资产定价框架下风险偏好、效用函数与“股权溢价之谜”的深度剖析与破解路径

资产定价框架下风险偏好、效用函数与“股权溢价之谜”的深度剖析与破解路径一、引言1.1研究背景与动机在现代金融理论的大厦中，资产定价理论占据着举足轻重的地位，是金融经济学的核心主题之一。它致力于解释在充满不确定性的环境下，未来支付的资产价格或价值的形成机制，这里的资产通常涵盖了各类金融工具与证券。资产定价理论的发展，从早期的初步探索，到20世纪50年代系统的数学符号表达开启的新篇章，再到70年代Black-Scholes期权定价模型将研究推向新高度，以及80年代中期随着计算机技术和金融市场研究数据库的建立，迎来广泛实证检验的阶段，其历程见证了金融理论与实践的紧密交织与不断演进。该理论的核心在于揭示投资者对风险的态度以及收益与风险之间的权衡关系，以阐释为何某些资产相较于其他资产能获得更高的平均收益。在资产定价理论的发展进程中，“股权溢价之谜”的出现犹如一颗投入平静湖面的石子，激起了层层涟漪，对传统理论发起了严峻挑战。1985年，Mehra和Prescott通过对美国1889-1978年的历史数据进行深入分析，发现了一个令人费解的现象：在这近90年的时间里，美国股票市场的年平均收益率高达6.98%，而同期短期国债的年回报率却仅约为0.8%，股票的超额报酬，即股权溢价，达到了惊人的6.18%。按照传统的代表性行为人模型预测，这一溢价数值远超出预期。这一发现引发了学界的广泛关注与深入思考，因为股权溢价之谜的存在，不仅对作为众多经济学和金融经济学理论基础与模型出发点的代表性行为人模型提出了质疑，甚至有使其根基动摇的风险；还对宏观经济学模型在解释经济周期以及理解行为人行为方面构成了挑战。宏观经济学中的政策建议、对经济周期波动的理解以及行为人投资和储蓄决策的分析，大多建立在代表性行为人基础之上，若无法妥善解决股权溢价之谜，这些方面的研究与应用都将受到影响。传统的资产定价理论，如资本资产定价模型（CAPM），建立在一系列严格的假设之上，包括投资者具有相同的预期和风险偏好、市场信息完全对称以及不存在交易成本等。然而在现实的金融市场中，这些假设条件很难成立，投资者的预期和风险偏好千差万别，市场信息也往往存在着不对称性，交易成本更是不可忽视的因素。这些现实因素使得传统模型在解释股权溢价现象时显得力不从心，所预测的股权溢价水平与实际观测到的数值之间存在显著差异。为了揭开“股权溢价之谜”的神秘面纱，众多学者从不同角度展开了深入研究。其中，投资者的风险偏好和效用函数成为了研究的关键切入点。风险偏好反映了投资者在面对风险时的态度和倾向，而效用函数则用于量化投资者从投资决策中所获得的满足程度。在实际的投资决策过程中，投资者并非如传统理论假设的那样完全理性，其风险偏好会受到多种因素的影响，如个人经历、市场环境、信息掌握程度等。不同的风险偏好会导致投资者在面对相同的投资机会时，做出截然不同的决策，进而对资产价格和股权溢价产生影响。效用函数的形式和参数设定也对股权溢价的解释至关重要，它能够反映投资者在不同收益水平下的边际效用变化，以及对风险和收益的权衡。通过深入研究风险偏好和效用函数与股权溢价之间的内在联系，有望为解开这一谜题提供新的思路和方法。1.2研究目的与创新点本研究旨在深入剖析资产定价、风险偏好、效用函数与“股权溢价之谜”之间的内在联系，通过理论分析与实证研究相结合的方式，揭示股权溢价之谜的本质，为资产定价理论的发展和金融市场的实践提供新的思路和方法。具体而言，本研究试图实现以下几个目标：第一，系统梳理资产定价理论的发展脉络，分析传统资产定价模型在解释股权溢价现象时存在的局限性，从而明确进一步研究的方向和重点；第二，深入探讨投资者风险偏好的形成机制及其对资产定价的影响，通过构建合理的风险偏好模型，更加准确地描述投资者在面对风险时的决策行为；第三，研究不同形式的效用函数对股权溢价的解释能力，尝试构建新的效用函数，以更好地拟合实际金融市场中的数据，提高对股权溢价现象的解释力；第四，通过实证研究，验证理论分析的结果，为解开股权溢价之谜提供有力的经验证据，并基于研究结论为投资者的资产配置和风险管理提供具有针对性的建议。在研究创新点方面，本研究主要体现在以下几个方面：一是在研究视角上，采用多理论交叉分析的方法，将资产定价理论、行为金融学、心理学等多学科理论有机结合，从多个角度深入剖析股权溢价之谜，突破了以往单一理论研究的局限性，为该领域的研究提供了新的视角和思路。二是在模型构建上，尝试构建考虑投资者异质性和市场复杂性的新的效用函数，充分考虑投资者在不同市场环境下风险偏好的动态变化，以及市场信息不对称、交易成本等现实因素对投资者决策的影响，使构建的模型更加贴近实际金融市场，提高对股权溢价现象的解释和预测能力。三是在实证研究上，运用最新的金融市场数据和先进的计量方法，对理论模型进行严谨的实证检验，增强研究结论的可靠性和说服力。同时，通过对不同市场和不同时间段的数据进行对比分析，深入探讨股权溢价现象的普遍性和特殊性，为全球金融市场的研究提供有价值的参考。1.3研究方法与结构安排在研究过程中，本研究综合运用多种研究方法，以确保研究的科学性和全面性。首先采用文献研究法，广泛搜集国内外与资产定价、风险偏好、效用函数以及“股权溢价之谜”相关的文献资料，对前人的研究成果进行系统梳理和深入分析，了解该领域的研究现状和发展趋势，从而为本研究提供坚实的理论基础和研究思路。通过对不同学者观点和研究方法的比较与总结，明确已有研究的优势与不足，找出研究的空白点和创新点，为后续的研究工作指明方向。其次，运用理论推导的方法，基于经典的资产定价理论、效用最大化理论等，深入探讨风险偏好和效用函数在资产定价过程中的作用机制，以及它们与“股权溢价之谜”之间的内在联系。通过构建数学模型和逻辑推理，对理论进行严谨的论证和分析，揭示股权溢价现象背后的理论根源，为实证研究提供理论支持。在理论推导过程中，不断优化和完善模型，使其能够更加准确地描述现实金融市场中的投资者行为和资产定价过程。此外，本研究还采用实证分析的方法，运用计量经济学软件和相关统计分析方法，对收集到的金融市场数据进行处理和分析，以验证理论分析的结果。选取具有代表性的股票市场数据，如股票收益率、无风险利率、宏观经济指标等，运用时间序列分析、面板数据模型等方法，对股权溢价与风险偏好、效用函数之间的关系进行实证检验。通过实证研究，不仅可以检验理论模型的有效性，还能够发现实际金融市场中存在的一些特殊规律和现象，为进一步完善理论提供经验证据。本论文的结构安排如下：第一章为引言，主要阐述研究背景与动机，说明资产定价理论的重要性以及“股权溢价之谜”对传统理论的挑战，同时介绍研究目的与创新点，以及研究方法与结构安排，为后续的研究内容奠定基础。第二章为文献综述，对资产定价理论的发展历程进行全面回顾，包括资本资产定价模型（CAPM）、套利定价理论（APT）等经典模型的介绍与分析，以及它们在解释股权溢价现象时的局限性；详细阐述风险偏好和效用函数的相关理论，包括不同类型的风险偏好和效用函数的特点和应用；对国内外关于“股权溢价之谜”的研究文献进行系统梳理和总结，分析已有研究的方法和成果，以及存在的问题和不足。第三章为理论分析，深入探讨资产定价的基本原理和模型，分析风险偏好对投资者决策行为的影响，以及不同效用函数在资产定价中的应用；从理论层面分析风险偏好和效用函数与“股权溢价之谜”之间的内在联系，构建基于风险偏好和效用函数的股权溢价理论模型，为实证研究提供理论框架。第四章为实证研究，选取合适的金融市场数据，运用计量经济学方法对理论模型进行实证检验；分析实证结果，验证理论假设的正确性，探讨风险偏好和效用函数对股权溢价的实际影响程度和作用机制；对实证结果进行稳健性检验，确保研究结论的可靠性和稳定性。第五章为结论与展望，总结研究的主要成果，阐述研究结论对资产定价理论和金融市场实践的启示；分析研究的不足之处，提出未来研究的方向和建议，为该领域的进一步研究提供参考。二、文献综述2.1资产定价理论的发展脉络资产定价理论的发展源远流长，其源头可追溯至20世纪初。1900年，路易斯・巴舍利耶（LouisBachelier）在其博士论文《投机理论》中，开创性地运用随机过程来描述股票价格的波动，为资产定价理论的发展奠定了初步基础。他的研究揭示了股票价格的变化具有随机性，如同布朗运动一般，这一观点在当时具有极大的创新性，打破了人们对股票价格传统的认知模式，开启了从数学和统计学角度研究资产定价的先河。在早期的探索阶段，资产定价理论的发展相对较为缓慢，主要侧重于对资产价格基本特征的观察和描述。学者们逐渐认识到，资产价格的波动不仅受到宏观经济因素的影响，还与微观层面的公司特质、市场供求关系等密切相关。然而，由于缺乏系统的理论框架和有效的分析工具，这一时期的研究成果相对有限，未能形成完整的理论体系。20世纪50-60年代，随着信息技术的进步和金融市场的蓬勃发展，资产定价理论迎来了重大突破。哈里・马科维茨（HarryMarkowitz）在1952年发表的《资产组合选择》一文中，创立了现代投资组合理论（ModernPortfolioTheory，MPT）。该理论的核心思想是通过优化投资组合，实现收益最大化和风险最小化的平衡。马科维茨提出，投资者可以通过分散投资不同资产，利用资产之间的相关性来降低投资组合的整体风险。他引入了均值-方差分析方法，通过计算投资组合的预期收益率和方差，来衡量投资组合的收益和风险水平，为投资者提供了一种科学的资产配置方法。现代投资组合理论的提出，标志着资产定价理论从传统的定性分析向定量分析的转变，为后续的研究奠定了坚实的基础。在现代投资组合理论的基础上，威廉・夏普（WilliamSharpe）、约翰・林特纳（JohnLintner）和杰克・特雷诺（JackTreynor）等人于20世纪60年代分别独立提出了资本资产定价模型（CapitalAssetPricingModel，CAPM）。CAPM是一种单因素模型，它假设市场是有效的，投资者是理性的，并且具有相同的预期和风险偏好。该模型认为，资产的预期收益率取决于无风险利率、市场风险溢价以及该资产的贝塔系数（β系数）。β系数衡量了资产相对于市场的系统性风险，反映了资产价格对市场波动的敏感程度。资本资产定价模型用简洁的数学公式表达了资产预期收益率与风险之间的线性关系，为资产定价提供了一个直观且易于理解的框架，使得投资者能够根据资产的风险特征来确定其合理的预期收益率。CAPM的提出，极大地推动了资产定价理论的发展，成为现代金融理论的重要基石之一，被广泛应用于投资决策、风险评估和资产估值等领域。然而，随着金融市场的日益复杂和多样化，资本资产定价模型在实践中逐渐暴露出一些局限性。该模型的假设条件过于严格，与现实市场存在较大差距。例如，现实中的投资者并非完全理性，他们的预期和风险偏好存在差异，市场信息也并非完全对称，存在着交易成本和税收等因素。此外，CAPM仅考虑了市场风险这一个因素，无法解释一些市场异象，如小公司效应、规模效应和价值效应等。这些异象表明，除了市场风险之外，还有其他因素对资产价格产生重要影响。为了克服资本资产定价模型的局限性，学者们在20世纪70年代开始探索多因素模型。1976年，斯蒂芬・罗斯（StephenRoss）提出了套利定价理论（ArbitragePricingTheory，APT）。套利定价理论认为，资产的收益率受到多个宏观经济因素的影响，而不仅仅是市场风险。这些因素可以包括通货膨胀率、利率水平、经济增长率、行业因素等。APT通过构建一个多因素模型，来解释资产收益率的变化，它放松了CAPM的一些严格假设，更加贴近现实市场情况。投资者可以通过分析不同因素对资产收益率的影响，来构建更加有效的投资组合，实现风险和收益的平衡。套利定价理论的提出，为资产定价理论的发展开辟了新的方向，使得学者们能够从多个角度来研究资产价格的形成机制。在多因素模型的发展过程中，尤金・法玛（EugeneFama）和肯尼斯・弗伦奇（KennethFrench）于1992年提出了著名的三因素模型。该模型在市场因素的基础上，加入了公司规模因素（SMB，SmallMinusBig）和账面市值比因素（HML，HighMinusLow）。法玛和弗伦奇通过对大量股票数据的实证研究发现，小公司股票和高账面市值比股票往往具有更高的收益率，这两个因素能够解释股票收益率的大部分变化。三因素模型的提出，进一步完善了多因素模型体系，为资产定价提供了更全面的解释框架。此后，Carhart在1997年提出了四因素模型，在三因素模型的基础上加入了动量因素（Momentum）。动量因素反映了股票价格的短期趋势，即过去表现较好的股票在短期内往往会继续保持良好的表现。四因素模型能够更好地解释股票市场中的一些短期现象，提高了模型对资产收益率的解释能力。20世纪80年代以来，随着金融市场的全球化和金融创新的不断涌现，资产定价理论面临着新的挑战和机遇。传统的资产定价理论在解释一些市场异象时显得力不从心，如股权溢价之谜、封闭式基金折价之谜、过度波动之谜等。这些异象的存在表明，传统理论中关于投资者理性、市场有效等假设可能并不完全成立。在这样的背景下，行为金融学逐渐兴起，为资产定价理论的发展注入了新的活力。行为金融学从微观个体行为以及产生这种行为的心理等动因来解释、研究和预测金融市场的发展。它认为，投资者并非完全理性，他们的决策行为受到认知偏差、情绪、心理等多种因素的影响。例如，投资者可能存在过度自信、损失厌恶、羊群效应等心理偏差，这些偏差会导致他们在投资决策中出现非理性行为，从而影响资产价格的形成。行为金融学通过引入心理学和行为科学的理论和方法，对传统资产定价理论进行了修正和拓展。其中，前景理论（ProspectTheory）是行为金融学的重要理论之一，由丹尼尔・卡尼曼（DanielKahneman）和阿莫斯・特沃斯基（AmosTversky）于1979年提出。前景理论认为，人们在面对收益和损失时的风险偏好是不同的，在面对收益时表现出风险厌恶，而在面对损失时则表现出风险寻求。此外，人们对损失的敏感程度要高于对收益的敏感程度，即存在损失厌恶心理。这些理论观点为解释市场异象提供了新的视角，使得资产定价理论能够更好地反映现实市场中投资者的行为和决策过程。在行为金融学的基础上，学者们提出了一系列基于行为因素的资产定价模型，如行为资产定价模型（BAPM，BehavioralAssetPricingModel）等。行为资产定价模型将投资者分为信息交易者和噪声交易者，信息交易者是理性的，而噪声交易者则受到认知偏差和情绪的影响。该模型认为，资产价格不仅取决于资产的基本价值，还受到噪声交易者行为的影响，市场并非完全有效，存在着套利限制。这些基于行为因素的资产定价模型，更加贴近现实市场情况，能够更好地解释一些传统理论无法解释的市场现象，为资产定价理论的发展带来了新的思路和方法。进入21世纪，随着金融市场的不断发展和创新，资产定价理论也在不断演进和完善。一方面，学者们继续深入研究传统资产定价理论的拓展和应用，不断改进模型的假设和参数设定，提高模型的准确性和适用性。例如，在多因素模型的基础上，进一步挖掘和引入新的风险因素，如流动性风险因素、信用风险因素等，以更好地解释资产价格的变化。另一方面，行为金融学与传统资产定价理论的融合趋势日益明显，学者们尝试将行为因素纳入到传统模型中，构建更加综合和全面的资产定价模型。此外，随着大数据、人工智能等技术的飞速发展，资产定价理论的研究方法也在不断创新。利用大数据技术，研究者可以获取更广泛和详细的市场数据，从而更准确地分析资产价格的影响因素。人工智能算法，如机器学习、深度学习等，也被应用于资产定价模型的构建和预测，为资产定价理论的发展提供了新的技术支持。2.2风险偏好的研究现状风险偏好作为影响投资者决策和资产定价的关键因素，一直是金融领域研究的重点。风险偏好反映了投资者在面对风险时的态度和倾向，不同的风险偏好会导致投资者在投资决策中做出不同的选择，进而对资产价格和市场均衡产生影响。在学术界，风险偏好通常被分为风险厌恶、风险中性和风险寻求三种类型。风险厌恶型投资者在面对风险时，更倾向于选择确定性的收益，为了规避风险，他们愿意接受较低的预期收益。例如，在投资选择中，他们可能更偏好国债等低风险、收益相对稳定的资产。大量的实证研究表明，在金融市场中，大部分投资者表现出风险厌恶的特征。根据Markowitz的现代投资组合理论，风险厌恶型投资者会通过分散投资来降低投资组合的风险，以实现风险和收益的平衡。他们在构建投资组合时，会综合考虑不同资产的预期收益率和风险水平，选择那些能够在给定风险水平下提供最高预期收益率的组合。风险中性型投资者对风险持中立态度，他们只关注投资的预期收益，而不考虑风险的大小。在他们的投资决策中，风险的存在并不会影响其对投资项目的选择，只要预期收益相同，他们对风险资产和无风险资产没有偏好差异。在一些理论模型中，如资本资产定价模型（CAPM）的某些假设条件下，会假设投资者是风险中性的，以便简化模型的分析和推导。然而，在现实金融市场中，完全风险中性的投资者较为少见，因为风险往往会对投资结果产生重要影响，投资者很难完全忽视风险因素。风险寻求型投资者则对风险持有积极态度，他们愿意承担较高的风险以追求更高的收益。这类投资者在投资决策中，更注重潜在的高回报，即使面临较大的风险也不会退缩。例如，一些投资者会选择投资新兴行业的股票或高风险的金融衍生品，以期获得超额收益。风险寻求型投资者的行为在一定程度上会增加市场的波动性，因为他们的投资决策往往更加激进。然而，他们的存在也为市场提供了更多的流动性和活力，促进了市场的创新和发展。为了准确衡量投资者的风险偏好，学者们提出了多种测量方法。问卷调查法是一种常用的方法，通过设计一系列与风险态度相关的问题，如投资者对不同风险水平投资项目的选择倾向、对风险和收益的权衡等，让投资者根据自己的实际情况进行回答，从而了解他们的风险偏好。这种方法操作相对简单，可以大规模实施，能够快速获取投资者风险偏好的初步信息。然而，问卷调查法也存在一些局限性，投资者的回答可能受到主观因素的影响，存在不真实的情况；而且该方法难以深入了解投资者内心的真实想法。面谈沟通法是通过理财顾问与投资者进行面对面的交流，深入了解投资者的财务状况、家庭情况、投资目标和心理预期等，从而判断其风险偏好。这种方法具有灵活性和深入性的优点，能够及时捕捉到投资者的细微情绪和潜在需求，有助于建立良好的客户关系。但是，面谈沟通法对理财顾问的专业能力和沟通技巧要求较高，且主观性较强，不同的理财顾问可能对投资者的风险偏好判断存在差异。投资模拟测试法是设定一些虚拟的投资场景，让投资者在给定的条件下做出投资决策，观察他们的选择倾向，以此来推断其风险偏好。这种方法能够直观地反映投资者在实际投资情境中的风险偏好，具有一定的趣味性。然而，投资模拟测试法的场景设定可能不够全面，无法涵盖所有的市场情况和投资风险，而且测试结果可能受到测试环境的影响。资产配置分析法是根据投资者现有的资产配置情况来推断其风险偏好。如果投资者的资产中大部分是低风险的固定收益类产品，如债券、定期存款等，可能表明其风险偏好较为保守；而如果包含较多的股票、基金等高风险资产，则可能风险偏好较高。这种方法基于投资者的实际资产情况，较为客观。但它不能反映投资者未来的投资倾向，而且资产配置可能存在不合理的情况，从而影响对风险偏好的准确判断。近年来，随着行为金融学的兴起，学者们开始从行为和心理的角度研究风险偏好。行为金融学认为，投资者并非完全理性，他们的风险偏好会受到认知偏差、情绪、心理等多种因素的影响。例如，投资者可能存在过度自信、损失厌恶、羊群效应等心理偏差，这些偏差会导致他们在投资决策中出现非理性行为，从而影响其风险偏好。过度自信的投资者可能会高估自己的投资能力，低估投资风险，从而表现出更强的风险寻求倾向；而损失厌恶的投资者则对损失更加敏感，在面对损失时可能会表现出过度的风险厌恶。风险偏好对投资决策和资产定价有着深远的影响。在投资决策方面，风险偏好直接决定了投资者对不同资产的选择和投资组合的构建。风险厌恶型投资者更倾向于选择低风险、低收益的资产，以保证资产的安全性和稳定性；而风险寻求型投资者则更愿意投资高风险、高收益的资产，追求资产的增值。不同风险偏好的投资者在投资期限、投资目标等方面也会存在差异，这些差异会进一步影响他们的投资决策。在资产定价方面，风险偏好是影响资产价格的重要因素之一。根据资本资产定价模型（CAPM），资产的预期收益率与风险之间存在线性关系，风险偏好的不同会导致投资者对资产风险溢价的要求不同，从而影响资产的价格。风险厌恶型投资者对风险溢价的要求较高，他们愿意为低风险资产支付更高的价格，而对高风险资产的价格则相对较低；风险寻求型投资者则相反，他们对高风险资产的价格接受度较高，愿意为其支付更高的价格。因此，市场中不同风险偏好投资者的比例和行为会影响资产的供求关系，进而影响资产价格的形成和波动。此外，风险偏好还会对金融市场的稳定性产生影响。当市场中大部分投资者的风险偏好发生变化时，可能会导致市场资金的流向和资产价格的大幅波动。在市场繁荣时期，投资者的风险偏好可能会上升，更多的资金会流入高风险资产，推动资产价格上涨；而在市场衰退时期，投资者的风险偏好可能会下降，资金会从高风险资产撤离，导致资产价格下跌。这种风险偏好的变化可能会引发市场的过度波动，甚至导致金融危机的发生。2.3效用函数在资产定价中的应用效用函数在资产定价理论中扮演着核心角色，它为量化投资者的偏好和决策行为提供了有力工具。通过效用函数，能够将投资者对风险和收益的主观感受转化为具体的数学表达式，从而深入分析投资者在不同市场环境下的投资决策，以及这些决策如何影响资产价格的形成和波动。在资产定价理论的发展进程中，多种效用函数形式被提出并应用，不同的效用函数形式反映了投资者不同的风险偏好和决策行为，对资产定价产生着各异的影响。其中，预期效用函数是最为经典的效用函数形式之一，由冯・诺依曼（JohnvonNeumann）和摩根斯坦（OskarMorgenstern）在20世纪40年代提出。该函数基于理性人假设，认为投资者在面对风险时，会根据各种可能结果的概率和对应的效用值，计算出预期效用，并以最大化预期效用为决策准则。预期效用函数的一般形式为E[U(W)]=\sum_{i=1}^{n}p_{i}U(W_{i})，其中E[U(W)]表示预期效用，p_{i}是第i种结果发生的概率，W_{i}是第i种结果下的财富水平，U(W)是投资者的效用函数。在投资决策中，投资者会比较不同投资组合的预期效用，选择预期效用最大的组合。例如，在一个简单的投资场景中，投资者面临两种投资选择：投资A有50%的概率获得100元收益，50%的概率获得0元收益；投资B有100%的概率获得50元收益。假设投资者的效用函数为U(W)=\sqrt{W}，则投资A的预期效用为E[U(W_{A})]=0.5\times\sqrt{100}+0.5\times\sqrt{0}=5，投资B的预期效用为E[U(W_{B})]=\sqrt{50}\approx7.07。根据预期效用最大化原则，投资者会选择投资B。预期效用函数在传统资产定价理论中得到了广泛应用，如资本资产定价模型（CAPM）就建立在预期效用最大化的基础之上。在CAPM中，投资者通过选择无风险资产和市场组合的不同比例，来实现预期效用最大化。该模型假设投资者是理性的，具有相同的预期和风险偏好，市场是有效的，信息完全对称。在这些假设条件下，资产的预期收益率与市场风险溢价和资产的贝塔系数成正比，通过预期效用函数可以推导出资产的定价公式。然而，预期效用函数也存在一些局限性，它假设投资者是完全理性的，能够准确估计各种结果的概率和效用值，并且在不同时期的偏好是稳定的。但在现实中，投资者往往受到认知偏差、情绪等因素的影响，难以完全满足这些假设条件。为了克服预期效用函数的局限性，学者们提出了前景理论（ProspectTheory）及其衍生的价值函数。前景理论由丹尼尔・卡尼曼（DanielKahneman）和阿莫斯・特沃斯基（AmosTversky）于1979年提出，它认为投资者在决策时并非完全理性，而是会受到参照点、损失厌恶和概率权重等因素的影响。价值函数是前景理论的核心，它具有三个重要特征：一是以参照点为基准，投资者对收益和损失的判断不是基于绝对财富水平，而是相对于参照点的变化。在投资中，投资者可能将初始投资成本作为参照点，当资产价格高于成本时视为收益，低于成本时视为损失。二是损失厌恶，即投资者对损失的敏感程度高于对收益的敏感程度。同样幅度的损失和收益，损失带来的负效用要大于收益带来的正效用。三是边际效用递减，在收益区域，随着收益的增加，边际效用逐渐递减；在损失区域，随着损失的增加，边际效用也逐渐递减，但损失区域的边际效用递减速度相对较慢。价值函数的一般形式为V(x)=\begin{cases}x^{\alpha}&(x\geq0)\\-\lambda(-x)^{\beta}&(x\lt0)\end{cases}，其中x是相对于参照点的收益或损失，\alpha和\beta分别表示收益和损失区域的边际效用弹性，\lambda表示损失厌恶系数。前景理论及其价值函数在解释市场异象方面具有独特优势。在股权溢价之谜中，传统的预期效用函数难以解释为什么股票的实际收益率远高于理论预测值。而根据前景理论，投资者存在损失厌恶心理，股票市场的高波动性使得投资者对损失更为敏感，为了补偿这种风险，他们要求更高的收益率，从而导致了股权溢价的存在。此外，在解释投资者的非理性行为时，如过度交易、处置效应等，前景理论也能提供更合理的解释。过度交易可能是由于投资者对收益的过度乐观和对风险的低估，而处置效应则是因为投资者在面对收益时倾向于尽快实现，以避免潜在的损失，在面对损失时则倾向于继续持有，希望能够回本。除了预期效用函数和前景理论的价值函数外，常相对风险厌恶（CRRA）效用函数也是资产定价中常用的一种效用函数形式。CRRA效用函数的形式为U(W)=\frac{W^{1-\gamma}}{1-\gamma}，其中W表示财富水平，\gamma是相对风险厌恶系数。当\gamma=1时，该函数退化为对数效用函数U(W)=\lnW。CRRA效用函数的特点是相对风险厌恶系数保持不变，即无论财富水平如何变化，投资者对风险的厌恶程度相对稳定。在资产定价中，CRRA效用函数被广泛应用于跨期资产定价模型中，如基于消费的资本资产定价模型（CCAPM）。在CCAPM中，投资者的消费和投资决策是相互关联的，通过CRRA效用函数可以将投资者的消费偏好和风险偏好纳入到资产定价模型中，分析消费与资产价格之间的关系。假设一个投资者在不同时期的消费和投资决策，其目标是最大化一生的效用。在CRRA效用函数的框架下，可以通过求解动态优化问题，得到资产的价格和收益率。效用函数在资产定价中具有至关重要的作用，不同形式的效用函数从不同角度反映了投资者的风险偏好和决策行为，对资产定价产生了显著影响。随着金融市场的不断发展和研究的深入，效用函数的形式和应用也在不断创新和拓展，为资产定价理论的发展和金融市场的实践提供了更为丰富和准确的分析工具。2.4“股权溢价之谜”的研究进展1985年，Mehra和Prescott发表的开创性论文中，首次提出了“股权溢价之谜”。他们对1889-1978年间美国金融市场的数据进行深入分析，发现股票市场的平均收益率远高于无风险资产（如短期国债）的收益率，股权溢价达到了6.18%，而根据传统的基于消费的资本资产定价模型（CCAPM）预测，这一溢价水平远远超出了合理范围。在CCAPM框架下，假设投资者具有常相对风险厌恶（CRRA）效用函数，通过对消费和资产收益率之间关系的分析，发现即使在较高的风险厌恶系数下，也无法解释如此高的股权溢价。这一发现犹如一颗重磅炸弹，在学术界引起了轩然大波，众多学者开始围绕这一谜题展开深入研究，试图找到合理的解释。此后，学者们从多个角度对“股权溢价之谜”进行了解释。一些学者从风险偏好的角度出发，认为传统理论中对投资者风险偏好的假设过于简单，无法准确描述投资者在面对风险时的真实行为。在现实金融市场中，投资者并非如传统理论假设的那样具有恒定的风险偏好，而是会受到多种因素的影响而发生变化。行为金融学的相关理论为解释这一现象提供了新的视角，其中前景理论认为投资者在面对收益和损失时的风险偏好是不同的，存在损失厌恶心理。投资者对损失的敏感程度高于对收益的敏感程度，这种心理导致他们在投资决策中更加谨慎，对股票等风险资产要求更高的风险溢价，从而使得股权溢价水平较高。Benartzi和Thaler（1995）基于前景理论提出了短视损失厌恶理论，认为投资者由于频繁评估投资绩效，对短期损失的厌恶使得他们更倾向于选择风险较低的资产，为了吸引投资者持有股票，股票必须提供更高的收益率，从而导致了股权溢价的存在。从效用函数的角度来看，传统的预期效用函数在解释股权溢价之谜时存在一定的局限性。预期效用函数假设投资者是完全理性的，能够准确评估各种投资结果的概率和效用，并且在不同时期的偏好是稳定的。然而，在现实中，投资者往往受到认知偏差、情绪等因素的影响，难以满足这些假设。为了克服这些局限性，学者们提出了各种修正的效用函数。Epstein和Zin（1989）提出了递归效用函数，该函数将风险厌恶和跨期替代分开，能够更好地描述投资者在不同时期的偏好和决策行为。通过引入递归效用函数，他们发现可以在一定程度上提高模型对股权溢价的解释能力。此外，习惯形成理论也被应用于解释股权溢价之谜。习惯形成效用函数认为，投资者的效用不仅取决于当前的消费和财富水平，还与过去的消费习惯有关。随着时间的推移，投资者会逐渐适应一定的消费水平，当消费低于习惯水平时，会产生负效用。这种效用函数形式能够解释为什么投资者对股票的风险溢价要求较高，因为股票市场的波动可能导致投资者的财富和消费水平下降，偏离其习惯水平，从而带来较大的负效用。除了风险偏好和效用函数的角度，还有学者从市场摩擦、宏观经济因素等方面对股权溢价之谜进行解释。市场摩擦因素，如交易成本、税收、信息不对称等，会影响投资者的决策和资产价格的形成。在存在交易成本和税收的情况下，投资者进行股票交易的成本增加，这会降低他们对股票的需求，从而要求更高的收益率来补偿这些成本，进而导致股权溢价上升。信息不对称也会使得投资者对股票的风险评估更加困难，为了弥补信息不足带来的风险，他们会要求更高的风险溢价。从宏观经济因素来看，经济增长的不确定性、通货膨胀率的波动等都会对股权溢价产生影响。在经济增长不稳定时期，投资者对未来经济前景的预期较为悲观，对股票的风险感知增加，因此会要求更高的股权溢价。通货膨胀率的波动也会影响投资者的实际收益，增加投资风险，从而导致股权溢价上升。尽管学者们从多个角度对“股权溢价之谜”进行了深入研究，并提出了各种解释，但目前尚未形成一个被广泛接受的统一理论。不同的解释都在一定程度上能够说明股权溢价现象，但也都存在各自的局限性。从风险偏好角度的解释，虽然考虑了投资者行为的非理性因素，但如何准确衡量投资者的风险偏好以及将其纳入模型中，仍然是一个有待解决的问题。效用函数的修正虽然在一定程度上提高了模型的解释能力，但不同的效用函数形式在实际应用中存在争议，且难以确定哪种效用函数最能准确描述投资者的行为。从市场摩擦和宏观经济因素的解释，虽然考虑了现实市场中的一些重要因素，但这些因素的影响较为复杂，难以精确量化，并且不同因素之间可能存在相互作用，增加了研究的难度。三、理论基础3.1资产定价的基本模型资产定价理论是现代金融理论的核心内容之一，旨在揭示金融市场中资产价格的形成机制和规律。它通过构建数学模型，对资产的预期收益和风险进行量化分析，为投资者的决策提供理论依据。资产定价模型作为资产定价理论的具体体现，在金融市场的投资决策、风险评估、资产估值等方面发挥着重要作用。不同的资产定价模型基于不同的假设和理论基础，从不同角度对资产价格进行解释和预测，下面将详细介绍几种常见的资产定价模型。3.1.1资本资产定价模型（CAPM）资本资产定价模型（CapitalAssetPricingModel，CAPM）由威廉・夏普（WilliamSharpe）、约翰・林特纳（JohnLintner）和杰克・特雷诺（JackTreynor）等人于20世纪60年代分别独立提出，是现代金融理论的重要基石之一。该模型基于一系列严格的假设条件，旨在描述在市场均衡状态下，资产的预期收益率与系统性风险之间的线性关系。CAPM的基本假设主要包括以下几个方面：第一，投资者是理性的，他们追求单期财富的期望效用最大化，并以各备选组合的期望收益和标准差为基础进行组合选择。这意味着投资者在做出投资决策时，会综合考虑投资组合的预期收益和风险水平，选择能够使自己效用最大化的组合。第二，所有投资者拥有相同预期，即对所有资产报酬的均值、方差和协方差等，投资者均有完全相同的主观估计。在这种假设下，所有投资者对市场的看法一致，不会因为信息不对称或认知差异而导致投资决策的不同。第三，投资者可以无风险利率无限制地借入或贷出资金。这一假设使得投资者能够根据自己的风险偏好和投资目标，自由地调整投资组合中无风险资产和风险资产的比例。第四，所有的资产均可被完全细分，拥有充分的流动性且没有交易成本。这保证了市场的高效性和投资者能够自由地买卖资产，不受资产分割和交易成本的限制。第五，没有税金。税金的存在会影响投资者的实际收益和投资决策，因此在CAPM的假设中排除了税金的影响。第六，所有投资者均为价格接受者，即任何一个投资者的买卖行为都不会对股票价格产生影响。这意味着市场是完全竞争的，投资者无法通过自己的交易行为来操纵市场价格。CAPM的核心公式为：E(R_{i})=R_{f}+\beta_{i}(E(R_{m})-R_{f})，其中，E(R_{i})表示资产i的预期收益率，R_{f}表示无风险利率，通常以国债收益率等近似替代，\beta_{i}表示资产i的贝塔系数，用于衡量资产i相对于市场组合的系统性风险，E(R_{m})表示市场组合的预期收益率，(E(R_{m})-R_{f})则被称为市场风险溢价，反映了投资者承担市场风险所要求的额外回报。贝塔系数\beta_{i}的计算公式为：\beta_{i}=\frac{\text{Cov}(R_{i},R_{m})}{\text{Var}(R_{m})}，其中，\text{Cov}(R_{i},R_{m})表示资产i的收益率与市场组合收益率的协方差，用于衡量两者之间的相关性和共同变动程度；\text{Var}(R_{m})表示市场组合收益率的方差，反映了市场组合收益率的波动程度。如果\beta_{i}=1，说明资产i的系统性风险与市场组合的系统性风险相同，其收益率的波动与市场组合的波动同步；若\beta_{i}>1，则表示资产i的系统性风险高于市场组合，其收益率的波动幅度大于市场组合的波动幅度，在市场上涨时，该资产的收益率上涨幅度可能更大，而在市场下跌时，其收益率下跌幅度也可能更大；当\beta_{i}<1时，意味着资产i的系统性风险低于市场组合，其收益率的波动相对较小。CAPM在资产定价中有着广泛的应用。在投资决策方面，投资者可以根据CAPM计算出不同资产的预期收益率，从而评估资产的投资价值。如果某资产的预期收益率高于投资者的要求回报率，说明该资产具有投资潜力；反之，则可能需要谨慎考虑。在风险评估中，CAPM通过贝塔系数为投资者提供了一种量化系统性风险的方法。投资者可以根据资产的贝塔系数，合理调整投资组合的风险水平。对于风险厌恶程度较高的投资者，可以选择贝塔系数较低的资产，以降低投资组合的整体风险；而风险偏好较高的投资者，则可以适当增加贝塔系数较高的资产比例，追求更高的收益。然而，CAPM也存在一定的局限性。该模型的假设条件过于严格，与现实市场存在较大差距。在现实中，投资者并非完全理性，他们的预期和风险偏好存在差异，市场信息也并非完全对称，存在着交易成本和税收等因素。这些现实因素会影响投资者的决策和资产价格的形成，使得CAPM在实际应用中受到一定的限制。CAPM仅考虑了市场风险这一个因素，无法解释一些市场异象，如小公司效应、规模效应和价值效应等。小公司效应指的是小型公司的股票往往具有较高的收益率，规模效应表明股票收益率与公司规模之间存在一定的关系，价值效应则是指价值型股票（通常具有较低的市盈率和市净率）的收益率往往高于成长型股票。这些市场异象表明，除了市场风险之外，还有其他因素对资产价格产生重要影响，而CAPM无法对这些现象进行合理的解释。3.1.2套利定价理论（APT）套利定价理论（ArbitragePricingTheory，APT）由斯蒂芬・罗斯（StephenRoss）于1976年提出，是一种多因素资产定价模型。该理论认为，资产的收益率不仅取决于市场风险，还受到多个宏观经济因素的影响。APT的提出，为资产定价理论的发展开辟了新的方向，弥补了资本资产定价模型（CAPM）的一些局限性。APT的基本原理基于无套利均衡思想。在一个有效的市场中，如果存在套利机会，即资产的价格与其内在价值不一致，投资者就会通过买入低估资产、卖出高估资产的方式进行套利，从而使资产价格回归到均衡水平。APT假设资产的收益可以用一个线性因子模型来表示，即R_{i}=E(R_{i})+\sum_{j=1}^{k}\beta_{ij}F_{j}+\epsilon_{i}，其中，R_{i}表示资产i的实际收益率，E(R_{i})表示资产i的预期收益率，\beta_{ij}表示资产i对第j个因素F_{j}的敏感度，反映了该因素对资产i收益率的影响程度，F_{j}表示第j个宏观经济因素的意外变化，\epsilon_{i}表示资产i的特有风险，是一个随机误差项，与其他因素和资产的收益率无关，且满足E(\epsilon_{i})=0，\text{Cov}(\epsilon_{i},\epsilon_{j})=0（i\neqj）。在套利定价理论中，影响资产收益率的宏观经济因素可以包括通货膨胀率、利率水平、经济增长率、行业因素等。不同的资产对这些因素的敏感度不同，因此其收益率也会受到不同因素的影响。一只股票的收益率可能对通货膨胀率较为敏感，当通货膨胀率上升时，该股票的收益率可能会下降；而另一只股票可能对经济增长率更为敏感，经济增长率的变化会对其收益率产生较大影响。与CAPM相比，APT具有以下优势。APT放松了CAPM的一些严格假设，如投资者具有相同预期、可以无风险利率无限制地借入或贷出资金等。在现实市场中，投资者的预期和风险偏好往往存在差异，而且无风险借贷也并非完全自由。APT不依赖于这些强假设，更加贴近现实市场情况。APT是一个多因素模型，它考虑了多个宏观经济因素对资产收益率的影响，而CAPM仅考虑了市场风险这一个因素。多因素模型能够更全面地解释资产价格的变化，提高了模型的解释能力。在解释一些市场异象时，APT可以通过引入不同的因素来进行分析，而CAPM则难以做到。APT的应用场景较为广泛。在资产估值方面，投资者可以根据APT模型，通过分析不同因素对资产收益率的影响，来确定资产的合理价格。对于一只股票，投资者可以考虑通货膨胀率、利率水平、行业竞争等因素，评估这些因素对股票收益率的影响，从而判断股票的价值是否被高估或低估。在投资组合构建中，APT可以帮助投资者选择对不同因素敏感度不同的资产，进行分散投资，以降低投资组合的风险。通过选择对通货膨胀率敏感度不同的资产，当通货膨胀率发生变化时，投资组合中不同资产的收益率变化可以相互抵消，从而降低组合的整体风险。然而，APT也并非完美无缺。该模型并没有明确指出影响资产收益率的具体因素是什么，需要投资者根据实际情况进行选择和确定。不同的投资者可能选择不同的因素，这会导致模型的应用存在一定的主观性。确定因素的敏感度\beta_{ij}也存在一定的困难，需要通过大量的历史数据和统计分析来估计，估计结果可能存在误差。3.1.3基于消费的资本资产定价模型（CCAPM）基于消费的资本资产定价模型（Consumption-basedCapitalAssetPricingModel，CCAPM）是由罗伯特・卢卡斯（RobertE.Lucas）于1978年提出的，它将消费者的消费行为与资产定价理论相结合，为资产定价提供了一个全新的视角。CCAPM的核心思想是，资产的价格不仅取决于其未来的预期收益，还与消费者的消费决策和风险偏好密切相关。在CCAPM中，假设投资者是理性的，他们的目标是最大化一生的效用。效用函数通常采用常相对风险厌恶（CRRA）效用函数形式，即U(C_{t})=\frac{C_{t}^{1-\gamma}}{1-\gamma}，其中C_{t}表示投资者在t时期的消费，\gamma是相对风险厌恶系数。当\gamma=1时，该效用函数退化为对数效用函数U(C_{t})=\lnC_{t}。相对风险厌恶系数\gamma反映了投资者对风险的厌恶程度，\gamma越大，投资者越厌恶风险。从理论推导的角度来看，CCAPM的模型公式可以通过以下步骤得出。投资者在t时期面临的预算约束为W_{t}=C_{t}+\sum_{i=1}^{n}p_{i,t}x_{i,t}，其中W_{t}表示投资者在t时期的财富，p_{i,t}表示第i种资产在t时期的价格，x_{i,t}表示投资者在t时期购买第i种资产的数量。投资者通过选择消费C_{t}和资产组合\{x_{i,t}\}来最大化一生的效用，即\maxE_{t}\sum_{s=t}^{\infty}\beta^{s-t}U(C_{s})，其中\beta是主观贴现因子，表示投资者对未来效用的折现程度，E_{t}表示基于t时期信息的期望。在市场均衡状态下，资产的预期收益率满足以下关系：E_{t}\left[\frac{U^{\prime}(C_{t+1})}{U^{\prime}(C_{t})}\frac{R_{i,t+1}}{1}\right]=1，其中U^{\prime}(C_{t})表示效用函数U(C_{t})对消费C_{t}的一阶导数，即边际效用，R_{i,t+1}表示第i种资产从t时期到t+1时期的收益率。这个公式表明，在均衡时，投资者在不同时期的消费边际效用之比与资产收益率的乘积的期望值等于1。进一步推导，可以得到资产i的预期超额收益率与消费增长率之间的关系：E_{t}(R_{i,t+1}-R_{f,t+1})=-\frac{\text{Cov}_{t}(R_{i,t+1},\frac{U^{\prime}(C_{t+1})}{U^{\prime}(C_{t})})}{E_{t}(\frac{U^{\prime}(C_{t+1})}{U^{\prime}(C_{t})})}，其中R_{f,t+1}表示无风险利率。该公式说明，资产的预期超额收益率与资产收益率和消费边际效用之比的协方差有关。如果一种资产的收益率与消费边际效用之比呈负相关，即当消费边际效用下降（消费增加）时，资产收益率上升，那么这种资产可以为投资者提供一种对冲消费风险的手段，投资者对这种资产的需求会增加，从而使得该资产的价格上升，预期超额收益率降低；反之，如果资产收益率与消费边际效用之比呈正相关，资产的预期超额收益率会较高。CCAPM与传统资产定价模型（如CAPM）既有联系又有区别。联系方面，它们都试图解释资产价格和预期收益率的形成机制，都是基于一定的假设条件构建的理论模型。在某些特殊情况下，CCAPM可以简化为CAPM。如果假设消费与市场组合的收益率完全正相关，且投资者的风险偏好满足一定条件，CCAPM就可以退化为CAPM。区别主要体现在以下几个方面。CCAPM将消费因素纳入资产定价模型，强调了消费与资产价格之间的紧密联系，认为资产的价值在于它能够为投资者的消费提供支持。而传统资产定价模型如CAPM主要关注市场风险与资产收益率之间的关系，没有直接考虑消费因素。CCAPM中的效用函数更加注重投资者的跨期消费决策和风险偏好，通过相对风险厌恶系数和主观贴现因子等参数来刻画投资者的行为。相比之下，CAPM中的效用函数相对简单，主要基于均值-方差分析，假设投资者仅关注投资组合的预期收益和风险。CCAPM在解释一些金融现象时具有独特的优势。它可以较好地解释股权溢价之谜，即股票市场的实际收益率远高于传统理论预测的水平。根据CCAPM，投资者的风险厌恶程度和消费的波动性会导致他们对股票等风险资产要求更高的风险溢价，从而使得股权溢价水平较高。而传统的CAPM在解释股权溢价之谜时存在一定的困难。3.2风险偏好的理论框架3.2.1风险偏好的定义与分类风险偏好是指投资者在面对风险时所表现出的态度和倾向，它反映了投资者对风险和收益的权衡与取舍。在金融市场中，风险偏好是影响投资者决策的关键因素之一，不同的风险偏好会导致投资者在投资选择、资产配置等方面做出截然不同的决策。根据投资者对风险的态度和行为特征，风险偏好通常可以分为以下三类：风险回避者：这类投资者对风险持有较为谨慎的态度，他们更倾向于选择确定性的收益，以规避风险。在投资决策中，当预期收益率相同时，风险回避者会偏好具有低风险的资产；而对于具有同样风险的资产，他们则钟情于具有高预期收益率的资产。在面对投资选择时，风险回避者可能会优先考虑国债、银行定期存款等低风险、收益相对稳定的投资产品。这是因为这些资产的收益相对固定，风险较低，能够满足他们对资产安全性和稳定性的需求。在现代投资组合理论中，风险回避者会通过分散投资来降低投资组合的风险，以实现风险和收益的平衡。他们会选择不同行业、不同类型的资产进行组合，以避免单一资产的风险对整个投资组合造成过大影响。风险追求者：与风险回避者相反，风险追求者对风险持有积极的态度，他们愿意承担较高的风险以追求更高的收益。在资产选择上，当预期收益相同时，风险追求者会选择风险大的资产，因为他们认为高风险能够带来更大的效用。一些风险追求者可能会热衷于投资新兴行业的股票、期货、外汇等高风险、高回报的金融产品。这些资产的价格波动较大，具有较高的风险，但同时也蕴含着获得高额收益的机会。风险追求者往往对自己的投资能力充满信心，相信自己能够在高风险的投资中获得成功。他们的投资决策相对较为激进，更注重资产的潜在增值空间，而对风险的承受能力较强。风险中立者：风险中立者对风险持中立态度，他们在投资决策中只关注投资的预期收益，而不考虑风险的大小。对于风险中立者来说，只要预期收益相同，他们对风险资产和无风险资产没有偏好差异。在一些理论模型中，为了简化分析，会假设投资者是风险中立的。在资本资产定价模型（CAPM）的某些假设条件下，会假设投资者是风险中立的，以便推导资产的预期收益率与风险之间的关系。然而，在现实金融市场中，完全风险中立的投资者较为少见，因为风险往往会对投资结果产生重要影响，投资者很难完全忽视风险因素。3.2.2风险偏好的影响因素投资者的风险偏好并非一成不变，而是受到多种因素的综合影响。这些因素涵盖了投资者的个人特征、经济状况以及市场环境等多个方面，它们相互作用，共同塑造了投资者的风险偏好。财富水平：投资者的财富水平是影响其风险偏好的重要因素之一。一般来说，财富水平较高的投资者往往具有更强的风险承受能力，因此可能表现出相对较高的风险偏好。他们拥有较多的资产，即使在投资中遭受一定损失，也不会对其财务状况产生重大影响，所以更愿意尝试一些高风险、高回报的投资项目。相反，财富水平较低的投资者，由于资产相对较少，对投资损失的承受能力较弱，往往会更加谨慎，倾向于选择低风险的投资产品，以保障资产的安全。一个拥有千万资产的投资者，可能会拿出一部分资金投资于风险较高的私募股权基金，期望获得较高的回报；而一个普通上班族，可能会将大部分资金存入银行，以获取稳定的利息收益。收入稳定性：收入稳定性对投资者的风险偏好也有着显著影响。具有稳定收入来源的投资者，如公务员、大型企业的正式员工等，由于其未来收入相对确定，对风险的担忧相对较小，可能会更愿意承担一定的投资风险。他们在投资决策中，更注重资产的增值潜力，可能会选择一些风险适中的投资产品，如股票型基金、优质蓝筹股等。而收入不稳定的投资者，如自由职业者、小微企业主等，由于收入的不确定性较大，为了应对可能出现的经济困难，往往会更加保守，更倾向于选择流动性强、风险低的投资产品，如货币基金、短期债券等。投资经验：投资经验也是影响风险偏好的关键因素。经验丰富的投资者，通过长期的投资实践，对市场的运行规律和风险特征有更深入的了解，能够更好地识别和管理风险，因此可能会表现出相对较高的风险偏好。他们在面对投资机会时，能够更加理性地分析和判断，敢于尝试一些较为复杂的投资策略。相反，投资新手由于缺乏经验，对市场风险的认识不足，往往会过度谨慎，更倾向于选择简单、低风险的投资产品。一位拥有多年股票投资经验的投资者，可能会根据市场行情的变化，灵活调整投资组合，参与一些高风险的股票交易；而一位刚刚进入股市的新手，可能会因为担心亏损，只选择购买一些低风险的大盘蓝筹股。年龄：投资者的年龄与其风险偏好之间存在一定的关联。一般而言，年轻的投资者由于未来的投资期限较长，具有较强的风险承受能力，往往更愿意承担风险，追求资产的增值。他们可以在较长的时间内平滑投资风险，因此可能会将更多的资金配置到股票、股票型基金等风险较高的资产上。随着年龄的增长，投资者的风险承受能力逐渐下降，更注重资产的安全性和稳定性，风险偏好也会逐渐降低。临近退休的投资者，可能会将大部分资金从高风险的股票市场转移到低风险的债券市场或定期存款中，以确保退休后的生活有稳定的资金保障。心理因素：投资者的心理因素，如风险认知、风险态度、情绪等，对风险偏好的影响也不容忽视。风险认知是投资者对风险的主观认识和评估，不同的投资者对同一风险的认知可能存在差异。一些投资者可能对风险过于敏感，高估投资风险，从而表现出较低的风险偏好；而另一些投资者可能对风险认识不足，低估投资风险，导致风险偏好较高。风险态度则反映了投资者对风险的主观感受和倾向，有些投资者天生喜欢冒险，对风险持积极态度，而有些投资者则较为保守，对风险持厌恶态度。情绪也会影响投资者的风险偏好。在市场情绪高涨时，投资者可能会受到乐观情绪的影响，过度自信，从而提高风险偏好，盲目追求高风险投资；而在市场情绪低迷时，投资者可能会受到恐惧情绪的影响，过度悲观，降低风险偏好，过度规避风险。3.3效用函数的理论剖析3.3.1效用函数的定义与性质效用函数是经济学中用于描述消费者偏好和行为的重要工具，在金融领域，它被广泛应用于刻画投资者对财富或收益的主观评价和满足程度。具体而言，效用函数是将投资者的财富水平或投资收益映射为一个数值的函数，该数值代表了投资者从相应财富或收益中所获得的效用，即满足感。设投资者的财富水平为W，效用函数可表示为U=U(W)，其中U表示效用，它随着财富水平W的变化而变化。效用函数具有一些重要的性质，这些性质对于理解投资者的行为和决策具有关键意义。单调性：效用函数通常具有单调性，即随着财富水平的增加，投资者所获得的效用也会增加，这反映了投资者对财富的偏好是越多越好。用数学语言表达为，若W_1\ltW_2，则U(W_1)\ltU(W_2)。在投资决策中，投资者总是倾向于选择能够带来更高财富水平的投资方案，因为这意味着更高的效用。当投资者面临两种投资选择，投资A预计能带来100万元的财富，投资B预计能带来120万元的财富，在其他条件相同的情况下，投资者会选择投资B，因为U(120)\gtU(100)。单调性是效用函数的基本性质之一，它体现了投资者追求财富增长的本能。凹性：效用函数的凹性反映了投资者的风险厌恶特征。从数学角度来看，凹性意味着效用函数的二阶导数小于零，即U^{\prime\prime}(W)\lt0。这表明随着财富水平的增加，投资者每增加一单位财富所带来的边际效用是递减的。假设投资者的初始财富为100万元，当财富增加到110万元时，增加的10万元财富带来的效用增加量为\DeltaU_1；当财富从110万元增加到120万元时，同样增加10万元财富，但带来的效用增加量为\DeltaU_2，且\DeltaU_2\lt\DeltaU_1。在面对风险时，风险厌恶型投资者更偏好确定性的收益，因为不确定的收益可能导致财富水平的波动，而根据边际效用递减原理，财富水平下降所带来的效用损失大于财富水平上升所带来的效用增加。在一个投资项目中，有两种可能的结果：一是有50%的概率获得20万元的收益，50%的概率没有收益；二是确定性地获得10万元的收益。对于风险厌恶型投资者来说，由于效用函数的凹性，他们更倾向于选择确定性的10万元收益，因为在他们看来，不确定性收益的预期效用低于确定性收益的效用。连续性：效用函数的连续性是指财富水平的微小变化不会导致效用的跳跃式变化，即当财富水平W发生微小变动\DeltaW时，效用U(W)的变动也是微小的。这一性质保证了投资者的决策是基于财富的连续变化，而不是突然的、不连续的变动。在实际投资中，投资者的决策往往是基于对财富变化的连续评估，连续性使得效用函数能够更准确地描述投资者的决策过程。如果效用函数不连续，可能会出现投资者在财富水平稍有变化时就做出截然不同的决策，这与现实中的投资行为不符。连续性使得效用函数在数学分析和实际应用中更加方便和合理，为研究投资者的行为提供了良好的基础。3.3.2常见的效用函数形式在资产定价和投资决策的研究中，不同形式的效用函数被广泛应用，它们各自具有独特的特点和适用场景。下面将详细介绍几种常见的效用函数形式。常相对风险规避（CRRA）效用函数：常相对风险规避（ConstantRelativeRiskAversion，CRRA）效用函数是一种在金融领域中应用极为广泛的效用函数形式。其数学表达式为U(W)=\frac{W^{1-\gamma}}{1-\gamma}，其中W表示财富水平，\gamma是相对风险厌恶系数，且\gamma\gt0且\gamma\neq1。当\gamma=1时，该效用函数退化为对数效用函数U(W)=\lnW。CRRA效用函数的一个重要特点是相对风险厌恶系数保持不变，即无论财富水平如何变化，投资者对风险的厌恶程度相对稳定。相对风险厌恶系数\gamma反映了投资者对风险的态度，\gamma越大，投资者越厌恶风险；\gamma越小，投资者对风险的接受程度越高。在跨期资产定价模型中，如基于消费的资本资产定价模型（CCAPM），CRRA效用函数被广泛用于刻画投资者的偏好和决策行为。假设投资者在不同时期的消费和投资决策，其目标是最大化一生的效用。在CRRA效用函数的框架下，可以通过求解动态优化问题，得到资产的价格和收益率。对数效用函数：对数效用函数U(W)=\lnW是CRRA效用函数在\gamma=1时的特殊形式。它具有一些独特的性质和应用。对数效用函数的边际效用随着财富水平的增加而递减，这体现了投资者的风险厌恶特征。随着财富的不断增加，每增加一单位财富所带来的边际效用逐渐减少。对数效用函数在处理一些具有不确定性的投资问题时具有一定的优势。在投资组合选择中，假设投资者面临多种资产的选择，每种资产的收益率都具有不确定性。使用对数效用函数可以将投资者对风险和收益的权衡进行量化，通过计算不同投资组合的预期对数效用，投资者可以选择预期对数效用最大的投资组合。对数效用函数在一些理论研究中也经常被使用，因为它的数学性质相对简单，便于进行推导和分析。幂效用函数：幂效用函数的形式为U(W)=W^{\alpha}，其中\alpha为常数且\alpha\gt0。幂效用函数的特点是随着财富水平的增加，效用以幂次的形式增长。当\alpha\gt1时，幂效用函数表现出风险寻求的特征，即投资者愿意承担更高的风险以追求更高的收益，因为财富的增长带来的效用增长速度更快。当\alpha\lt1时，幂效用函数表现出风险厌恶的特征，类似于CRRA效用函数。在一些投资场景中，幂效用函数可以用于描述具有特定风险偏好的投资者行为。对于一些风险偏好较高的投资者，他们可能更适合使用\alpha\gt1的幂效用函数来刻画其投资决策，因为他们追求财富的快速增长，愿意承担较大的风险。而对于风险偏好较低的投资者，则可以选择\alpha\lt1的幂效用函数。四、风险偏好与资产定价4.1风险偏好对资产定价的影响机制风险偏好作为投资者在面对风险时的态度和倾向，对资产定价有着至关重要的影响，其作用机制主要通过投资者的需求和供给变化来实现。在资产定价的理论框架中，投资者的风险偏好直接影响着他们对不同资产的需求。当投资者的风险偏好发生变化时，他们对各类资产的需求结构也会相应改变。对于风险厌恶型投资者来说，他们更注重资产的安全性和稳定性，通常会倾向于配置低风险的资产，如国债、银行存款等。这类资产的收益相对稳定，波动较小，能够满足风险厌恶型投资者对资产保值的需求。在市场环境不稳定或经济下行时期，投资者的风险厌恶情绪往往会加剧，他们会大量抛售风险较高的资产，转而增持国债等低风险资产，从而导致国债的需求增加。根据供求原理，需求的增加会推动国债价格上升，而在其他条件不变的情况下，资产价格与收益率呈反向关系，因此国债的收益率会下降。相反，风险寻求型投资者对风险持有积极态度，他们更愿意承担较高的风险以追求更高的收益。这类投资者通常会偏好高风险、高回报的资产，如股票、期货等。在股票市场中，一些新兴行业的股票由于具有较高的增长潜力，往往吸引着风险寻求型投资者。当市场上风险寻求型投资者的比例增加时，他们对这些高风险股票的需求会相应上升。需求的上升会促使股票价格上涨，进而使得股票的市盈率等估值指标升高。如果市场上大量投资者看好某一新兴行业的发展前景，纷纷买入该行业的股票，那么这些股票的价格会迅速上涨，可能导致其市盈率远高于市场平均水平。除了对资产需求的影响，风险偏好还会通过投资者的供给决策对资产定价产生作用。在资产供给方面，企业或资产发行者会根据投资者的风险偏好来调整资产的发行策略。当投资者整体风险偏好较高时，企业更倾向于发行风险较高但预期回报也较高的股票或债券，以吸引投资者的资金。在市场繁荣时期，投资者对风险的承受能力较强，企业可能会增加股票的发行量，扩大股权融资规模。由于股票发行量的增加，市场上股票的供给增多，如果需求的增长幅度小于供给的增长幅度，股票价格可能会面临下行压力。反之，当投资者风险偏好较低时，企业可能会减少高风险资产的发行，转而发行一些风险较低、收益相对稳定的债券，以满足投资者对安全性资产的需求。这会导致市场上低风险债券的供给增加，在需求不变或变化较小的情况下，债券价格可能会受到影响，收益率也会相应发生变化。从宏观角度来看，市场整体的风险偏好水平会影响资产价格的波动和市场的均衡状态。当市场风险偏好上升时，投资者对风险资产的需求普遍增加，资金会大量流入股票、房地产等风险资产市场，推动这些资产价格上涨。在牛市行情中，投资者的乐观情绪高涨，风险偏好上升，大量资金涌入股票市场，使得股票价格持续攀升，市场呈现出一派繁荣景象。然而，这种价格上涨可能并非完全基于资产的基本面价值，而是受到投资者情绪和风险偏好的驱动，容易形成资产价格泡沫。一旦市场情绪发生逆转，投资者风险偏好下降，资金会迅速从风险资产市场撤离，导致资产价格大幅下跌，市场陷入恐慌和调整。在金融危机爆发前，市场风险偏好往往过高，资产价格被过度高估，而当危机来临时，投资者的风险偏好急剧下降，资产价格暴跌，许多投资者遭受巨大损失。风险偏好通过影响投资者的需求和供给，在资产定价过程中发挥着关键作用。不同风险偏好的投资者在资产选择上的差异，导致了资产市场供求关系的变化，进而影响资产价格的波动和市场的均衡。了解风险偏好对资产定价的影响机制，对于投资者进行合理的资产配置、企业制定有效的融资策略以及监管部门维护金融市场的稳定都具有重要意义。4.2不同风险偏好下的资产定价模型为了深入探究风险偏好对资产定价的具体影响，下面分别构建风险回避者、风险追求者和风险中立者的资产定价模型，并对模型结果进行详细分析。风险回避者的资产定价模型：对于风险回避者而言，他们对风险的厌恶程度较高，在资产定价模型中，通常采用凹性的效用函数来刻画其风险偏好。常相对风险规避（CRRA）效用函数U(W)=\frac{W^{1-\gamma}}{1-\gamma}（\gamma\gt1，W为财富水平）是一种常用的描述风险回避者偏好的效用函数。在投资决策中，风险回避者追求效用最大化。假设投资者面临两种资产选择，一种是无风险资产，收益率为R_f；另一种是风险资产，收益率为R_i，风险资产的收益率具有不确定性，服从某种概率分布。投资者需要决定在无风险资产和风险资产之间如何分配资金，以实现效用最大化。设投资者投资于风险资产的比例为x，则投资于无风险资产的比例为1-x，投资者的财富水平W可表示为W=(1-x)R_f+xR_i。投资者的目标是最大化预期效用E[U(W)]，即\maxE\left[\frac{((1-x)R_f+xR_i)^{1-\gamma}}{1-\gamma}\right]。通过对该目标函数求关于x的一阶导数，并令其等于0，可以得到投资者的最优投资比例x^*。经过推导可得，最优投资比例x^*与风险资产的预期收益率E(R_i)、无风险收益率R_f、风险资产收益率的方差\sigma^2(R_i)以及投资者的相对风险厌恶系数\gamma有关。x^*=\frac{E(R_i)-R_f}{\gamma\sigma^2(R_i)}。从这个结果可以看出，风险回避者对风险资产的投资比例随着风险资产预期收益率的增加而增加，随着无风险收益率的增加而减少，随着风险资产收益率方差（风险）的增加而减少，随着相对风险厌恶系数的增加而减少。这表明风险回避者在投资决策中，会谨慎地权衡风险和收益，当风险资产的预期收益较高且风险较小时，才会增加对其投资；而当风险增加或无风险收益率提高时，会减少对风险资产的投资。在市场中，如果股票的预期收益率上升，同时波动性（风险）保持稳定，风险回避者可能会适当增加对股票的投资比例；但如果股票的波动性增大，即使预期收益率不变，他们也可能会减少对股票的投资。风险追求者的资产定价模型：风险追求者对风险持有积极态度，愿意承担较高风险以追求更高收益。在资产定价模型中，常用凸性的效用函数来描述他们的风险偏好。幂效用函数U(W)=W^{\alpha}（\alpha\gt1）可以用来刻画风险追求者的效用。同样假设投资者面临无风险资产和风险资产的投资选择。投资者的财富水平W=(1-x)R_f+xR_i，其目标是最大化预期效用E[U(W)]，即\maxE[((1-x)R_f+xR_i)^{\alpha}]。对该目标函数求关于x的一阶导数并令