现代金融学的历史

现代金融学的历史——一位目击者的叙述默顿·米勒五年时间，德国金融协会的成立与其他职业社团相比之下算是年轻的。

同样，金融学本身的出现也并不遥远。

现代金融学实际上是从1950年左右开始的。

经过40多年的发展，如果按这些指标：注册学生的数目；讲授该课程的师资力量；最重要的是学术成果的数量与质量来衡量，金融学已经超越了经济学的许多甚至绝大多数传统领地。

在过去40年间，金融学术研究的丰硕成果很自然的汇成了两股潮流。

我并不是指“资产定价”和“公司财务”的区别，而是指贯穿两者的一个更深层的分野。

我认为，更基本的分野存在于被窝称作“商学院方法”和“经济系方法”的两者之间。

不过，我所做的区分纯粹是名义上的，没有实体上的含义：即关于该领域的实际内容，而与系办公室的具体地理位置无关。

在美国，金融学的绝大多数学术知识是在商学院而不是在经济系讲授的，并且会一直如此。

与此同时，相当一部分教员确实在经济系训练出来的。

至少在一些名校是如此。

大家知道，在研究生教育中养成的思维习惯往往会伴随你一生。

用我们的行话来说，商学院方法倾向于“微观规范分析”，即在证券的市场价格既定的前提下，一个决策者——不论是个人投资者还是公司经理，努力使某一客观函数值最大化，或者是效用，或者预期收益或者是股东价值。

毕竟，在商学院里，你应该做的事是教会学生如何做出更好的决策。

相形之下，在经济学的经典传统中训练出来的人不会忘记伟大的马歇尔的一句蔵言：“告诉啤酒厂如何酿造啤酒不是经济学家的事”。

因此，“经济系方法”的特色不是微观分析，而是“宏观规范分析”，经济学模型假设一个由微观的个体最优化者组成的世界。

由此推断被这些个体当作既定的市场价格实际上是如何演化的。

请注意，我是按照“宏观的”和“微观的”来区分金融研究中的两条支流，而不是大家更为熟悉的“规范分析”和“实证分析”的差异。

于可检验的假说相关，金融研究的这两大流派在科学观上都是彻底的实证主义者。

过去40多年中，金融学杂志上比较规范的论文都包括两大部分：首先给出模型；然后是经验检验部分，表明真实世界的的数据与模型是一致的。

（这并不让人惊讶，因为假如并非如此的话，作者就绝不会首先在论文上署名，编辑也绝不会接受这篇文章并公之于众）。

这两大直流即“商学院方法”和“经济系方法”，或微观规范和宏观规范分析之间的相互作用，在很大程度上主宰了金融领域迄今为止的历史发展，这里我打算回顾一下这段历史中的几个顶峰成就，充分分利用金融学领域所获的诺贝尔奖的参考价值。

我要强调的是，我并不想对金融领域做一次综合的详尽的考察，只是提供一些有选择的看法，也可以说是一位目击者的叙述。

马科维茨与资产组合选择理论在现代金融学的开端，微观方法和宏观方法的张力就显而易见。

这一开端，也就是金融学的“大爆炸”，始于1952年，马科维茨的论文“资产组合选择”在《金融杂志》上发表，我想这是今天人们都一致认同的。

在这篇著名论文中，马科维茨第一次给出了风险和收益的精确定义，而在此之前它们只是些含义模糊的时髦词汇。

具体地说，马科维茨把投资的收益或回报定义为其可能结果的期望值或概率加权平均值，把风险定义为其可能结果对于平均值的方差或离差的平方。

将收益和风险定义为均值和方差，对今天的金融界来说几乎已成为本能，在当时却远非显然。

甚至在今天，对风险的一般理解仍集中于损失的可能性——即公众所认为的“往下转的风险”，不只是收益的可能变化。

马科维茨选择方差作为对风险的测量，尽管在当时对于许多人来说是违背直觉的，结果却证明深具启发性。

它不仅引入了对于风险的更符合直觉的看法，还拥有一项对于该领域的发展可能更为重要的性质。

通过把收益和风险定义为均值和方差，马科维茨将强有力的数理统计方法引入了资产组合选择的研究之中。

教学方法的直接贡献是一个著名公式，即诸随机变量之和的方差，等于各个随机变量方差的加权和，加上2倍的随机变量协方差即加权和。

说实在的，我们金融学界正是靠这项公式而生存的，40多年来一直如此，这项公式表明，首先，对于个人投资者来说，分析的相关单位必须总是整个资产组合，而非单只股票。

单只股票的价值，脱离了其与整个资产组合的联系，以及特别的，与其他单项资产的协方差，就不能被确定。

协方差，而不仅是持有证券的种类，决定了分散化投资所具有的降低风险的益处。

马科维茨的均值—方差模型是我称之为金融学中“商学院方法”或微观规范方法的一个典型例子。

有些讽刺的是，在马科维茨纸原LY 1，在芝加哥大学经济学论文部门。

马科维茨甚至指出，米尔顿事实上，弗里德曼，投了反对票的论文最初那不是真正的经济理由。

而事实上，均值-方差模型，实际上不是经济学。

马科维茨看到投资者的实际应用模型利用过去的数据相结合来接他们的投资组合和个人的判断来选择所需要的资产组合。

对于方差和协方差，至少过去的数据可以提供至少一个合理的观点。

通过吧时间间隔划分为越来越小的单位，这类估计值的精确度总可以提高。

但是，均值怎样呢？仅仅将过去数年的收益率求平均，按照马科维茨论文中的几个例子所采用的方法，无法产生对未来预期收益率的可靠估计。

而且，运用计算机法来即使这些不可靠的均值的估计值，以此来指导投资决策，将导致怪诞的投资组合，难以实现推测中的分散化的好处。

任何一位曾把资产组合模型作为课堂训练的金融课老师都能够正面这一点。

如果是马科维茨均值-方差算法为最佳组合没有用的话，那么我为什么将它的诞生视为现代金融学的起点呢？原因在于：马科维茨的本质上是商学院风格的模型已经被J.林特纳和J.毛森转化为经济系风格了，后者不仅强而有力而且产生了广泛影响。

威廉·夏普和资本资产定价模型在将马科维茨的“商学院模型”转化为“经济系模型”的过程中，威廉·夏普起到了举足轻重的作用，这同样具有讽刺意味。

马科维茨当初是把论文提交给经济系的；二夏普一直是商学院教员，他早期著作的大部分属于管理科学或运行研究领域，此外，夏普还一直从事着积极的咨询实践，帮组养老基金解决证券组合选择问题。

然而，他的资本资产定价模型是我所描述的经济学宏观规范模型中的一个最完美的例子。

作为起点，夏普假设这样一个世界，其中每一位投资者都依据马科维茨均值-方差方法来选择资产组合。

进一步，他假设所有投资者对于收益，方差和协方差都拥有的预期。

但是，如果资产组合选择的输入端相同的话，那么每位投资者都必将持有相同的风险资产组合。

进而，由于所有的风险资产都必然为某人持有，因此一个直接的含义就是每位投资者都持有“市场资产组合”，它由所有风险资产组成，单项资产的份额分配取决于流通的相对大小。

咋一看，当然，这一命题每个人都拥有相同的资产组合似乎不太现实，更本不值得追随。

不过，首先一点，该定理仅是针对风险资产而言的。

它不承担每个投资者拥有规避风险的程度相同。

投资者可以随时持有无风险，减少他们所承担的风险程度债券在市场风险的股票和他们可以增加他们的风险持消极无风险资产的金融是通过借贷提高“市场资产组合”杠杆率。

其次，投资于“市场资产组合”的思想也并不奇怪。

在某种意义上，自然模仿艺术。

夏普的著作出现后不久，共同基金就从市场中诞生了，它旨在按照流通比例持有市场上的所有资产。

此类指数基金，也常被称作“消极的”投资战略，目前正受到越来越多的投资者欢迎，特别是在美国。

与下文即将讨论的莫迪利亚尼-米勒定理不同，夏普的资本资产定价模型基本假设的现实与否，从来没有在学术界成为激烈争论的主题。

从一开始，学术界就热诚地采纳了弗里德曼的实证主义观点：重要的不是假设，而是模型所作出的预言是否真实准确。

对夏普模型来说，其预言确实引人注目。

CAPM的暗示，分风险资产的预期回报率资产的分布是一个单一变量，及该资产对市场资产组合的敏感度或时之间的协方差，著名的β系数，就成为对证券风险的衡量，这对所有风险都适用。

科学的目标是用更少的理论解释更多的现象，在金融学中，没有其他的模型能比CAPM更能做到这个。

CAPM模型不仅提供新的和强大的理论对风险的性质，但也适合本身令人钦佩的一种深入的实证所以必要为一个新的领域发如融资。

它的有益的影响不仅限于金融领域。

从大量CAPM的研究中，产生许多重要理论和应用经济学。

虽然单一的β系数的资本资产定价模型超过三十年的严格的检验调查，目前的共识，当前学术界的共识是，对刻画预期的收益的横截面来说单一的风险要素是很不充分的，尽管我们沿着这条路走了很长。

目前普通股除了市场要素，另外两个风险因素已经被确认。

一个是规模效应，平均而言，小企业的股东看起来比大企业的能得到更高的回报，甚至除去β系数或市场敏感度的影响，理论还成立。

另一个因素，还没有完全理解，但似乎企业账面价值和市场价值的比率出现可以合理解释，平均来说，除了规模和市场的因素外，从长久来看，比例较高的企业比的比例较低的企业回报要高。

现已显示，三因子模型描述数据较单 CAPM的因素更符合经验，当然没办法，从升值的巨大影响力的原始CAPM模型对资产定价的理论有效市场假说马科维茨的均值-方差模型和夏普的 CAPM模型是具有重大科学的贡献，诺贝尔委员会于1990年认可。

在同一时间，第三个重大金融贡献也被人们承认。

但在此描述它之前，让我提到的第四大贡献，在过去二十五年深刻影响金融领域，但至今没有被诺贝尔注意委员会注意。

当然，我指的“有效率的市场假说”，实际上，没有一个简单的规则根据已经公布和提供的信息可以生成高于正常的回报率。

在此分数是否存在机械的获利机会。

商学院传统和经济学系之间的金融冲突一直而且仍然激烈。

在20世纪50年代，人们对金融领域的兴趣，是希望通过研究金融能发现股票市场成功的机会和方法。

事实上，股票市场价格第一次系统收集是在考尔斯基金会的帮助下完成的。

考尔斯是一个终身对股票市场热情的人，只在1929年的大灾难中受到影响。

目前属于耶鲁大学经济系考尔斯基金会，是经济学基本研究在20世纪40年代和50年代的来源。

至今股票价格的考尔斯指数已被更详细的计算机的数据库取代了，如中心在芝加哥大学证券价格研究中心的数据库。

反过来，这些数据库刺激的金融领域实证研究，造就其独特的风味。

即使在这些新的计算机数据在20世纪60年代初开始广泛使用之前，获得超常收益的机械方法已受到严重挑战。

奇怪的是，不是由经济学家发起的，却是MG肯德尔和哈里·罗伯茨统计学家发起的。

他们认为，股票价格运动基本上是遵循“随机游走模式”。

这意味着，除其他事项外，过去股票价格的记录，不管看上去多丰富的模式都没有表现出对未来股票收益的预言能力。

然而，到了60年代晚期，积累起来的证据却表明，严格地讲，股票价格的波动并未呈现出随机游走的特征。

有效预言的耨些要素确实能被探查到，尤其是在长期收益率上。

因而，这一问题，即公开的可以得到的信息是否有助于成功的股市投机，不得不被重新表述为：在考虑到交易成本并适当补偿了时间风险变化后，可观察到的对于普通股权收益的时间序列的随机性的偏离是否真正代表着获利机会，我的同事尤金.法马在这一任务中发挥着领导作用。