sdf 模型 随机折现因子
资产定价模型 随机贴现因子
资产定价模型随机贴现因子随机贴现因子是资产定价模型中的重要概念，它对于衡量资产的风险和回报至关重要。
在金融领域，随机贴现因子被用来计算未来现金流的折现率，从而确定资产的现值。
随机贴现因子可以被理解为一个调整因子，它考虑了市场风险以及未来现金流的不确定性。
随机贴现因子的计算基于资产的预期收益率和市场风险。
预期收益率是指投资者对资产未来回报的预期，而市场风险则是指资产价格波动的风险。
在资产定价模型中，随机贴现因子可以通过对这两个因素进行建模来计算。
随机贴现因子的计算方法可以有多种。
一种常见的方法是使用离散时间模型，将时间划分为若干个期间，然后计算每个期间的贴现因子。
另一种方法是使用连续时间模型，通过求解随机微分方程来计算贴现因子。
随机贴现因子的计算需要考虑很多因素，例如资产的风险特征、市场预期、利率水平等。
这些因素都会对贴现因子的计算产生影响。
因此，在实际应用中，需要仔细考虑这些因素，并选择合适的模型来计算贴现因子。
随机贴现因子在资产定价领域起着重要的作用。
它不仅可以帮助投资者理解和衡量资产的风险和回报，还可以用于评估投资组合的价值和风险。
随机贴现因子的准确计算对于投资决策具有重要意义，可以帮助投资者做出明智的投资选择。
随机贴现因子是资产定价模型中重要的概念，它对于衡量资产的风险和回报至关重要。
通过合理的建模和计算，可以准确地估计资产的现值，并为投资者提供有价值的决策信息。
在实际应用中，我们需要注意考虑各种因素，并选择合适的模型来计算随机贴现因子。
通过深入研究和理解随机贴现因子，我们可以更好地理解和应用资产定价模型，为投资决策提供支持。
随机折现因子方法与CAPM关于风险溢价的实证比较
T
t =1
∑r ,
t
并估计出相应的标准偏差 。
21 随机折现因子模型
根据现代金融经济学理论可知 , 当金融市场上不存在无风险套利机会时 , 或者在无法取 得大规模无风险套利收益的前提下 , 可以从单个经济主体的消费选择效用最优化或者在离散 的状态集中 , 资产价格等于每个状态的报酬的加权平均和的角度 , 把资产的价格与其未来的 收益可以通过 “随机折现因子”联系起来 , 从而得到基本定价方程 ( Cochrane , 2001 ) 。随
E [ rt E [ ( rt (δ- μ+ f t ) β ] = 0 n ×1 (δ- μ+ f t ) β ) f t ] = 0 n ×1
E [ f t - μ] = 0 n ×1
2 )2 -σ E [ (ft -μ ] = 0 n ×1 2 其中 , 0 n ×1 为 n 维 0 向量 。未知参数向量 θ= (δ, β ′ , μ, σ ) , 对应的广义约束矩阵 θ ) 为: gt (
An Empirical Study on the SDF and CAPM about Risk Premium
Abstract : The risk p remium , as t he core of asset p ricing t heory , is generally estimated by beta met ho d1 Recently , t he stochastic disco unt factor ( SD F) is widely used to app raise t he risk p remium1 In t his paper , we co mpare t he variance of t he es2 timates of t he risk p remium under bot h met hods based o n asset p ricing t heories , t he generalized met hod of mo ment s ( GMM ) and Mo nte Carlo Simulatio n wit h Chinese stock market data , and show t hat to so me extent t he SDF met hod is more efficient t han t he Beta met hod for estimating risk p remiums1 Key words : Stochastic Disco unt Factor ; GMM ; Mo nte Carlo Simulatio n
CAMP和随机因子方法比较
⎜⎛ rt − (δ − µ + ft )β ⎟⎞
⎜⎛ε t
⎟⎞
ET
⎜ ⎜ ⎜
(rt ft
− (δ −µ
−µ
+
ft )β ) ft
⎟ ⎟ ⎟
=
1 T
∑⎜⎜ ⎜
ε f
t t
ft −µ
⎟ ⎟ ⎟
⎜⎝ ( ft − µ)2 − σ 2
⎟⎠
⎜⎝ ( ft − µ)2 − σ 2 ⎟⎠
（2）
这样，得到广义矩法估计量θˆ = arg min gt (θ )′Wgt (θ ) ，本文编写计算机程序的基本思想是
E[rt ] = δβ
（1）
其中，rt 为 n 项资产 t 时期超出无风险利率的收益率向量，δ 为风险溢价向量， β 是资产收
[ ] 益率对市场因素的敏感度向量，定义为 cov rt , ft σ 2 （ ft 为宏观经济变量的收益率），σ 2
为宏观经济变量收益率的方差 。资产定价模型在实证检验方面，先后经历了时间序列回归、 横截面回归和极大似然估计，和现在流行的广义矩法（GMM）(Hansen,1982; Kan and zhou,1999)，由于横截面回归方法忽略了与CAPM相关的样本误差，当收益率和因素呈现条件 同方差分布时，从而会夸大参数估计精度（Suresh ,2000）；另外，虽然当收益率和因素服 从独立正态同分布时，极大似然估计能够避免二阶段横截面回归所导致的缺点，但如果独立 正态分布的假设不能得到满足，极大似然估计并不是有效的（Jagannathan和Wang，1998）。 而现实中，资产收益率和宏观经济参数呈现的数据特征为条件异方差、跨期不独立和非正态 分布，在这样的条件下，广义矩估计法更有效，广义矩法（GMM）允许收益率和因素数据特 征为条件异方差，跨期不独立和非正态(Hansen,1996)，因此，本文分析使用广义矩估计法 进行参数估计。应用广义矩估计方法，CAPM资产定价模型具有以下几个矩约束：
开放经济下随机折现因子对经济周期与经济波动的解释能力
开放经济下随机折现因子对经济周期与经济波动的解释能力2013年02月25日14:24 来源：《投资研究》2012年3期作者：吴贾徐舒袁景安字号打印纠错分享推荐浏览量 104 【内容提要】本文通过研究随机折现因子(SDF)与经济周期以及经济波动的关系，旨在探索金融市场与宏观经济的内在联系。
我们构建了一个开放经济定价模型(OEAP model)，将汇率、通货膨胀率、国内消费以及市场收益率纳入统一的框架内，探讨SDF对经济周期及经济波动的解释能力。
基于模型的估计结果表明在开放经济的模型假设下SDF具有显著的反周期特点并且SDF的波动性方差可以作为衡量经济波动一个很好的指标。
另外，模型的模拟结果表明，相对于封闭经济假设下的Epstein-Zin模型，OEAP模型对消费具有更好的拟合效果，这说明OEAP 模型对SDF具有更准确的估计。
【关键词】开放经济随机折现因子经济周期消费一、引言对经济周期以及经济波动的研究一直是经济学中的热点问题。
面对当今国际金融市场动荡不安以及世界经济复苏的不确定性，能够准确把脉经济态势，测度经济的波动无疑是我国经济平稳发展所面临的一个巨大挑战。
美国1929年至1933年的大萧条为研究经济周期和经济波动铺就了道路，并形成了许多成熟的理论，比如经济周期波动理论，纯货币理论，货币投资过度理论等。
在当代，仍有许多学者对这一问题进行研究，如Rebelo(2005)，Justiniano和Primiceri(2008)。
这些理论都具有广泛的影响力，它们共同之处是从宏观经济角度来研究经济周期。
随着金融市场的发展，它在一国经济中的作用日益凸显。
金融市场作为资源配置和管理风险的重要工具，对一国的经济发展有重要作用。
同样，金融市场中的潜在风险与摩擦也会阻碍经济的健康有序发展。
由于股票市场在金融市场中的重要地位，因此，金融学领域对经济周期的研究常常与股票市场相联系。
国外已有不少学者对股票市场与经济周期的关系进行过研究。
具有随机折现因子的资产定价方法
具有随机折现因子的资产定价方法摘要】本文简要介绍了资产定价理论的发展，主要分析了随机折现因子模型。
在一定的假设条件下，根据随机折现因子方法的基本理论，推导出传统的CAPM模型。
初步分析了随机折现因子与风险溢价的关系、波动率边界、因子结构等特征。
【关键词】资产定价；随机折现因子；套利定价；CAPMRandom factor is discounted pricing of assetsLiu Dan【Abstract】This paper introduces the development of the theory of asset pricing, mainly of random discount factor model. In certain assumptions, the discount factor based on random method of the basic theory, derived traditional CAPM model. Preliminary analysis of a random discount factor and the risk premium, volatility borders, and other characteristics of the structure.【Key words】Asset pricing; Arbitrage pricing; Stochastic discount factor; CAPM 资产定价理论是用于解释在未来存在不确定条件下资产的均衡价格，是现代金融理论核心内容，也是近几十年来现代金融理论中发展最快的一个领域。
资产定价模型主要分为两大类：均衡定价模型和套利定价模型。
均衡定价模型主要目的是寻找风险溢价的真正来源，模型主要包括一些影响市场经济结构的宏观经济变量。
均衡定价模型要求的假设条件严格，比较难于理解，CAPM、ICAPM、CCAPM都属于均衡定价模型。
微观金融
交易成本或信号理论，和随后重视公司的制度安排的代理理论，这个以资本成本为基础的
研究体系完整地反映在公司金融学教科书中。三、微观金融学和其他学科的交叉学科。微
观金融和数学形成的数理金融学和金融计量学；微观金融和心理学、生理学和组织行为学
提供资金和资本 (To Raise or Provide Funds or Capital)。如何筹集、谁愿意提供、供
求关系到底由什么来决定是其定义的侧重点。Steven Ross概括了现代Finance的四大课题
：收益和风险(Arrow-Debru均衡和无套利假设)、效率市场（理性人与等价鞅测度）、金融
使一国资本成本的最小化，也体现了金融学的终极目标，而且宏观金融涉及的变量更多更
复杂，研究起来丝毫不比微观金融难，而微观金融则是将宏观环境变量作为外生变量，相
对而言问题简单。关于宏观金融研究问题，我们另文讨论。下面重点讨论微观金融的研究
问题。
微观金融学作为一个学科有其基础研究和应用研究，而国内将金融学划归为应用经济
而金融工程（就是《连续时间金融》里的内容）用数学比较多，建议楼主往这方面发展。
网上流传很广的一篇文章《一个CCER研究生的学习感悟》，里面有段是讲金融学的学习方法的
金融学学习经验
主要阐述偏研究和偏实务的不同学习策略，可能适用的书籍、网址和其他资源，强调不能,只关注直接融资，忽视其他融资方式，割裂的分析金融市场。
（二）一些促进思考的途径
1．找一个bbs经常灌水，最好是当版主，关注每日动态，而且应该尝试对消息做一个分析和评论，写作能强迫你认真的分析，加深对现象的理解。
股权风险溢价之谜的中国例证——基于标准C-CAPM模型的实证研究
股权风险溢价之谜的中国例证——基于标准C-CAPM模型的实证研究郑晓亚【摘要】结合全局与分段样本,利用H-J方差界的思想综合考察标准模型对我国自股票市场成立以来的历史数据的解释效力,探讨我国是否存在如西方国家资本市场一样的股权溢价之谜.实证结果发现,通过实际市场数据得出的主要考察参数在模型设定的合理参数取值范围之外,标准模型在分段与全局样本中均不能对我国1992年1月至2012年12月的股权风险溢价提供有效的解释.【期刊名称】《湖南财政经济学院学报》【年(卷),期】2014(030)002【总页数】10页(P137-146)【关键词】股权风险溢价之谜;标准C-CAPM模型;随机贴现因子;H-J方差下界【作者】郑晓亚【作者单位】中国建设银行股份有限公司,北京100033【正文语种】中文【中图分类】F830.91资产定价理论告诉我们，一项资产的风险溢价与其市场风险成正比。
作为早期资产定价理论核心研究成果的CAPM模型在一个单期静态的设定下，利用风险资产对市场组合的β值来衡量这一市场风险，进而决定其带来的风险溢价。
在这样的条件下，CAPM模型中的投资者们无疑是孤立且封闭的，他们只在一个局部且狭隘的资本市场范围内关注自己的投资组合，而不关心自己投资组合的收益是否会与市场以外的其他因素存在关联。
来自现实的资本市场经验表明，当宏观经济形势走低时，如市场组合收益下降，投资者的财富出现缩水，自然的结果是消费降低，此时市场组合的增量收益为投资者带来的边际效用会放大。
从这个意义上说，宏观经济与资本市场的资产收益和投资者效用之间，或许存在一个以消费为纽带的传导机制。
基于消费的CAPM模型的出现正式为资产定价理论打通了这一传导机制。
作为CAPM模型的一般化①，C－CAPM一方面借助跨期的设定为变量赋予了动态性，克服了CAPM模型单期设定中的局限性，在投资者的市场选择对象中引入了具有不确定性收益的有价证券等资产，因而投资者在一个不确定性的环境下做出的决策与现实情况更为贴近;另一方面，C－CAPM模型将消费引入效用函数设定并与跨期设定相结合，使C－CAPM模型中的投资者需要在即期消费与未来消费之间，或是即期消费与即期投资之间做出选择，故而将资产的系统性风险与经济状态 (即消费)联系了起来，并将风险定义为投资者消费增长对证券收益变化反应的敏感程度，寻求这一风险对资产收益和风险溢价的影响。
《金融资产定价》第2讲-资产定价基础知识解析
西南财经大学金融学院
朱波
zhubo1977@
Asset Pricing
2 绝对定价与 相对定价
西南财经大学金融学院
朱波
zhubo1977@
Asset Pricing
讨论
CAPM模型？ 思想？ 解释效果？ 缺陷？
西南财经大学金融学院
朱波
zhubo1977@
西南财经大学金融学院 朱波 zhubo1977@
Asset Pricing
资产定价理论的建立
马柯维茨(Markowitz，1952,1956, 1959) 的资产组 合理论是基础：均值方差模型。 托宾（1958）：分离定理
夏普（Sharp，1963） :抛弃全协方差模型，建立指 数模型。夏普（Sharp，1963） :CAPM
在学术框架中，绝对方法是最为普通的，其中我们实 证地运用资产定价理论，来对为什么它们的价格是这样的 作出经济解释，或者为了预言当政策或经济结构改变时， 价格可能怎样变化。
西南财经大学金融学院 朱波 zhubo1977@
Asset Pricing
在相对定价中，我们问一个毫不含糊的 问题：给定某种资产的价格后，我们可 能对另一种资产的价值得知什么。 我们不问给定的资产的价格是怎么来的， 并且我们尽可能少地运用有关基本风险 因子的信息。Black-Scholes 期权定价 是这种方法的经典例子。一旦限定范围， 这种方法在许多应用中提供精确定价。
(相信市场、维护市场有效性与公开性、创设更多金融工 具来表达金融信息；相信自己)
影响资产定价的基本因素
（时间与不确定性（信息与能力））
资产定价的基本框架（权利义务组合 分析与SDF/GMM框架）
西南财经大学金融学院
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
sdf 模型随机折现因子
SDF模型（随机折现因子）在金融领域中扮演着重要的角色。
它是评估资产或项目的价值和风险的一种数学模型，用于计算现金流的现值。
本文将对SDF模型进行详细介绍，并探讨其应用和意义。
一、SDF模型的概念和原理
SDF模型全称为Stochastic Discount Factor模型，即随机折现因子模型。
它是一种衡量风险和回报之间关系的工具。
该模型基于资本市场上的资产定价理论，通过计算未来现金流的现值来确定资产的价格。
SDF模型假设投资者关注的是未来现金流的风险，而不是风险本身。
因此，通过计算现金流的折现值，可以得出资产的合理价格。
SDF模型的核心思想是风险溢价。
它认为，投资者对风险资产的需求取决于预期回报和风险溢价之间的平衡。
风险溢价是指资产预期回报与无风险资产回报之间的差异，它反映了投资者对风险的偏好程度。
SDF模型通过引入风险溢价来解释资产价格的形成和波动。
二、SDF模型的应用和意义
1. 资产定价：SDF模型是金融市场中广泛使用的资产定价模型之一。
它可以用于计算不同风险资产的合理价格，并帮助投资者做出投资决策。
通过SDF模型，投资者可以评估资产的风险和回报，并选择
最优的投资组合。
2. 风险管理：SDF模型可以帮助投资者进行风险管理和资产配置。
通过计算不同资产的风险溢价，投资者可以选择适合自己风险偏好的投资组合。
同时，SDF模型还可以帮助投资者识别和评估不同风险因素对资产价格的影响，从而制定相应的风险管理策略。
3. 金融工程：SDF模型在金融工程领域中也有广泛的应用。
它可以用于衍生品定价、期权定价、对冲策略设计等。
通过SDF模型，金融工程师可以计算衍生品的合理价格，并设计相应的交易策略，实现风险的有效对冲和套利。
4. 经济政策：SDF模型在宏观经济政策制定中也具有重要意义。
通过计算不同经济变量的风险溢价，政策制定者可以评估政策对经济的影响，并制定相应的调控措施。
SDF模型可以帮助政策制定者理解经济波动的原因和机制，从而更好地制定和实施经济政策。
三、SDF模型的局限性和挑战
尽管SDF模型在金融领域中具有广泛的应用，但它也存在一些局限性和挑战。
首先，SDF模型假设投资者的决策是理性的，能够准确评估风险和回报。
然而，现实中投资者的决策可能受到情绪、认知偏差等因素的影响，导致模型预测的偏差。
SDF模型对市场信息的要求较高，需要大量的数据和准确的预测。
然而，由于金融市场的不确定性和复杂性，很难准确预测未来的收益和风险。
这给SDF模型的应用带来了一定的困难。
SDF模型还存在对假设的依赖性和参数的敏感性。
模型的结果可能会受到假设的合理性和参数的选择所影响，因此需要谨慎使用和解释。
总结起来，SDF模型作为一种衡量资产价值和风险的数学模型，在金融领域中具有重要的应用价值。
它可以帮助投资者理解资产价格形成的机制，评估资产的风险和回报，做出合理的投资决策。
然而，SDF模型也存在一定的局限性和挑战，需要在实际应用中加以注意和克服。
通过不断改进和完善SDF模型，可以提高其在金融领域中的应用效果，为投资者和决策者提供更准确和可靠的信息支持。