苹果/安卓/wp
积分 1421, 距离下一级还需 804 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 30 天连续签到: 1 天[LV.5]常住居民I
本帖最后由 馨信 于
17:08 编辑
看论文时看到，上证综合指数1日收益率序列，上证综合指数30日收益率序列
都是一个时间段，但数据个数却一样多，1日收益率=ln（Pt+1/Pt）？ 30日收益率=ln（Pt+30/Pt） ？
还看到，上证综合指数1日收益率波动序列，上证综合指数30日收益率波动序列
也都是一个时间段，数据个数也一样多，1日收益率=r（t+1）-r（t）？ 30日收益率=r（t+30）-r（t） ？
这样理解对不？
在另外一篇文章看到：日收盘价的样本期间为日至日，样本观察数目 为3133:；5日收盘价的样本期间为日至日样本观察数目为643.
这又是怎么回事？
非常感谢！
学习，思索，再学习，再思索。
学习，思索，再学习，再思索。
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师上证指数的月收益率怎么算？多谢各位指点啊_百度知道
上证指数的月收益率怎么算？多谢各位指点啊
我有更好的答案
按下F3，再按下F5进入上证A股的日K线图，然后按F8，切换到月K线图，就可以清楚的看到月收益率。
非常感谢，那还想问一下，那股票的周收益率也是这么操作的吗？还是其他方法？请指教！
采纳率：13%
为您推荐：
其他类似问题
您可能关注的内容
上证指数的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。论文发表、论文指导
周一至周五
9：00&22：00
上证指数收益率的统计分析
　　【摘要】该文对中国证监会启动股权分置改革后上海股市的上证指数收益率进行了统计分析。验证了股市收益率序列的“高峰厚尾”及“有偏性”等统计特征,并对股市中牛市和熊市的收益及风险进行了对比分析。 中国论文网 http://www.xzbu.com/2/view-368294.htm　　【关键词】上证综指;对数收益率;风险 　　 　　引言 　　我国股票市场经过十余年的发展,无论是上市公司的数量、股票市值、每日股票交易量还是在整个国民经济体系中的地位和作用都有了很大的发展。股市融通和配置资金的重要经济功能己经被广大投资者所认同,同时在中国因为个人投资者投资渠道较少,投资股市获利成了广大民众的选择。截止2008年3月,沪深两市共有A股账户11,305.81万户可见股市已成为广大居民的投资方式。所以股市的研究既是众多专家也是民众关心的热点。 　　2005年中国证监会启动股权分置改革试点工作,此后2006年到2008年中国股市经历了一波大幅飙升的牛市和一波跌幅巨大的熊市。本文将对此段时间的上证指数进行统计分析。 　　 　　1.数据来源和一些基本统计量 　　 　　1.1 数据采集 　　上证综合指数作为国内外普遍采用的衡量中国证券市场表现的权威统计指标,由上海证券交易所编制并发布。上证指数反映了上海证券交易所上市证券品种价格的变动情况,可以反映不同行业的景气状况及其价格整体变动状况,从而给投资者提供不同的投资组合分析参照系。市场指数的变动从总体上反映了上海证券交易所上市股票价格的变动情况。 　　本文样本区间为日至日,共计601个样本初始数据,研究数据来源于上海聚源数据服务公司的聚源数据工作站。 　　1.2 基本统计量 　　为了对上海证券市场进行统计分析,我们需要下面几个常用的统计量。 　　1.2.1 对数收益率 　　一般的投资者最关心的是投资收益,所以我们研究的对象主要是上证综指的收益率。 　　资产收益率计算方法有两种:百分比法和对数法。百分比收益率较为直观且易于计算,但对数收益率的优点在于利用价格得到的对数收益率在整个实数范围内取值,便于数学上处理。另外,采用对数收益率,使得数据进一步趋于平稳,有更容易处理的统计性质,因此本文采用上证综指的收盘价计算日对数收益率。 　　日对数收益率为,其中为第t天的上证综指的收盘价。 　　1.2.2 平均值(Mean) 　　数组的算术平均值,用来描述随机变量取值的一般水平。 　　 \* MERGEFORMAT(1) 　　1.2.3 标准差(Std. Deviation) 　　标准差是反映随机变量相对其均值的偏差程度,其值越大,这种偏差就越大,表明随机变量的取值在其均值周围的分布越分散。其计算公式为: 　　 \* MERGEFORMAT (2) 　　1.2.4 偏度(Skewness) 　　偏度是反映收益率分布密度对称性的指标,在概率统计中,经常遇到连续的单峰的不对称的密度函数,它在众数的一边形成长尾,另一边形成短尾。如果长尾在正的一边,那么,即该分布具有正的偏斜度(右偏)。反之,长尾在负的一边,则,即该分布具有负的偏斜度(左偏)。偏斜值不仅反映偏斜的方向,而且能表示偏斜的程度,偏度的计算公式为: 　　 \* MERGEFORMAT (3) 　　1.2.5 峰度(Kurtosis) 　　峰度是用来测定收益率分布的形状的另外一个重要指标,它反映密度函数曲线在众数附近的“峰”的尖峭程度。通过以正态分布的峰度(其值为3)为标准。如果是一个分布的峰度大于3,则该分布具有过度的峰度,表示分布具有“尖峰、厚尾”的特征。若一个分布的峰度小于3,则该分布具有不足的峰度,表示分布具有“低峰、厚尾”的特征。如果峰度值较大,是由于大幅度偏离均值的异常值造成的。峰度的计算公式为: 　　 \* MERGEFORMAT(4) 　　1.2.6 风险价值(VaR) 　　VaR是value at risk开头字母的缩写,可译为“在险价值”或“风险价值”。现今,VaR己经成为股票市场风险测量的最常用模型,其值可以反映投资的风险。Philippe Jorion[1]给出了权威定义:VaR是指在一定的概率水平(置信度)下,某一金融资产或证券组合在未来特定的一段时间内的最大可能损失”用数学公式可表示为: 　　\* MERGEFORMAT (5) 　　其中,为金融资产在持有期内的资产价值的变化,表示的积累分布函数。VaR为置信水平下处于风险中的价值。当时,一个多头的持有者受到损失,所以很小时VaR是一个负值,表示损失。 　　VaR计算方法较多,但是为了简化运算,我们选用历史摸拟方法计算VaR。例如,我们计算样本1的置信水平为95%日VaR值。先将样本1的日对数收益率从小到大排序,共311个数据。则311* 5% = 15.6,可得311个数据中第16小的日对数收益率就是样本1的置信水平为95%的日VaR。同样方法可以得出其它样本的置信水平为95%的日VaR值,结果如表1。 　　 　　2.实证分析 　　 　　我们将得到的每日股市交易结束后的上证综指和计算得到的日对数收益率用图画出来(如图1、图2)。从图中我们可以看到上证综指有一次大的上升过程和一次大的下跌过程,这正是股市经过的一波牛市与熊市在图上的直观反映。为此,我们将样本按时间分成两段,样本1(到)反映了牛市的上证综指,样本2(到)反映了熊市的上证综指。 　　下面我们用Eviews软件[2]计算样本对数收益率的一些基本统计量,结果如表1。 　　通过分析计算出来的统计量,我们得到一些有意思的结论。 　　1)对数收益率平均值(Mean)的分析:样本1表示在牛市的阶段投资,其对数收益率均值最高,为0.004069,而样本2为熊市的阶段投资,对数收益率均值最低,而且是负值说明投资有损失。显然在牛市的阶段投资,收益率会高,而在熊市投资股市则会带来损失,这符合我们对股市投资的认识。总样本为0.000265是正值,说明如果投资者一开始就进行投资,其中不做任何操作也能得到一个较好的正收益,这是一种长线投资结果。 　　2)对数收益率的最大最小值分析。最小的日对数收益率-0.092561在样本1中出现,最大的日对数收益率0.090345在样本2出现。这说明在牛市中,股市有一天达到了日损失的最大;而在熊市中某一天却得到了日收益的最大,这个结果有点出人意料。分析其原因,我们认为这说明中国股市还是一个政策市,很容易受到一些政策因素的影响而形成大起大落,暂时改变运行的趋势。 　　3)偏度与峰度的分析:从表中可以看到样本2中上证指数的收益率偏度为正值,说明其分布有长的右拖尾。这意味着熊市中有少数数据点远远游离在大多数点的右侧,均值受到这些点的影响将会偏向右侧,所以大多数投资者很容易感觉自己的收益益比平均水平要低。而样本1和总样本的结论则刚好想反。再看三个样本的峰度,其值都大于3,这说明上证指数的收益率分布尾巴要比正态分布的厚,其分布密度曲线在距离均值较远的地方位于正态分布曲线的上方。这意味着收益率出现异常值的概率要大于正态分布时的概率,这就是所谓的尖峰厚尾现象。造成收益率的概率分布呈现尖峰厚尾现象的主要原因是由于存在大幅偏离均值的异常值,且异常值成群出现,这种波动聚集现象可以从收益率的图2中直观看到。 　　4)正态性检验:从上证指数的收益率偏度和峰度已可看出不同于正态分布。同时我们用Eviews软件对样本进行了Jarque-Bera正态检验,(其结果在表2中)检验结果是上证指数的对数收益率不是正态分布的。这使得通过基于正态分布的方法如传统的CAPM模型、APT模型等来预测股价走势的精度将很差。 　　5)投资风险分析:首先从标准差看风险,股价剧烈的波动隐藏着金融市场的风险。从表1可以看到样本2的标准差最大,可见熊市时的股市波动剧烈,意味着较大的投资风险,这一点可以从图2直观看到。其次,从风险价值看股市的投资风险。表1可以看到样本2的VaR值最小,说明置信水平为95%时,在熊市中投资的资金损失值比牛市大,这也意味着熊市的投资风险较大。这说明,股市投资时要看好大趋势,在牛市时投资风险相对熊市要小。 　　 　　3.结束语 　　 　　本文通过对日至日一波牛市和熊市中上海股市指数的日收益率进行了数学方面的统计分析。验证了股市收益率序列的“高峰厚尾”及“有偏性”等统计特征,特别是牛市和熊市中投资特点的对比分析和风险比较等结论,为更好的把握我国股市的特征,为投资决策提供了有益的参考。 　　 　　参考文献 　　[1]陈跃.Philippe Jorion,风险价值VAR[M].北京:中信出版社,2007. 　　[2]攸频,张晓峒.Eviews6实用教程[M].北京:中国财政经济出版社,2008. 　　 　　项目来源:广西教育厅项目(1):中国股市风险度量的VaR模型研究。 　　 　　作者简介:夏师(1973―),广西百色人,广西师范大学数学科学学院金融统计专业在读硕士,百色学院数学与计算机信息工程系讲师,主要研究方向:金融统计、数学模型。
转载请注明来源。原文地址：
【xzbu】郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。
xzbu发布此信息目的在于传播更多信息，与本网站立场无关。xzbu不保证该信息（包括但不限于文字、数据及图表）准确性、真实性、完整性等。404 - 找不到文件或目录。
404 - 找不到文件或目录。
您要查找的资源可能已被删除，已更改名称或者暂时不可用。浅析A股与沪深300期指的“日历效应”|收益率|效应|数据_新浪财经_新浪网
：信披滞后虚假宣传，业绩长期低于同类产品，买基金被坑怎么办？点击【】，新浪帮你曝光他们！
投资者可以规避高风险月度，介入低风险月度，获得较高收益率
　　对“日历效应”的研究
　　“日历效应”指在金融市场上，投资收益呈现出与时间段相关联的波动特点。“日历效应”现象依据时间周期，可以分为月度、周度和日内现象，分别揭示投资收益与某个时间段相对固定的关联关系。
　　学术界对期货市场“日历效应”的研究始于1983年，两位学者Chiang和Tapley对CBOT商品期货的周度日历现象进行了研究，标的主要集中在上市品种价格涨跌和交易量方面。研究成果显示：当时CBOT上市的21种商品期货存在着“负周一”效应，且周日交易量变动幅度最大。
　　传统的金融学理论认为资本市场是有效的，基于资本资产定价模型CAPM的分析，认为风险和收益对称，投资者获得的收益与其承受的风险相匹配。而另一定价模型EMH则根据市场有效性假说，认为在信息完全对称的市场上，投资者不可能获得超额收益。2015年7月，中国股市异常波动显示了市场的非有效性——上半年疯狂上涨和下半年非理性下跌。
　　在上述股市异常波动中，股指期货再次成为“众矢之的”。股指期货上市的初衷，是希望这种新型的金融衍生工具帮助投资者得以对冲市场风险，从而使得A股市场的运行更加平稳。但是在去年的异常波动中，股指期货市场本身也出现了一些异常的波动，并与股市的大跌形成共振。本文在关注波动非对称性、预期风险影响和市场负面信息带来的杠杆效应的基础上，对期股两市的“日历效应”的关联性也同时进行了考察。
　　分析“日历效应”的基本方法
　　为了证实行情与特定时间段潜在的关联性，我们首先要基于市场的有效性，同时承认收益分布的非对称性。由于传统的ARCH模型无法对收益分布的非对称性特征做出合理的解释，因此我们主要采用非对称的GARCH模型，主要为TARCH和EGARCH。又因为不对称性反应主要形成于市场上的杠杆效应，即一般利空消息带来的下跌要大于利好消息带来的上涨，具体表现为序列数据的上下尾指数和偏度，因此在TARCH模型基础上发展演进的EGARCH模型更能集中反映市场上的杠杆效应。
　　EGARCH模型
　　EGARCH全称为广义自回归异方差，其条件方差方程为：
　　当εt-1＞0即出现一个利好消息带来正向波动时，在方程中加入一个θ系数来反映这种波动；当εt-1<0即出现一个利空消息带来负向波动时，在方程中减去一个θ系数来反映这种波动，这种反映非对称性的方程为：
　　数据来源与处理
　　本文选取的样本为上证指数和深圳成分指数，选取的样本区间是日到日。对于中国的股指期货市场的考察，选取的指标为一个加权的IF指数，样本区间是日到日。为了使研究数据更加平稳，采取日收盘价的对数收益率进行分析， 令pt为t时的收盘价， pt-1为t-1时的收盘价， 对数收益率定义为：。在这三个指数的研究中将都采取这种方法。为了使研究出来的结果充分反映股指期货市场的“日历效应”特征，所以构造出一个基于成交量的加权指数，该加权指数就是将四个合约进行加权平均“沪深300股指期货合约加权指数”，将这个指数记为IF加权指数。其中IF加权具体的计算公式为
　　IF1定义为当月IF合约的收盘价，IF2定义为下月IF合约的收盘价，IF3定义为下一个季月IF合约收盘价，IF4定义为再下一个季月IF合约收盘价。ωi定义为i种合约在某一日的成交额占四种合约总成交额的权重。
　　数据检验——非正态检验
　　第一步要做的检验就是对于数据非正态进行检验。针对数据非正态性检验，本文主要采取的是shapiro-wilk方法、JB方法和K-S方法。
　　在表1的结果中可以看到，当预先给定的置信水平为99%时，渐进显著性都为0，明显比0.05的值要小，因此说明所研究对象都是非正态的，同时研究对象都不同程度地有向左偏的收益形态和比较明显的厚尾尖峰现象。
　　表1为股市、股指期货市场收益分布特征
　　采用Kolmogorov-Simirnov方法，检测结果也与上述两种方法一致。这就满足了接下来使用EGARCH-M模型进行分析的第一个数据的设定条件。
　　表2为单样本K-S检验
　　数据检验——平稳性检验
　　在表3的检测结果中易看到结果：显著性为最后一行都为0。由于六个临界值均在-1到-3之间远大于上证指数的t统计量值-51.85和深证成指的该项数据-35.65，因此拒绝零假设H0∶δ=0，认为研究对象没有单位根的存在，是平稳的，在IF加权指数上面也容易得到相同的结论。
　　表3为ADF统计量平稳性检验
　　月度统计的“日历效应”
　　我们整理了行业指数各行业1999年12月—2015年5月的月收益率，将这些数据进行基于月度数据的分组，并对每一个月度的收益进行算术平均，得到月度数据的平均收益率情况如图1。
　　图1为申银万国行业指数1999年12月—2015年5月的月度平均收益率
　　由图1统计数据可知，15年来，我国所有行业的平均收益率比较符合11—4月较高，5—10月较低的特性，其中2月的收益为全年最高，6月的收益为全年最低。
　　从数据上看，由于我国市场上也存在5—10月收益较低，11—5月收益较高的市场特征，其解释可能是投资者对分红派息的偏好导致，但可以基于这一市场特征改进被动的投资策略，从而赚取更多的收益。策略有两种，一种是与华尔街“Sell in May and go away”策略一致，即在5—10月，投资者应空仓；另外一种可以选择的交易策略是可以在这些月份反向做空。具体的年每年收益及总收益对比如表4所示。
　　表4为年每年收益及总收益对比
　　参照月度数据的波动概率，投资者可以尝试规避高风险月度，积极介入低风险而收益较稳定的月度，获得较高收益率。而对于监管层来说，还可以探讨和发现波动概率背后的原因，对症下药，减小其对股市平稳运行的负面影响，激发和扶持正能量。
　　月内效应中统计特性分析
　　将样本区间中的上证指数和深证成指按照月度进行分组，算出的均值方差如图2所示。
　　IF加权指数月度数据均值、方差如图3所示，该指数在12月收益率最大，在6月收益率最小。波幅方面，在7月波幅最大，在4月波幅最小。
　　图2为上证指数月度数据均值、方差
　　图3为IF加权指数月度数据均值、方差
　　月内效应中模型拟合结果分析
　　接下来，我们用EGARCH-M模型对按照月度进行分组的上证指数的数据进行参数的拟合，以便于考察具体哪个月度的变动受到了上一期的影响，同时具体在哪个月度存在杠杆效应。在上证指数月度数据的拟合结果中，预期风险比较明显的是模型拟合出来的其他方面：预期风险在6月和9月出现了显著影响，其系数分别是0.33和-0.31，并且分别是95%和99%的显著性水平；4月出现了滞后期收益的影响系数0.2，显著性水平是95%；1月和10月出现了显著的杠杆效应，系数是-0.05和-0.09，显著性水平是95%和99%。
　　过去收益波动对现在收益波动影响比较明显的月份有1月、2月、5月、6月、8月、10月、11月和12月。这些月份的显著性水平都为95%。
　　模型拟合出来的其他方面：在2月和3月，预期风险都对收益产生了一个明显的影响，系数分别是0.32和-0.37，显著性水平都为99%；1月、3月和9月收益值受到了滞后一期收益值的显著影响，系数分别是-0.27、0.74、-0.31，显著性水平都是99%；杠杆效应比较明显的月份是2月、3月、6月和8月，其系数分别是-0.035、-0.48、-0.27和-0.29，都在99%的水平下；除2月和5月，IF加权指数的月度数据都显示出过去时刻波动对现在时刻波动明显产生影响。
　　周度统计的“日历效应”
　　周内效应中统计特性分析
　　由图4、图5对两个指数的星期数据的均值、方差分析可以看出：上证指数在星期一的平均收益率最高，在星期四的平均收益率最低，波动在星期一最大，星期五最小；深证成指在星期三的平均收益率最高，在星期四的平均收益率最低，波动在星期一最大，星期五最小。
　　图4为上证指数星期数据均值、方差分析
　　图5为深证成指星期数据均值、方差
　　如图6所示，IF加权指数在星期一的平均收益率最低，在星期五的平均收益率最高，波动在星期一最大，星期三最小。
　　图6为IF加权指数星期数据均值、方差分析
　　周内效应中模型拟合结果分析
　　下面使用EGARCH-M模型对于分组的星期数据进行参数的拟合，表5为拟合的上证指数的星期数据。
　　表5为EGARCH模型对于上证指数星期数据的拟合结果
　　表6为IF加权指数星期数据基于EGARCH模型的参数拟合情况
　　注： *代表90%显著性水平，**代表95%显著性水平，***代表99%显著性水平。
　　形成“日历效应”的三种假说
　　传统的CAPM模型和给期权定价的BS公式对日历效应作出的解释难以令人信服。研究市场参与者的决策行为结合个人心理学分析的行为金融学对该现象作出了一些解释。其中主要有：
　　应税损失销售假说（Tax Loss Selling Hypothesis）：投资者在年末，一般不会卖掉有账面损失的股票，而更多地倾向于卖掉有一定账面盈利的股票。
　　过度反应假说（Overreaction Hypothesis）：这是行为金融学中的一个概念，Keynes在1964年最早提出资本市场上存在过度反应现象。当出现一个影响股价事件时，投资者会过度反应，进行集中过度的投资行为，之后市场会开始慢慢修正之前的价格逆转现象，并把价格开始理性恢复，使之趋向合理的价位，但是这个修正过程一般会非常缓慢。
　　市场规律
　　周末出政策
　　为了不在盘中导致突发性波动，让广大投资者有较充分的理性思考判断，中国资本市场的政策措施通常选在周末出台。如果力度一般影响中等，且周五收盘前并未泄露，则市场通常周一开始出现集中反应，加上一定程度的羊群效应，使得沪深指数的收益率波动都是周一最大。周二进一步演进消化，周三进行整理修复，尤其是深证成指周三的收益较高。而周四由于缺少新利好的支撑以及追随入场者减少，风险警惕者变多，上证指数和深证成指都出现了周内较低的收益。周五则很多机构和股评人士都会提醒投资者防范周末国内外的各种不确定性，离场观望落袋为安，也有很多投资者选择持股不动，这就导致了周五的波动值最低。
　　T+0和T+1
　　上证指数和深证成指都显示出周四低收益率，其原因可能来自于中国独有的T+1交易制度，当天卖出股票的资金只有在第二天才能进行证券账户转银行账户，也就是说虽然当天股票成功卖出，但实际的交割要等到收盘后才能完成。卖出股票回收的资金要次日才能到账。尤其为了周末消费的方便，一部分人会选择在周四卖出股票周五到账，这样就容易导致周四的指数收益率在一周中最低。但中国的股指期货市场却是T+0制度，这种制度的差异也导致了两个市场的“日历效应”的差异。
　　年报与半年报
　　年底各大公司为提高公司的形象，应对股东大会，一些增长情况比较良好的公司往往都会进行年报业绩数据的预披露。这样的预披露又会提高投资者对于该股票的一种预期，使股票市场上出现提前买入该股票的行为，令12月两大市场都出现活跃和一些高收益现象。而6月的低收益现象主要原因是：披露较晚的年报4月出台，半年报主要集中在7月、8月出台。基于年报披露与半年报披露之间，由于机构得到的信息往往优先于个人投资者，同时3月又因“两会行情”多半会发生一些对股市影响显著的政策性事件，因此6月承载的信息量往往较大，带来一年中的最大波幅。而4月之前年报的炒作已产生股价被过度拉抬，故6月股价的回落又会带来一年中最低的收益率。
　　到期日效应
　　沪深300股指期货在研究的区间内，周一的收益最小，周五的收益最大；波动性方面，周一的波动性最大，周三的波动性最小。其原因可能是：类似于上证指数与深证成指，周一大量堆积的周末信息造成了波动性加大，而沪深300股指期货合约对应的IF加权指数的收益率在周五出现一周的最大值，多半与股指期货到期日有关。规定沪深300股指期货合约到期日为每个月第三个周五。
　　在姚夏对于沪深300股指期货合约到期日效应的研究中，其通过对某一个到期日的收益率与相应前后的一个和五个交易日的收益率进行比较分析发现：在样本区间日至日的所有15分钟收益率中，到期日当天的收益都高于非到期日的收益率。从15分钟数据的研究同样可以得出结论：IF加权指数在周五的高收益率主要来源于股指期货到期日效应。
　　版权声明：本网所有内容，凡来源：“期货日报”的所有文字、图片和音视频资料，版权均属期货日报所有，任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发布/发表。已经本网协议授权的媒体、网站，在下载使用时必须注明"稿件来源：期货日报"，违者本网将依法追究责任。
牟其中的错误在于，在这种“见不得阳光”的寻租过程中，他又渴望表达自己的思想和理论，同时还显示出一份十分醒目的异端姿态。他连续不断地、让人瞠目结舌的、恶作剧式的承诺最终让他在政界、经济界、传媒界和社会公众层面多重失信。
法治能够使社会成员通过社会代价最小的方式，去寻求“最大公约数”的利益平衡，而且这个最大公约数出来以后，可以得到的是在法治保障条件下可持续的多轮的动态优化，来实现中国的包容性发展。
如果说在改革开放初期，技术进步和产业升级不得不要靠吸引外资、“交学费”的方式来完成的话；那么今天要改变大批优质中国企业“肥水流到外人田”的现象则需要通过深化金融体制改革、金融市嘲补短板”来实现。
如果货币泡沫蜂拥进入各大城市的地产市场，再过一段时间会是怎样的情景呢？通常而言，如果地产市场出现大崩盘，则意味着国民经济面临“灭顶之灾”；试想想：如果土地开发大大超越了城市生产力水平，未来会出现多少“死城”呢？