MIT OpenCourseWare
OCW Home Course List About OCW Help with OCW Feedback


Search
» 高级搜索
 课程主页
 教学大纲
 教学日程
 参考读物
 讲义
 作业
 考试

教学大纲


本课程的重点在于金融理解和用以制定投资决策的一些检验性实证。本课程包含的主题可以分成五个大类:
  • 金融理论
    包括资产组合理论、资本资产定价模型和套利定价理论,所有这些可以组成投资决策制定的一个完整部分。
  • 股权和股票期权股权和股票期权市场中的经验性根据
    包括了股票收益的横截面形式和时间序列形式,随时间变化的地预期收益和随机波动,以及股票期权市场上更多的检验性根据。
  • 固定收入和信用灵敏性工具导论
    包括无违约和可违约债券,收益曲线分析,联邦目标利率的影响,固定收入衍生工具(如互换、上/下限和互换期权),违约模型和利率转变以及信用衍生工具近期发展。
  • 市场有效性和“积极”投资
    我们开始时进行了有效市场的假设,这是对金融市场建模提供可一个很好的框架。但是,同其它模型一样,有效市场的假设不能完美的描述现实:一些价格几乎肯定是“错误的”。因此,有理由相信积极的管理可以产生有效的结果。积极管理的主题包括了债券分析、积极资产组合管理、对冲基金和风险管理问题。
  • 行为金融学简介
    经典金融学假设投资者的活动是理性的,以使定义的效用函数达到最大,而行为金融学试图利用其它一些理论,通过心理学、社会学和人类学,来解释金融市场。这个主题只有一讲,重要的目的是让你接触到这个金融学中活跃的、快速发展的领域。


课程目标

制定一个好的投资决策需要对金融市场的深度了解,严格的分析思考和精确的数学推导。本课程的重要目的就是教会你这三方面内容:
  • 分析工具
    你应该从本课程中学到的一项重要的分析技能就是将现实生活中的投资问题转化为一个可分析的模型的能力。这种建模能力是本课程的一个重要方面,在整个课程中都会强调。
  • 定量分析技巧
    现代金融学包括了定量计算方面。强大的数学技能,例如最优化、动态规划、概率论和统计分析,可以为很多复杂的投资问题铺路。
    本课程中,你会接触到定量计算方面的内容。你不一定要求可以很熟练的运用数学,但我希望可以能够教给你一些基础知识,这些知识在不同情况下都能使用。而且,通过5组作业,你会对最优化、数据分析和Monte-Carlo仿真等等有一些了解。
  • 检验性知识
    任何投资决策在制定时,最本质的就是对投资环境的了解。一般的说,金融工具可以分为股份、负债和衍生债券。金融市场中所有这三种形式的重要检验性根据本课中都会考查。尽管我在课程中会强调很多概念和大块的内容,但请注意15.433这门课程还是包含了很多代数运算、符号和基本的数学知识。因此,如果你上述三种情况不适应,请告诉你的授课教师。


课程教材

Required Reading
Bodie, Zvi, Alex Kane, Alan J. Marcus ("BKM"). 投资学. 第五版. McGraw-Hill/Irwin, 2002.

Recommended Reading
P. Bernstein. 投资革命,源自象牙塔的华尔街理论. 纽约: Free出版社, 1992.


助教和复习时间

课程的助教每周办公时间工作,复习时间会在课堂上公布。


成绩

考勤和课堂表现    10%
五组作业          20%
期中考试          30%
期末考试          40%

课前准备和课堂参与

课前准备和课堂参与都很重要。在教室通过提出和回答问题,你可以检查、加强对知识的理解。如果没有提前准备,将很难参与讨论。建议你小组准备课程。详细内容参考课程表和参考读物列表。


课堂上的参与是值得鼓励的,因为这样可以通过问题得到创造性的和有深刻见解的结论。你的积极参与可以令课堂使每个人收获很多,包括我在内。

小组作业

有五组作业。每次占你最后成绩的3到5分。作业在要求日期的上课前交。

请三到五位同学一组准备这些作业。每组只需要交一份答案。每组的成员作业的成绩相同,希望每人对每个问题的解答都能做出贡献。

讲座 作业 分数
1 资本市场理论 3
2 证券分析 5
3 期货问题 4
4 期权问题模拟 5
5 绩效属性 3
总分 20


考试

期中和期末考试都是当堂闭卷考试。期中考试会在第11节讲完后进行,期末考试会在规定的期末考试日期进行(第24节讲完后)。

与前面几组作业不同,在考试中不能分小组完成。如果由于身体原因不能参加考试,请在考前联系我。



 
MIT Home
Massachusetts Institute of Technology Terms of Use Privacy