流动性影响股票收益的渠道在传统文献中仍需进一步厘清，本文采用随机折现因子的 方法构建了SDF‐LCAPM 模型，将流动性影响股票收益的渠道分为两个：第一个渠道是股票 自身的流动性特征直接影响股票收益；第二个渠道为流动性是系统风险的组成部分，影响股 票的收益。SDF‐LCAPM 模型提出了将流动性影响资产收益的两个渠道联接的框架，并解开了 流动性的波动性与资产收益负向关系之谜，解释了系统流动性与股票收益率对市场流动性的 敏感度不被定价可能的原因，还发现了流动性与资产收益的协方差在资产定价中有重要的作 用。根据SDF‐LCAPM 模型我们实证发现，不同类型的股票流动性特征和流动性风险对收益 率影响的程度是不同的，这一发现可为投资者流动性风险管理提供参考依据。除此而外， SDF‐LCAPM 模型应用在中国股票市场上，可以提高投资组合的Sharpe 比率，具有一定的应 用价值。

本文对现金流信息、现金流风险在股票收益中的定价关系进行了深入研究，建立了包含现金流信息的多因素股票非预期收益定价模型，并采用2002年1月至2011年4月间中国股票市场的有关交易数据、机构收益预测数据和财务数据，来检验理论模型和实证模型的预测，发现：（1）由证券分析师盈余预测修正来估计出的正现金流信息对股票非预期收益、股票实际收益、股票超额收益均具有稳健的解释能力;(2) 由证券分析师盈余预测估计出的现金流风险反映了股票的系统风险，可以对股票预期收益定价；(3) 在解释股票超额收益方面，由现金流信息、现金流风险、分析师跟踪人数与宿成建（2012）三因素模型构成的多因素变量模型优越于Fama和French(1996)三因素模型变量与现金流信息、现金流风险构成的多因素模型；

在金融市场典型事实约束下，运用 ARFIMA-FIAPARCH 模型和极值理论分别对条件波动率和标准收益极端尾部建模，计算出各股市的极端风险，进而探讨在不同的市场波动状态下中外股市的极端风险传染效应及其变化规律。通过实证研究发现，沪、深、港三个中国股市之间的极端风险传染效应在剧烈波动期强于相对平静期，熊市期间强于牛市期间。同样地，三个国外股市之间的极端风险传染效应剧烈波动期强于相对平静期，熊市强于牛市。但是，中外股市之间的风险传染效应与上述结论相反，即相对平静期强于剧烈波动期，牛市强于熊市。

自2006年以来，我国上市公司推出的股权激励计划都是业绩型股权激励。我们发现，这些股权激励计划中的行权业绩条件主要集中在加权平均净资产收益率（ROE）和净利润增长率（NIG）两项会计业绩指标上，且对它们所要求的业绩水平分别集中在“10%”和 “20%”上，形成了有趣的“10%/20%”现象。这到底是企业盈利能力的真实期望还是从众效应之结果呢？本文通过将行权业绩条件与推出股权激励计划公司自身往期、所在行业往期以及推出计划前分析师盈利预测等进行比较后发现，“10%/20%”并非推出股权激励计划公司盈利能力的真实期望和合理反映，而是从众效应之结果。本文还发现，这一从众效应与证监会的股权激励计划备案制及对股权再融资等的长期监管存在一定关联。

企业是否位于产业集群内会对其经营活动产生影响，处于集群内可以降低企业的营业成本率，另一方面也会影响到企业的财务决策和盈利能力。我们选取了2001到2010年制造业和信息技术业1392家公司的数据，根据集群的两种定义进行了实证分析，估计结果表明集群可以降低企业成本，增强企业盈利能力，符合理论假设，然而集群内企业具有规模报酬递减的倾向，同时不善于利用财务杠杆，对区域差异的实证研究表明企业集群存在巨大的区域差异，因此，区域产业集聚化政策是合理的。

本文讨论当投资者面临流动性冲击的情况下，银行的过度风险承担问题。如果银行可以选择长期资产的收益和风险，但却无法向投资者对其资产选择做出可置信的承诺时，同社会福利最大化的情形相比，均衡时的资源配置将发生严重的扭曲：短期利率过低，长期利率过高，并且银行所选择长期资产的风险也将高于社会最优水平。但是，如果监管部门可以针对银行的利率期限结构加以有效的规制，那么，长期资产的风险水平可以恢复到社会最优的水平。

本文根据Svensson(1994)模型拟合到期收益率曲线的方法, 使用2002年1月到 2013年2月国债交易和报价数据, 计算了国债交易的噪音并进而将其作为国债市场的整体非流动性, 探讨了影响国债整体非流动性的因素以及国债整体非流动性对基金超额回报的定价影响。研究发现, 利率水平、利率斜率对国债整体非流动性有正的显著影响, 公司债整体风险溢价、银行间债券市场投资者数量和商业银行可投资债券金额对国债整体非流动性有负的显著影响; 国债整体非流动性的变化对股票型基金的超额回报有正的显著影响。

It has been long that literature in finance focuses mainly on price and return but much less on trading volume, even completely ignoring it. There is no information on supply-demand quantity and trading volume in neoclassical finance models. Contrary to one of the clearest predictions of rational models of investment in a neoclassical paradigm, however, trading volume is very high on the world’s stock market. Here we extend Shi’s price-volume differential equation, propose a notion of trading conditioning, and measure the intensity of market crowd trading conditioning by accumulative trading volume probability in the wave equation in terms of classical and operant conditioning in behavior analysis. Then, we develop three kinds of market crowd trading behavior models according to the equation, and test them using high frequency data in China stock market. It is hardly surprising that we find: 1) market crowd behave coherence in interaction widely and reach agreement on a stationary equilibrium price between momentum and reversal traders; 2) market crowd adapt to stationary equilibrium price by volume probability increase or decrease in interaction between market crowd and environment (or information and events) in an open feedback loop, and keep coherence by conversion between the two types of traders when it jumps and results in an expected return from time to time, the outcome of prior trading action; 3) while significant herd and disposition “anomalies” disappear simultaneously by learning experience in a certain circumstance, other behavioral “anomalies”, for examples, greed and panic, pronounce significantly in decision making. Specifically, a contingency of return reinforcement and punishment, which includes a variety of internal and external causes, produces excessive trading volume. The behavioral annotation on the volume probability suggests key links and the new methods of mathematical finance for quantitative behavioral finance.长期以来，金融的学术文献主要关注价格和回报率，很少考虑甚至完全忽视了交易量。新经典金融模型就没有供需量和交易量的信息。然而，与新经典框架理性投资模型的预计结果不同，交易量在世界的股票市场上是非常大的。我们基于Shi的价-量微分方程，根据行为分析中的经典性和操作性条件反射，提出了交易性条件反射的概念，并且用该方程中的累计交易量概率来计量市场群体交易性条件反射的强度。由该方程，我们得到三种市场群体的交易行为模型，并且用我国股市的高频数据进行实证分析。不难发现：1）市场群体在相互作用的过程中普遍地表现出相互一致的行为特征，趋势和反转交易者之间存在着一个大家都能够接受的稳态均衡价格；2）交易行为有时会导致稳态均衡价格出现跳跃、带来预期收益率，这时，市场群体在开放的反馈环中，通过与环境（或信息和事件）之间的相互作用，由成交量概率的增加或减少来适应该均衡价格的变化，趋势和反转交易者也会通过相互转换保持市场群体行为的相互一致性； 3）尽管在某特定环境下市场群体通过学习实践，羊群和处置行为同时消失了，但是其他行为“异象”，例如贪婪与恐慌，在决策中却表现的十分显著。特别地，收益率强化和惩罚过程，其中包含各种内外因素，导致过度交易量。累计交易量概率的行为诠释为计量行为金融学提供了关键性的纽带作用和数学金融的新方法。

本文分别采用静态套期保值模型与动态套期保值模型估计出EUA、CER各自期货价格与现货价格以及这两种期货价格的最优套期保值比率，并选用相应的套期保值绩效指标对样本内与样本外的静态与动态套期保值效果进行比较分析。结果表明：静态套期保值模型VAR(向量自回归)与动态套期保值模型DCC-GARCH(动态条件相关GARCH模型)的套期保值效果最优，在有效降低资产风险的基础上增加了资产收益，对碳排放市场能够进行有效套期保值。

本文以2009年至2012年间我国中小板与创业板上市公司为研究样本，利用倾向值配比（propensity score matching）与事件研究方法对风险投资参股、风险投资声望及风投参股的股票锁定期解除前后显著的量价效应进行了实证研究。实证结果表明，在本文选取的研究样本中，风险投资并不具备“认证效应”与“逐名效应”，而风险投资参股的上市公司，在锁定期解除后异常成交量与异常收益率更为显著，并且风投机构的累计投资收益率与解禁期股票的异常收益率存在负相关关系。