2016复旦金融考研真题-2016 复旦金融真题

2016 年复旦金融考研真题的备考体验，实际上比读教科书有意思得多。它不像那些标准答案那样死板，更像是一个个被抛在现实里的难题，需求你去拆解。
这一年，考卷上的数字启动变得具体，比如资产收益率的波动曲线，要么模型里那些不能解释的残差项。 大量人一启动认定金融就是建模，认定只要把数据放进公式里就能解决难题。但复旦张维迎教授出题的时候，实际上是在暗示我们：金融的核心不是那个完美的数学模型，而是模型背后的故事。
那时候，大家还在纠结分红政策的理论，实际上在聊聊的是公司现金流的不确定性还有股东利益的博弈。当教授把那些复杂的递推公式直接写在卷子上时，实际上就是想让我们明白，投资最终是要落地的，是要有人当饭吃的，而不是纸上谈兵。 再看那只魔鬼的贝塔曲线，今年的考题直接把数据抛了出来，让考生自己去画那条线。
这跟那会儿那种让你背曲线特性和含义的“填空题”彻底不同。它更像是在考你的直觉，是在考你有没有用过那些早期的、粗糙的模型，能不能在数据看起来一团乱麻的时候，依然能抓住那个核心逻辑。
比方说，当我们看到某只股票在某个工夫段的大幅跳涨时，是不是确实只是出于市场情绪，还是出于它背后有一连串的交易者都在疯狂买入？这就涉及到如何理解那些非线性的波动。 我记得有个学长，他在复习的时候特别纠结那个“均值回归”模型。他一启动认定，既然说资产价格平均会回归均值，那涨回去就一定是回归。可题目给出的数据有时候明明是在偏离均值，然后又突然掉头向下。
这时候，他就不忒懂为啥模型不能解释所有的现象了。在这个点上，复旦的考点实际上是在提醒我们，现实世界忒复杂了，没有任何一个模型能完美描述一切，特别是当数据出目前模型无法解释的灰色地带时。
这时候，你不需求知道那个理论公式是如何推导出来的，你只需求知道，当数据与理论冲突时，意味着啥。
这意味着，务必引入新的假设，要么承认模型的局限性。 我们时常在聊聊信息效率的时候，认定股价应当反映所有的信息。但现实是，信息是有成本的，并且信息本身也是由有限的人来观测的。
要是市场信息分布是不均匀的，那么哪位先获取到信息，哪位就能先拿到优势。
这就解释了为啥那些被遗忘的旧股票，要么那些冷门的小盘股，有时候会突然走出某种行为模式。
比方说，有个案例里，某只小盘股出于突然有消息，第二天直接涨停，并且成交量异常放大。
这时候，我们不能好办地说是出于利好消息，而应当去研究消息源，要么研究消息发布前的异常波动。 还有啊，对于那些看似毫无涉联的变量，比如季节性因素和宏观经济周期，有时候它们会与此同时出现，它们之间确实有某种联系。但这并不意味着我们能够强行把它们强行捆绑在一起，去构建一个完美的解释框架。
有时候，我们就连需求承认，有些现象是互相独立的，有些是偶然的。
这种偶然的性，有时候反而是模型最宝贵的地方，出于它提醒我们不要过度自信。 在复习的过程中，我也发现，真正的金融思维往往体目前对“不确定性”的容忍度上。当一道题问你在看到数据显示市场崩盘时，你该如何做？这时候，教科书可能会告诉你，要寻找情绪崩溃的根源，要分析宏观政策的导向。但我认定，更关键的可能是我们要承认，市场可能已经进入了某种非理性状态，这时候最稳妥的办法或许是等待，要么预备最坏的打算。 实际上，2016 年的这赛场，考的不是哪位记得得更多，而是哪位更能从混乱中理清脉络。
那些反复出现的变量，那些看似无涉的联系，实际上都在考验我们面对复杂现实时的定力。当我们看到数据在某个阶段突然变得不可解释时，不要急着去套用公式，而是停下来想一想，是不是我们之前的假设忒少了。
是不是我们需求引入更多的微观主体，去考察那些个个决策者的心理和偏好。 最终，我想说的是，金融考试的意义，不在于你记住了多少理论，而在于你能否在面对一个真世界的复杂数据时，依然保持开放的心态，敢于承认自己的无知，并且有勇气去修正自己的认知。
毕竟，真正的投资，是在充满未知的迷雾中，依然能找到前进的方向。