中国A股市场风险与收益权衡——来自累积前景理论视角的反思

中国A股市场风险与收益权衡
—
—来自累积前景理论视角的反思
韩雅婷叶娇
（天津财经大学天津市300222）
摘要:传统风险收益理论认为高风险对应高收益，而最近的经验证据却显示我国A股市场存在着“高风险伴随着低收益”的股市异象。

本文拟以累积前景理论视角，基于面板门槛模型解释我国A股为何存在“高风险低收益”的股市异象，并深入探索了累积前景理论对风险回报的权衡机制。

研究验证了我国A股市场处于小概率获利状态，并发现股市风险和收益之间存在显著的，现S型累积前景理论，发现，在中国股市小概率获利的事实下,对于资本利得较高的上市公司而言，投资者更倾向于追求高风险，而风险与收益呈显而对于资本利得较低的上市司，投资者往往倾向于规避风险，即风险与收益呈显著正相关。

因此，从长远来看，投资者要想增加股市获利机会，必须提前建立心理盈亏预设，正确面对股市涨跌，形成理性投资，这样有利于我国股市健康发
关键词：累积前景理论:风险收益相关性:资本利得:门槛效应
中图分类号:F832.5文献标识码:A文章编号：1007-4392（2020）07-0026-11
—、弓I言
2011年以来，我国经济发展进入减速趋缓时期，经济增速持续下降,同时面临着经济结构调整、产业结构调整、经济动能转化等多重任务（刘璐娜和李志波，2019）。

而股市是用来服务于整体经济的，股市的正常运作有利于经济的稳健发展,然而如今,我们不得不承认中国股市获利处于小概率状态的事实（邓浏睿,2018；崔惠颖,2019）,这一背景可以说造成了中国股票市场出现的负异常收益现象（陈蓉,2019'贺志芳等,2017'周爱民等,2019）。

股市是用来服务于整体经济的，股市的正常运作有利于上市公司的稳健发展。

而导致这一现象的一个重要因素在于投资者对股市风险收益相关性的判断，投资者大多遵循传统资本资产组合定价理论,简单地认为股市高风险对应着高收益。

这种非理性认知,导致了股市资源的不合理配置,使得股市不能够健康发展。

股市是国民经济的“晴雨表”，至关重要。

在2018年10月，国务院副总理刘鹤强调，政府应高度重视股市的健康稳定发展*可见，在中国经济增速下
中国A股市场风险与收益权衡
滑以及中国股市获利小概率的背景下，剖析我国股市收益风险的相关关系对促进我国资本市场的健康发展有着重要意义"
上述背景下，学术界开始反思我国为何存在高风险低收益的股市异象以及如何引导投资者在我国股市获利小概率背景下做出理性投资。

已有文献多在资本定价模型的基础上进行投资条件、期限等方面的改进,并且大多停留在线性关系的讨论（阳佳余等,2018；刘祥东等，2016）,也有少部分学者发现了收益风险的非线性关系,大多基于投资者情绪、前景理论（Prospect Theory,PT&进行解释（史永东和程航,2019；Wang,2017）,而前景理论应用前提是股市获利大概率,与我国股市小概率获利的客观事实不符。

如果现有研究关注的焦点是“股民如何在小概率获利的股市增大获利机会”的话，那么，本文关注的问题则是“在承认现阶段中国股市获利机会少，且无法在短期内有效改善时,我们还应反思些什么？”现有研究大多从传统投资组合理论的角度、前景理论角度以及政策激励角度出发，结合A股市场小概率获利事件，聚焦于累积前景理论视角（Cumulative Prospect Theory,CPT&的研究依然鲜见。

对此，本文尝试通过解答以下问题来探究收益与风险的相关关系：（1&投资者在我国A股市场获利为大概率事件还是小概率事件？基于什么原因判断？（2）以上市公司股票的上一期资本利得（Capital Gain Over-hang,CGO）作为参照点,相对应参照点较大和较小时收益风险分别为什么关系？基于什么理论分析？对此,本文将以累积前景理论为视角，分析其在风险收益非线性相关关系形成中的作用。

文章主要结论如下：（1&通过累积前景理论做出图形分析，展示了小概率获利事件下风险收益的非线性相关关系一“S”形。

（2）基于对资本利得的分位数分析,证明我国A股市场获利为小概率事件。

（3）基于面板门槛模型，发现资本利得较高的上市公司，收益与风险呈现显著的负相关关系；资本利得较低的上市公司，收益与风险呈现显著的正相关关系。

文章潜在贡献是：（1&在解析累积前景理论内涵的基础上，分概率高低和分区间揭示出风险和收益之间的非线性相关关系，从而为以资本利得为参考点，解释中国股市获利小概率事件下为何存在“高风险低收益”的异象提供了逻辑支撑，这为反思中国股民投资行为提供了全新的视角。

（2）以CGO视角解释了我国股市获利的概率，即通过不同月份CGO的分位数解释了股市获利的概率大小。

（3）就实践贡献而言，基于累积前景理论视角，探索性地提出并证实了我国股市收益风险的非线性关系，期望为国内外学者修正传统的资产模型提供一些思路，填补现有研究空白，也能更好地解释股市高风险低收益的各种异象。

从而为中国股民在股市中如何对风险收益进行权衡、股民如何防范自己的非理性投资行为、政府如何严格监控股市,进而推动我国股市稳态发展等,提供了参考逻辑，具有一定的政策指导价值。

二、文献综述
（一）收益风险相关性的研究综述
收益与风险的关系一直是金融资产定价领域的重点研究问题，国内外学者通过实
2020年第7期(总第522期)
证数据对二者的相关性进行研究，得到收益风险显著正相关、显著负相关和非线性三种结论。

1.风险与收益正相关。

刘祥东等(2016)、熊海芳(2019)和吕文岱等(2019)通过构建FM回归模型进行实证分析，发现特质波动风险与横截面收益显著正相关,从而得出我国股票市场未出现“特质波动之谜”的结论$史永东和程航(2019)将投资者情绪和宏观经济变量加入到条件CAPM模型中，采用FM回归，验证了特质波动率与收益显著正相关，中国股市的特质波动率异象其实并不存在。

2.风险与收益负相关。

赵伟和汪锐%2010)利用Monte Carlo模拟抽样方法进行实证检验，发现我国股市和美国一样存在逆向的风险收益关系,即存在高风险低收益和低风险高收益现象。

周爱民和遥远(2019)认为当市场异质信念较高且投资者情绪较高时,市场风险与预期超额收益率的正向关系将被削弱,甚至出现负相关的市场风险异象,并通过实证检验得到收益风险显著负相关的结论。

陈蓉等(2019)实证表明波动率风险和报酬的显著负相关关系，并进一步利用模拟Buy-Write策略证明中国期权价格存在持续的系统性高估。

3.风险与收益非线性相关$高大良等(2015)认为高情绪会削弱总体风险-收益关系,利用回归模型进行实证研究,结果表明在低情绪期,平均相关性-收益之间的关系并不显著；而在高情绪期，平均相关性-收益关系被削弱为显著的负相关关系$贺志芳等(2017)利用TVA-GARCH-M模型考察投资者风险补偿系数的时变特征，研究表明投资者乐观情绪会削弱收益风险正相关甚至导致收益风险显著负相关；悲观情绪会增强收益风险正相关$Denrell(2008)认为公司收益和风险之间的关系符合PT的参考依赖偏好理论,即以过去的业绩为参照点,收益风险的关系呈U型$利用分时段模拟进行实证研究，研究表明美国业绩高于中位数的公司收益风险显著正相关，业绩低于中位数的公司收益风险显著负相关$Wang(2017)通过FM 回归表明个人投资者和专业投资者均存在前景理论的参照依赖偏好，具体表现为:美国股市高CGO的公司，收益与风险呈现显著的正相关关系；低CGO的公司，收益与风险呈现显著的负相关关系$
4.文献评述$现有文献分别从投资者异质性、投资者情绪、公司过去业绩情况和宏观经济等角度对收益风险的相关性进行研究，却始终未得到一致性的结论$本文认为,现有研究不足主要体现在两方面：
(1)在对收益风险相关性进行研究时，大多学者采用线性回归和FM回归，由此，并不能通过实证发现收益风险的非线性关系$
(2)即使有少部分学者注意到非线性关系，主要从投资者情绪和参照依赖偏好等角度分析$国内外的学者在研究收益风险非线性关系时,参照依赖偏好角度,主要是以美国股市为背景进行研究，而美国股市和我国股市在获利概率上存在很大差别，但前景理论未曾涉及获利概率的差别。

累积前景理论提出，由于存在高估小概率的情况，在获利为小概率时，会得到和前景理论相反的结论$现有文献很少基于累积前景理论对我国
中国A股市场风险与收益权衡
股市收益风险相关性进行研究。

本文接下来将探讨我国股市实际获利概率情况，若我国股市获利为小概率事件，累积前景理论能否解释不同于前景理论的收益风险的非线性关系？因此,本文将就我国股市获利概率的大小问题和累积前景理论的应用展开综述，为后文我国股市的收益风险关系的判断提供逻辑参考和依据。

(二)累积前景理论的文献综述
Tversky和Kahneman在1992年提出累积前景理论(Cumulative Prospect Theory, CPT),该理论根据事件发生概率的大小结合个体所处的盈亏状态，对投资者的风险态度给予更细致的划分，并进一步解释了小概率收益的风险规避比中高概率的风险寻求更明显的股市现象&此处，本文补充对中国股市获利小概率事件观点的证据支持:唐奎等(2003)、宿成建(2006)通过对深沪5天收益率的分析，发现深沪综合指数5天收益率分布均呈现出明显的尖峰、胖尾、负斜的特征&卢方元(2004)应用修正Weibull分布对绝对值大和小的收益率进行研究，发现1996年12月16日后，无论绝对值大与小，负收益率发生的概率明显大于正收益率发生的概率&进一步梳理文献发现，邓浏睿等(2018)认为存在高估小概率事件，并基于CPT构建了CPT单期多风险资产模型&崔惠颖(2019)通过文献综述说明了投资者出于博取高收益的需要，会出现高估小概率事件，造成股票的负异常收益&可见，累积前景理论对我国普遍小概率获利的A股市场的风险与收益之间的相关性探讨具有重大意义，同时，填补了CPT理论在股市应用方面的研究空白。

综上可知，累积前景理论为分析收益风险的非线性关系提供一个新思路，能更有针对性地探究适合我国股市的收益风险非线性相关关系。

三、理论分析与研究假设
本文以下内容将首先考察中国股市获利概率以及累积前景理论内涵，并在此基础上构建累积前景理论对中国股市风险和收益非线性关系的影响机制，在此基础上以中国股市获利小概率为条件，解释中国股市收益风险权衡背后的微观动因。

(一)股市获利小概率的证据支持
股市获利的概率大小一般可以从概率分布中直接获取。

简言之，若概率分布呈正态性特征，则正收益率和负收益率发生的概率相当，获利概率难分大小;若概率分布呈明显负偏，则负收益率发生概率明显大于正收益率，获利概率小；反之，若概率分布呈明显正偏，则获利概率大。

现有文献显示，大多数学者通过实证证明我国股市的概率分布呈明显负偏，即我国股市获利为小概率事件&现实中，周方召和贾少卿(2019)指出我国股市个人投资者难以及时获取和有效分析金融市场信息，更倾向于追涨杀跌的正反馈交易行为&兰俊美等(2019)构建16种常见非理性行为为因变量的分析框架，实证检验机构投资者与个人投资者非理性行为差异，研究表明，个人投资者和机构投资者都存在严重的非理性行为，个人投资者非理性程度更为严重&
在中国的股市交易中，个人投资者在信息数量和质量上都处于劣势，且缺乏信息处理和解读能力&其次，以自有财富进行投资，
2020年第7期(总第522期)
盈利或亏损对个人投资者会产生真切而深刻的影响，使得投资者对于股市亏损极易产生损失厌恶的非理性行为。

对于机构投资者而言,普遍存在明示的或隐含的委托代理关系，在信息不对称和竞争激烈的证券市场中,为了业绩与声誉,机构投资者很容易发生处置效应。

简单来讲,机构投资者较个人投资者出现的非理性行为更少,对股市有效信息的传递能力较强,更有利于股市的健康发展。

但我国机构投资者所占比例较成熟市场来说依旧偏低，因此我国股市整体获利概率处于较低状态。

本文参考Wang(2017)以资本利得作为参照点，反映上一期投资者的盈亏情况,以此代表股市获利概率,结果如图1所示：
得大多为负数,即投资者大多为亏损,尤其是在2015年之后,CG0几乎一直为负&基于以上关于中国股市获利概率和上一期投资者的投资收益分析,认为中国股市获利为小概率事件。

(二)基于累积前景理论的风险收益非线性关系的研究假设
Tversky和Kahneman(1992)在前景理论和等级依赖效用模型的基础上,提出了累积前景理论,预测决策权重不同于风险事件发生的客观概率,它由对客观概率进行扭曲得到，以反映人们对风险发生概率的主观认知：
1.当股市获利为中等或高概率事件时，相对于参照点收益，预测投资者为风险规避,损失时为风险偏好；
2.当股市获利为小概率事件时,相对于参照点收益,预测投资者为风险偏好,损失时为风险规避。

结合图1,本文发现%(1)获利为小概率事件时，资本利得集中分布在图2所示累积前景理论原理图的第一象限,目前财富水平参照点b左侧部分在的S型曲线；(2)获利为大概率事件时,资本利得集中分布在图2所示累积前景理论原理图的第一象限,目前财富水平参照点a右侧部分的S型曲线。

为了进一步验证累积前景理论:Wang 等(2017)认为美国的股票市场获利为大概率,同时运用FM回归分析,得到美国股票市场风险收益的非线性关系符合CPT的大概率事件，即a点右侧的S型曲线。

相应地，由于中国股市获利为小概率事件,当投资者的资本利得为收益时，大多出于赌博心理,即使面临更高的风险也试图博得更高的收益,
中国A股市场风险与收益权衡
导致风险收益的负相关性；反之，当资本利得为损失时，投资者大多会在心理上降低股市获利的可能性,股市获利的过小概率使他们更加遵循谨慎性原则，从而导致收益风险的正相关性。

结合我国股市获利概率的分位图以及累积前景理论的理论内涵，提出如下假设：假设1:以资本利得作为参照点，对于CGO较高的企业而言，收益与风险呈现显著的负相关关系；
假设2：以资本利得作为参照点，对于CGO较低的企业而言，收益与风险呈现显著的正相关关系。

也就是说在投资者先前面临损失的股票中，应该出现传统正的风险收益关系；相比之下，在投资者面临资本收益的股票中，可能存在负的相关关系。

四、研究设计
(一)研究方法
本文采用Hansen(1999)提出的面板门槛模型来验证风险与收益的非线性相关性#采用这一方法是因为：以主观方式对临界点变量进行外生设定，并对回归结果进行Chow 检验的传统方式容易产生主观偏差#面板门槛模型是否有效需进行两个检验:一是门槛效应的存在性检验;二是门槛估计值与真实值的一致性检验#由于第一个检验的F统计量在原假设下并不服从正态分布，故需采用Bootstrap(自举)法来获取渐进分布下的近似临界值。

参考现有文献，本文采用自举300次的方式，通过面板门槛模型考察风险收益相关性的突变特征，并验证临界值的有效性。

(二)风险与收益非线性关系的检验模型
为了验证假设1，建立如下基准回归模型：
ris$i t=a0+a1reve nue”(revenue!")+!1rev-enue%(revenue”"")+a2turnover^+a3v olume it+
a j^everage,t+a5mom,t+a6CGO,t+s,t(1&
其中，i和t分别代表上市公司和时间，被解释变量risk表示风险，参考曹森和张玉龙(2012&的研究，以$值作为风险的代理变量。

$值衡量风险的优势：一是在"APM模型中，$值指的是一种资产和一种投资组合相对于整个市场的系统性风险指标，也就是股票或组合对于市场的敏感程度，故以$值衡量风险有理论基础#二是对于股指的收益率来讲，$值越大，就表示股票指数的系统性风险越大，以$值为1代表市场的总体风险情况，可见利用$值很容易判断风险大小并比较和市场风险的大小。

核心解释变量revenue 表示股票收益，股票i在t期的股票收益计
算方式为:retenueF1;
r i，t-1
对于资本利得CGO变量的选取，本文参考Wang(2017)的研究，并结合中国股市投资者倾向于短线操作，使用过去3个月加权平均价作为参考价格进行研究，公式如下：
7n-1 RP&二1X#(t urnover t_n!(1-
turnove『卄))xP-n(2)其中，RP为参考价格，turnover为月换手率，P为实际价格，$为归一化常数，保证权重之和为1，计算公式如下：
7
$=%(turnover t_n X^J_(1-turnover8n+T)) (3) n-1%=1
2020年第7期（总第522期）
CGO为投资者上一期交易的实际价格相对于参考价格的资本利得，计算公式如下：CGO=（4）
模型包括如下控制变量：换手率turnover（周爱民和遥远，2019）,以成交量/发行总股数衡量;成交量volume（刘燕和朱宏泉,2018）,归一化处理:volume；t=（volume' volume；t_min）/（volume it-max-volume it-min）;杠杆率leverage（王春峰等,2017）,以负债/总资产衡量；mom表示的是时间区间=t-1,t］内的累积股票收益率（Wang,2017）o%代表随机扰动项。

实证预期方面:若假设1成立,则预期模型中收益的系数显著为负；若假设2成立，则预期模型中收益的系数显著为正。

五、样本、变量与描述性统计
（一）样本选择与数据来源
本文选用2013—2018年中国沪深两市A股上市公司月度数据作为研究样本。

对公司层面的原始数据进行如下处理：（1&剔除ST上市类公司；（2）由于CGO变量计算的需要，删除2013年前三个月的数据，因此样本的时间区间为2013.4—2018.12；（3）删除金融行业、房地产行业以及部分缺少CGO数据的相关上市公司数据，因此样本公司为546家。

最终，本文得到546家上市公司2013—2018年的平衡面板数据,共计37674个观测值。

样本的数据全部来自于wind数据库。

（二）变量定义
定义见表1。

（三）描述性统计（见表2）
统计结果见表2。

表1变量的定义及其计量口径
变量名称变量计量方式
风险risk
收益率与市场1合收益率相关
系数%（股票收益率的标准差/
市场1合标准率的标准差）收益revenue
（股票当期价格一股票上—期
价格）-1
资本利得CG0
（股票上一期价格-参照价格）/
股票上—期价格
换手率turnover成交量/发行总股数
成交量volume
T当期成交量-当期成交量最
小值）/（当期成交量最大值-当
期成交量最小值）
杠杆率leverage负债/总资产
累积收益率mom
股票上一期收益率+股票当期
收益率
表2变量的描述性统计结果
变量符号均值最小值最大值标准差观测值risk0.929-0.222 3.1980.47237674 revenue0.014-0.596 4.5630.13937674 CG0-0.002-9.784 1.1960.06837674 turnover0.33908.1690.45137674 volume0.3240 6.6860.35237474 leverage0.1060 1.9140.23037474 mom0.461-0.017 2.4710.31137674
六、实证分析与检验
（一）门槛效应检验
在门槛回归基本模型建立的基础上，本部分进一步检验门槛效应的显著性,以此判断是否存在门槛效应以及门槛的个数。

如表3所示：单一门槛的F值为9.950,对应的P 值为0.070,说明在10%的置信水平下拒绝不存在门槛效应的原假设，即显著存在单一门槛值；双重门槛的F值为5.930,对应的P
表3门槛效应检验结果
模型F值P值10%临界值5%临界值1%临界值单一门槛9.9500.0709.36210.38312.526双重门槛 5.9300.3209.31210.65013.479
中国A股市场风险与收益权衡值为0.320，接受存在一个门槛值的原假设。

基于以上分析,接下来将基于单一门槛值进
行分析。

（二）单位根检验
为避免伪回归现象,首先对所有变量进
行面板单位根检验，由于研究的样本量为
37674个，回归区间为6年，因此,对面板数
据中的所有变量进行IPS检验和hadri检
验，具体结果如表4所示。

从表4的结果可
以看出，IPS检验和hadri检验的结果显示，
所有变量均在5%的置信水平上拒绝了存在
单位根的假设。

表4变量的单位根检验结果
变量IPS检验
W-t-bar
hadri检验
Z值
risk -2.729***120.476*** (0.000)0.000)
volume -62.170***39.852*** (0.000)0.000)
revenue -0.019***
(0.000)
4.788***
0.000)
mom -1.675***
(0.047)
88.040***
0.000)
CGO -60.8514*** 3.263***
0.000)0.001)
leverage -22.656***
0.000)
55.002***
0.000)
turnover -50.769***
0.000)
43.775***
0.000)
注：***、**和*分别表示在1%,5%和90%水平上显著。

同时，为确保门槛面板回归模型中不存在内生变量的条件得到满足，我们还对所有解释变量进行了Davidson-Mackinnon检验，该检验的原假设为模型不存在内生性。

在5%的置信水平上，所有变量的原假设均不能被拒绝，表明模型变量不存在内生性问题。

因此，综合上述单位根检验和内生性检验的结果，可以认为，采用门槛面板回归模型进行分析是合理的。

（三）风险与收益非线性相关回归结果
由表5的回归结果可知，风险与收益相关关系的门槛值为-0.091，在未加入其他控制变量时，风险收益存在非线性关系，但不显著；在加入CGO控制变量时，门槛值左边的系数的负效应明显增加，显著性很大程度提高，且风险收益的非线性关系的显著程度明显提高。

在加入其他所有控制变量后，风险收益的非线性关系显著，具体而言，门槛值左边的系数（！1）显著为正，门槛值右边的系数（！'1）显著为负，显示投资者上一期投资收益（CGO）的大小的确会影响风险收益的相关性&当投资者的CGO较小时，风险收益呈显著正相关；CGO较大时，风险收益呈显著负相关，假设1得到验证。

表5风险与收益相关性实证检验结果
因变量:risk模型
门槛估计值-0.091
95%的置信区间[-0.095--0.0878]
P1
0.170**
(0.032)
Q1‘
-0.078***
0.000)
CGO
-0.240***
0.000)
volume
-0.080***
0.000)
mom
-0.038***
0.000)
turnover
-0.042***
0.000)
leverage
0.023***
0.000)
单一门槛自抽样检验（F值）
9.950***
(0.077)
注****、**和*分别表示在1%,5%和10%水平上显著。

2020年第7期（总第522期）
七、稳健性检验
在本部分，通过建立包含虚拟变量的动态面板模型，对基本结论中的两个核心要点进行进一步的稳健性检验：一是检验风险和收益之间的非线性效应是否存在,二是检验前文门槛模型中的资本利得CGO门槛值是否为-0.091。

因此，建立如下所示的动态面板模型：
risk it=a0+a（reve nue%,（a^reve nue it*dummy+ a.3CGO ii+a*volume it（ajurnover”+ a.i leverage lt+£lt（5）
其中，dummy为新引入的虚拟变量:当CGO的取值小于门槛值-0.091时,dummy取值1；当CGO的取值大于门槛值-0.091时, dummy取值0。

显然，通过引入dummy，可以检验风险收益的非线性关系是否存在。

基于前文的逻辑分析，可知收益与dummy的交叉项系数应该显著为正，即当CGO的值小于门槛值-0.091时，风险与收益的正向显著作用强。

反之，若交叉系数为负向显著或不显著，则原假设不成立。

对于动态面板模型，由于变量之间以及变量与残差之间的内生性问题，OLS估计和其他传统的面板模型估计方法均无法获得有效估计量。

为此，参考马勇和吴雪妍（2017），采用系统广义矩估计（系统GMM）方法对动态面板模型进行估计，结果如表,所示。

从表,中可得，收益与dummy的交叉项系数在10%的置信区间内显著为正。

从而再一次验证了前文关于风险和收益之间非线性效应的存在性,即当CGO的值小于门槛值时，收益风险的正相关性显著强于CGO 的值大于门槛值时收益风险的相关性。

同
表6动态面板模型的稳健性检验结果
因变量：「isk模型
revenue
-0.051*
(0.084)
Revenue*dummy
1.463*
(0.065)
CGO
-0.289"
(0.079)
volume
0.018
0.427)
mom
0.327***
0.000)
turnover
-0.055***
0.000)
leverage
0.053***
0.000)
Hansen test
542.36
0.163)
AR(1)0.039
AR(2)0.176
观测值N37674
注"括号内的t值；"**、**和"分别表示在1%,5%和10%水平上显著。

时，从模型检验来看，模型通过了hansen检验和AR（2）检验，表明模型估计过程中的工具变量选择恰当，且模型结果不受二阶序列相关影响，进而表明模型的估计是有效的。

八、研究结论与启示
（一）研究结论
本文基于2013-2018年中国沪深两市A股非金融类上市公司的面板数据，借助门槛模型证实了我国A股市场风险与收益的非线性关系，得到以下结论：（1）对资本利得CGO分位数概况图进行了分析，提供了我国A股市场获利为小概率事件的经验证据。

（2）做出了累积前景理论的原理分析图，分区间分概率显示了风险与收益之间的非线性关系，并结合资本利得分位图，发现我国A股。