方法论

本书和以往该领域的教材有两点不同之处。

第一，本书对未来不确定性的基本观点并非基于Markowitz (1952)所倡导的均值／方差法选择投资组合的观点，其中均值／方差法是当初Sharpe(1964)、Lintner(1965)、Mossin(1966)以及Treynor (1999)发展出资本资产定价模型（Capital Asset Pricing Model，简称CAPM）的基础。相反，我们直接以Arrow (1953)的延伸研究——基于Arrow (1951)和Debreu (1951)——为基础，使用状态／偏好法分析不确定性。

第二，我们大量使用了一个模拟资本市场达到均衡过程的程序，并对由此而得到的资产价格和未来价值的关系进行了大量的研究。

状态／偏好法

我们应用离散时间和离散收益情况下的状态／偏好分析法。简单来说，不确定性可以通过对未来的情景或状态的概率赋值来衡量，而情景或状态的差异会导致投资收益的变化。这就明确排除了对连续时间函数和连续分布（如正态分布或对数正态分布）的依赖，尽管我们可以使用这些连续分布的离散逼近。

离散化构造使运算更加简单。人们可以很容易地在离散化构造下得到金融经济学的许多标准结论。至少很重要的是，离散函数能使基本的经济状态更易观察。最终，金融经济学这一社会科学的目标是刻画资本市场中人与人相互作用的结果，并作为一种帮助个人做出更好的决策的指令性工具。在每个情景或状态中，我们对其经济学分析方法越了解，就越能评估这种方法的有效性。状态／偏好法不仅分析离散时间和状态的情况，而且显示出个人消费偏好的重要性。当然它也考虑了其他因素，如证券代表产出。

模拟

模拟使替代推导运算变得更加可能。与其构造一个代数模型，然后“拨弄”由此而得到的方程组以得到一个封闭解，我们不如构建一个计算机模型模拟一个市场环境，其中有许多个人投资者，并令他们互相交易，直到任何人都不想交易为止，最后再观察他们所选择的资产组合和资产价格的特征。

这种形式的模拟有利有弊。首先，模拟相对简单易懂，而且有时能反映比代数模型所假设的更为复杂的情形。但是，我们也相对较难把握输入（假设）与输出（结果）间的关系。更糟的是，虽然有时候模拟能够证伪，但是我们很难通过模拟证实某种关系。

例如，假设人们的偏好类型是A，资本市场上证券的类型为B，均衡资产价格为类型C，则有A+B⇒C。我们可以构建一个模拟过程，其中有一些A类型的人和B类型的证券，且模拟的均衡结果为C。但模拟并不能证明结果就一定是如此。我们可以重复模拟不同的个人和证券，但是这些人都有偏好A且证券类型均为B。如果出现均衡不是C的情况，那么命题（A+B⇒C）就不成立了。甚至是每个模拟都与命题结果一致，我们也不能证明上述命题一定成立。因此，我们只能得出如下结论：若大多数模拟得出相同的结果，人们更有理由相信上述命题的正确性。模拟至少是一种发掘大多数或所有时间内成立的命题的强有力的方法。

均衡模拟是一种很有用的方法，它能设计大量复杂的情形，帮助人们深入挖掘资产定价和组合选择的决定因素，以及为更多的人提供资产定价的分析。

APSIM程序

本书中的案例使用的模拟程序被称为APSIM(Asset Pricing and Portfolio Choice Simulator)。作者的主页：www.wsharp.com，在习题集中免费提供了每一个案例的工作底稿。与习题集对应的模拟程序、说明和源代码都可以在此下载。虽然作者竭尽全力想构建一个快速可靠的程序，但是瑕疵依然很难避免。

我并不推荐每位读者去阅读复杂的C++语言程序，但APSIM源代码确实为本书所讨论的结果提供了文档支持。就模拟而言，这些文件也能发挥和传统的通过代数模型得出结论的正式证明相似的功能。