、律師、金融顧問、游說者、監管者、會計師、公共商品融資商、政策制定者，這些你知道的或者不知道的角色，在希勒的這本書里都會娓娓道來——你可以透徹地了解金融到底是怎麼回事了。這本書既不是對金融界的贊歌，也沒有痛陳金融弊病，而是把金融放在社會的大背景下，是非功過，自有客觀評述。
除了治學著書之外，希勒教授也樂於把他的理念應用於實踐。他目前是卡魏施有限公司(Case Shiller Weiss，Inc)的創始人之一 ，該公司位於美國馬薩諸塞州劍橋市，是一家專事經濟學研究和信息工作的公司；同時也是宏觀證券研究有限公司(Macro Securities Research LLC)的創始人之一，這是一家位於美國馬薩諸塞州劍橋市的以促進非尋常風險證券化為目標的公司。

『捌』 羅伯特•希勒的《股價過度波動能根據其後的股利變化進行解釋嗎》希勒的結論是什麼

他的結論是股票股利變動不足以解釋股票波動，且有效市場理論對數據解釋的失敗不能歸因於數據誤差、價格指數問題以及稅法的變化。
這個理論也被稱為超額波動性(excess volatility)。超額波動性對金融學產生了很大的影響，正如希勒說的，「超額波動有力地沖擊了有效市場假說，指出了有效市場的失敗。」這篇文章引發了學界對股價波動與股利變化關系研究的熱潮。

下面附上一篇對此論文的介紹性文章：
有效市場理論認為公司股票內在價值等於股票未來期望股利的貼現價值，但在資本市場上，人們經常認為，相對於股利，股票價格指數波動大，不能對任何客觀的新信息做出反映，資本市場有效性受到質疑。為此，希勒利用方差邊界檢驗方法，計量檢驗股價波動與股利變化的關系，以驗資本市場的有效性。首先，假設存在理性預期，在完全有效市場上，p是p*的最優預測值，即p=E(p*)，定義u=p*－p，那麼，u與p不相關，根據統計學原理，可知var(p*)=var(u)+var(p)，進一步可得var(p)≦var(p*)，轉化為標准差可得σ(p)≦σ(p*)。如果檢驗結果與此相反，則說明否定了有效市場假設，即可判定存在過度波動。希勒還發展了標准有效市場模型，度量了對未來股利不確定性影響，以便准確識別股票價格對股利新息(news)的反應。在此基礎上，希勒通過美國1871-1979年間年標准普爾綜合股價指數和相關股利數據的方差與公司支付股利的方差對比，發現美國1871-1979年間股價波動是已實現股利分配波動程度的5-13倍，存在過度波動特徵，即使在考慮了預期實際貼現率的變化和未來股利不確定性的度量問題後, 股價過度波動問題仍然存在，股票股利變動不足以解釋股票波動，且有效市場理論對數據解釋的失敗不能歸因於數據誤差、價格指數問題以及稅法的變化。這一實證發現激發了大量關於股價股利關系的研究。
有效市場與完全競爭市場一樣，是一種標準的假設。那麼，在有效市場條件下，股票內在價值與未來預期股利的貼現相等。進一步假定，有效市場，則預期價格是實際價格的期望，p=E（p*），則預期價格的方差小於實際價格的方差，標准差類似，預期價格的標准差小於實際價格的標准差。
其誤差的結果是出現有效市場假設與美國實際不符。引發了後人無數的證明，不知道最後的結果如何？有效市場、完全競爭，竟然都是人們的一個假設。人們在一個永遠不存在的假設條件下，玩著游戲，並且可以用復雜的數學模型，估計實際經濟問題。