
很多留学生平时写 Essay、Dissertation 或 coursework 时还能慢慢查资料、改结构,但一到考试场景就容易乱。尤其是金融、经济学、计量经济学这类科目,考试 Essay 并不是简单写一段观点,而是要在有限时间内把定义、模型、假设、公式、直觉解释和结论完整表达出来。本文围绕 How to Write an Exam Essay 展开,结合 empirical finance exam 的常见题型,说明留学生在考试中如何组织答案,如何提高技术表达的准确性,以及如何把复杂金融模型写得清楚、有逻辑。
很多学生考试时一看到题目就急着写,结果写到一半才发现逻辑顺序乱了,或者重要知识点漏掉了。其实,考试 Essay 最开始的 2–3 分钟非常关键。
在正式作答前,可以先在草稿区域简单列出:
题目问的核心概念是什么;
需要写哪些定义;
是否需要写 null hypothesis 和 alternative hypothesis;
是否涉及公式、检验统计量或自由度;
答案最后要得出什么判断。
这一步看似浪费时间,实际上能让答案更清楚,也更容易得分。尤其是 Section B 这类长 essay questions,结构比单纯写很多内容更重要。
金融和计量经济学考试中,最好的答案通常是“技术精确 + 直觉解释”结合。
只写直觉,容易显得不够学术;只写公式,阅卷老师可能看不出你是否真正理解模型。比如解释一个统计检验时,比较完整的写法应该包括:
这个 test 是用来检验什么;
原假设和备择假设分别是什么;
检验统计量是什么;
在原假设下服从什么分布;
自由度是多少;
根据 critical value 或 p-value 得出什么结论;
这个结论在经济或金融含义上说明什么。
这种写法特别适合留学生考试 Essay 写作,因为它既体现专业性,也能让答案读起来有逻辑。
CAPM 题目通常要求学生解释资本资产定价模型的限制条件、风险收益关系以及 abnormal returns 是否存在。答题时不能只写 “CAPM says higher risk leads to higher return”,而应说明模型核心逻辑:资产预期收益应由系统性风险解释,市场无法提供系统性的异常收益。
如果题目涉及 cross-sectional regression,可以说明第一阶段先估计 beta,第二阶段再用估计出来的 beta 解释不同资产的平均收益。
如果题目要求解释 t-tests for cross-sectional estimates,答案中应明确写出:
对于截距项,通常检验是否存在 abnormal returns;
对于 beta 系数,通常检验是否存在正向风险收益关系;
如果 t-statistic 超过临界值,则拒绝原假设;
如果没有超过临界值,则不能拒绝原假设。
在考试 Essay 中,结论不要只写 “reject” 或 “do not reject”,还要解释含义。例如:如果不拒绝截距为零的原假设,可以说明没有明显证据表明 CAPM 模型中存在异常收益;如果拒绝风险收益系数不大于零的原假设,可以说明存在正向 risk-return trade-off。
金融时间序列中,收益率本身可能不存在明显自相关,但 squared returns 往往存在相关性。这通常说明市场波动率存在 clustering,也就是波动率聚集现象。
答题时可以这样写:如果 returns 的 correlogram 显示没有显著 autocorrelation,可以认为均值方程较简单;如果 squared returns 显示明显相关,则说明条件方差可能随时间变化,需要使用 ARCH/GARCH 类模型。
GARCH(1,1) 模型通常用于解释金融市场波动率的持续性。如果 ARCH 和 GARCH 系数之和小于 1,说明波动率冲击具有持续影响,但不是永久影响。如果二者之和接近 1,则说明 volatility persistence 很强。
这里要注意,考试答案不能只写模型名称,而要解释为什么选择这个模型。比如,ACF 和 PACF 的衰减模式、波动率聚集特征、模型选择标准 AIC 或 Schwarz criterion,都可以作为选择 GARCH 模型的依据。
如果题目问 asymmetric GARCH,就要解释为什么 bad news 往往比 good news 对波动率影响更大。在股票市场中,负面冲击会降低公司价值,提高 debt-equity ratio,从而让投资者认为股票风险更高,这就是 leverage effect。
TARCH 和 EGARCH 都可以用于捕捉这种非对称波动。TARCH 通过 dummy variable 区分正负冲击,EGARCH 则通过对数方差形式保证条件方差为正,并能刻画非对称效应。
Bid-ask bounce 是金融市场微观结构中的经典问题。市场交易价格可能在 bid price 和 ask price 之间跳动,即使真实资产价值没有变化,记录下来的交易价格也可能产生虚假的负自相关。
考试中如果让解释 bid-ask bounce,不要只写定义,还要说明它为什么会导致 spurious negative autocorrelation。也就是说,价格在买价和卖价之间来回变化,会让收益率看起来呈现负相关,但这种相关性并不代表市场真的可预测。
Non-synchronous trading 则是另一种常见市场微观结构问题。小盘股交易频率较低,市场信息可能先反映在大盘股价格上,再延迟反映到小盘股价格中。
因此,如果一个指数同时包含大盘股和小盘股,昨日信息可能同时出现在昨日和今日收益中,从而造成虚假的正自相关。使用 value-weighted index 可以在一定程度上减少这个问题,因为小盘股权重较低。
Martingale Model 可以理解为 fair game model。它认为在已知当前信息的条件下,未来价格变化的期望值为零。也就是说,投资者无法利用已有信息系统性获得异常收益。
相比 Random Walk Model,Martingale Model 的要求更弱。它不一定要求收益独立同分布,也不要求收益服从正态分布,只强调未来收益不能被当前信息线性预测。
有效市场假说认为资产价格已经反映所有可用信息,因此投资者不能稳定获得 abnormal profits。Martingale Model 正好提供了一个经验检验思路:如果未来收益与当前或过去信息线性无关,就支持市场有效性的基本预测。
但这里必须注意 joint hypothesis problem。市场有效性不能被单独检验,它总是和某个均衡收益模型一起被检验。如果发现收益可预测,可能是市场无效,也可能是使用了错误的资产定价模型。
Johansen 方法常用于检验多个非平稳变量之间是否存在长期均衡关系。考试中如果问 Johansen estimator,答案可以按以下顺序展开:
第一,说明它用于估计 cointegrating rank,也就是长期关系的数量;
第二,说明它可以估计 cointegrating vectors 和 adjustment parameters;
第三,说明它可以检验对长期参数的理论限制;
第四,解释 trace statistic 和 maximum eigenvalue statistic;
第五,讨论识别问题,即为什么需要对 beta 施加理论限制。
这类题特别容易写乱。比较好的方法是先写 general overview,再写 implementation steps,最后写理论应用,比如 PPP 或 exchange rate relationship。
在金融和计量经济学考试中,经常会问为什么要进行 misspecification testing。核心答案是:如果模型违反 Classical Linear Regression Model 的关键假设,那么点估计、标准误、t-test、F-test 和 confidence interval 都可能失效。
例如,如果存在 heteroscedasticity 或 autocorrelation,OLS 系数本身可能仍然无偏和一致,但普通标准误不再正确,因此基于普通标准误的推断不可靠。
White’s test 常用于检验异方差;
Breusch-Godfrey LM test 可用于检验自相关;
CUSUM 和 CUSUMSQ 可用于检验参数稳定性;
Newey-West HAC standard errors 可以在异方差和自相关存在时提供更稳健的推断。
考试 Essay 中,最好不要只列名字,而要解释每个 test 的目的、原假设和基本步骤。
如果解释变量与误差项相关,就存在 endogeneity。此时 OLS 估计量会有偏且不一致。金融和经济数据中,endogeneity 很常见,因为变量之间经常存在双向关系。
例如,在测试 Covered Interest Parity 或 Uncovered Interest Parity 时,很难简单判断哪个变量是因变量、哪个变量是解释变量,因为汇率、利率和远期汇率可能同时调整。
Instrumental Variables 的关键是找到一组工具变量,它们需要满足两个条件:
与内生解释变量相关;
与误差项不相关。
如果工具变量数量正好等于内生变量数量,可以使用 IV estimator。如果工具变量数量多于未知参数,则模型 over-identified,此时可以使用 Generalized Method of Moments。
GMM 的思想是让样本矩条件尽可能接近零,并通过 weighting matrix 提高估计效率。在存在 heteroscedasticity 或 autocorrelation 时,可以使用 HAC estimator 构造更合适的权重矩阵。
Long memory processes 指的是时间序列的自相关函数衰减很慢。与普通 ARMA 模型中快速的几何衰减不同,long memory 模型的 ACF 通常呈现更慢的 hyperbolic decay。
考试中可以重点写:
long memory 的含义;
它与普通 I(0) ARMA 模型的区别;
fractional integration 参数 d 的意义;
什么时候 mean reverting;
什么时候 weakly stationary;
GPH spectral regression 如何利用低频频谱估计 d。
这里最容易丢分的地方,是没有解释为什么需要 frequency cut-off。GPH 方法关注低频信息,因为 long memory 主要体现在长期成分上。如果把太多高频波动放进回归,估计可能会被短期周期干扰。
对于金融、经济学、计量经济学这类考试题,可以用下面的答题逻辑:
1. Definition
先定义核心概念。比如 CAPM、GARCH、Martingale、Cointegration、GMM 等。
2. Purpose
说明这个模型或方法用来解决什么问题。
3. Assumptions
写出关键假设,尤其是统计检验和模型估计中的假设。
4. Technical details
写出必要公式、假设检验、分布和自由度。
5. Intuition
用一句或两句话解释背后的金融逻辑。
6. Interpretation
结合题目数据或场景得出结论。
7. Limitation
如果时间允许,补一句局限性,比如 joint hypothesis problem、measurement error、endogeneity 或 model misspecification。
这套结构适合大多数 exam essay,也适合平时写金融 Essay、经济学 Essay 和留学生课程作业。
很多留学生在写 Essay 或准备考试时,最大问题并不是完全不会知识点,而是不知道如何把知识点组织成符合英国大学评分标准的答案。尤其是 empirical finance、econometrics、financial economics 这类课程,老师通常希望看到学生既能写出技术细节,又能解释模型背后的直觉。
ukthesis 在留学生 Essay 写作辅导、金融论文代写、经济学作业辅导和考试型 Essay 答题训练中,通常会帮助学生把知识点转换成可得分的结构。例如,一个 CAPM 题目不仅要写模型,还要写检验假设、统计结论和金融含义;一个 GARCH 题目不仅要写方程,还要解释 volatility clustering、persistence 和 leverage effects。
如果学生只是背概念,考试时很容易写得散;如果能提前准备“定义—模型—假设—检验—解释—局限”的答题框架,考试 Essay 会清楚很多,也更容易拿到结构分和分析分。
How to Write an Exam Essay 的关键,不是把所有笔记都写进答案,而是在有限时间内写出清楚、准确、有层次的内容。对于 empirical finance exam 来说,好的答案必须同时具备技术精确性和逻辑解释力。
无论是 CAPM、GARCH、Martingale Model、Johansen Cointegration、GMM,还是 long memory processes,答题时都要先说明模型用途,再写假设和检验方法,最后解释经济金融含义。这样写出来的考试 Essay,不仅更专业,也更符合英国大学对 analytical writing 的要求。