第一篇：國(guó)家自然基金同行專家推薦信

同行專家推薦信模板

尊敬的國(guó)家自然科學(xué)基金委及評(píng)審專家：

我鄭重推薦XXX同志申請(qǐng)國(guó)家自然科學(xué)基金青年科學(xué)基金項(xiàng)目“XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX”。

該同志從事XXXXX方向的研究已有XXX時(shí)間，其申請(qǐng)的課題“XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX”內(nèi)容新穎、創(chuàng)新性強(qiáng)、研究方法清晰合理、技術(shù)路線切實(shí)可行。

XXX同志工作勤奮刻苦，思維活躍，是非常優(yōu)秀的研究人員。該同志一定會(huì)圓滿完成申請(qǐng)書的各項(xiàng)任務(wù)，特此向國(guó)家自然科學(xué)基金委鄭重推薦，希望給予支持。

推薦人姓名：

工作單位：

職稱：

聯(lián)系方式：

第二篇：國(guó)家自然基金同行專家推薦信

同行專家推薦信

尊敬的國(guó)家自然科學(xué)基金委及評(píng)審專家：

我鄭重推薦×××同志申請(qǐng)國(guó)家自然科學(xué)基金面上項(xiàng)目“××××××××××”。×××同志從事×××方向的研究已有四年多時(shí)間，在×××領(lǐng)域的著名期刊等國(guó)內(nèi)知名期刊發(fā)表了多篇高檔次的論文，取得了可喜的研究成果。×××同志申請(qǐng)的課題“××××××××××”內(nèi)容新穎、創(chuàng)新性強(qiáng)、研究方法清晰合理、技術(shù)路線切實(shí)可行。課題組具有豐富的工作基礎(chǔ)，所在單位已在該領(lǐng)域取得了很多國(guó)內(nèi)外認(rèn)可的科研成果。

×××同志工作勤奮刻苦，思維活躍，是我校非常優(yōu)秀的青年教師。本科階段，他就表現(xiàn)出了良好的素質(zhì)，獲得了多項(xiàng)全國(guó)競(jìng)賽和國(guó)際競(jìng)賽的獎(jiǎng)勵(lì)，并免試攻讀研究生。研究生階段他被授予了我校研究生的最高榮譽(yù)“研究生學(xué)術(shù)十杰”稱號(hào)，多次被評(píng)為研究生標(biāo)兵。相信×××同志一定會(huì)圓滿完成申請(qǐng)書的各項(xiàng)任務(wù)，特此向國(guó)家自然科學(xué)基金委鄭重推薦，希望給予支持。推薦人簽名：

****年**月**日

第三篇：國(guó)家自然基金同行專家推薦信2

同行專家推薦信模板

尊敬的國(guó)家自然科學(xué)基金委及評(píng)審專家：

我鄭重推薦XXX同志申請(qǐng)國(guó)家自然科學(xué)基金 “XXXXXXX”。該同志從事XXXXXXX方向的研究已有XXX時(shí)間，其申請(qǐng)的課題“XXXXXXXXXXXXXXXXXXXXXXXX”內(nèi)容新穎、創(chuàng)新性強(qiáng)、研究方法清晰合理、技術(shù)路線切實(shí)可行。

XXXX同志有很強(qiáng)的動(dòng)手能力和獨(dú)立科研能力，專業(yè)基礎(chǔ)扎實(shí)，思維活躍，有較強(qiáng)的科研組織協(xié)調(diào)能力，表現(xiàn)出較高的科研素質(zhì)和發(fā)展?jié)摿Α?/p>

XXXX同志工作勤奮刻苦，思維活躍，是非常優(yōu)秀的科研人眼。該同志一定會(huì)圓滿完成申請(qǐng)書的各項(xiàng)任務(wù)，特此向國(guó)家自然科學(xué)基金委鄭重推薦，希望給予支持。

推薦人姓名：

工作單位：

職稱：

聯(lián)系方式：

第四篇：國(guó)家自然基金申請(qǐng)書格式

中文題目：

英文題目：

中文摘要：

英文摘要：

中文關(guān)鍵詞：

英文關(guān)鍵詞：

正文：參照以下提綱撰寫，要求內(nèi)容翔實(shí)、清晰，層次分明，標(biāo)題突出。請(qǐng)勿刪除或改動(dòng)下述提綱標(biāo)題及括號(hào)中的文字。

文字要求：中文楷體，英文time new roman，小四號(hào)字，關(guān)鍵文字加粗，課題組發(fā)現(xiàn)下劃?rùn)M線；段間距18磅，段前0.2行，兩端對(duì)齊。

（一）立項(xiàng)依據(jù)與研究?jī)?nèi)容（4000-8000字）：

1．項(xiàng)目的立項(xiàng)依據(jù)（研究意義、國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)分析，需結(jié)合科學(xué)研究發(fā)展趨勢(shì)來(lái)論述科學(xué)意義；或結(jié)合國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展中迫切需要解決的關(guān)鍵科技問(wèn)題來(lái)論述其應(yīng)用前景。附主要參考文獻(xiàn)目錄）；

2．項(xiàng)目的研究?jī)?nèi)容、研究目標(biāo)，以及擬解決的關(guān)鍵科學(xué)問(wèn)題（此部分為重點(diǎn)闡述內(nèi)容）；

3．?dāng)M采取的研究方案及可行性分析（包括研究方法、技術(shù)路線、實(shí)驗(yàn)手段、關(guān)鍵技術(shù)等說(shuō)明）；

4．本項(xiàng)目的特色與創(chuàng)新之處；

5．研究計(jì)劃及預(yù)期研究結(jié)果（包括擬組織的重要學(xué)術(shù)交流活動(dòng)、國(guó)際合作與交流計(jì)劃等）。

（二）研究基礎(chǔ)與工作條件

1．研究基礎(chǔ)（與本項(xiàng)目相關(guān)的研究工作積累和已取得的研究工作成績(jī)）；

2．工作條件（包括已具備的實(shí)驗(yàn)條件，尚缺少的實(shí)驗(yàn)條件和擬解決的途徑，包括利用國(guó)家實(shí)驗(yàn)室、國(guó)家重點(diǎn)實(shí)驗(yàn)室和部門重點(diǎn)實(shí)驗(yàn)室等研究基地的計(jì)劃與落實(shí)情況）；

3．正在承擔(dān)的與本項(xiàng)目相關(guān)的科研項(xiàng)目情況（申請(qǐng)人和項(xiàng)目組主要參與者正在承擔(dān)的與本項(xiàng)目相關(guān)的科研項(xiàng)目情況，包括國(guó)家自然科學(xué)基金的項(xiàng)目和國(guó)家其他科技計(jì)劃項(xiàng)目，要注明項(xiàng)目的名稱和編號(hào)、經(jīng)費(fèi)來(lái)源、起止年月、與本項(xiàng)目的關(guān)系及負(fù)責(zé)的內(nèi)容等）；

4．完成國(guó)家自然科學(xué)基金項(xiàng)目情況（對(duì)申請(qǐng)人負(fù)責(zé)的前一個(gè)已結(jié)題科學(xué)基金項(xiàng)目（項(xiàng)目名稱及批準(zhǔn)號(hào)）完成情況、后續(xù)研究進(jìn)展及與本申請(qǐng)項(xiàng)目的關(guān)系加以詳細(xì)說(shuō)明。另附該已結(jié)題項(xiàng)目研究工作總結(jié)摘要（限500字）和相關(guān)成果的詳細(xì)目錄）。

（三）其他需要說(shuō)明的問(wèn)題

1.申請(qǐng)人同年申請(qǐng)不同類型的國(guó)家自然科學(xué)基金項(xiàng)目情況（列明同年申請(qǐng)的其他項(xiàng)目的項(xiàng)目類型、項(xiàng)目名稱信息，并說(shuō)明與本項(xiàng)目之間的區(qū)別與聯(lián)系）。

2.具有高級(jí)專業(yè)技術(shù)職務(wù)（職稱）的申請(qǐng)人或者主要參與者是否存在同年申請(qǐng)或者參與申請(qǐng)國(guó)家自然科學(xué)基金項(xiàng)目的單位不一致的情況；如存在上述情況，列明所涉及人員的姓名，申請(qǐng)或參與申請(qǐng)的其他項(xiàng)目的項(xiàng)目類型、項(xiàng)目名稱、單位名稱、上述人員在該項(xiàng)目中是申請(qǐng)人還是參與者，并說(shuō)明單位不一致原因。

3.具有高級(jí)專業(yè)技術(shù)職務(wù)（職稱）的申請(qǐng)人或者主要參與者是否存在與正在承擔(dān)的國(guó)家自然科學(xué)基金項(xiàng)目的單位不一致的情況；如存在上述情況，列明所涉及人員的姓名，正在承擔(dān)項(xiàng)目的批準(zhǔn)號(hào)、項(xiàng)目類型、項(xiàng)目名稱、單位名稱、起止年月，并說(shuō)明單位不一致原因。

4.其他。

第五篇：國(guó)家自然基金申請(qǐng)書

線性與非線性資產(chǎn)相關(guān)性度量

1.研究背景與研究意義

二十世紀(jì)80 年代以來(lái)，伴隨著經(jīng)濟(jì)全球化與經(jīng)濟(jì)金融化的快速進(jìn)程，金融市場(chǎng)不確定性因素日趨增多，金融市場(chǎng)所面臨的復(fù)雜性程度與系統(tǒng)性風(fēng)險(xiǎn)急劇提高，各國(guó)金融市場(chǎng)的穩(wěn)定性受到嚴(yán)重威脅。然而，通過(guò)運(yùn)用正確的投資策略，就可以降低投資風(fēng)險(xiǎn)并獲得投資超額收益。馬克維茨提出的資產(chǎn)組合理論作為一種投資策略被廣泛運(yùn)用。根據(jù)資產(chǎn)組合理論，分散投資到不同的資產(chǎn)可以降低風(fēng)險(xiǎn)。但是，這并不意味著隨著投資的品種數(shù)目提高風(fēng)險(xiǎn)自然就降低了，負(fù)相關(guān)的資產(chǎn)才會(huì)最有效地降低資產(chǎn)組合風(fēng)險(xiǎn)。如果知道兩種資產(chǎn)之間存在相關(guān)性，要達(dá)到期望收益最大，風(fēng)險(xiǎn)最小，資產(chǎn)組合的頭寸和資產(chǎn)間的相關(guān)系數(shù)必須同號(hào)，最優(yōu)頭寸依賴于各資產(chǎn)的波動(dòng)率。在國(guó)際資產(chǎn)中，黃金、石油與美元占有非常突出的地位，總的來(lái)說(shuō)，近二十年來(lái)，黃金和美元，石油和美元之間都表現(xiàn)出相當(dāng)?shù)呢?fù)相關(guān)，黃金和石油之間則正相關(guān)。索羅斯利用―廣場(chǎng)協(xié)議‖的投資策略是一個(gè)很好的案例，證明利用資產(chǎn)相關(guān)性投資的實(shí)際可行性。通過(guò)對(duì)資產(chǎn)相關(guān)性的研究，可以投資者的投資策略給予指導(dǎo)。2.國(guó)內(nèi)外研究現(xiàn)狀

對(duì)資產(chǎn)相關(guān)性的度量的模型可大致分為兩種：線性與非線性。線性的度量模型最著名的代表是pearson系統(tǒng)，而非線性度量模型的代表是copula函數(shù)模型與社會(huì)網(wǎng)絡(luò)模型。

Pearson系統(tǒng)研究方面：在統(tǒng)計(jì)學(xué)中，pearson相關(guān)系數(shù)是用來(lái)衡量?jī)蓚€(gè)隨機(jī)變量的線性相關(guān)的程度。國(guó)內(nèi)學(xué)者文海濤和倪曉萍（2003）通過(guò)計(jì)算深圳市場(chǎng)492家上市公司的主要財(cái)務(wù)指標(biāo)的pearson相關(guān)系數(shù)，對(duì)我國(guó)上市公司財(cái)務(wù)指標(biāo)和股價(jià)的相關(guān)性進(jìn)行實(shí)證研究，得出我國(guó)上市公司財(cái)務(wù)指標(biāo)與股價(jià)存在確定的相關(guān)性的結(jié)論。杜秀英（2012）利用pearson相關(guān)性分析對(duì)從中國(guó)知網(wǎng)下載的圖情類48種主要期刊2010年文獻(xiàn)引用數(shù)據(jù)進(jìn)行了比較，pearson相關(guān)系數(shù)不但能精確量化經(jīng)驗(yàn)察覺(jué)到的期刊引用關(guān)系，而且能揭示出期刊引用上一些平時(shí)覺(jué)察不到的隱含規(guī)律。

Copula理論研究方面：相關(guān)性分析是多變量金融分析中的中心問(wèn)題，資產(chǎn)定價(jià)、投資組合、波動(dòng)的傳導(dǎo)和溢出、風(fēng)險(xiǎn)管理都涉及相關(guān)性分析。而常用的線性相關(guān)系數(shù)具有一定的局限性，如要求變量之間的關(guān)系是線性的，且方差存在，但金融市場(chǎng)的數(shù)據(jù)往往是厚尾分布，且方差有時(shí)不存在。這就需要一種新的相關(guān)性分析的理論----copula理論。Copula函數(shù)就是把多個(gè)隨機(jī)變量的聯(lián)合分布與他們各自的邊緣分布連接起來(lái)的函數(shù)。而對(duì)應(yīng)的每一個(gè)聯(lián)合分布函數(shù)都存在唯一的copula函數(shù)。丁杰（2007）利用copula模型對(duì)上證指數(shù)和恒生指數(shù)的相關(guān)性進(jìn)行研究，得出用正態(tài)分布描述金融資產(chǎn)的收益率和用線型相關(guān)系數(shù)描述金融資產(chǎn)之間的相關(guān)性并不合適。用正態(tài)分布和線性相關(guān)系數(shù)來(lái)度量風(fēng)險(xiǎn)實(shí)際上會(huì)低估風(fēng)險(xiǎn), 會(huì)給投資者帶來(lái)?yè)p失。而且上證指數(shù)和恒生指數(shù)并沒(méi)有明顯的尾部相關(guān)性。也就是說(shuō)預(yù)測(cè)到當(dāng)一個(gè)股票市場(chǎng)發(fā)生大幅上揚(yáng)或下跌時(shí)另一股票市場(chǎng)相應(yīng)發(fā)生大幅上揚(yáng)或下跌的概率不大，杜子平和張雪峰（2013）利用阿基米德copula函數(shù)對(duì)外匯市場(chǎng)的相關(guān)性進(jìn)行研究，發(fā)現(xiàn)外匯市場(chǎng)下尾波動(dòng)具有相關(guān)性和傳遞性。國(guó)外一些學(xué)者利用copula理論來(lái)研究金融變量的相關(guān)性。比如Patton（2002）研究了主要外幣之間匯率的相關(guān)性并發(fā)展了用于時(shí)變依賴空間的條件copulas;Hu（2006）利用混合copula函數(shù)衡量金融市場(chǎng)之間的相關(guān)性；Ning zhao和Winston T.Lin(2011)基于Jaynes準(zhǔn)則利用兩變量和三變量的copula熵模型分析股票市場(chǎng)的相關(guān)性。

社會(huì)網(wǎng)絡(luò)研究方面：社會(huì)網(wǎng)絡(luò)分析方法是由社會(huì)學(xué)家根據(jù)數(shù)學(xué)方法﹑圖論等發(fā)展起來(lái)的定量分析方法，近年來(lái)，該方法在職業(yè)流動(dòng)、城市化對(duì)個(gè)體幸福的影響、世界政治和經(jīng)濟(jì)體系、國(guó)際貿(mào)易等領(lǐng)域廣泛應(yīng)用，并發(fā)揮了重要作用。社會(huì)網(wǎng)絡(luò)分析是社會(huì)學(xué)領(lǐng)域比較成熟的分析方法，社會(huì)學(xué)家們利用它可以比較得心應(yīng)手地來(lái)解釋一些社會(huì)學(xué)問(wèn)題。許多學(xué)科的專家如經(jīng)濟(jì)學(xué)、管理學(xué)等領(lǐng)域的學(xué)者們?cè)谛陆?jīng)濟(jì)時(shí)代——知識(shí)經(jīng)濟(jì)時(shí)代，面臨許多挑戰(zhàn)時(shí)，開始考慮借鑒其他學(xué)科的研究方法，社會(huì)網(wǎng)絡(luò)分析就是其中的一種。

社會(huì)關(guān)系網(wǎng)絡(luò)可以為企業(yè)提供有價(jià)值的聯(lián)系及資源(Bygrave，1988)，幫助企業(yè)尋找合適的客戶、戰(zhàn)略聯(lián)盟合作伙伴(Hochberg et al，2007)或并購(gòu)對(duì)象(schonlau and singh，2009)，降低企業(yè)的融資成本(chulluun et al.2010)。企業(yè)集團(tuán)之間形成的內(nèi)部資本市場(chǎng)，可以緩解信息不對(duì)稱所導(dǎo)致的企業(yè)投資不足問(wèn)題(claessens et al，2006)。Larcker et al．(2013)發(fā)現(xiàn)處于網(wǎng)絡(luò)中心位置的企業(yè)，其股票收益率和會(huì)計(jì)績(jī)效通常比較高。Butler(2008)發(fā)現(xiàn)在承銷市政債券方面，與外地的投資銀行相比，當(dāng)?shù)赝顿Y銀行的發(fā)行價(jià)格更高、收取的發(fā)行費(fèi)更低，對(duì)于那些風(fēng)險(xiǎn)高、未獲得信用評(píng)級(jí)的債券來(lái)說(shuō)尤為如此。Braggion(2011)對(duì)英國(guó)412家于19世紀(jì)末20世紀(jì)初在倫敦交易所掛牌的企業(yè)進(jìn)行了研究，他發(fā)現(xiàn)社會(huì)關(guān)系多的企業(yè)借錢更容易。Almazan et al.(2010)發(fā)現(xiàn)處于行業(yè)集中地的企業(yè)并購(gòu)機(jī)會(huì)也多，為了更好的利用并購(gòu)帶來(lái)的發(fā)展契機(jī)，它們傾向于選擇更低的債務(wù)比例。

美國(guó)學(xué)者Frank Schweitzer、Giorgio Fagiolo、Didier Sornette等人（2009）認(rèn)為金融網(wǎng)絡(luò)，尤其是一個(gè)地區(qū)、國(guó)家，甚至是全球的金融網(wǎng)絡(luò)是非常復(fù)雜的，運(yùn)用傳統(tǒng)的方法比如博弈論是不可行的，而運(yùn)用復(fù)雜網(wǎng)絡(luò)理論則能夠很好地分析金融網(wǎng)絡(luò)節(jié)點(diǎn)之間的關(guān)系以及網(wǎng)絡(luò)的動(dòng)力學(xué)系統(tǒng)。

美國(guó)學(xué)者Ross A.Hammond（2009）通過(guò)08年金融危機(jī)認(rèn)識(shí)到雖然美國(guó)的金融系統(tǒng)長(zhǎng)時(shí)間是比較穩(wěn)定的，但是并不意味著會(huì)一直穩(wěn)定，這是由金融系統(tǒng)的內(nèi)部結(jié)構(gòu)所決定的。他認(rèn)為美國(guó)的金融網(wǎng)絡(luò)可以通過(guò)社會(huì)網(wǎng)絡(luò)分析來(lái)研究，金融網(wǎng)絡(luò)與社會(huì)網(wǎng)絡(luò)存在很多的共同點(diǎn)，比如度分布相似和都具有小世界效應(yīng)。通過(guò)社會(huì)網(wǎng)絡(luò)分析的方法可以對(duì)金融網(wǎng)絡(luò)中的節(jié)點(diǎn)（政府、機(jī)構(gòu)、個(gè)人）之間的關(guān)系有新的認(rèn)識(shí)，可以為金融改革和金融風(fēng)險(xiǎn)的監(jiān)管提供指導(dǎo)。

美國(guó)學(xué)者Rafael Solis（2009）利用社會(huì)網(wǎng)絡(luò)分析研究了股票和共同基金的關(guān)系，他選取了先鋒富達(dá)家庭的18只共同基金和99只個(gè)股，這99只個(gè)股都是這些基金持有量前十名的股票。再對(duì)這些基金和股票建立社會(huì)網(wǎng)絡(luò)模型，考查該網(wǎng)絡(luò)模型的聚類系數(shù)，直徑和節(jié)點(diǎn)的度分布，然后與隨機(jī)網(wǎng)絡(luò)進(jìn)行比較，發(fā)現(xiàn)網(wǎng)絡(luò)中存在一些度極高的節(jié)點(diǎn)，這些節(jié)點(diǎn)所代表的股票頻繁的出現(xiàn)在不同的共同基金中，這些股籌股，該研究還發(fā)現(xiàn)機(jī)構(gòu)的基金經(jīng)理在選擇股票的過(guò)程中也存在羊群效應(yīng)。

L.Bakker , W.Hare, H.Khosravi , B.Ramadanovic（2009）利用社會(huì)網(wǎng)絡(luò)模型對(duì)股票市場(chǎng)中的投資行為進(jìn)行研究，發(fā)現(xiàn)由于投資者之間相互影響，股價(jià)變動(dòng)的幅度比較大，相應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)也不是很穩(wěn)定。

其他研究方面：美國(guó)學(xué)者German Bernhart, Stephan Hocht等人（2011）通過(guò)利用馬爾科夫轉(zhuǎn)移模型研究了美國(guó)、歐洲、亞洲金融市場(chǎng)以及市場(chǎng)周期的相關(guān)性，發(fā)現(xiàn)在動(dòng)蕩市場(chǎng)的資產(chǎn)相關(guān)性比穩(wěn)定市場(chǎng)的高，而投資者注意到市場(chǎng)機(jī)制轉(zhuǎn)換則有更好的投資表現(xiàn)和風(fēng)險(xiǎn)管理的表現(xiàn)。J.Crooka和 T.Bellottib（2012）利用Hamerle提出的單因素模型對(duì)信用卡違約的相關(guān)性進(jìn)行研究，發(fā)現(xiàn)信用風(fēng)險(xiǎn)更大的信用卡的申請(qǐng)者的違約的相關(guān)性更大，并且不同借出者的相關(guān)性有顯著的不同，同時(shí)發(fā)現(xiàn)在經(jīng)濟(jì)不景氣時(shí)期信用卡的資產(chǎn)相關(guān)性更低。參考文獻(xiàn) [1]Albert-László Barabási.Scale-Free Networks: A Decade and Beyond[J].SCIENCE VOL 325 :412-413 [2]Benjamin M.Tabak,_, Thiago R.Serra , Daniel O.Cajueiro.Topological properties of stock market networks: The case of Brazil[J].Physica A ,2010,(389):3240-3249 [3] C.Eom, G.Oh, Woo-Sung Jung, H.Jeong, S.Kim.Topological properties of stock networks based on minimal spanning tree and random matrix theory in financial time series[J].Physica A: Statistical Mechanics and its Applications , 2009 ,(388):900-906 [4] C.Eom, O.Kwon, W.-S.Jung, S.Kim.The effect of a market factor on information flow between stocks using the minimal spanning tre,[J]Physica A: Statistical Mechanics and its Applications 2010,(389):1643-1652 [5]Frank Schweitzer, Giorgio Fagiolo, Didier Sornette, FernandoVega Redondo, Alessandro Vespignani, Douglas R.White8.Economic Networks:The New Challenges[J].Science ,2009,325(422):422-425 [6] German Bernhart, Stephan Hocht, Michael Neugebauer, , Rudi Zagst.Asset correlations in turbulen markets and the impact of different regimes on asset management[J].Asia-Pacific Journal of Operational Research,2011,28(1):1-23 [7] J.Crook, T.Bellotti.Asset correlations for credit card Defaults[J].Applied Financial Economics, 2012, 22:87–95 [8] L.Bakker, W.Hare, H.Khosravi , B.Ramadanovic.A social network model of investment behaviour in the stock market[J].Physica A 2010(389): 1223-1229 [9] Mohamed Rehan M S, M Hari Haran, Neha Singh Chauhan ,Divya Grover.Visualizing the indian stock market: a complex networks approach[J].International Journal of Advances in Engineering & Technology, 2013,6(3):1348-1354 [10] Ning Zhao ,Winston T.Lin.A copula entropy approach to correlation measurement at the country level[J].Applied Mathematics and Computation.2011:628–642 [11] Ross A.Hammond.Systemic Risk in the Financial System: Insights from Network Science[J].Financial Reform Project,2009 [12] W.S.Jung, O.Kwon, F.Wang, T.Kaizoji, H.T.Moon, H.E.Stanley.Group dynamics of the Japanese market[J]Physica A ,2008,(387):537-542.[13]丁杰.開放經(jīng)濟(jì)下金融資產(chǎn)的相關(guān)性度量及風(fēng)險(xiǎn)分析-----以上證指數(shù)和恒生指數(shù)為例[J].理論探討

[14]杜秀英.基于pearson相關(guān)分析的期刊引用關(guān)系研究[J].科技文獻(xiàn)信息管理.2012第二期：18-23 [15]顧成偉，吳健中.從資產(chǎn)相關(guān)性計(jì)算信用質(zhì)量相關(guān)性[J].系統(tǒng)工程理論方法應(yīng)用.2000,9(1):37-41 [16] 海濤,倪曉萍.我國(guó)上市公司財(cái)務(wù)指標(biāo)和股價(jià)的相關(guān)性進(jìn)行實(shí)證研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究.2003第十一期:118-122

[17]劉彪.基于copula函數(shù)的尾部相關(guān)性度量[J].當(dāng)代經(jīng)濟(jì).2009,10月（下）

[18] 李培馨,陳運(yùn)森,王寶鏈.社會(huì)網(wǎng)絡(luò)及其在金融研究中的應(yīng)用：最新研究述評(píng)[J].南方經(jīng)濟(jì),2013年第9期：62-74 [19] 張闖.管理學(xué)研究中的社會(huì)網(wǎng)絡(luò)范式: 基于研究方法視角的12 個(gè)管理學(xué)頂級(jí)期刊（2001-2010）文獻(xiàn)研究[J].管理世界，2011年第7期：154-163

(3)研究?jī)?nèi)容與研究方案

文獻(xiàn)一：我國(guó)上市公司財(cái)務(wù)指標(biāo)與股價(jià)相關(guān)性實(shí)證分析（pearson系統(tǒng)研究方面）

（1）研究的問(wèn)題

該文獻(xiàn)目的在于研究我國(guó)的上市公司的一些財(cái)務(wù)指標(biāo)如每股收益，每股凈資產(chǎn)等與股價(jià)昰否存在相關(guān)性。（2）研究方法

作者在深圳市場(chǎng)中抽取了2001年4月30日前公布2000年年報(bào)數(shù)據(jù)的上市公司，共492家作為研究樣本。

首先部分行業(yè)對(duì)所有行業(yè)進(jìn)行分析。同時(shí)計(jì)算pearson,kendall,spearman三種相關(guān)系數(shù)。并同時(shí)做統(tǒng)計(jì)雙尾檢驗(yàn)，利用SPSS統(tǒng)計(jì)軟件進(jìn)行計(jì)算。

然后再將樣本細(xì)分，分為機(jī)械類，石化類，食品類，綜合類，醫(yī)藥類，信息技術(shù)類，金屬非金屬類，零售類重復(fù)做上面的統(tǒng)計(jì)分析。（3）研究不足

在樣本取樣上面，取樣的范圍局限在深圳，這樣分析的結(jié)果就會(huì)有誤差。

文獻(xiàn)二：在開放經(jīng)濟(jì)下金融資產(chǎn)的相關(guān)性度量及風(fēng)險(xiǎn)分析（copula理論研究方面）

（1）研究的問(wèn)題

隨著改革開放的深入和香港的回歸，大陸在香港的經(jīng)濟(jì)交流越來(lái)越多，兩地的經(jīng)濟(jì)聯(lián)系也越來(lái)越緊密。該文獻(xiàn)就是來(lái)研究上證指數(shù)和恒生指數(shù)的相關(guān)性。

（2）研究方法

以上證綜合指數(shù)的收益與香港恒生指數(shù)的收益作為樣本進(jìn)行建模, 構(gòu)造一個(gè)等權(quán)重的投資組合, 旨在進(jìn)一步研究?jī)墒械南嚓P(guān)性及對(duì)資產(chǎn)組合進(jìn)行風(fēng)險(xiǎn)分析。將價(jià)格{Pt } 定義為市場(chǎng)每日指數(shù)收盤價(jià),將收益率{Rt } 定義為: Rt = 100(InPtQ 圖來(lái)檢驗(yàn)兩個(gè)市場(chǎng)收益率序列的正態(tài)性。結(jié)果是X和Y都不服從正態(tài)分布。

接下來(lái)是copula模型的選擇和建立，對(duì)Gumble copula、Frank copula、clayton Copula 進(jìn)行參數(shù)估計(jì)并做出檢驗(yàn)分析, 選擇最合適的Copula函數(shù)用以度量上證指數(shù)和恒生指數(shù)之間的相依關(guān)系。為了比較分析, 同時(shí)給出基于正態(tài)分布的Gaussian copula的估計(jì)。并采用Genest和Rivest非參數(shù)估計(jì)方法估計(jì)參數(shù)。先算出X與Y的kendall秩相關(guān)系數(shù)??0.0990，再利用?估計(jì)出Gumble copula、Frank copula、clayton Copula的參數(shù)和上、下尾相關(guān)系數(shù)。然后采用Kolmogorov-Smimov(K-S)檢驗(yàn)對(duì)模型的擬合程度進(jìn)行檢驗(yàn)。結(jié)果是Frank copula的擬合效果最好。

利用估計(jì)出來(lái)的Frank Copula生成10000個(gè)隨機(jī)數(shù)對(duì)(u,v);接下來(lái)計(jì)算對(duì)應(yīng)的(x,y)。我們就可以得到數(shù)據(jù)對(duì)(x,y)。接下來(lái), 給定置信水平, 分別計(jì)算VaR, ES 和D(X,Y)。因?yàn)镈(X,Y)<0，所以X與Y的投資組合具有分散風(fēng)險(xiǎn)的作用。為了進(jìn)行比較分析, 作者接下來(lái)計(jì)算傳統(tǒng)的方法中基于正態(tài)分布假設(shè)下的V aR，并發(fā)現(xiàn)基于正態(tài)分布假定下計(jì)算出的VaR遠(yuǎn)遠(yuǎn)低于Copula模型下的VaR,也就是說(shuō)風(fēng)險(xiǎn)被嚴(yán)重低估了。

文獻(xiàn)三：基于社會(huì)網(wǎng)絡(luò)分析的可視化股票共同基金關(guān)系（社會(huì)網(wǎng)絡(luò)研究方面）（1）研究的問(wèn)題

該文獻(xiàn)是分析了股票的網(wǎng)絡(luò)結(jié)構(gòu)以及它們與共同基金的關(guān)系。（2）模型建立

首先構(gòu)建一個(gè)所謂附屬網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，它實(shí)際上是一個(gè)二分圖。在附屬網(wǎng)絡(luò)中，股票與共同基金聯(lián)系起來(lái)。比如，節(jié)點(diǎn){1，2，3，4}代表四個(gè)共同基金，股票{A，B，C，D，E，F(xiàn)，G，H，I，J，K}屬于這四個(gè)共同基金。附屬網(wǎng)絡(luò)如下圖：

附屬（二分）網(wǎng)絡(luò)

1234 然后將上面的二分圖轉(zhuǎn)化為一分圖，方法是將屬于同一個(gè)共同基金的股票鏈接起來(lái)，一分圖中不包含共同基金的節(jié)點(diǎn)。一分圖如下圖所示：

附屬網(wǎng)絡(luò)的一分投影 ABCDEFGHIJKABCEDGJ最后計(jì)算出一分圖的直徑，聚類系數(shù)以及度分布。（3）模型仿真與分析 仿真軟件為Pajek

HFIK 作者從先鋒家庭中隨機(jī)抽取包含30個(gè)基金的樣本，再?gòu)倪@些樣本中選取18支股票基金。對(duì)每個(gè)基金選取持有量前十的股票。一共選了98支股票。接著構(gòu)造二分圖和一分圖，再計(jì)算一分圖的直徑，聚類系數(shù)以及度分布。發(fā)現(xiàn)與隨機(jī)網(wǎng)絡(luò)相比股票網(wǎng)絡(luò)具有較高的聚類系數(shù)，直徑與平均路徑長(zhǎng)度。度分布大致服從冪律分布。那些度高的節(jié)點(diǎn)都是一些藍(lán)籌股。也表明基金經(jīng)理在選擇股票的時(shí)候也存在個(gè)體投資者的羊群效應(yīng)。

文獻(xiàn)四：股票市場(chǎng)中投資行為的社會(huì)網(wǎng)絡(luò)（社會(huì)網(wǎng)絡(luò)研究方面）（1）研究的問(wèn)題

L.Bakker , W.Hare, H.Khosravi , B.Ramadanovic利用社會(huì)網(wǎng)絡(luò)模型對(duì)股票市場(chǎng)中的投資行為進(jìn)行研究，根據(jù)有效市場(chǎng)假說(shuō)，股票價(jià)格會(huì)反映所有的信息。只有當(dāng)市場(chǎng)的信息改變時(shí)，股價(jià)才會(huì)發(fā)生變化。但這卻不符合實(shí)際情況。投資者并非是完全理性的，而且投資行為會(huì)受到別人的影響。為此，作者構(gòu)建了社會(huì)信任網(wǎng)絡(luò)，來(lái)模擬投資者之間的相互影響。

（2）模型建立：

i∈I={1,2,3,…,N}表示每一個(gè)投資者，I表示所有的投資者的集合。t∈T={1,2,3,……}表示時(shí)間狀態(tài)，T表示所有可能的時(shí)間狀態(tài)的集合

?表示信任矩陣，?ij為0或者1，0表示交易者i不受交易者j的影響，1表示交易者i受交易者j的影響。

對(duì)每一個(gè)投資者都有四個(gè)參數(shù)：A,B,C,D。A表示規(guī)范化的資產(chǎn)價(jià)格對(duì)個(gè)體的影響。

B表示察覺(jué)到的規(guī)范資產(chǎn)價(jià)格的變化對(duì)個(gè)體的影響。C表示個(gè)體易受他人影響的程度。D表示個(gè)體本來(lái)的買入或賣出的趨勢(shì)

ppi每一個(gè)個(gè)體都有他們自己所認(rèn)為的資產(chǎn)價(jià)格(t)?p(t)??i(t)，p(t)表示真實(shí)的價(jià)格，?i(t)服從0均值標(biāo)準(zhǔn)差為? 的正太分布。

Si?t??{?1,0,1}表示個(gè)體在t時(shí)期的狀態(tài)，-1表示買入，1表示賣出，0表示持有。記S(t)?[S1(t)S2(t)...SN(t)]T 個(gè)體的學(xué)習(xí)函數(shù)為

Li(t)?Ai(p(t)??i(t))?Bi(p(t)??i(t)??p(t?1)??i(t?1)?)?Ci?i,S(t?1)?Di?Ai(pip(t))?Bi(pip(t)?pip(t?1))?Ci?i,S(t?1)?Di

定義函數(shù)F為 ??1 if L

B與s為閾值，顯然

Si?t??F(Li(t))因此個(gè)體在t時(shí)期的狀態(tài)由t-1時(shí)期的信息與t時(shí)期的價(jià)格共同決定。于是問(wèn)題就在與如何求出t時(shí)期的價(jià)格。一個(gè)股票的買入者需要有一個(gè)股票賣出者與之對(duì)應(yīng)，因此，t時(shí)期的價(jià)格需使下面等式成立：

?F(L(t))?0ii?1n

而根據(jù)給定的Ai,Bi,Ci,Di, ?,p(t-1), ?i(t?1)就可以求出p(t),再利用Si?t??F(Li(t))就可以求出個(gè)體在t時(shí)期的狀態(tài)。

（3）仿真與分析

這里社會(huì)網(wǎng)絡(luò)模型的特征就是信任網(wǎng)絡(luò)的結(jié)構(gòu)。這里仿真了三種信任網(wǎng)絡(luò)，每種網(wǎng)絡(luò)都分了?=0與?=0.33兩種情況，從而考查網(wǎng)絡(luò)的穩(wěn)定性，這三種信任網(wǎng)絡(luò)分別是 1.信任矩陣的元素都為0，意味著交易者之間沒(méi)有影響 2.信任矩陣的每個(gè)元素的值服從均勻分布3.真實(shí)的信任網(wǎng)絡(luò)。

網(wǎng)絡(luò)的穩(wěn)定性有股價(jià)的波動(dòng)來(lái)考量，由后25個(gè)時(shí)期的規(guī)范化的價(jià)格的誤差平方和來(lái)衡量：

2SSE??(p(t)?p)t?2625，p表示后25個(gè)時(shí)期的平均值，上述的每一種情況都進(jìn)行50次仿真，每一次仿真包含8000個(gè)交易者。

參數(shù)A ,B,C,D由下面方式產(chǎn)生： Ai都設(shè)置為1，Bi服從均值為0，標(biāo)準(zhǔn)差為1的正態(tài)分布，Ci服從均值為5，標(biāo)準(zhǔn)差為2的正態(tài)分布，Di服從均值為0，標(biāo)準(zhǔn)差為1的正態(tài)分布，仿真結(jié)果表明前兩種信任網(wǎng)絡(luò)比較穩(wěn)定，而基于現(xiàn)實(shí)信任網(wǎng)絡(luò)仿真的股價(jià)波動(dòng)較大，也就意味著現(xiàn)實(shí)的信任網(wǎng)絡(luò)不穩(wěn)定。

（4）研究的不足

該研究有一下幾點(diǎn)不足：

該模型大大簡(jiǎn)化了投資者在做投資決策時(shí)的不確定性，沒(méi)有對(duì)影響的大小進(jìn)行加權(quán)分析，只是籠統(tǒng)的分析了有無(wú)影響，該模型假定信任矩陣是不變的，而時(shí)變的信任矩陣更加接近現(xiàn)實(shí)，該模型只考慮了投資的狀態(tài)（買入，賣出，持有），但并沒(méi)有考慮他們的交易量。

文獻(xiàn)五：在動(dòng)蕩市場(chǎng)下的資產(chǎn)相關(guān)性以及在資產(chǎn)管理中不同機(jī)制的影響（線性與非線性結(jié)合）（1）研究的問(wèn)題

自從2007年金融危機(jī)以來(lái)，金融從業(yè)人員以及學(xué)者一直討論在動(dòng)蕩的市場(chǎng)周期中金融資產(chǎn)之間的相關(guān)性是如何表現(xiàn)的。許多學(xué)者發(fā)現(xiàn)所謂的相關(guān)故障，這種現(xiàn)象說(shuō)明一個(gè)事實(shí)：金融資產(chǎn)之間的相關(guān)性在動(dòng)蕩的職場(chǎng)周期中往往會(huì)急劇增大。這也自然地與資產(chǎn)多元化的相矛盾。到目前為止，在動(dòng)蕩的市場(chǎng)的相關(guān)故障的存在性主要來(lái)自從業(yè)者的看法，而這個(gè)話題仍然缺乏一個(gè)綜合性學(xué)術(shù)研究。這篇文章的目的是對(duì)這一問(wèn)題的研究邁出的第一步并研究對(duì)資產(chǎn)管理前瞻性的影響。（2）模型建立

作者通過(guò)使用離散時(shí)間馬爾科夫轉(zhuǎn)換模型研究相關(guān)性的穩(wěn)定性以及對(duì)資產(chǎn)配置的影響。

不含自回歸項(xiàng)的馬爾科夫轉(zhuǎn)換模型：

Rt??Zt??Zt?t，其中：Rt為資產(chǎn)收益率，Zt為均勻時(shí)間馬爾科夫鏈的當(dāng)前狀態(tài)，｛Zt｝t=1,2,3,…,T

t?t~N(0,1)i.i.d , Z只有兩個(gè)狀態(tài)0和1，0表示低波動(dòng)，1表示高波動(dòng)，一步狀態(tài)轉(zhuǎn)移矩陣為：

1?p??p????

?1?qq?其中：

p?P(Zt?0|Zt?1?0)

q?P(Zt?1|Zt?1?1)因此Rt在每種機(jī)制下都服從正態(tài)分布，該模型完全由參數(shù)向量決定： ??(p,q,?0,?1,?0,?1,?)

其中(?,1??)表示馬爾科夫鏈的初始分布，??P(Z1?0)

（3）仿真與分析

數(shù)據(jù)由以下構(gòu)成：the MSCI World Local, the S&P500, the EuroStoxx50, and the Nikkei225代表資產(chǎn)類股票指數(shù)，美國(guó)、日本、德國(guó)的政府債券指數(shù)，美林美國(guó)公司債券指數(shù)，時(shí)間從1987年1月到2009年1月。收益率rt來(lái)自每周價(jià)格st數(shù)據(jù) st?st?1rt?st

再通過(guò)最大似然估計(jì)估計(jì)出??(p,q,?0,?1,?0,?1,?)，發(fā)現(xiàn)低波動(dòng)市場(chǎng)的收益比高波動(dòng)市場(chǎng)的收益高，而方差比高收益市場(chǎng)小。

再通過(guò)運(yùn)用pearson相關(guān)系數(shù)計(jì)算這些指數(shù)的相關(guān)性，發(fā)現(xiàn)動(dòng)蕩市場(chǎng)的相關(guān)性比穩(wěn)定市場(chǎng)的相關(guān)性高。再建立最優(yōu)化模型：

maxwT???Risk(w)ws.t.w?0

wT1?1

其中w是資產(chǎn)組合權(quán)重向量，?是個(gè)人風(fēng)險(xiǎn)規(guī)避參數(shù)，?是收益率向量，Risk(w)反映了資產(chǎn)組合風(fēng)險(xiǎn)參數(shù)。這里研究?jī)煞NRisk(w)：

（ⅰ）資產(chǎn)組合的方差，基于著名的mean-variance framework(MV)（ⅱ）Portfolio conditional value-at-risk(CVaR): this yields the mean-CVaR(MCVaR)framework 接下來(lái)將投資者再分為兩類，一種是機(jī)制轉(zhuǎn)換投資者，另一種是非機(jī)制轉(zhuǎn)換投資者

通過(guò)考查一些指標(biāo)發(fā)現(xiàn)不論是高風(fēng)險(xiǎn)規(guī)避還是低風(fēng)險(xiǎn)規(guī)避投資者，或者考慮不同的風(fēng)險(xiǎn)機(jī)制，機(jī)制轉(zhuǎn)換的投資者都優(yōu)與非機(jī)制轉(zhuǎn)換投資者。

（4）結(jié)論

在動(dòng)蕩市場(chǎng)中，資產(chǎn)相關(guān)性會(huì)顯著增加，在這個(gè)時(shí)期，資產(chǎn)多元化的作用會(huì)減小。歐美市場(chǎng)的相關(guān)性更高。而亞洲市場(chǎng)的動(dòng)蕩時(shí)期卻更多更長(zhǎng)。最后，考慮市場(chǎng)轉(zhuǎn)換會(huì)有更好的投資表現(xiàn)，風(fēng)險(xiǎn)管理的表現(xiàn)也更好。（5）研究不足

第一，不同市場(chǎng)收益率應(yīng)該結(jié)合起來(lái)，這樣能提高擬合效果。

第二，轉(zhuǎn)換概率應(yīng)該考慮建立時(shí)變的模型，并可以與宏觀的市場(chǎng)變量結(jié)合起來(lái)從而預(yù)測(cè)經(jīng)濟(jì)危機(jī)。