Ⅰ 金融风险度量方法的历史沿革
1.如何计算有效历史边沿
简单的说，就是投资者可以先从证券选择集中找到历史边沿，然后投资者只需在历史边沿上选出一个最优的证券组合即可。亦可知，选择不同的风险度量可以得到不同的收益率均值——风险有效历史边沿。从典型投资者角度考虑，追求最大的期望收益率和最小的不确定性(风险)。而不同的风险度量，会得到不同的收益率均值。通常会选择方差、Va R、cVa R作为风险度量。如果以方差为例，一个包含个资产的投资组合的预期收益率可计算如下：其中是组合中证券的市值权重， 则是证券的期望收益率。投资组合的风险则用方差来进行描述，其基本公式如下：其中与分别为两种证券的投资权重，与是两种证券的标准差，而则代表与两种证券间的相关系数。投资者可从满足条件的可行集（feasible set）里选择其最优投资组合，即在给定风险条件下能提供最大预期收益或者在给定预期收益率条件下能提供最小风险的组合，能满足上述条件的投资组合集被称为“有效边界”（efficient frontier）。
2.金融风险管理的基础和核心是对风险的定量分析和评估，即风险测量。目前，金融市场风险测量的主要方法包括灵敏度分析、波动性方法、Va R、压力试验（stress testing）和极值理论（extreme value theory），简称EVT）。其中，Va R是目前金融市场风险测量的主流方法。
3.投资者在选择投资组合时最关心的两个量——收益和风险，在选择投资组合时总希望达到最优：风险最小，收益最大，但无法做到两全其美（因风险和收益是正相关的）。因此一个理性的投资者选择最优证券组合时的标准应是在给定期望收益率要求下，使投资风险最低，或是在一定风险承受能力下寻求最大的预期收益率。具有上述特征的证券投资组合称为有效投资组合，全部有效投资组合构成收益率均值——风险平面上的一条有效边界。
4.设S是N种证券的选择集，如果其中存在一个子集F(p)，具有如下性质：
（1）在给定的某种风险（如方差）中，F(p)中的组合证券在S中具有最大的期望收益率;
（2）在给定的期望收益率中，F(p)中的证券组合在S中具有最小的此种风险（如方差）， 称F(p)为有效历史边沿（Efficient Frontier），简称历史边沿。
投资者的组合证券资产选择即是其效用偏好和有效边界共同决定的投资点。因此，有效历史边沿的确定对于组合证券投资决策具有重要意义，为投资者准确地度量证券市场风险，更好地进行证券投资提供了理论依据，对于使其做出最优决策有重要的参考价值。
Ⅱ var a = {} 与 var a = function(){} 的区别是什么
function a(){} 为函数声明，程序运行前就已存在； var a = function(){} 为函数表达式。
VaR方法称为风险价值模型，也称受险价值方法、在险价值方法，常用于金融机构的风险管理，于1993年提出。
传统的ALM(Asset-Liability Management,资产负债管理)过于依赖报表分析，缺乏时效性；利用方差及β系数来衡量风险太过于抽象，不直观，而且反映的只是市场（或资产）的波动幅度；而CAPM（资本资产定价模型）又无法揉合金融衍生品种。
在上述传统的几种方法都无法准确定义和度量金融风险时，G30集团在研究衍生品种的基础上，于1993年发表了题为《衍生产品的实践和规则》的报告，提出了度量市场风险的VAR(Value at Risk：风险价值)方法已成为目前金融界测量市场风险的主流方法。
稍后由J.P.Morgan推出的用于计算 VAR的Risk Metrics风险控制模型更是被众多金融机构广泛采用。目前国外一些大型金融机构已将其所持资产的VAR风险值作为其定期公布的会计报表的一项重要内容加以列示。
按字面解释就是“风险价值”，其含义指：在市场正常波动下，某一金融资产或证券组合的最大可能损失。更为确切的是指，在一定概率水平（置信度）下，某一金融资产或证券组合价值在未来特定时期内的最大可能损失。
Ⅲ 金融市场的技术分析方法
技术分析方法是市场经验的科学总结，经过现代市场几代人的研究、创新和发展，技术分析方法体系愈加成熟和完善。然而，技术分析方法也有其局限性，例如，一种技术分析方法不是万能的，它可能只适合于某一市场环境，而对于另一种市场环境无能为力，甚至会导致错误。因此，正确认识和深入理解技术分析方法的特点，掌握每一种技术分析方法所适用的市场环境，是有效应用技术分析方法的关键。
一、常见的错误认识和错误应用
在技术分析方法应用中，缺乏分析经验的投资者常有以下的错误的认识和应用：
1. 过分依赖技术分析结果。
有一些投资人认为技术分析方法应该是准确无误的分析工具，所以迷信某一种分析方法得出的预测结论。笔者在工作时遇到投资者T。T是一名经济学讲师，很钟情技术分析方法，有一次，他根据自己的技术分析结果，以2900元/吨做了50手豆粕期货卖单，结果豆粕期货不跌反涨，向上突破了3000元/吨的关键阻力位，我们催促他按计划止损，但他拒绝执行，并拿出图纸比划着解释：“我还是坚持看空，因为有一种技术分析方法支持我的做空观点。”最后，豆粕期货猛涨到3400元/吨以上，这位投资者损失惨重。
2. 把某种分析方法作为市场预测的万能工具。
有一些投资者这样认为：每一种技术分析方法都可以应用到任何市场环境中。例如，他们不管市场是有趋势还是无趋势，都要看移动平均线，或者不管波浪形态清楚与否，都执着地数浪¨¨¨很明显，移动平均线方法一般适用于有趋势的市场，但如果用于振荡盘整市场，它提供的买卖信息则大多是伪信号，投资者如果用这些信息做交易，就会受到“左一巴掌，右一巴掌”的惩罚，一些投资者在交易中“买也赔钱，卖也赔钱”，原因概出于此。
波浪分析方法是投资大师们公认的、最好的、最有价值的技术分析方法之一，但它也不是万能的。实践中，我们经常看到，有时市场波浪行进形态很清晰，非常易于辨认和数浪，但当市场过于强势时，由于波浪的延伸、再延伸而使数浪者迷茫；当市场处于无趋势的盘整时期，由于调整浪存在多重性和多种结构，使得数浪十分复杂或容易数错。
3. 忽略市场环境，错用技术分析方法。
有些投资者不考虑市场环境，片面、习惯应用自己所熟悉的技术分析方法，比如习惯 应用移动平均线和KD指标等，对其他分析方法的应用缺乏研究。有的还习惯使用单一的分析方法，忘记了道氏“不同分析方法要相互印证”的教诲。
上述的错误认识和错误应用，极大地影响了技术分析方法的有效发挥。
二、正确认识和理解是技术分析应用的关键
实践证明，技术分析方法应用的关键是对技术分析方法的正确认识和理解。笔者认为要从以下几个方面正确理解技术分析方法：
1. 技术分析方法是一面镜子，历史会重演，但绝不是简单的重复。
技术分析方法的出现使人们可以借助市场的历史信息，对今后市场的变化进行推断预测。技术分析方法的开创者们认为，“历史会重演”，但是这种重演绝不是简单的重复。比如，上证指数曾经经历了7年牛市，展现出完整的5个上升浪形态，其中1、3、5三个推动浪都具有5个子浪结构，但它们的内部结构、运行时间、浪的长度都各有不同。
2. 技术分析多以统计分析为手段，其分析结果是一种概率事件，并非绝对事件。
这一认识十分关键，它可以使你客观、辩证地对待每一种技术分析的结果，不会犯上面所说的一些错误。例如，甲、乙两分析师在某日收市后，根据大连大豆期货市场内在信息，分析次日大豆期货走势。甲预测价格上涨，乙预测价格下跌，熟是熟非？只能由次日连豆期货价格走势所裁定，而在此之前，没有任何人能够裁定。这个例子说明，市场分析结果仅仅是一种预测，有可能对也有可能错，应该把这种预测结果作为制定投资计划的依据，但在计划中必须作好应对预测结果错误的准备。投资计划中的止损项目正是防止分析结果出错的必要措施。
Ⅳ FRM考试中的常见金融风险模型有哪些
一、波动性方法
自从1952年Markowitz 提出了基于方差为风险的资产组合选择理论后，方差（均方差）就成了一种极具影响力的经典的金融风险度量。方差计算简便，易于使用，而且已经有了相当成熟的理论。当然，波动性方法也存在以下缺点：
（1）把收益高于均值部分的偏差也计入风险，这可能大家很难接受；
（2）以收益均值作为回报基准，也与事实不符；
（3）只考虑平均偏差，不适合用来描述小概率事件发生所导致的巨大损失，而金融市场中的“稀少事件”产生的极端风险才是金融风险的真正所在。
二、VaR模型（Value at Risk）
风险价值模型产生于1994年，比较正规的定义是：在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内预期发生的坏情况的损失大小X。在数学上的严格定义如下：设X是描述证券组合损失的随机变量，F（x）是其概率分布函数，置信水平为a，则：VaR（a）=-inf{x|F（x）≥a}。该模型在证券组合损失X符合正态分布，组合中的证券数量不发生变化时，可以比较有效的控制组合的风险。因此，2001年的巴塞耳委员会指定VaR模型作为银行标准的风险度量工具。但是VaR模型只关心超过VaR值的频率，而不关心超过VaR值的损失分布情况，且在处理损失符合非正态分布（如厚尾现象）及投资组合发生改变时表现不稳定。不想重考，想一次通过，我有秘诀！！！
三、灵敏度分析法
灵敏度方法是对风险的线性度量，它测定市场因子的变化与证券组合价值变化的关系。对于市场因子的特定变化量，通过这关系种变化关系可得到证券组合价值的变化量。针对不同的金融产品有不同的灵敏度。比如：在固定收入市场的久期，在股票市场的“β”，在衍生工具市场“δ”等。灵敏度方法由于其简单直观而得到广泛的应用但是它有如下的缺陷：
（1）只有在市场因子变化很小时，这种近似关系才与现实相符，是一种局部性测量方法；
（2）对产品类型的高度依赖性；
（3）不稳定性。如股票的“贝塔”系数存在不稳定的缺陷，用其衡量风险，有很大的争议；
（4）相对性。敏感度只是相对的比例概念，并没有回答损失到底有多大。
四、一致性风险度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性风险度量模型，认为一个完美的风险度量模型必须满足下面的约束条件：
（1）单调性；
（2）次可加性；
（3）正齐次性；
（4）平移不变性。
次可加性条件保证了组合的风险小于等于构成组合的每个部分风险的和，这一条件与我们进行分散性投资可以降低非系统风险相一致，是一个风险度量模型应具有的重要的属性，在实际中如银行的资本金确定和化组合确定中也具有重要的意义。目前一致性风险度量模型有：
（1）CVaR模型（Condition Value at Risk）：条件风险价值（CVaR）模型是指在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内损失超过VaRa的条件期望值。CVaR模型在一定程度上克服了VaR模型的缺点不仅考虑了超过VaR值的频率，而且考虑了超过VaR值损失的条件期望，有效的改善了VaR模型在处理损失分布的后尾现象时存在的问题。当证券组合损失的密度函数是连续函数时，CVaR模型是一个一致性风险度量模型，具有次可加性，但当证券组合损失的密度函数不是连续函数时，CVaR模型不再是一致性风险度量模型，即CVaR模型不是广义的一致性风险度量模型，需要进行一定的改进。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基础上的改进版，它是一致性风险度量模型。如果损失X的密度函数是连续的，则ES模型的结果与CVaR模型的结果相同；如果损失X的密度函数是不连续的，则两个模型计算出来的结果有一定差异。
（3）DRM模型（Distortion Risk-Measure）：DRM通过一个测度变换得到一类新的风险度量指标。DRM模型包含了诸如VaR、CVaR等风险度量指标，它是一类更广义的风险度量指标。
（4）谱风险测度：2002年，Acerbi对ES进行了推广，提出了谱风险测度（Spectral Risk Measure）的概念，并证明了它是一致性风险度量。但是该测度实际计算的难度很大，维数过高时，即使转化成线性规划问题，计算也相当困难。
Ⅳ FRM干货：常用的金融风险的模型有哪些
金融市场的一项主要功能实际上是允许经济界的不同参与者交易其风险，而近二十年来，由于受经济全球化和金融一体化、现代金融理论及信息技术、金融创新等因素的影响，全球金融市场迅猛发展，金融市场呈现出前所未有的波动性，金融机构面临着日趋严重的金融风险。
近年来频繁发生的金融危机造成的严重后果充分说明了这一点。
一、波动性方法
自从1952年Markowitz提出了基于方差为风险的*3资产组合选择理论后，方差（均方差）就成了一种极具影响力的经典的金融风险度量。方差计算简便，易于使用，而且已经有了相当成熟的理论。当然，波动性方法也存在以下缺点：
（1）把收益高于均值部分的偏差也计入风险，这可能大家很难接受；
（2）以收益均值作为回报基准，也与事实不符；
（3）只考虑平均偏差，不适合用来描述小概率事件发生所导致的巨大损失，而金融市场中的“稀少事件”产生的极端风险才是金融风险的真正所在。
二、VaR模型（Value at Risk）
风险价值模型产生于1994年，比较正规的定义是：在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内预期发生的最坏情况的损失大小X。在数学上的严格定义如下：设X是描述证券组合损失的随机变量，F(x)是其概率分布函数，置信水平为a，则：VaR(a)=-inf{x|F(x)≥a}。该模型在证券组合损失X符合正态分布，组合中的证券数量不发生变化时，可以比较有效的控制组合的风险。
因此，2001年的巴塞耳委员会指定VaR模型作为银行标准的风险度量工具。但是VaR模型只关心超过VaR值的频率，而不关心超过VaR值的损失分布情况，且在处理损失符合非正态分布（如厚尾现象）及投资组合发生改变时表现不稳定。
三、灵敏度分析法
灵敏度方法是对风险的线性度量，它测定市场因子的变化与证券组合价值变化的关系。对于市场因子的特定变化量，通过这关系种变化关系可得到证券组合价值的变化量。针对不同的金融产品有不同的灵敏度。比如：在固定收入市场的久期，在股票市场的“β”，在衍生工具市场“δ”等。灵敏度方法由于其简单直观而得到广泛的应用但是它有如下的缺陷：
（1）只有在市场因子变化很小时，这种近似关系才与现实相符，是一种局部性测量方法；
（2）对产品类型的高度依赖性；
（3）不稳定性。如股票的“贝塔”系数存在不稳定的缺陷，用其衡量风险，有很大的争议；
（4）相对性。敏感度只是相对的比例概念，并没有回答损失到底有多大。
四、一致性风险度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性风险度量模型，认为一个完美的风险度量模型必须满足下面的约束条件：
（1）单调性；
（2）次可加性；
（3）正齐次性；
（4）平移不变性。
次可加性条件保证了组合的风险小于等于构成组合的每个部分风险的和，这一条件与我们进行分散性投资可以降低非系统风险相一致，是一个风险度量模型应具有的重要的属性，在实际中如银行的资本金确定和*3化组合确定中也具有重要的意义。目前一致性风险度量模型有：
（1）CVaR模型（Condition Value at Risk）：条件风险价值（CVaR）模型是指在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内损失超过VaRa的条件期望值。CVaR模型在一定程度上克服了VaR模型的缺点不仅考虑了超过VaR值的频率，而且考虑了超过VaR值损失的条件期望，有效的改善了VaR模型在处理损失分布的后尾现象时存在的问题。当证券组合损失的密度函数是连续函数时，CVaR模型是一个一致性风险度量模型，具有次可加性，但当证券组合损失的密度函数不是连续函数时，CVaR模型不再是一致性风险度量模型，即CVaR模型不是广义的一致性风险度量模型，需要进行一定的改进。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基础上的改进版，它是一致性风险度量模型。如果损失X的密度函数是连续的，则ES模型的结果与CVaR模型的结果相同；如果损失X的密度函数是不连续的，则两个模型计算出来的结果有一定差异。
（3）DRM模型（Distortion Risk-Measure）：DRM通过一个测度变换得到一类新的风险度量指标。DRM模型包含了诸如VaR、CVaR等风险度量指标，它是一类更广义的风险度量指标。
（4）谱风险测度：2002年，Acerbi对ES进行了推广，提出了谱风险测度（Spectral Risk Measure）的概念，并证明了它是一致性风险度量。但是该测度实际计算的难度很大，维数过高时，即使转化成线性规划问题，计算也相当困难。
五、信息熵方法
由不确定性把信息熵与风险联系在一起引起了众多学者的研究兴趣，例如Maasoumi，Ebrahim，Massoumi and Racine，Reesor.R等分别从熵的不同角度考虑了风险的度量，熵是关于概率的一个单调函数，非负，计算量相对较少，熵越大风险越大。
六、未来的发展趋势
近年来行为金融学逐渐兴起，它将心理学的研究成果引入到标准金融理论的研究，弥补了标准金融理论中存在的一些缺陷，将投资心理纳入到证券投资风险度量，提出了两者基于行为金融的认知风险度量方法，并讨论了认知风险与传统度量方差的关系。2004年Murali Rao给出一种新的不确定性度量--累积剩余熵。累积剩余熵是用分布函数替换了Shannon熵的概率分布律或密度函数，它具有一些良好的数学性质，这个定义推广了Shannon熵的概念让离散随机变量和连续随机变量的熵合二为一，也许会将风险度量的研究推向一个新的台阶。
总之，金融风险的度量对资产投资组合、资产业绩评价、风险控制等方面有着十分重要的意义。针对不同的风险源、风险管理目标，产生了不同的风险度量方法，它们各有利弊，反映了风险的不同特征和不同侧面。在风险管理的实践中，只有综合不同的风险度量方法，从各个不同的角度去度量风险，才能更好地识别和控制风险，这也是未来风险度量的发展趋势。
Ⅵ 拿什么来测量通货膨胀
但人们最关注的还是三种，居民消费物价指数CPI、工业品出厂价格指数PPI以及GDP平减指数（指按当年价格计算的GDP对按固定价格计算的GDP的比率），其中CPI指标最为常用。其思想基础是所谓生活费用理论，即给定一个代表性的消费者和他要达到的生活满意程度，他需要的最小生活费用支出会因为价格变化而发生变动，这种变动就是CPI所测量的通货膨胀。在实践中，CPI的测量存在许多技术上的困难，会形成一些系统性的偏差，不过这些技术问题对宏观经济决策来说一般都不是关键性的。宏观经济政策之所以要关注通货膨胀，关键在于它通过破坏市场的价格协调过程等许多渠道形成了社会福利损失，而这种福利损失未必能够通过代表性消费者的生活费用变化来刻画。在理论和实践中人们尝试了许多方法来改善通货膨胀的测量，其中最广为使用的是所谓核心消费物价指数概念，即剔除特定类商品价格（通常是石油和食品价格）后的CPI。从生活费用理论看，石油和食品价格变化显然影响代表性消费者的生活成本，从而没有任何理由对这些类的价格进行剔除；实际上核心CPI的流行反映了政策界离开生活费用理论的思想基础，去寻找其他能够更好地代表通货膨胀成本的努力，尽管这种新的努力尚缺乏可靠的理论基础。在通货膨胀的宏观成本方面，它应该与产出缺口 及其波动、不同经济部门的价格弹性程度以及扰动因素的统计特征有关，并可以此为理论基础来讨论恰当的通胀测量方法和宏观政策规则。 然而，中国当前的CPI既不能真实地反映公众购买力的变化，也不能确切地衡量整体经济的运行情况。 以下文字引着名经济学家钱颖一2005年的论述（节选）：“目前的CPI用以衡量整体消费价格水平是显着低估的，因为在指数构成上其不同成分的权重有偏。在统计CPI时，各种商品或者服务在统计篮子中所占的权重并未公开，因此，外部研究者只能根据主要商品大类的价格变化情况（CPI就是由这些大类商品的价格指数加权而成）从数据来反推权重。 笔者估算当前CPI中各大类价格指数的权重分别为：食品34% ，烟酒及用品5%，衣着9%，家庭设备及维修服务4%，医疗保健及个人用品11%，交通和通信9%，娱乐教育文化用品及服务15%，居住14%。 考虑到近年来城市居民支出大项主要是购房、医疗、子女教育，可以近似认为CPI构成中，教育、医疗、房产支出的权重被严重低估。而这些项目的价格近年来正大幅上涨，涨幅远超整体价格水平，这正是CPI低估消费价格水平的直接原因。 --教育和医疗体制的改革和社会保障体制的不健全使贫困家庭无力负担孩子上学，有病不敢求医；统计调查显示他们教育和医疗支出比重不大，但这不是因为没有需求，而是无力消费，因为对于他们来说，教育和医疗价格的"通货膨胀"实际是无穷大。 --在统计分类中，"居住"一项包括建房及装修材料、房租、水电费等，而停止福利分房、实行住房商品化后的最大的居住支出--购房却基本未被包括在内，从而CPI未充分反映近年住房价格的大幅上涨，低估真实通货膨胀。 --我们不能因为住房是长期消费品或具有消费和投资两重性而将其价格排斥在CPI之外："衣食住行"自古以来都是老百姓生活中所必需面临的四种基本支出。在成熟经济中，购房与租房的比例相对比较稳定，租房支出在CPI中的权重相对比较稳定，只要房价与租赁价格偏离不大，CPI度量购买力的误差较小。而中国房地产商品市场的发展还处于初级阶段，老百姓购房需求远大于其他国家，因而CPI的误差较大。当前CPI衡量消费物价水平不仅是有偏的，用来衡量整体经济活动水平（Economic Activity）更具误导性。因为中国CPI所包涵的消费活动在国民经济中所占比重大大低于国际平均水平，消费率仅50%~60%，而且呈下降趋势。投资和贸易占GDP的比重则高于国际平均水平。除统计权重偏倚之外，CPI对真实通货膨胀的扭曲不只是一个简单的统计问题，也是价格政策问题。在煤电油运这些"瓶颈部门"，价格管制通常导致商品短缺。如即使表面上电价被控制在较低的水平上，断电时人们对电的购买力等于零，电价上升至"无穷大"；在"交通和通信"项目中，油价在相当程度上也被管制。在有价格管制的情况下，CPI的缺陷难以彻底纠正。 基于CPI以上缺陷，我们不能想当然地将中国CPI指标视为通货膨胀的准确度量，而应该从更广义的角度理解通货膨胀。除去价格管制等非统计因素不论，我们至少可以把房价包括在CPI中，用以更全面地测度消费者购买力的变化情况。毋庸置疑，房价上涨是削弱居民购买力，导致CPI低估物价水平、误导决策的首要原因。经济学理论早已指出并证明，货币政策制订者稳定价格水平的努力应该针对更广泛意义上的对象，除了商品与服务，还应该包括如股票、债券，以及房地产等等价格波动。实践中，近年来西方国家房地产价格与CPI物价指数的偏离令决策者和经济学家更多地关注资产价格的走势。 中国目前的CPI指数包括租金，但不包括房价。如果以此作为决策依据，无疑将误导决策，进一步纵容房地产泡沫，而泡沫破裂得越迟，对经济伤害越大。决策者应当认识到当前CPI的局限性，在制定经济和金融政策时综合考虑各种价格指标，包括房地产价格，保护广大消费者的购买力。政府更应充分重视房地产价格过度上涨带来的金融风险和大规模财富转移、不平等加剧对建设和谐社会的挑战。政府应当灵活运用利率和税收工具，把对房地产价格的调控作为一项宏观经济任务来抓，因为它不是一个单纯的微观经济现象，而是导致宏观经济过热和广义通货膨胀的重要因素。建议政府开征级差利得税，即对短期内买卖房地产所得利润征税，有效地抑制投机性需求，降低泡沫风险；而作为抑制泡沫的釜底抽薪之策，再次加息不容迟疑。总之，大体可以说，CPI并非通货膨胀的恰当测量；恰当的通货膨胀测量至少要关注更广范围的价格变化；价格粘性（指价格不能随着总需求的变动而迅速变化。）很强部门的价格变化也许应该受到更多的关注；宏观政策应该综合考虑多种通货膨胀指标，考虑产出缺口的可能状况，并适当注意资产价格的变动。具体到中国目前的情况而言，CPI的组成是否能够恰当地反映代表性消费者的支出结构，其调整是否充分及时，无疑很不透明，并产生了猜测的空间。然而，即使中国目前的CPI测量是可靠的，以它作为评判通货膨胀的惟一指标也存在比较大的问题。一般的数据观察和经济理论的分析大约都显示，目前中国的产出缺口处于很不正常的区间；更广范围的物价上升很快；以服务部门和劳动力市场为代表的价格应该存在比较强的粘性，这些价格目前表现出明显的上升势头，尤其值得关注；房地产价格的上升存在着背离基本面价值的倾向，对脆弱的金融体系形成了潜在压力，也许需要提前干预。从这些方面看，中央银行需要在利率政策上采取行动。” 这里再简单得说一下测量核心通货膨胀率的方法：一般认为，核心通货膨胀作为术语最初由Eckstein（1981）提出，即“核心通货膨胀率用于刻画剔除外生冲击影响后的经济增长的长期路径，它反映了基于长期均衡的需求水平，反映了生产成本的长期变动趋势所引致的价格变动”。第一，目前核心通货膨胀被认为是“说明基准通货膨胀趋势的好的指标”，“运用核心通货膨胀有利于我们从不稳定的CPI 月度数据中，尽可能地提供关于基本趋势的信息”，“能很好地拟合连续若干年的价格变动趋势，从而可以用于预测短期乃至中期的通货膨胀率”（Blinder，1997；Bryan and Cecchetti，1994）。第二，人们还认为核心通货膨胀率应该只对基准价格的趋势性变化敏感，在任何时点上，总有一些商品或服务的价格快于基准价格增长，而另一些商品或服务的价格慢于基准价格增长甚至出现下跌。这些商品或服务价格的异动被视为相对价格变动。如果用核心通货膨胀指标来衡量，就应当剔除这种相对价格变动，而只考虑其他未受外生冲击影响的基准价格变动趋势（Bryan and Cecchetti，1994;Cecchetti，1997;Wynne,1999）。第三，一些分析者认为核心通货膨胀与货币政策的关系紧密。由于持续的相对价格变动是由对某些商品的相对需求或供给的变化导致的，而非由货币政策所致，所以，核心通货膨胀应该剔除相对价格的变动。根据这个定义，货币政策能够调控的是核心通货膨，而不是综合通货膨胀，例如美联储联邦基金利率的经验决定公式就主要取决于美国核心通货膨胀和失业率，核心通货膨胀率目前已经成为各国央行货币政策有效性的衡量工具（Roger，1997；Shiratsuka，1997；Cutler，2001；Hogan, Johnson and Lafleche，2001）。 目前各国政府及研究机构采用的衡量核心通货膨胀的方法主要分为行为法（behavioral approach）和统计法（statistical approach）两大类别。前者通过剔除CPI 篮子中某些特定的项目来表现物价的长期趋势；后者通过消除暂时的物价波动，避免剔除过程中的主观性。第一，行为法又称剔除法（exclusion method），剔除法是最常用的核心通货膨胀测量法，其好处在于操作方法直观透明，易为大众所理解，易进行重复检验，具有适时性。运用剔除法衡量核心通货膨胀，就是从CPI 篮子的商品和服务中，剔除特定种类的商品或服务，用剩余商品及服务价格来编制测量基于核心通货膨胀的消费物价指数。剔除的标准是：（1）该项目的商品价格不稳定，容易变化；（2）商品价格容易受供给方冲击的影响,通常，食物项和能源项下的商品是典型被直接剔除的对象。根据剔除的项目不同，剔除法又可分为若干特定的剔除法，即便同是采用剔除法，各国实际剔除的内容也很可能是不一样的。第二，统计法，即运用统计方法从整体通货膨胀率统计分布中，剔除极端情况或尾端价格变动的影响。在统计法里，所剔除的项目可能每个月都不一样，要看这些项目各月的数据表现。通常使用的统计法有两种，即截尾平均法（trimmed mean）和加权中位数法（weighted median），两者的类似在于，均须由高到低（或由正到负）逐月对各单个商品或服务的价格变动程度进行排队。两者的区别在于，截尾平均法是在剔除一定比例的正负两个方向的极端价格变动后，计算得出平均的通货膨胀率。从现实情况看，大多数国家采用了剔除法，将核心通货膨胀定义为：从整体物价指数中，扣除税收、汇率、利率等政策变动以及季节性变动因素的冲击影响之后的净值。最常见的扣除项是食物和能源，如前所述，因为这些项目在整个CPI 篮子中是最易变的。例如，加拿大编制核心物价指数时，剔除食物、能源以及间接税对物价的影响，而美国则只剔除食物和能源价格的影响。泰国剔除生鲜食品及能源价格的影响，英国和新西兰只剔除利息支出的影响。秘鲁的剔除项目多达9 项，占到CPI 篮子的21.2％，包括食品、水果、蔬菜、市内交通等。只有智利采取的是统计法，剔除价格下跌最大的20％的商品及上涨最大的8％的商品项目后，再行编制核心物价指数。 编者按：（1）产出缺口（指实际产出和潜在产出之间的差异）是货币政策中非常重要的因素。潜在产出：在凯恩斯主义的潜在产出理论中，潜在产出是由长期总供给能力决定的，是所有要素充分利用而可能达到的最大产出值，但这一最大值是存在于一定的约束条件下的。这一类理解可归纳为“潜在产出是与稳定的通货膨胀相一致的产出水平”。美国经济学家利维（Levy,1963）定义：潜在产出是指在合理稳定的价格水平下，使用最佳可利用的技术、最低成本的投入组合并且资本和劳动力的利用率达到充分就业要求所能生产出来的产品和服务。理论上，产出缺口与通货膨胀率密切相关，当实际产出高于潜在产出时，通胀率较高，而实际产出低于潜在产出时，通胀率较低。因此产出缺口收窄预示面临通胀压力。
Ⅶ 社会资本的主要测量方法包括哪些
目前，使用最为广泛的社会资本测量方法是同伴提名法、职位生成法、资源生成法
同伴提名法是一种社会测量法。社会测量法是由美国社会学家、心理学家莫雷诺(Moren，1934)提出的，它有许多种不同的形式，同伴提名法是其中最基本、最主要的一种。同伴提名法的基本实施方法是:让被试根据某种心理品质或行为特征的描述，从同伴团体中找出最符合这些描述特征的人来。
职位生成法：林南和杜敏于1986 CLin & Dumin} 1986)年首次提出，后来得到了广泛的应用。该方法的基本假设是:社会资源不是均匀地分布在社会之中，而是按照社会地位高低呈现金字塔分布的，每一个网络成员所拥有的社会资源数量主要取决于其所处的社会地位。在这里社会地位是以职业来代表。
资源生成法(Snijders} 1999; Vander Gaag &Snijders, 2005)是测量社会资本的最新方法。这种测量方法在某种程度上克服了提名法/诠释法和职位生成法的缺点，同时又综合两者的优点，既具有职位生成法的经济性，又具有提名法/诠释法的内容效度。它与职位生成法的问卷结构相似，但是它询问的是被调查者在其社会网络中所能获得的具体资源。
Ⅷ 金融风险的测量方法都有什么
目前的主流风险测量方法就是风险价值法(VAR)。本文的主要目的就是讨论风险价值法的三种模型：历史模拟法、分析方法和MonteCarlo法，并介绍它们的一些改进模型。
00一、历史模拟法
00历史模拟法的核心在于根据市场因子的历史样本变化模拟证券组合的未来损益分布，利用分位数给出一定置信水平下的VAR估计。历史模拟法是一种非参数方法，它不需要假定市场因子的统计分布，因而可以较好的处理非正态分布；该方法是一种全值模拟，可有效地处理非线性组合(如包括期权的组合)。此外该方法简单直观，易于解释，常被监管者选作资本充足性的基本方法。实际上，该方法是1993年8月巴塞尔委员会制定的银行充足性资本协议的基础。
二、分析方法
00分析方法是VAR计算中最为常用的方法。它利用证券组合的价值函数与市场因子间的近似关系、市场因子的统计分布(方差-协方差矩阵)简化VAR计算。根据证券组合价值函数形式的不同，分析方法可分为两大类：Delta-类模型和Gamma-类模型。在Delta模型中，证券组合的价值函数均取一阶近似，但不同模型中市场因子的统计分布假设不同。如Delta-正态模型假定市场因子服从多元正态分布；Delta-加权正态模型使用加权正态模型(WTN)估计市场因子回报的协方差矩阵；Delta-GARCH模型使用GARCH模型描述市场因子。
00在Gamma-类模型中，证券组合的价值函数均取二阶近似，其中Gamma-正态模型假定市场因子的变化服从多元正态分布，Gamma-GARCH模型使用GARCH模型描述市场因子。
00三、蒙特o卡罗模拟法
00分析方法利用灵敏度和统计分布特征简化了VAR。但由于对分布形式的特殊假定和灵敏度的局部特征，分析方法很难有效处理实际金融市场的厚尾性和大幅波动的非线性问题，往往产生各种误差和模型风险。模拟方法可能很好的处理非线性和、非正态问题。其主要思路是反复模拟决定金融估计价格的随机过程，每次模拟都可以得到组合在持有期末的一个可能值，如果进行大量的模拟，那么组合价值的模拟分布将收敛于组合的真实分布。这样通过模拟发布会可以导出真实分布，从而求出VAR。