KNOWECON WIKI

ARTICLE

不确定性溢价

不确定性溢价 (Uncertainty Premium) 不确定性溢价 (Uncertainty Premium)，在金融经济学和决策理论中亦称模糊溢价 (Ambiguity Premium)，是指经济主体因面对奈特不确定性 (Knightian Uncertainty)——即概率分布本身未知或不可精确量化的情境——而要求获得的额外补偿。与传统的风险溢价 (

浏览 0 更新 2026-06-29

不确定性溢价 (Uncertainty Premium)

不确定性溢价 (Uncertainty Premium)，在金融经济学和决策理论中亦称模糊溢价 (Ambiguity Premium)，是指经济主体因面对奈特不确定性 (Knightian Uncertainty)——即概率分布本身未知或不可精确量化的情境——而要求获得的额外补偿。与传统的风险溢价 (Risk Premium) 不同，风险溢价补偿的是已知概率分布下的结果波动（可测度的风险），而不确定性溢价补偿的恰恰是"连概率分布都不清楚"这一更深层的不确定性状态。当投资者或决策者表现出模糊厌恶 (Ambiguity Aversion) 时，他们会为持有暴露于不确定性（而非纯粹风险）的资产索取更高的预期收益，由此在资产价格中嵌入不确定性溢价。

风险与不确定性的经典区分

1921年，弗兰克·奈特 (Frank Knight) 在其著作《风险、不确定性与利润》中首次明确区分了"风险"和"不确定性"两个范畴。风险指的是决策者已知未来可能结果的集合及其客观概率分布的情形，例如掷一枚公平骰子、或基于历史违约数据估算的债券违约概率。在此情形下，期望效用理论 (Expected Utility Theory) 可以完整地刻画理性选择。而奈特不确定性（或称为"真正的不确定性"）指的是决策者无法列举所有可能结果、更无法为每一种结果赋予确切概率的情形——典型实例如预测一项全新技术在二十年后的市场渗透率、或评估从未发生过的地缘政治冲击的概率。奈特认为，利润的来源正是企业家承担这种不可度量的不确定性所获得的回报，而非对可度量风险的补偿。

这一区分在经济学中沉寂数十年后，于20世纪80年代末被决策理论家重新发掘，并引出了对主观期望效用模型 (Savage, 1954) 的系统性挑战。

埃尔斯伯格悖论与模糊厌恶

丹尼尔·埃尔斯伯格 (Daniel Ellsberg) 于1961年设计的著名思想实验——埃尔斯伯格悖论 (Ellsberg Paradox)——为不确定性溢价提供了最直观的行为证据。实验设有两个瓮：瓮A中已知有50个红球和50个黑球；瓮B中也有100个红球和黑球，但比例完全未知。受试者先被要求对"从瓮中抽出一个红球"下注。大多数人选择对瓮A下注。随后，受试者被要求对"抽出一个黑球"下注——同样地，大多数人仍选择瓮A。这一选择模式违背了主观期望效用理论：如果一个人偏好瓮A的红球赌局，则说明他主观上认为瓮B中红球少于50个，那么他也应该偏好瓮B的黑球赌局，但数据恰恰相反。

对这一悖论的标准解释是模糊厌恶：人们偏好概率清晰的情境（瓮A），规避概率模糊的情境（瓮B）。即使两种情境的"平均"概率可能相同，决策者仍愿意为概率的确定性支付溢价。这一行为特征广泛存在于实验室和真实市场中——从股票投资、保险购买到国际资本流动，均能观察到对模糊情境的系统性回避。

不确定性溢价的理论建模

为刻画不确定性溢价，理论文献发展了三类主要模型框架。

最大最小期望效用 (Maxmin Expected Utility, MEU)。Gilboa 与 Schmeidler (1989) 提出，当决策者对概率分布存在多重信念（一个先验集合 P\mathcal{P}）时，其决策规则为选择在最坏情形下期望效用最大的行动：

V(f)=min⁡P∈P∫u(f) dPV(f) = \min_{P \in \mathcal{P}} \int u(f) \, dP

此处的"最坏情形"量化了模糊厌恶：决策者使用先验集合中对自己最不利的概率分布来评估每一个备选方案。不确定性溢价本质上即源于决策者对最坏情形的加权——P\mathcal{P} 的范围越大（概率越模糊），最坏情形越差，不确定性溢价就越高。该模型的一个关键推论是模糊厌恶导致决策行为表现出"惯性"——面对模糊情境时，决策者倾向于维持现状，这与现状偏差和本土偏好 (Home Bias) 等现象紧密相连。

乘数偏好与稳健控制 (Multiplier Preferences)。Hansen 与 Sargent (2001, 2008) 从宏观经济学和资产定价的视角出发，借鉴工程学中稳健控制理论的思想，将模糊厌恶建模为决策者对模型误设的担忧。在经典期望效用之外，决策者以相对熵 (Relative Entropy) 惩罚偏离基准模型的备择分布：

V=min⁡Q{EQ[u(c)]+θ⋅DKL(Q∥P)}V = \min_{Q} \left\{ \mathbb{E}_Q[u(c)] + \theta \cdot D_{\text{KL}}(Q \parallel P) \right\}

其中 θ\theta 为模糊厌恶参数，DKLD_{\text{KL}} 为 Kullback-Leibler 散度。当 θ→∞\theta \to \infty 时回到理性预期基准；当 θ\theta 有限时，决策者会审慎地考虑最坏情形带来的损失，从而驱动额外的不确定性溢价。

平滑模糊模型 (Smooth Ambiguity Model)。Klibanoff、Marinacci 与 Mukerji (2005) 提出了一个双层期望结构将模糊厌恶与风险态度分离。第一层对给定的每个可能的一阶概率分布 π\pi 求期望效用：

Eπ[u(c)]\mathbb{E}_\pi[u(c)]

第二层通过一个递增的凹函数 ϕ\phi 对一阶期望效用再做一次关于二阶信念 μ\mu（即对概率分布本身的主观先验）的期望：

V=∫ϕ(Eπ[u(c)]) dμ(π)V = \int \phi\left( \mathbb{E}_\pi[u(c)] \right) \, d\mu(\pi)

ϕ\phi 的凹度捕捉模糊厌恶的程度：如果 ϕ\phi 是线性的，决策者对一阶概率分布的不确定性持中性态度，模型退化为贝叶斯期望效用；ϕ\phi 越凹，决策者对低效用情景的权重越大，不确定性溢价越高。这一框架因其直观的可分离性和与递归效用的一致性，已成为宏观金融文献中建模不确定性溢价的主流范式。

资产定价中的不确定性溢价：实证与机制

在实证资产定价中，不确定性溢价具有多层面的可操作含义，大量研究已将其确立为横截面收益和总量波动的重要因子。

横截面证据。在股票市场中，那些对总体经济不确定性更敏感的资产（"不确定性 Beta"较高的股票）平均而言提供更高的预期收益。部分实证研究使用 VIX 指数的变化、经济政策不确定性指数 (EPU, Baker, Bloom \& Davis, 2016)、或分析师预测分歧度（作为"信念分散"的代理变量）来量化市场层面的不确定性。在不确定性急剧上升的时期——如2008年金融危机或2020年新冠疫情爆发——不确定性溢价迅速膨胀，风险资产价格普遍下跌，安全资产（如美国国债和黄金）价格上升。

波动率与不确定性溢价的互动。不确定性溢价不同于波动率风险溢价 (Variance Risk Premium)，但两者紧密相关。波动率风险溢价反映的是投资者因承担波动率本身随机变化的风险而索取的补偿；而不确定性溢价聚焦于概率分布不可知的维度。Drechsler (2013) 和 Bollerslev、Tauchen 与 Zhou (2009) 等研究发现，引入时变的不确定性溢价有助于解释股权溢价之谜 (Equity Premium Puzzle) 和方差溢价的动动态特征。当不确定性溢价上升时，它同时压低当前的资产估值、推高未来的预期收益。

宏观经济的关联。不确定性溢价在商业周期中呈现显著的反周期特征——经济衰退期不确定性溢价大幅攀升，扩张期逐步回落。这一模式可以通过企业投资行为传导至实体经济：高不确定性溢价意味着模糊厌恶的投资者对公司未来现金流的估值大幅折价，企业面临更高的资本成本，从而抑制投资和招聘。Bloom (2009) 关于"不确定性冲击"的经典研究以及 Bloom、Floetotto、Jaimovich、Saporta-Eksten 与 Terry (2018) 的后续工作均提供了支持证据。

政策启示与延伸

不确定性溢价的存在对宏观经济政策具有重要含义。政策制定者面临的"规则与相机抉择"的经典权衡，本身就嵌入了一层不确定性溢价：当市场认为货币政策规则模糊不清时，不确定性溢价上升，推高融资成本、抑制经济活动，这正是透明度和前瞻性指引的理论依据。在监管领域，模糊的监管标准增加了银行和金融机构面临的不确定性，导致资本配置更加保守，极端情况下可能引发信贷紧缩。

从投资实践角度，承认不确定性溢价意味着：对模糊情境下资产估值应采用更加审慎的折现率；分散化投资不仅应跨资产类别实施，也应跨"模型"进行——不依赖单一定价模型而综合使用多个模型恰是对模型不确定性的一种对冲策略，这正是 Bayesian Model Averaging 和稳健资产配置思想的实践映射。

不确定性溢价从埃尔斯伯格的瓮出发，经由决策理论与资产定价的严谨发展，已形成一套从辨识、度量到应用的完整分析框架。它提醒我们：市场不仅为风险定价，也为"未知"本身定价。