資產定價理論實證研究及其發展

王靜

摘 要：迄今為止，學術界關于風險—收益關系的實證研究始終未能取得一致、穩健的結論。本文對當前國內外學術界的相關實證研究進行了全面的梳理和分類，根據實證結論將已有文獻大致分成了三類：風險與收益正相關、風險與收益負相關以及風險與收益不相關或關系較為復雜。本文重點探討了國內學術界的研究現狀，并認為從行為角度出發進行風險與收益權衡關系的理論與實證研究是極具潛力的研究方向。

關鍵詞：風險—收益關系；波動性；GARCH模型

中圖分類號：F830 文獻標識碼：A 文章編號：1674-2265（2015）03-0010-08

一、資產定價理論的誕生及發展歷程

股票市場的風險—收益關系長久以來被認為是金融理論研究的重中之重。然而，欲解決這一問題，必須先追溯至資產定價理論的誕生。資產定價理論之所以能夠成為一個專門的研究領域而被確立下來，是許多經濟學家共同努力的成果。早期的工作主要是針對不確定性條件下量化模型的建立提出一些構想。例如，費雪（Fisher，1906）首次提出了可以用概率分布來描述未來資產收益的不確定性。資產定價理論的定量分析始于馬科維茨（Markowitz，1952）的證券組合投資理論。在有效市場假說的前提下，馬科維茨在他的博士論文中提出了一套完整的“均值—方差”分析框架，建立了投資者行為的規范化模式，標志著現代組合投資理論的開端。他將概率論與數學規劃完美地結合在一起，合理假設證券收益率服從正態分布，因而得以用均值表示收益，方差表示風險，從數學上明確地定義了投資者偏好。這樣，一個原本亟待解決的復雜問題：如何在給定期望收益率的情況下，使得投資組合風險最低①，就被歸結成一個簡單的二次規劃求最優解問題，即均值—方差分析。

基于馬科維茨的“均值—方差”分析框架，夏普等（Sharpe等，1964）創造發展出資本資產定價模型（Capital Asset Pricing Model，CAPM），將針對單個投資者的微觀主體研究轉向關于整個市場的研究，并由此與馬科維茨分享了1990年度的諾貝爾經濟學獎。CAPM模型旨在求解風險資產收益率與其風險之間的數量關系，即為了補償某種程度的風險，投資者應該獲得多少報酬。模型將風險分為兩部分：系統性風險及非系統性風險。因為非系統性風險可以被多樣化投資完全分散掉，因此就只有系統性風險（β）需要得到補償，繼而風險資產的期望收益率就等于其系統性風險溢價與無風險資產收益率之和，風險與收益之間存在簡單的線性正相關關系。

CAPM模型對資產的風險—收益關系提供了一個簡單的理論框架。在此基礎上，一些學者通過放寬某些假設，得到了CAPM的擴展形式。其中，布萊克（Black，1972）發展了無風險資產借入受限條件下的均衡關系——零β CAPM模型；默頓（Merton，1973）和布里登（Breeden，1979）分別引入了跨期概念和消費者效用理論，提出了跨期CAPM模型（Intertemporal CAPM，ICAPM）和基于消費的CAPM模型（Consumption CAPM，CCAPM），推廣了馬科維茨的“均值—方差”理論。隨著研究的深入，布萊克和斯科爾斯（Black和Scholes，1973）以及羅斯（Ross，1976）相繼提出了期權定價模型（Option Pricing Model，OPM）和套利定價模型（Arbitrage Pricing Theory，APT），大大推進了風險—收益關系的理論研究。這些理論模型構成了資產定價理論的主體，在此基礎上又衍生出許多分支，經過幾十年的不斷完善和發展，已然形成一個相當完備的理論體系，被學界統稱為“經典（傳統）資產定價理論”。

二、資產定價理論的實證檢驗

理論研究的推進與實證關系的檢驗總是密不可分的。CAPM模型最重要的意義之一就是建立了資產的風險—收益權衡關系，為投資者從直覺上得到的為承擔額外風險而應得的風險補償給出了量化分析。因而，在此后的數十年間，學者們不遺余力地對風險—收益關系進行了大量的實證檢驗。遺憾的是，學者們始終未能取得一致、穩健的結論。對此，哈維（Harvey，2001）表示以往的研究結果并非是結論性的，因為它們在很大程度上依賴于研究所選取的模型、外生變量以及所得推論；類似地，格希爾斯等（Ghysels等，2005）曾指出，現有研究所出現的矛盾性結論主要是由于采用了不同的條件方差估計方法；波勒斯勒夫和周（Bollerslev和Zhou，2006）也表達了同樣的觀點，他們認為風險—收益關系的實證結論對波動率的構造方法比較敏感。

本文對以往相關文獻進行了大量的閱讀和梳理，借鑒余和袁（Yu和Yuan，2011）的思路，根據其實證結論將已有文獻大致分成了三類：風險與收益正相關、風險與收益負相關以及風險與收益不相關或關系較為復雜。

（一）國外相關研究綜述

1. 風險與收益正相關。20世紀60年代中期，在馬科維茨“均值—方差”分析框架的基礎上，夏普（1964）、林特納（Lintner，1965）和莫欣（Mossin，1966）提出了資本資產定價模型（CAPM），描述了風險與收益之間存在的簡單的線性正相關關系。此后默頓（1973）運用動態規劃原理和伊藤隨機分析技術將CAPM發展為跨期資本資產定價模型（ICAPM），建立了一個連續時間的資產定價理論框架，研究風險與收益的跨期關系。在ICAPM中，投資者追求的不再是當期效用的最大化，而是一生效用的最大化。1980年，默頓進一步研究發現資產的條件期望收益率與條件方差正相關，為后續的大量實證研究奠定了堅實的理論基礎，而風險與收益之間具有正相關性也逐漸成為學界的主流觀點。

弗蘭奇等（French等，1987）運用滾動窗口模型（Rolling Window Model，RW），以1928—1984年美國S&P500日收益率數據為樣本，檢驗了股票收益率與波動性之間的關系。他們用月度方差來表示收益率的波動性，并將其劃分為可預期及不可預期兩部分，最后通過ARMA和ARCH-M模型進行了檢驗。結果表明，預期收益與可預期波動性顯著正相關，而不可預期收益則與不可預期波動性顯著負相關，分別從正面和側面證明了市場預期收益和波動性之間的正相關關系。

坎貝爾和亨切爾（Campbell和Hentschel，1992）首次創造出一個QGARCH（Quadratic GARCH）模型來檢驗波動性的反饋效應，結果發現它對收益率幾乎沒有影響，然而在波動劇烈時期，這種影響會變得格外顯著，導致了風險與收益之間的正相關關系。

哈里森和張（Harrison和Zhang，1999）運用加蘭特和圖什（Gallant和Tauchen，1989）的半參數估計方法和蒙特卡洛模擬發現收益的條件均值和波動性在長期存在顯著的正相關關系，但是在短期（例如，一個月）卻無顯著相關性。

格希爾斯（2005）等人則認為，對ICAPM模型的實證檢驗之所以未能取得一致的結論，主要原因在于使用了不同的條件方差模型。他們提出用混合數據抽樣方法（Mixed Data Sampling，MIDAS）來估計美國股市的月度條件方差，結果發現用這種新方法估計的條件方差與條件均值之間存在顯著的正相關關系。此外，相對于滾動窗口模型（RW）和GARCH模型而言，MIDAS能夠更好地估計條件方差。

巴里和彭（Bali和Peng，2006）用高頻數據檢驗了風險與收益之間的跨期關系。基于日度數據的GARCH模型表明，市場收益的條件均值與條件波動之間高度正相關，且十分穩健。

郭和懷特洛（Guo和Whitelaw，2006）認為預期收益由兩部分構成，分別是風險部分和套期保值部分。基于ICAPM的研究結果表明，投資者的相對風險規避系數為正，說明風險與收益之間具有正相關性。針對以往研究結論出現風險—收益關系為負或不相關的現象，郭和懷特洛認為是由于忽略了預期收益中的套期保值成分所致。

倫布拉德（Lundblad，2007）則認為，現有風險—收益關系實證研究所出現的矛盾性結論是小樣本造成的統計偏誤。于是，他運用美國股市近兩個世紀（1836—2003年）的歷史數據研究了風險與收益之間的權衡關系，結果發現二者之間具有顯著的正相關性，并且這種關系是時變的，無法被美國經濟狀況的歷史走勢所解釋。

江和李（Jiang和Lee，2014）認為，風險—收益跨期關系的研究必須保證對預期超額收益和條件波動的估計要基于同一個信息集，這一點曾在默頓（1973）的理論設定中被隱晦地提及過，卻往往被后期的實證研究所忽略。為了解決這個問題，江和李構建了一個二元移動平均代表性（Bivariate Moving Average Representation，BMAR）時間序列模型，采用同一信息集進行預期收益和條件方差的聯合估計。他們的研究結論支持二者之間存在顯著的正相關關系，且具有很強的穩健性。

以上實證研究都是針對美國股票市場進行的，除此之外，學者們也將研究范圍擴大到了國際股票市場。

帕斯特等（Pastor等，2008）以資本隱含成本（Implied Cost of Capital，ICC）度量股票收益的條件均值，對G7②國家股票市場的風險—收益關系進行了實證檢驗。結果發現，不管在國家水平還是世界水平上，他們的結論都強烈支持均值—方差之間存在跨期的正相關性。

郭和尼利（Guo和Neely，2008）運用CGARCH（Component GARCH）模型分析了美國等19個成熟資本市場的風險—收益權衡關系，結果發現二者之間存在顯著的正相關性，尤其是長期波動性對風險溢價起到了主導作用。

2. 風險與收益負相關。雖然傳統的資產定價理論（例如：CPAM，ICAPM和APT等）認為高風險會帶來高收益，即風險與收益之間存在正相關關系，但是在實證檢驗中，還是有許多學者找到了相反的證據，表明風險與收益之間具有負相關性。

坎貝爾（1987）運用美國股票市場1959—1979年和1979—1983年兩個時期的月度數據進行研究，發現利率的期限結構可以用于預測股票的超額收益，基于這一事實，他對一些簡單的資產定價模型進行了檢驗。大量證據表明，條件方差是時變的，且與股票收益的條件均值之間存在負相關關系。

針對當前GARCH模型中存在的若干不足，尤其是其無法刻畫收益率條件方差波動的非對稱性這一問題，尼爾森（Nelson，1991）首次提出了EGARCH（Exponential GARCH）模型，修正了GARCH模型的條件方差表達式，使之能夠捕捉波動性正負沖擊所帶來的非對稱性效應，將最早由布萊克（1976）提出的“杠桿效應”量化，結果發現風險與收益之間存在負相關關系，即同等強度的利空消息要比利好消息引發更大的市場波動，進而導致風險與收益負相關。

佩根和洪（Pagan和Hong，1991）使用了非參數方法進行研究，這樣可以得到不依賴于具體函數形式假定的條件方差估計，以避免參數估計過程中出現的變量效應，實證結論支持風險與收益之間存在負相關關系。

懷特洛（1994）用4個金融變量③估計股票收益（月度、季度和年度）的條件一階矩和二階矩，發現二者之間的關系是非對稱的：滯后的波動性與未來預期收益之間顯著正相關，而滯后的預期收益與未來的波動性之間顯著負相關。懷特洛認為這一實證結果應該引起學術界的質疑——當前對預期收益與波動性之間同期關系的研究是否具有價值及正當性。在交換經濟的一般均衡框架下，懷特洛（2000）用消費增長數據進行估計，構建了一個兩時期（two-regime）消費增長自回歸模型。模型生成了一種復雜的、非線性的風險—收益關系，表明預期收益和條件波動之間存在時變的負相關關系，與理性預期相一致。

不依賴于任何外生變量，勃蘭特和康（Brandt和Kang，2004）使用一個潛在的VAR過程來研究預期收益和風險之間的同期及跨期關系。結果表明，條件化預期收益及波動于同期時為強烈負相關，于跨期時則隨經濟周期的變動而變化，使得夏普比率呈現逆經濟周期的變動趨勢。然而，盡管條件均值及波動性之間的同期關系顯著為負，二者之間的非條件同期關系卻是顯著為正的。勃蘭特和康認為這一重要區別能夠解釋風險—收益同期關系研究結論的分歧。

3. 風險與收益不相關或關系較為復雜。除了單向的正相關和負相關之外，學者們還發現風險和收益之間可能是不相關、正相關和負相關同時存在，甚至是其他更復雜的情況。例如，陳等（Chan等，1992）認為預期收益與條件方差之間不存在顯著相關性；特納等（Turner等，1989）和格羅斯頓等（Glosten等，1993）同時發現了正相關和負相關；哈維（2001）和基努恩（Kinnunen，2014）雖然報告了單向顯著性，卻是十分不穩定的。

陳等（1992）研究發現美國市場上資產的風險溢價受到國外市場的嚴重影響。他們采用了二元GARCH-M過程進行了進一步檢驗，結果發現在美國市場上股票的條件預期收益與自身的條件方差無關，卻與國外市場指數的協方差正相關。

特納等人（1989）利用一階馬爾科夫過程生成了一個狀態變量，由此將投資組合超額收益的方差區分為兩種狀態：高方差和低方差。結果發現，如果模型中的經濟主體已知未來的方差狀態，那么此種設定下將會產生兩類風險溢價，第一類④為正，第二類⑤為負；反之，如果將模型擴展至允許經濟主體對未來的方差狀態不確定，此時參數估計的結果與傳統資產定價理論相一致，即超額收益與條件波動正相關。因此，特納等人總結認為，由于經濟主體無法一直準確預測市場方差，故而與方差狀態有關的信息就顯得尤為重要，它能夠解釋整體收益。

格羅斯頓等人（1993）運用標準的GARCH-M模型進行估計，結果表明超額收益的條件均值與條件方差之間存在微弱的正相關性；同時，基于 坎貝爾（1987）的工具變量模型（Instrumental Variable Model）的估計結果又表明二者之間是負相關的。對此，格羅斯頓等人認為標準的GARCH-M模型是錯誤的設定，而其他的備擇設定能夠在這兩種結果之間起到調節的作用。

哈維（2001）認為條件均值與條件方差之間的關系依賴于方差估計時所用到的信息。實證結果表明，如果對條件方差和條件均值的估計是基于同一信息集，那么二者之間的關系表現為負相關。此外，參數和非參數分析都表明，條件均值與條件方差的比率具有明顯的經濟周期模式：在經濟低迷時，投資者會對每單位波動要求較高的預期收益；反之，則會要求較低的預期收益。

基努恩（2014）認為已有實證結論的復雜結果可能是由多種原因造成的，其中自相關的作用往往被學者們忽略。于是，他在ICAPM的基礎上構建了一個新模型，重新考察風險—收益權衡以及自相關對美國股票市場預期收益的時變解釋力。模型發現了正的風險—收益關系，但是其重要性卻是隨信息流水平的變動而變化的，后者以波動性來衡量。在低波動時期，收益的持續性增加，導致了純粹的風險—收益關系無法解釋預期收益。

（二）國內相關研究綜述

由于我國股票市場成立于20世紀90年代初期，落后于西方國家將近200年，因而我國學術界對風險—收益關系的實證研究起步較晚。然而，伴隨著股市在國民經濟中的地位愈發重要，相關研究也如火如荼地進行著，迄今為止已累積了十分豐富的學術成果。與西方學術界類似，學者們對于我國股票市場上風險—收益關系的研究結論也未能達成一致，甚至出現了更為復雜的局面。

1. 風險與收益正相關。徐劍剛和唐國興（1995）用GARCH-M模型檢驗了上海和深圳股票市場的風險—收益關系。實證結果支持兩個股市的每日股票收益與市場波動之間存在顯著的正相關性，不過投資者相對風險厭惡系數的估計值均小于1，表明我國股票市場具有較強的投機性，尤以滬市為甚。

陳浪南和黃杰鯤（2002）主要研究了深圳股票市場收益波動的非對稱性。他們采用GJR GARCH-M模型，從實證角度分析了利好消息和利空消息對深市的非對稱影響?？紤]到我國股市具有明顯的階段性特征，該研究運用了ICSS法則⑥從收益率序列中尋找到3個波動性發生突變的點，以此將樣本區間劃分為4個時段，分別進行了實證檢驗。研究結果表明，投資者相對風險厭惡系數的估計值始終為正，并且隨著時間的推移單調遞增，顯著性也逐漸提高，最終在第3個時段（1997.7—2000.3）達到在10%的顯著性水平下顯著。以上研究成果很好地證明了深圳股票市場的發展正在日益完善，投機成分不斷減少，同時投資者的行為也漸趨理性和成熟。

田華和曹家和（2003）的研究結論與徐劍剛和唐國興（1995）大致相同，滬深兩市均存在顯著為正的風險—收益關系，投資者對于風險會要求一定的補償，但是遠低于英美等成熟市場的投資者，仍然具有投機傾向。

陳守東等人（2003）以上證綜指和深圳成指為研究對象，運用GARCH-M模型檢驗了滬深股市收益率及其波動性之間的關系。研究結果表明，滬深股市都存在顯著的正向風險溢價，高風險要求高收益。此外，滬市的風險溢價要明顯地高于深市。這說明相比于深市投資者，滬市投資者會要求更高的風險補償。

華仁海和丁秀玲（2003）檢驗的對象也是上證綜指和深圳成指，不過他們采用的是EGARCH-M模型。模型的估計結果表明，深市的風險與收益之間具有強烈的正相關關系，滬市的相關關系雖然也為正，但是并不顯著。

劉勇和周宏（2005）以上證綜指為研究對象，考察了上海股票市場風險—收益關系的時變特征?？紤]到不同的交易制度對投資者的交易行為和股市的波動有著顯著不同的影響，于是他們選取的樣本區間是從1996年12月16日開始，這一天我國股票市場正式開始實行漲跌停板限價交易制度，同時也屬于“T+1”交易制度時期。劉勇和周宏（2005）在研究中共使用了三種模型，分別是GARCH-M模型、非對稱的GARCH-M模型⑦以及推廣的非對稱GARCH-M模型⑧。實證結果表明，三種模型的估計結果都支持上海股票市場存在顯著為正的風險—收益關系，高風險要求高回報。

類似地，陳娟和沈曉棟（2005）也考慮到交易制度對股市的影響，因此他們以1996年12月16日為界限，分別檢驗了這一天前后兩個不同的時期內市場的風險—收益關系，研究對象為上證綜指和深圳成指。GARCH（1，1）-M模型的估計結果表明，滬深兩市均存在顯著為正的風險溢價。具體而言，滬市的風險溢價要高于深市，實行漲跌停板之后的市場風險溢價要高于實行漲跌停板之前。前者說明相比于深市，滬市的投資者會要求更高的風險補償；后者意味著漲跌停板制度確實會幫助投資者的交易行為趨于理性。

格希爾斯等人（2005）認為，相對于滾動窗口模型（RW）和GARCH模型而言，混頻抽樣方法（MDAS）能夠更好地估計條件方差。因此，陳夢根（2013）將其運用于我國滬深股票市場的風險—收益關系檢驗，同時也與傳統的GARCH-M模型進行了比較?；贛DAS的結果表明，滬深兩市月度和周度頻率的風險與收益之間呈顯著的正相關關系；而GARCH-M模型的結果則顯示出二者之間只存在微弱的正相關性。

2. 風險與收益負相關。張思奇等人（2000）以1992年1月至1998年6月30日期間的上證A股指數為樣本，對我國股票市場的日收益序列行為進行了分析。研究發現上海A股市場存在明顯的ARCH效應，但相對風險厭惡系數的估計值并不顯著，而且為負數，表明上海A股市場的風險與收益之間呈現微弱的負相關關系。此外，張思奇等人（2000）還根據時間將總樣本劃分為兩個區間子樣本⑨，進一步的分析表明上海A股市場在兩段子樣本區間內呈現出明顯不同的收益均值和條件方差，這意味著上海A股市場的風險—收益關系具有一定程度的階段性。

游宗君等人（2010）認為SV-M模型（隨機波動率—均值模型）比GARCH-M類模型更適合用于考察收益與波動的同期關系，因為前者考慮了來自波動率同期因素的隨機沖擊。SV-M模型的估計結果表明，整體上滬深股市的收益與同期波動之間存在顯著的負相關關系。不過具體而言，兩市的這種負相關關系在我國實行漲跌停板交易制度之前是不明顯的，但在實行漲跌停板交易制度之后卻變得異常顯著。游宗君等人（2010）認為這一現象可以由弗蘭奇等（French等，1987）提出的反饋效應來解釋，而漲跌停板交易制度在某種程度上加強了這一效應。

王鵬（2011）的研究和游宗君等人（2000）的研究非常類似，同樣采用的是SV-M模型。不過，稍微區別于游宗君等人（2000）的實證結果，王鵬（2011）的研究結論表明雖然上證綜指的波動率對其風險溢價有負向影響，但卻是十分微弱的，并不顯著。

3. 風險與收益不相關或關系較為復雜。何興強和孫群燕（2003）分別運用GJR-M和EGARCH-M模型檢驗了上證綜指、深證綜指和深圳成指的風險—收益關系。研究發現，在GJR-M模型的估計結果中，三種指數的風險厭惡系數的估計值在統計上都不顯著；EGARCH-M模型的統計結果雖然顯著，但是參數的估計值非常小，不具備經濟意義上的顯著性。同時，從模型估計的對數似然值和SBC統計量的結果可見，GJR-M模型的擬合效果顯然優于EGARCH-M模型，因此前者的估計結果更具有說服力。綜上，何興強和孫群燕認為我國股市不存在顯著的風險—收益關系，投機傾向嚴重。

汪孟海和周愛民（2009）研究的主要目的是檢驗我國股市投資者的反饋交易行為。其中，兩種GJR-GARCH模型的估計結果都表明上海股票交易市場不存在顯著的風險—收益關系。

劉金全和崔暢（2002）以滬深兩市股票數據為樣本的研究結果表明，滬深兩市的股票指數之間存在明顯的協整關系，具有共同的長期趨勢，兩市的投資收益緊密相關。然而，GARCH-M模型的估計結果顯示出兩市投資者的風險偏好程度是不同的：滬市相對風險厭惡系數的估計值為負數，但并不顯著，表明投資者整體上并不十分保守，風險中性程度較高，甚至存在微弱的風險偏好；深市相對風險厭惡系數的估計值顯著為正，表明投資者是風險厭惡的，要求正的風險補償，高風險與高收益相伴而行。

陳工孟和芮萌（2003）的研究較為全面，結論也比較復雜，其GARCH-M與EGARCH-M模型的估計結果非常類似：上海A股市場存在顯著為負的風險—收益關系，而其他市場（上海B股市場、深圳A股市場及深圳B股市場）的情況則不確定，有正有負，但是統計上都不顯著。

左浩苗和劉振濤（2011）在檢驗已實現波動率與預期收益之間的關系時，將整體波動中的連續成分和跳躍成分區分開來，考察不同性質的波動成分對預期收益的影響。基于高頻數據的實證結果表明，兩種波動成分都應該被定價，區別在于連續性波動得到了正的風險補償，而跳躍性波動得到了負的風險補償，整體上已實現方差對預期收益沒有解釋力。

對于風險—收益關系實證結果的分歧，一種可能的解釋是弗蘭奇等人（1987）提出的波動率反饋效應。該理論將風險—收益關系的總效應分解成兩部分：風險溢價效應和波動率反饋效應。前者通過投資者預期影響下一期收益，后者則對當期收益產生影響。王天一等人（2014）正是從這一角度出發，運用APARCH-NIG⑩模型，對上證綜指、深證成指以及滬深300指數的日超額收益率序列進行了風險—收益關系的實證檢驗。研究結果表明，三只指數都存在明顯的正風險溢價效應和負波動率反饋效應。然而，對二者進行加總后，僅有深證成指表現出顯著為正的風險—收益關系，其他兩只指數都不具有顯著性。此外，在2008年金融危機之后，投資者表現出更強的風險溢價需求，這種變化甚至抵消了波動率反饋效應的影響，使得風險與收益之間的正相關性顯著加強。王天一等人認為，這種現象可能是由于金融危機之后人們對于風險持有更謹慎的態度所致。

三、結論

綜上，通過回顧國內學術界關于我國股票市場風險—收益關系的實證研究，我們發現，學者們的研究結論莫衷一是、未能達成一致，可若是細心歸納總結，一些規律和共識還是有跡可循。

首先，GARCH類模型仍然是目前主流的研究方法。若以檢驗市場的風險—收益關系為主要目的，那么GARCH-M和EGARCH-M模型當屬首推（例如：徐劍剛和唐國興，1995；華仁海和丁秀玲，2003；陳工孟和芮萌，2003）；若想側重研究市場波動的非對稱性，那么可以考慮GJR型GARCH-M模型（例如：陳浪南和黃杰鯤，2002）。除此之外，近些年來也有少數學者認為有些估計方法要優于GARCH類模型，例如MDAS方法和SV-M模型。雖然迄今為止他們并沒能夠取代GARCH類模型的主導地位，但是作者認為不妨考慮在研究中將其作為穩健性檢驗，畢竟已有許多學者發現風險—收益關系的實證結論敏感依賴于條件方差的估計方法（例如：格希爾斯等人，2005；波勒斯勒夫和周，2006）。

其次，上海股票市場和深圳股票市場的研究結論往往不同。例如，劉金全和崔暢（2002）的研究表明滬市的風險與收益之間存在微弱的負相關關系，而深市則是顯著正相關；陳工孟和芮萌（2003）則發現在我國股票市場中，只有上海A股市場存在顯著的風險—收益關系，而且是負向關系；華仁海和丁秀玲（2003）認為深市的風險與收益之間具有強烈的正相關性，而滬市的風險—收益關系并不密切；王天一等人（2014）對上證綜指、深圳成指和滬深300指數的日收益率序列進行檢驗后發現，僅有深證成指表現出顯著為正的風險—收益關系，其他兩只指數都不具有顯著性。對于這種現象，王天一等人（2014）給出了一種可能的解釋，他們認為這是由于滬深兩市上市公司定位不同所造成的。上交所的定位是主板市場，上市公司多為大型成熟企業，市值較大，主要適合國內外大基金、大機構進行價值投資與長期投資；深交所的定位是中小板和創業板市場，上市公司成長性高，市值較小，可能更適合主動型基金、對沖基金等機構進行短期投資。

最后，我國股票市場風險與收益之間的實證關系具有階段性特征。例如，陳浪南和黃杰鯤（2002）的研究結果表明，投資者相對風險厭惡系數的估計值和顯著性均隨著時間的推移而呈現單調遞增的趨勢；劉勇和周宏（2005）、陳娟和沈曉棟（2005）以及游宗君等人（2010）都認為交易制度——尤其是漲跌停板限價交易制度對股票市場有著重要的影響，而實證結論也表明風險—收益關系在實行漲跌停板交易制度前后具有不同的表現；王天一等人（2014）則著重考察風險與收益之間的權衡關系是否受到金融危機的影響，答案也是肯定的。由此可見，盡管基于不同的劃分依據，但可以肯定的是，我國股票市場上的風險—收益關系確實具有階段性特征，不容忽視。

綜上所述，本文認為以上三點對于我國股票市場的定價研究是非常重要的，在研究中應予以充分考慮。除此之外，已有許多學者目前在風險—收益關系上的實證分歧未嘗不是對傳統資產定價理論的一種挑戰。與標準金融學理論的理性人假設不同，市場上有許多投資者是非理性的，他們的價值觀、教育程度、人生經歷、情緒波動等主觀因素都會影響他們對資產風險的估計，進而影響市場的風險—收益關系。因此，本文認為不妨考慮從行為金融學的角度出發去研究資產定價問題，這或許是未來主流的研究方向。

注：

①或“如何在給定風險的情況下，使得投資組合的期望收益最大”。

② G7國家包括美國、英國、法國、德國、加拿大、意大利和日本。

③這4個金融變量分別為：Baa-Aaa債券收益利差、商業票據—國庫券收益利差、一年期國債收益率以及股利收益率。

④第一類風險溢價：低方差狀態下的收益均值與無風險資產收益之差。

⑤第二類風險溢價：高方差狀態下增加的風險所要求的必要收益補償。

⑥ICSS法則（迭代累計平方和法則，Iterated Cumulative Sums of Squares algorithm）。

⑦即GJR型GARCH-M模型。

⑧即在GJR型GARCH-M模型的條件方差方程中新加入無風險利率作為解釋變量。

⑨兩個區間子樣本分別為1992年1月2日至1995年3月9日和1995年3月10日至1998年6月30日。

⑩王和楊（Wang和Yang，2013）提出了一種能夠將波動率反饋效應引入GARCH-M模型的分析框架。由于該框架借鑒了丁等（Ding等，1993）提出的APARCH（Asymmetric Power ARCH）模型刻畫杠桿效應并使用正態逆高斯分布（Normal Inverse Gaussian Distribution，NIG）作為殘差分布，因此王天一等人（2014）稱其為APARCH-NIG模型。

參考文獻：

[1]Bali，T.G.，Peng，L.，2006.Is There a Risk-return Trade-off？ Evidence from High-frequency Data.Journal of Applied Econometrics，21（8）.

[2]Bollerslev，T.，Zhou，H.，2006.Volatility Puzzles：A Simple Framework for Gauging Return-volatility Regressions. Journal of Econometrics，131.

[3]Brandt，M.W.，Kang，Q.，2004.On the Relationship between the Conditional Mean and Volatility of Stock Returns：A Latent VAR Approach. Journal of Financial Economics，72（2）.

[4]Campbell，J.Y.，1987.Stock Returns and Term Structure. Journal of Financial Economics，18（2）.

[5]Campbell，J.Y.，Hentschel，L.，1992.No News Is Good News：An Asymmetric Model of Changing Volatility in Stock Returns. Journal of Financial Economics， 31.

[6]Chan，K.C.，Karolyi，G.A.，Stulz，R.M.， 1992. Global Financial Markets and the Risk Premium on US Equity. Journal of Financial Economics，32（2）.

[7]French，K.R.，Schwert，W.，Stambaugh，R.F.，1987. Expected Stock Returns and Volatility.Journal of Financial Economics， 19（1）.

[8]Ghysel，E.，Santa-Clara，P.，Valkanov，R.，2005. There Is a Risk-return Tradeoff After All. Journal of Financial Economics， 76.

[9]Glosten，L.R.，Jagannathan，R.，Runkle，D.E.，1993. On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks. The Journal of Finance，48（5）.

[10]Guo，H.，Whitelaw， R.F.，2006. Uncovering the Risk-return Relation in the Stock Market. Journal of Finance，61（3）.

[11]Guo，H.，Neely，C.J.，2008. Investigating the Intertemporal Risk-return Relation in International Stock Markets with the Component GARCH Model. Economics Letters， 99.

[12]Harrison，P.，Zhang，H.，1999.An Investigation of the Risk and Return Relation at Long Horizon. Review of Economics and Statistics， 81.

[13]Harvey，C.R.，2001. The Specification of Conditional Expectations. Journal of Empirical Finance，8.

[14]Jiang，X.，Lee，B.S.，2014. The Intertemporal Risk-return Relation：A Bivariate Model Approach. Journal of Financial Markets，18.

[15]Kinnunen J.，2014. Risk-return Trade-off and Serial Correlation：Do Volume and Volatility Matter？. Journal of Financial Markets，20.

[16]Lundblad，C.T.，2007. The Risk Return Tradeoff in the Long-run：1836-2003. Journal of Financial Economics，85.

[17]Nelson，D.B.，1991. Conditional Heteroskedasticity in Asset Returns：A New Approach. Econometrica， 59.

[18]Pastor，L.，Sinha，M.，Swaminathan，B.，2008. Estimating the Intertemporal Risk-return Tradeoff Using the Implied Cost of Capital. Journal of Finance，63.

[19]Turner，C.M.，1989. A Markov Model of Heteroskedasticity，Risk，and Learning in the Stock Market. Journal of Financial Economics，25（1）.

[20]Whitelaw，R.F.，1994. Time Variation and Covariances in the Expectation and Volatility of Stock Market Returns. Journal of Finance，49.

[21]Whitelaw，R.F.，2000. Stock Market Risk and Return： An Equilibrium Approach. The Review of Financial Studies Fall，13（30）.

[22]Yu，J.，Yuan，Y.，2011. Investor Sentiment and the Mean-variance Relation. Journal of Financial Economics， 100.

[23]陳工孟，芮萌.中國股票市場的股票收益與波動關系研究[J].系統工程理論與實踐，2003，（10）.

[24]陳娟，沈曉棟.中國股票市場收益率與波動性的階段性研究[J].統計與決策，2005，（4）.

[25]陳浪南，黃杰鯤.中國股票市場波動非對稱性的實證研究[J].金融研究，2002，（5）.

[26]陳夢根.基于混頻抽樣方法的股市風險—收益關系研究[J].當代財經，2013，（11）.

[27]陳守東，陳雷，劉艷武.中國滬深股市收益率及波動性相關分析[J].金融研究，2003，（7）.

[28]華仁海，丁秀玲.我國股票市場收益、交易量、波動性動態關系的實證分析[J].財貿經濟，2003，（12）.

[29]何興強，孫群燕.中國股票市場的杠桿效應和風險收益權衡[J].南方經濟，2003，（9）.

[30]劉金全，崔暢.中國滬深股市收益率和波動性的實證分析[J].經濟學（季刊），2002，（7）.

[31]劉勇，周宏.上海股票市場時變的風險收益關系研究[J].會計研究，2005，（12）.

[32]田華，曹家和.中國股票市場報酬與波動的GARCH-M模型[J].系統工程理論與實踐，2003，（8）.

[33]汪孟海，周愛民.中國股市自相關性與反饋交易行為實證研究[J].南開經濟研究，2009，（3）.

[34]王鵬.基于SV-M模型的股票市場風險溢價與波動關系研究[J].管理評論，2011，（23）.

[35]王天一，劉浩，黃卓.中國股票市場的風險收益關系研究——基于波動率反饋和APARCH-NIG模型的新視角[J].浙江社會科學，2014，（10）.

[36]徐劍剛，唐國興.我國股票市場報酬與波動的GARCH-M模型[J].數量經濟技術經濟研究，1995，（12）.

[37]游宗君，王鵬，石建昌.中國股票市場的收益與波動關系[J].系統管理學報，2010，（4）.

[38]左浩苗，劉振濤.跳躍風險度量及其在風險—收益關系檢驗中的應用[J].金融研究，2011，（10）.

[39]張思奇，馬剛，冉華.股票市場風險、收益與市場效率——ARMA-ARCH-M模型[J].世界經濟，2000，（5）.