KNOWECON WIKI

ARTICLE

资产定价

资产定价 (Asset Pricing) 资产定价 (Asset Pricing) 是 金融学 和 经济学 的一个核心分支，致力于理解和确定金融资产的价值。它试图回答一个根本性问题：一项对未来不确定现金流的求偿权，在今天应该值多少钱？这个领域不仅为 股票、债券、衍生品 等各类资产提供定价理论，也构成了现代 投资组合理论、风险管理 和 公司金融 决策的基石。

浏览 58 更新 2025-10-26

资产定价 (Asset Pricing)

资产定价 (Asset Pricing) 是 金融学 和 经济学 的一个核心分支，致力于理解和确定金融资产的价值。它试图回答一个根本性问题：一项对未来不确定现金流的求偿权，在今天应该值多少钱？这个领域不仅为 股票、债券、衍生品 等各类资产提供定价理论，也构成了现代 投资组合理论、风险管理 和 公司金融 决策的基石。

核心思想：期望折现价值

资产定价的中心法则极为优雅和简洁：任何资产的价格都是其未来所有预期 收益 (Payoffs) 的 现值 (Present Value)。这里的复杂性在于如何处理"预期"和"折现"这两个概念，因为未来是充满 不确定性 的。

这一思想可以被一个统一的、强大的数学公式所概括，即 资产定价基本方程：

Pt=Et[Mt+1Xt+1]P_t = E_t[M_{t+1} X_{t+1}]

让我们来逐一解析这个公式中的每个组成部分：

  • PtP_t 是资产在当前时刻 tt 的价格。这是我们想要决定的量。
  • Xt+1X_{t+1} 代表资产在下一期（t+1t+1 时刻）能够带来的总收益，即 Payoff。对于一支股票而言，它通常包括了 股息 Dt+1D_{t+1} 和下一期的价格 Pt+1P_{t+1}，即 Xt+1=Dt+1+Pt+1X_{t+1} = D_{t+1} + P_{t+1}。对于一张 债券，它可能是利息支付和本金。由于未来是不确定的，所以 Xt+1X_{t+1} 是一个 随机变量。
  • Et[⋅]E_t[\cdot] 是在 tt 时刻所有已知信息下的 期望值 (Expectation) 算子。它代表了我们对未来收益 Xt+1X_{t+1} 的最佳预测。这隐含了 有效市场假说 (Efficient Market Hypothesis) 的思想，即当前价格已经反映了所有可得信息。
  • Mt+1M_{t+1} 是整个公式的灵魂，被称为 随机折现因子 (Stochastic Discount Factor, SDF)，有时也称为 定价核 (Pricing Kernel)。它也是一个随机变量，其核心作用是把未来的、不确定的收益 Xt+1X_{t+1} 转化为今天的、确定的价格 PtP_t。

随机折现因子 (SDF) 的双重角色

随机折现因子 Mt+1M_{t+1} 是理解现代资产定价的关键。它不仅仅是一个简单的折现率，而是同时捕捉了两个核心经济概念：

  1. 货币的时间价值 (Time Value of Money)：Mt+1M_{t+1} 的大小反映了等待的成本。通常来说，投资者更偏好今天的消费而非未来的消费，因此未来的收益必须被打个折扣。这个因素与 无风险利率 (Risk-Free Rate) 密切相关。
  2. 风险的定价 (Pricing of Risk)：Mt+1M_{t+1} 是"随机"的，这意味着它在不同的未来"状态"下会取不同的值。这一点至关重要，因为它反映了投资者的 风险厌恶 (Risk Aversion)。 \begin{itemize}
  3. 在经济状况糟糕、投资者财富缩水、消费水平低下的"坏"状态下，多一单位的收入会带来很高的 边际效用 (Marginal Utility)。此时，Mt+1M_{t+1} 的值会很高。
  4. 反之，在经济繁荣、投资者富裕的"好"状态下，多一单位收入带来的边际效用较低。此时，Mt+1M_{t+1} 的值会较低。 \end{itemize}

因此，一个能够在"坏"状态下（Mt+1M_{t+1} 高）提供高收益（Xt+1X_{t+1} 高）的资产，就像一份保险。投资者非常珍视这种特性，愿意为其支付高昂的价格，从而接受一个较低的预期回报率。相反，一个在"好"状态下（Mt+1M_{t+1} 低）才表现优异的资产（顺周期资产），其风险暴露更大，必须提供一个更高的预期回报率（即 风险溢价, Risk Premium）来吸引投资者。

从一般理论到具体模型

资产定价基本方程 Pt=Et[Mt+1Xt+1]P_t = E_t[M_{t+1} X_{t+1}] 是一个理论框架。不同的资产定价模型，本质上是对随机折现因子 Mt+1M_{t+1} 的具体形式提出了不同的假设。

消费资本资产定价模型 (CCAPM)

这是最贴近经济学基本原理的模型之一。它直接将 SDF 与投资者的消费决策联系起来：

Mt+1=δU′(Ct+1)U′(Ct)M_{t+1} = \delta \frac{U'(C_{t+1})}{U'(C_t)}

其中，δ\delta 是投资者的跨期耐心程度（主观折现因子），CtC_t 和 Ct+1C_{t+1} 分别是当期和下一期的消费水平，U′(⋅)U'(\cdot) 是 效用函数 的导数，即 边际效用。这个模型的经济学直觉是：资产的价值取决于它能在多大程度上帮助投资者平滑其在不同时间点上的消费。然而，该模型在实证检验中遇到了挑战，比如著名的 股权溢价之谜 (Equity Premium Puzzle)。

资本资产定价模型 (CAPM)

资本资产定价模型 (CAPM) 是金融实践中应用最广泛的模型之一。它没有直接描述消费，而是假设投资者的决策只基于投资组合的均值和方差。在 CAPM 的世界里，SDF 是 市场组合 回报率 RmR_m 的一个线性函数：

Mt+1=a−bRm,t+1M_{t+1} = a - b R_{m, t+1}

这个假设最终导出了其著名的定价公式：

E[Ri]=Rf+βi(E[Rm]−Rf)E[R_i] = R_f + \beta_i (E[R_m] - R_f)

这里，E[Ri]E[R_i] 是资产 ii 的预期回报率，RfR_f 是无风险利率，E[Rm]−RfE[R_m] - R_f 是市场风险溢价。βi\beta_i（贝塔系数）衡量了该资产相对于整个市场的 系统性风险。CAPM 的核心结论是：只有系统性风险（无法通过分散化投资消除的风险）才应得到回报补偿。

套利定价理论 (APT) 与多因子模型

套利定价理论 (APT) 认为，单一的市场风险不足以解释所有资产的回报差异。它将 SDF 建模为多个系统性风险因子的线性组合：

Mt+1=a−b1F1−b2F2−⋯−bkFkM_{t+1} = a - b_1 F_1 - b_2 F_2 - \dots - b_k F_k

著名的例子是 Fama-French三因子模型，它在市场风险之外，还加入了公司规模 (Size, SMB) 和账面市值比 (Value, HML) 两个因子。

价格与回报：一枚硬币的两面

资产定价理论不仅可以用来解释价格，也可以用来解释预期回报率。通过对基本方程 1=Et[Mt+1Rt+1]1 = E_t[M_{t+1} R_{t+1}] 进行变换（其中 Rt+1R_{t+1} 是资产的总回报率 Xt+1/PtX_{t+1}/P_t），我们可以得到：

Et[Rt+1]−Rf≈−Rf⋅Covt(Mt+1,Rt+1)E_t[R_{t+1}] - R_f \approx - R_f \cdot \text{Cov}_t(M_{t+1}, R_{t+1})

这条公式清晰地揭示了风险溢价的来源：资产的预期超额回报（风险溢价）等于其回报率与随机折现因子的 协方差 (Covariance) 的负数。

  • 如果资产回报率 Rt+1R_{t+1} 与 Mt+1M_{t+1} 呈负协方差（即在经济"坏"时，Mt+1M_{t+1} 很高，而该资产回报 Rt+1R_{t+1} 却很低），那么它必须提供一个正的风险溢价来补偿投资者。
  • 如果资产回报率 Rt+1R_{t+1} 与 Mt+1M_{t+1} 呈正协方差（即在经济"坏"时提供高回报，如同保险），那么它的风险溢价可以是负的，即其预期回报率甚至可以低于无风险利率。

应用领域

资产定价理论的应用贯穿于金融的各个角落：

  • 投资组合管理：指导投资者如何在不同资产间分配资本，以在给定风险水平下最大化回报。
  • 衍生品定价：为 期权、期货、互换 等复杂金融工具定价。风险中性定价 (Risk-Neutral Pricing) 框架是 SDF 理论的一个重要特例。
  • 公司金融：企业在进行项目投资决策时，需要使用资产定价模型（如 CAPM）来估算项目的 资本成本 (Cost of Capital)，作为决策的基准。
  • 宏观经济学：帮助理解利率期限结构、信用利差等宏观金融现象与实体经济之间的联系。