经济导报记者 孙秀红

　　8日下午，诺贝尔经济学奖获得者、美国著名经济学家Myron S.Scholes（迈伦·斯科尔斯）教授和中国科学院院士、山东大学彭实戈教授在山东大学中心校区分别作了题为《Financial Innovation：The Years Ahead》和《从布莱克－斯科尔斯公式到非线性期望》的学术报告。

　　被誉为将难以捉摸的风险转换成严谨公式的天才的Myron S.Scholes在报告中称，和社会的各方面一样，金融业面临着巨大变革，但在理解不确定性方面，人们往往存在三大误区，基于数据挖掘的分析，由于数据选用的片面和随机，可能会得出有误差的结果。

　　“国内金融市场处在风险没有量化或半量化的状态，由于经验不足，需要对国内金融市场逐步开发，不能完全照搬西方。倒向随机分析和非线性期望理论为改善这一现状提供了理论支持。”在由山东大学齐鲁证券金融研究院、数学学院联合承办的报告会上，彭实戈针对引起金融危机的不确定性风险，从理论可靠性和实际效果等方面介绍了非线性期望方法的优势，这被认为是更稳妥的度量风险的方法，是解决风险度量问题的非线性工具。

　　数据挖掘带来的不确定性

　　Myron S.Scholes首先介绍了金融系统的六大功能，包括处理并加强贸易往来、融资功能、配置金融资源功能、风险管理功能、估值和定价以及减小市场摩擦和沉没成本等。

　　谈及金融创新，他通过讲述从庞大数据中挖掘有价值信息进而结合理论产生新成果的过程，阐明了创新必将使基础设施变得更高效灵活，在金融的发展中发挥着极其重要的作用。他认为，金融改革一定会使金融业的基础结构产生变化，如流通速度，金融业的特殊性，弹性金融改革会导致一些失败，所以调查研究，测试应用，从中学习至关重要。同时金融业的基础结构会阻碍金融改革的发展，政府对资产和社会强有力的保护很可能会限制金融业的发展。

　　针对金融市场的不确定性，Scholes列举了理解不确定性的三个误区。

　　其中第一点是数据挖掘———利用历史数据来建立观点和模型，据此识别异常现象。但问题在于，我们在建立和检验这些观点的时候使用的是历史数据，它们能提供多大的价值呢？运气好的时候，我们会使用一段随机的历史数据，但往往情况不是这样（我们可能会使用带有偏见的数据）。所以我们得出的结果可能会有偏差，不能有效地预测走势。这就是时间序列分析方法的隐忧。正确的数据应该能提供一些对未来的参考，但我们不知道需要挖掘多长时间的数据。有人认为，只要挖掘的时间够长，比如50－60年，我们有望识别出能够带来回报的风险。

　　其实，和你们一样，我也很怀疑这一点。最好的做法是使用经济学原理建立一个模型，弄清楚有些事情为什么会发生，然后收集数据来测试这个模型。哪怕到了这个时候我们还是要保持谨慎，因为我们的观点总是受到前人观点的影响。

　　他说，相关关系的模型并不总是很准确和简化问题的方法也是常见的误区。他结合实例对三种误区进行了分析。

　　Scholes还对市场为加快交易出现的一些新的运作方式进行了介绍，他表示，竞争、信息、速度、安全性和流动性等都是交易运作中至关重要的内容。

　　金融风险量化不能一味学习西方

　　彭实戈从现代金融理论的发展谈起，通过介绍两次金融革命的成果及影响，阐述了数学模型在金融市场中的重要地位，而模型的不确定性正是金融危机产生的根源，著名的Black－Scholes公式也存在模型不确定性问题。

　　金融理论技术的根基是现代概率论理论,但该理论无法解决模型的不确定性问题。针对这一问题，彭实戈创造性地引入了非线性期望，并以此为基础，建立了一套处处对应模型不确定性的新理论。

　　彭实戈从理论可靠性、计算速度、可操作性、可实现性和实际效果角度介绍了非线性期望方法的优势。

　　“目前国内金融市场处在风险没有量化或半量化的状态，虽然我们经验不足，但是不能一味学习西方，因为西方国家现在也处于迷茫状态，没有找到处理这种不确定性问题的方法和技术，这使得金融市场监管的风险进一步加大。”谈及金融市场的监管机制，彭实戈详细分析了中国金融市场风险量化的现状。而倒向随机分析和非线性期望理论为改善这一现状提供了理论支持和技术手段，从而可以进行对风险的度量。

http://finance.people.com.cn/n/2014/1209/c1004-26178018.html