金融工程学科前沿及发展趋势

金融工程学科前沿及发展趋势
中央财经大学金融工程系
作为一门应用型、跨领域的交叉学科，金融工程学科前沿及发展趋势包括实务应用和学术研究两个方面：
（一）金融工程实务应用领域的前沿和发展趋势
金融工程学科具有很强的应用性，其兴起对投资银行、对冲基金、商业银行、保险公司等各类金融机构与金融监管部门、现代化公司等的资金运作、交易模式和风险防范起着非常关键的作用，例如衍生品定价、模型的建立和应用、统计套利、程序开发和风险管理等。

近年来，金融工程领域的实务应用的前沿越来越侧重于基于多因子模型、机器学习、数据挖掘等方法开发量化投资策略，根据实际金融问题的需求设计开发新型产品，包括资产证券化产品等，以及基于大数据和高维统计方法进行定价和风险管理。

此外，金融工程并不只限于在公司和金融机构的层面创造性地解决各种金融问题，近几年来还涌现了很多诸如可调整利率的按揭贷款、现金管理账户、可转让提款单账户（NOW账户）等面向零售层面的金融创新。

（二）金融工程学科学术研究前沿和发展趋势的依据和特点
在学术研究方面，期权定价理论是金融工程学科诞生的里程牌事件和重要催化剂，因此金融工程学科早期的学术研究侧重于基于随机分析方法进行衍生品定价。

但是随着金融工程实践领域的迅速发展和各个相关学科之间的相互渗透，金融工程学科的学术研究前沿和发展趋势发生了变化。

1.总结金融工程学科当前学术前沿和发展趋势所依赖的依据
我们总结金融工程学科当前学术前沿和发展趋势所依赖的依据来自于：
（1）北美金融工程硕士专业最权威的排名板Quantnet上近三年排名前十的学校的金融工程学科的研究领域，这些学校有如卡耐基梅隆大学、普林斯顿大学、哥伦比亚大学、纽约城市大学等；
（2）近年来美国金融学会（AFA）颁发的Morgan Stanley-AFA Award、
Fischer Black Prize获奖个人的研究领域，近年来《金融学期刊》（JF）颁发的Amundi Pioneer Prizes(前身为Smith Breeden Prizes)、Brattle Prizes 和《金融经济学期刊》（JFE）颁发的Jensen Prizes、Fama-DFA Prizes以及《金融研究回顾》（RFS）颁发的Michael Brennan Award的获奖论文所涉及的研究领域；
（3）最近3年AFA年会和最近10年金融工程学科所涉及到的顶尖期刊的研究成果；
（4）结合由普林斯顿大学运筹与金融工程系教授范剑青教授倡导召开的、代表金融工程学科前沿的金融工程与风险管理（FERM）国际研讨会2005年以来的系列会议讨论的学术领域。

2.金融工程学科当前学术研究前沿和发展趋势的最新特点。

通过分析上述依据，我们发现金融工程学科的学术研究前沿逐渐形成了如下几个特点：
第一，以实际金融问题为导向，催生高水平学术研究成果并用于支撑金融工程实务，例如基于尾部分位数积分测度的资产组合选择方法发表于统计学顶级期刊JRSSB，并应用于巴克莱银行风险管理部的样本回测中；
第二，从侧重微观走向宏微观并重，例如对金融风险的度量和管理，从单个资产波动率的研究到多个资产之间动态相关性研究，再到宏观审慎框架下以网络和传染性为基础的系统性金融风险的度量和管理；
第三，与统计、计算机等学科的融合度越来越高，越来越多的研究基于统计、计量、计算机仿真的分析测度方法和工具解释经典的金融现象和解决传统金融问题，例如基于偏度来解释金融资产收益，基于高维、高频、网络数据建模的新方法进行资产配置、投资组合管理和套利，基于信用衍生品的视角研究技术创新对公司影响；
第四，作为金融学科体系的重要组成部分，金融工程在多个领域的理论模型构建上与理论金融学和理论经济学相关领域的研究方法越来越融合，例如深度的采用了应用数学各个领域的分析工具研究金融产品和金融解决方案设计的理论模型、金融市场机制设计、宏观资产定价理论等问题。

（三）金融工程学科学术研究前沿和发展趋势的具体领域和问题
当前金融工程学科的学术研究前沿和发展趋势所包含的具体领域和问题，可以从实证方法研究和理论研究两个方面归纳：
1.从金融问题和统计及计算机仿真相互融合的角度上看，金融工程学科当前在实证方法研究领域和问题的前沿和发展趋势主要集中于以下几个方面：一是金融计量模型及应用，针对金融数据的特征对于如何度量金融资产之间的动态相关性以及演变路径提出一些新的模型和估计方法，为这些模型和方法的金融应用提供理论支持和应用路径，目前比较前沿的研究集中在超高维、高频数据建模，包括高维数据因子分析方法，Copula模型，高维VAR模型，高维空间面板模型，高维高频数据的相关性建模，函数数据建模，基于高频数据对金融市场微观结构的分析等；
二是金融风险度量，包括三个维度，即单个资产的波动率度量，多个资产的动态相关性度量及系统性金融风险度量，其中单个资产波动率度量包括如何刻画金融资产的厚尾性、非对称性以及有偏性，包括GARCH类模型、随机波动率模型、基于高频数据的各类已实现波动率模型，多个资产动态相关性的度量主要基于多元GARCH模型以及Copula模型，系统性金融风险的度量方法包括系统网络的刻画，基于VaR或CoVaR的传染性的度量，系统性金融风险指标的构建等；
三是实证资产定价研究，针对股票收益率预测、债券市场的超额收益率预测、外汇市场的超额收益率预测、基金回报的归因分析的相关研究、金融衍生品以及大宗商品收益预测。

金融衍生品与其标的资产的联动关系，以及高阶矩（例如偏度）在各类资产价格预测中的作用。

特别是相关理论和实证定价模型在中国资本市场上的实际应用效果和调整。

数值定价研究主要是提出新的数值计算方法，提高定价效率减少定价误差等；
四是投资组合管理和量化交易策略，例如传染性市场、有套利市场等不完全市场的投资组合选择问题，超高维资产配置问题以及基于深度机器学习和模糊理论的量化策略构建。

量化交易策略中细分的高频交易策略研究，对于金融监管、特别是高频交易的监管有一定程度的帮助。

2.从金融问题和应用数学及理论经济学理论金融学相互融合的角度上看，金融工程学科当前在理论研究领域和问题的前沿和发展趋势主要集中于以下几
个方面：
一是金融产品设计的金融合约理论，包括用动态随机博弈连续时间分析方法进行证券设计、激励机制设计，债务合同的期限、信用溢价的随机模型，创业企业的最优融资设计，区块链和数字加密货币的激励机制设计，创新型金融产品对公司价值的影响等；
二是理论资产定价模型，包括研究影响资产价格的技术进步、人口结构、经济增长等宏观因素，将影响资产价格的长期风险和短期风险进行理论分解，用群论对资产价格运动建模，对各种资产定价异象的因素进行理论建模，利率及资产价格期限结构模型，衍生品定价的理论研究主要是放松对标的资产价格过程的假定（例如带跳跃的levy过程）使之更符合实际金融资产价格演变过程等；
三是金融市场的结构及机制，包括有限理性的决策理论研究投资者在金融市场的交易行为及其对市场结构与机制的影响，双向拍卖机制与做市商机制，私有信息的不对称性及市场规则的设置如何影响投资者的投机行为、市场的定价、市场的流动性等，以微观个体的行为方式和相互之间的关联为基础，通过环境设定，建立微观机制与宏观现象之间关联的多主体建模，以及不同金融市场间信息传递机制等。