本文对我国股票市场存在的主要问题进行了剖析，并针对存在的问题提出了一些可行的政策建议。我们的结论是，政府解决股市问题的唯一途径是：放弃“相机抉择”的融资政策，转而向建立和维护市场规则的方向转变。

本文介绍了一种Black Scholes期权定价模型的改进方法，这种方法是通过将gamma过程作为时变过程嵌入Black Scholes期权定价模型中的布朗运动来实现的。在给出了相应的欧式看涨期权价格的解析解的基础上，本文对改进模型的定价性能进行了实证检验。

运用博弈论对我国价格监管工作进行了博弈分析，基于博弈均衡分析，运用模型对当前价格监管的一些现实问题进行了解释，提出了价格监管政策建议，以期完善我国价格监管体制。

由互联网发起的支付机制分类模型； 包括信用卡支付、借记帐户支付、虚拟帐户/虚拟货币、预付费方案、移动支付； 各类支付机制运行原理，欧美及中国发展状况概揽

IPOs（Initial Public Offerings）称首次公开发行的普通股，在我国称为新股，主要争论集中在对IPOs的短期和长期表现以及IPOs低价发行原因等方面。本文将在国内外学者已有研究的基础上，进一步深入研究IPOs低价发行的成因，认为影响IPOs低价发行最关键的因素乃是不确定性即风险因素，IPOs低价发行是对老股东把风险转移给新股东的补偿。

本文提出的综合理论框架全面分析描述了以稳定物价水平、促进国民经济持续增长为目的的货币政策与股票市场的关系，着重对中央银行干预股票市场的必要性和有效性进行理论分析和实证检验。本文应用的动态滚动式的计量检验方法适应中国经济体制不断调整的特征，不但可以完成我们的理论分析，更可以检测中央银行对股票市场干预的机制及干预的有效性，从而分析进一步的政策含义，为中央银行的货币政策制订和预期效果提供一个前瞻性的预测分析框架。This paper develops a comprehensive framework to analyze the relationship of monetary policy and stock market.We focus on the necessity and efficacy of central bank intervention in the stock market in China. We applied rolling VAR estimation and augmented VAR Granger causality testing technique to capture the frequent structural changes in China due to her gradual economic and financial reforms.

摘 要：价格向信息调整的速度提供了一种直接衡量金融市场反应不足或反应过度的程度，进而检验市场有效性的方法。运用一种更优的价格调整速度的估计量，对我国股票市场进行了实证研究，发现股票价格向信息的调整是一个剧烈振荡的过程，信息得以完全调整需要12天，而在更长时间间隔内市场并未表现出反应过度，短期内小盘股对信息的调整速度快于大盘股。

已上市公司股票在深沪A股市（集中交易市场）全流通或国有股减持会对A股二级市场产生巨大的冲击，这不仅直接关系到数千万投资人的切身利益，而且最终也将决定国有股减持是否能有效实现。“C股市场”的开设，可有效替代已上市公司非流通股在现有集中市场的流通，从而为投资人清除了笼罩在中国A股市场上空的已上市公司股票全流通或国有股减持的巨大阴云。

本文将Conrad和Kaul(1998)所提出的股价异常回报分解模型进行扩展，从而能够按照时间序列可预测性与横截面方差两部分对我国股市各种策略下的异常收益进行分解。结果显示我国股市存在明显的反转收益，而且分解之后，即使整体收益不显著的策略也呈现了显著的可预测性。然后再利用Jegadeesh和Titman(2001)所提出的“后持有期”检验对实证结果进一步考察，以判断股市究竟是过度反应，反应不足还是随机游走。检验结果支持过度反应假说。笔者认为，信息传递机制不完善和投资者心态不成熟是造成这种现象的主要原因。

This study estimates optimal hedge ratios using various econometric models. These models are evaluated based on the in- and out-of-sample optimal hedge ratio forecasts. Using daily data of spot and futures 1-month, 3-month, 6-month prices of aluminum and copper in the Shanghai Futures Exchange, the optimal hedge ratios are calculated from the OLS regression model, the VAR with error correction model, the bivariate GARCH model and the Exponential GARCH (EGARCH) Model. Hedging performance in terms of variance reduction of returns from four different models are also conducted. It is found that the EGARCH hedge ratio provides the largest reduction in the variance of the return portfolio, but they do not perform better than the alternatives over the out-of-sample period.