作者：尤金·法马
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
金融基础——投资组合决策和证券价格试读：
前言
经济学的众多领域中，就理论与实践之间的对应关系而言，金在融学多少有些独特。本书的目的就是介绍金融理论及其实证检验。我集中分析资本市场中与投资者的投资组合决策以及证券定价相关的金融领域的问题。我认为，当有迹象表明理论对现实世界具有一定的解释力时，学生学习理论的动机就会增强。而且，我的授课经验表明，如果金融理论具有相关经验证据的话，那么就可以避免对该理论的现实意义或对得出该理论的假设进行无意义的争论。本书采用了这种理论与实证相结合的方法。
本书的前四章是统计学基础。其目的在于：（1）对深入研究金融所需的统计工具进行回顾；（2）让读者熟悉证券价格行为的描述性证据，这是金融理论及其正规检验的实证基础。
这四章采用的方法是先介绍统计学概念，然后用这些概念来描述证券收益率行为。因此，第1章研究概率分布及样本特征，然后，用这些概念对普通股收益率的分布进行验证。第2章和第3章介绍在研究证券收益率和投资组合收益率之间关系时所需的统计工具。为了激发读者学习这些统计工具的积极性，第2章介绍了投资组合理论的一些基础知识。第4章利用第2章和第3章介绍的统计学概念，通过检验单个证券收益率与整个市场收益率之间的相关程度，对纽约证券交易所普通股的“市场敏感性”进行实证研究。
本书的核心部分是第5章到第9章。这几章介绍了三个相关的主题：（1）资本市场有效性理论及其证据；（2）投资组合理论；（3）预期收益率与风险关系的理论及其证据。
在一个有效的资本市场中，证券价格“完全反映了”可得信息。第5章和第6章讨论资本市场有效性理论及其实证；前者关注的是股票市场，后者关注债券市场。第7章详细扩展了第2章介绍的投资组合模型，并给出了分散化在降低风险方面的经验证据。然后，第8章考虑了当投资者按照第7章的模型进行投资组合决策时证券均衡价格的特征。第9章检验了由第8章中资本市场均衡模型产生的预期收益率与风险的关系。
为读者设计的习题分散在整本书中。我特意使用“分散”这个词。本书的习题并没有整齐地放在每部分末尾，而是出现在任何我认为应该强化的知识点或读者应该停下来进行思考的时候。这些习题是本书不可缺少的一部分；包含在这些习题中的结果常常会用于随后的章节中。有鉴于此，以公平性和方便性为由的读者会认为习题答案应该紧随习题之后。但这样做会让学生产生不去认真对待习题的可能性，只有具有浓厚兴趣的学生才会抵制不去看答案的诱惑自己做习题。本书的习题能让读者密切关注对材料的理解从而避免毫无来由的快意。
阅读本书需要的前期数学知识较少。仅有两章涉及超过初等代数水平的数学知识，而且这些数学知识对理解任意一章的内容都不会产生关键性的影响。除此之外，我还尽量提供一些补充材料，甚至包括关于初等数学的一些讨论；对那些可以忽略数学讨论细节的地方，都会明确说明。尽管如此，本书还是包含了大量的规范符号，读者应该尽快掌握这些符号。
尽管金融学完全被看作是经济学的一个分支，但是，有抱负的读者在没有任何经济学基础的情况下仍然可以理解本书的内容。然而，如果读者熟悉经济学分析范式，那么，也就更容易掌握金融经济学。因此，尽管我们没有具体要求，但前期的经济学基础会有助于理解本书的内容。同样的，本书回顾了用到的统计学概念，尽管并不要求必须掌握对金融学最有用的特定统计学概念，但如果读者具备统计学基础，那么就会更有效地理解本书的内容。
本书是一本金融学导论，对理论和实证进行了同等关注。作为导论性质的著作，很有必要筛选讨论的主题。我选择的都是经验证据充足的主题，能够得出与理论描述相一致的结论。但我并没有讨论所有符合这一标准的主题，因此也许有人会说我是带着个人偏见来选择讨论的内容。然而，如果通过阅读本书可以让读者熟悉金融分析的常用方法并能处理现有或未来的工作，那么，也就实现了本书的目标。
最后，我要感谢Linda Huegel，键入了好几个版本的手稿；感谢Agnes Farris, Vicky Longawa和Jane Miller的校对工作；感谢我在芝加哥大学的同事——Nicholas Gonede和Harry Roberts，他们对本书提出了宝贵意见。感谢现代金融学的先驱们在金融领域所做的原创性研究，很显然，这些都是本书的基础。▶1股票市场收益率行为
本章在介绍金融理论时，首先回顾若干统计学概念和正态分布的某些特征。这些都是本章进行实证研究所需要的统计工具，而且会在其他章节反复使用。随后，我们对“收益率”的概念进行界定。然后，研究收益率变异性的历史和股票市场收益率的分布特征。本章的这些实证研究是后续章节的重要基础。1.1 若干统计学概念1.1.1 随机变量
当一个变量的观测值被看作是由概率分布决定时，该变量被称为是随机的。之所以这么说，是因为在生成一个观测值之前，要获得的该变量的值在某种程度上是未知的（随机的），而且能够描述将被观测到的特征的唯一办法，就是按照决定该变量的概率分布来进行。
例如，下个月IBM的每股收益率目前来说是未知的，而且，仅能通过可能值的概率分布（也许这一分布是正态分布）来描述。这一收益率的分布形态依赖于复杂经济现象的相互影响，这些经济现象本身就是随机变量，而且，从收益率分布中得到的“抽样”是投资者之间交易的结果。不仅如此，该收益率还完全被看作是其观测值由概率分布决定的变量，因此，该收益率是一个随机变量。
为了表示随机变量，我们在变量符号的上方加一个波浪符（～）来识别该变量。当我们涉及该变量的一个特定值时，去掉波浪符。例如，IBM公司股票下个月要观测的每股收益率记为，而将该收益率的一个特定可能值记为R。1.1.2 均值
尽管在此处和其他地方通常会看到“正态分布”这个词，但“正态”这一术语实际上指的是一个概率分布族。用来区分一个正态分布与其他正态分布的两个参数是均值和标准差。首先，我们来回顾一下概率分布（无论是否为正态分布）均值的一般定义。我们首先考虑离散变量的分布均值，因为它的解释更为简单。
离散变量的均值或“期望”可以表示为：其中，是指“x的所有真实值之和”，P（x）是指从随机变量的分布中抽取出x特定值的概率。因此，随机变量的期望值，就是针对x的所有可能值，对x乘以x的概率进行求和。也就是说，期望值就是该变量不同可能值的加权平均，其中每个权重就是每个x取值的概率。注意，由于这里的总和是指对x特定可能值的求和，那么，等式（1.1）右侧的x上方就没有波浪符。同时也注意，等式（1.1）中的求和结果，即随机变量的均值或期望，本身并不是随机变量。它是由的分布特征决定的唯一值。总之，是分布的一个参数。
连续型随机变量的均值或期望值为：其中，p（x）是随机变量的概率密度函数（也就是说，p（x）给x的不同可能值分配的权重为正，这些权重反映了随机抽样中观测到这些不同值的可能性），而且严格意义上说，积分要求计算位于函数f（x）＝xp（x）下面那部分的面积。尽管这在某种程度上是不严谨的，但如果用与等式（1.1）相同的术语来粗略解释等式（1.2）时，不会造成什么影响，而且可以表达正确的思想。因此，我们把连续型随机变量的均值或期望值看作是该变量不同可能值的加权平均，每个值的权重大小由其概率决定。需要再次注意的是，因为期望值是根据的所有特定可能值计算出来的，因此，等式（1.2）的右侧没有出现波浪符。正如在等式（1.1）中一样，是分布的一个参数，也就是说，它是由概率密度函数p（x）的形状决定的唯一值。1.1.3 标准差
如果是离散型随机变量，其方差被定义为：因此，该方差就是函数的均值或期望值（再次由符号E表示），即为随机变量与其均值离差的平方。等式（1.3）表明，离散型随机变量的方差是的不同可能值的加权平均，其每个值的权重均由其概率P（x）决定。
连续型随机变量的方差为：
试读结束[说明：试读内容隐藏了图片]