Skip to content

随机折现因子 SDF

随机折现因子 (Stochastic Discount Factor, SDF) 是资产定价理论中最具统一性的概念框架。SDF 将无套利定价、风险中性定价、消费资本资产定价模型 (Consumption CAPM) 和因子模型统一在同一理论体系下。本文系统阐述 SDF 的定义、性质、经济学基础及其核心推论。

SDF 的定义

基本定价方程

随机折现因子 \(m\)（又称定价核，Pricing Kernel）是一个正的随机变量，使得对任意可交易资产 \(i\)，以下定价方程成立：

\[ E[m \cdot R_i] = 1 \]

其中 \(R_i = \frac{S_1^i}{S_0^i}\) 为资产 \(i\) 的总收益 (Gross Return)。等价地，以超额收益 (Excess Return) \(R_i^e = R_i - R_f\) 表示：

\[ E[m \cdot R_i^e] = 0 \]

以净收益 (Net Return) \(r_i = R_i - 1\) 表示，定价方程可写为：

\[ S_0^i = E[m \cdot S_1^i] \]

SDF的存在性与唯一性

根据资产定价第一基本定理，无套利条件保证了正的 SDF 的存在性。根据第二基本定理，市场完全时 SDF 唯一。在不完全市场中，SDF 不唯一，但所有满足定价方程的 SDF 对可交易资产给出相同的价格。

与其他定价框架的关系

SDF 统一了多种定价方法：

与风险中性测度的关系：令 \(\mathbb{Q}(\omega_j) = m(\omega_j) \cdot \mathbb{P}(\omega_j) \cdot R_f\)，则 \(\mathbb{Q}\) 为等价鞅测度。

与状态价格的关系：在离散有限状态模型中，\(\psi_j = \mathbb{P}(\omega_j) \cdot m(\omega_j)\)。

与贝塔定价的关系：从 \(E[mR_i] = 1\) 出发，展开协方差：

\[ E[m] \cdot E[R_i] + \text{Cov}(m, R_i) = 1 \]

由于 \(E[m] = 1/R_f\)：

\[ E[R_i] = R_f - R_f \cdot \text{Cov}(m, R_i) \]
\[ E[R_i] - R_f = -\frac{\text{Cov}(m, R_i)}{\text{Var}(m)} \cdot \frac{\text{Var}(m)}{E[m]} \]

定义 \(\beta_{i,m} = \frac{\text{Cov}(R_i, m)}{\text{Var}(m)}\) 和 \(\lambda_m = -\frac{\text{Var}(m)}{E[m]}\)，得到贝塔定价公式：

\[ E[R_i] - R_f = \beta_{i,m} \cdot \lambda_m \]

这表明资产的风险溢价由其收益与 SDF 的协方差决定。与 SDF 负协方差越大的资产（即在"坏状态"下表现越差的资产），投资者要求的风险溢价越高。

消费CAPM

基于消费的SDF

在代表性投资者 (Representative Agent) 经济中，投资者最大化跨期效用：

\[ \max E\left[\sum_{t=0}^{T} \beta^t u(C_t)\right] \]

其中 \(\beta \in (0,1)\) 为主观时间折现因子，\(u(\cdot)\) 为效用函数，\(C_t\) 为 \(t\) 期消费。

一阶最优条件 (Euler Equation) 给出 SDF 的经济学表达：

\[ m_{t,t+1} = \beta \frac{u'(C_{t+1})}{u'(C_t)} \]

即 SDF 等于跨期边际替代率 (Intertemporal Marginal Rate of Substitution, IMRS)。

SDF的经济直觉

SDF 反映了投资者对不同状态下一单位额外财富的边际估值。在消费较低的"坏状态"中，边际效用 \(u'(C)\) 较高，SDF 值较大，意味着该状态下的收益更有价值。因此，在"坏状态"中提供高收益的资产（如保险）价格较高，而在"好状态"中才提供高收益的资产需要提供风险溢价作为补偿。

幂效用下的CCAPM

设效用函数为常相对风险厌恶 (Constant Relative Risk Aversion, CRRA) 形式：

\[ u(C) = \frac{C^{1-\gamma}}{1-\gamma}, \quad \gamma > 0 \]

则 SDF 为：

\[ m_{t,t+1} = \beta \left(\frac{C_{t+1}}{C_t}\right)^{-\gamma} \]

对数线性化后，资产 \(i\) 的风险溢价近似为：

\[ E[r_i] - r_f \approx \gamma \cdot \text{Cov}(r_i, \Delta \ln C) \]

其中 \(\Delta \ln C = \ln(C_{t+1}/C_t)\) 为消费增长率。这就是消费资本资产定价模型 (Consumption CAPM, CCAPM)：资产的风险溢价与其收益和消费增长的协方差成正比。

股权溢价之谜

CCAPM 面临著名的股权溢价之谜 (Equity Premium Puzzle, Mehra & Prescott 1985)。美国股票市场的历史平均超额收益约为6-8%，而消费增长率的波动率仅约1-2%。要解释观察到的股权溢价，需要隐含的相对风险厌恶系数：

\[ \gamma \approx \frac{E[R_m - R_f]}{\text{Cov}(R_m, \Delta \ln C)} \approx 50 - 100 \]

如此高的 \(\gamma\) 值在经济学上难以接受（通常认为合理范围为 \(1 \leq \gamma \leq 10\)）。

股权溢价之谜的解释

学术界提出了多种解释，包括：习惯形成偏好 (Habit Formation, Campbell & Cochrane 1999)、长期风险模型 (Long-Run Risk, Bansal & Yaron 2004)、稀有灾难模型 (Rare Disasters, Barro 2006) 以及 Epstein-Zin 递归效用 (Recursive Utility)。这些模型通过修改偏好结构或消费过程来提高 SDF 的波动性。

Hansen-Jagannathan界

HJ界的推导

Hansen 和 Jagannathan (1991) 利用 SDF 定价方程推导出 SDF 波动率的下界，为检验资产定价模型提供了有力工具。

由 \(E[m \cdot R_i^e] = 0\)，得：

\[ |E[R_i^e]| = |\text{Cov}(m, R_i^e)| \leq \sigma(m) \cdot \sigma(R_i^e) \]

因此：

\[ \frac{|E[R_i^e]|}{\sigma(R_i^e)} \leq \sigma(m) / E[m] \]

对所有可交易资产取最大值（等价于考虑最优组合），得到 Hansen-Jagannathan 界 (HJ Bound)：

\[ \frac{\sigma(m)}{E[m]} \geq \max_i \frac{|E[R_i^e]|}{\sigma(R_i^e)} = \text{SR}_{\max} \]

即 SDF 的变异系数 (Coefficient of Variation) 不低于市场中可达到的最大夏普比率 (Maximum Sharpe Ratio)。

HJ界的含义

HJ 界表明，一个合理的资产定价模型所隐含的 SDF 必须具有足够大的波动性。若模型的 SDF 波动性低于 HJ 界，则该模型无法同时解释观察到的资产收益率差异。

对于标准CCAPM，SDF 的波动率约为 \(\sigma(m) \approx \gamma \cdot \sigma(\Delta \ln C)\)。已知美国股票市场的夏普比率约为0.4，消费增长的波动率约为0.02，则要求：

\[ \gamma \geq \frac{0.4}{0.02} = 20 \]

这再次揭示了股权溢价之谜的本质：标准偏好下的 SDF 波动性不足以解释观测到的夏普比率。

HJ界作为模型诊断工具

在实证资产定价研究中，HJ 界常被用作模型的初步检验。将模型隐含的 SDF 波动率与由风险资产组合计算的 HJ 界进行对比，可以快速判断模型是否具有解释资产收益率截面差异的基本能力。

SDF 与因子模型

任何线性因子模型 (Linear Factor Model) 都可以表示为特定形式的 SDF。若 SDF 为因子的仿射函数：

\[ m = a + \mathbf{b}' \mathbf{f} \]

其中 \(\mathbf{f}\) 为因子向量，\(a\) 和 \(\mathbf{b}\) 为常数，则定价方程 \(E[mR_i^e] = 0\) 等价于：

\[ E[R_i^e] = \boldsymbol{\beta}_i' \boldsymbol{\lambda} \]

其中 \(\boldsymbol{\beta}_i\) 为资产 \(i\) 对因子的贝塔向量，\(\boldsymbol{\lambda}\) 为因子风险价格向量。

  • CAPM：\(m = a + b \cdot R_m\)，单因子为市场收益。
  • Fama-French 三因子模型：\(m = a + b_1 R_m + b_2 \text{SMB} + b_3 \text{HML}\)。
  • CCAPM：\(m = \beta(C_{t+1}/C_t)^{-\gamma} \approx a + b \cdot \Delta \ln C\)。

SDF 框架的优势在于它提供了评价和比较不同资产定价模型的统一标准：哪个模型的 SDF 能更好地满足定价方程 \(E[mR_i^e] = 0\)，哪个模型就具有更强的解释力。