資產(chǎn)定價核還原方法的算符表述及其應(yīng)用——以中國股票市場泡沫診斷為例

林 黎

(華東理工大學(xué) 商學(xué)院,金融工程研究所,上海 200237)

?

資產(chǎn)定價核還原方法的算符表述及其應(yīng)用
——以中國股票市場泡沫診斷為例

林 黎

(華東理工大學(xué) 商學(xué)院,金融工程研究所,上海 200237)

摘要：傳統(tǒng)金融工程技術(shù)能夠得到風(fēng)險中性概率，但如果不還原出表征市場風(fēng)險偏好結(jié)構(gòu)的定價核,無法進一步得到真實概率。圍繞定價核的還原研究，近年來出現(xiàn)兩類不同的方法：Ross的矩陣法，Carr和Yu的微分方程法。前者求解矩陣最大特征值,后者求解方程最小特征值。本文通過引入狀態(tài)轉(zhuǎn)移定價算符，探討這兩種方法的內(nèi)在聯(lián)系，給出統(tǒng)一表述的還原法：求解定價算符特征方程, 其最大實特征值對應(yīng)市場貼現(xiàn)率，而特征函數(shù)代表各狀態(tài)下的基準風(fēng)險溢價水平。作為應(yīng)用，本文研究了我國2005～2007年股市泡沫下的定價核，估計出各行業(yè)的風(fēng)險補償和貼現(xiàn)要求，證實了泡沫過程中貨幣幻覺存在性。

關(guān)鍵詞：風(fēng)險中性概率；定價核還原；股市泡沫；算符特征方程

1引言

資產(chǎn)動態(tài)定價的核心問題之一是估計資產(chǎn)未來變化的真實概率。當(dāng)前流行的方法是在定價核框架下研究此問題。定價核， 也稱為隨機折現(xiàn)因子[1]，其倒數(shù)對應(yīng)著所謂基準計價投資組合在未來的價值[2]。資產(chǎn)定價基本定理表明，對于任何無套利機會的金融市場，必然存在著定價核[3]。以定價核來計價的資產(chǎn)，期望收益率都一致地等于無風(fēng)險利率，這是因為定價核平衡了各狀態(tài)間風(fēng)險溢價的差異[4]。本質(zhì)上，定價核可視為市場潛在的唯一系統(tǒng)性變動因素，對資產(chǎn)收益與波動的預(yù)測也最終可劃歸為定價核動態(tài)性質(zhì)的確定上。

然而，由于定價核本身不可觀測，對定價核的量化在實際中很難操作。一種變通的做法是將其拆解為若干風(fēng)險因子的線性疊加，通過對風(fēng)險因子的度量來間接衡量定價核水平，比如Fama-French三因子模型[5]或Mark提出的四因子模型[6]，但這樣無法保證所選因子的完備性。另一種方法是干脆繞過定價核的確定，利用金融工程技術(shù)剝離出的狀態(tài)價格，然后計算風(fēng)險中性概率作為資產(chǎn)變化真實概率的預(yù)測。但中性概率僅度量了市場對各狀態(tài)的風(fēng)險對沖偏好。比如，算出市場下月下跌超過10%的風(fēng)險中性概率為0.8，而下跌不超過10%的風(fēng)險中性概率僅為0.01，這一事實僅表明， 相對于后一種情形，市場在整體上更多地愿意去對沖下月下跌10%的風(fēng)險。此時，為進一步確定真實概率必須明確市場在各狀態(tài)上的偏好結(jié)構(gòu)，而這又回到定價核的確定上。實際上，用風(fēng)險中性概率作為真實概率的預(yù)測隱含假設(shè)定價核與市場狀態(tài)無關(guān)，這過于牽強。

最近，Ross找到了一種將定價核與真實概率從風(fēng)險中性概率中分離出來的方法，稱為“還原定 理”[7]。這一方法建立在離散狀態(tài)的基礎(chǔ)上，用矩陣運算來表達。主要思路是從狀態(tài)轉(zhuǎn)移價格矩陣解出其最大特征根和特征向量。假設(shè)投資者滿足Von Neumann期望效用法則，且都運用時間可分、 狀態(tài)間獨立的效用函數(shù)來決策，Ross證明了，如果狀態(tài)驅(qū)動因子為離散的齊時Markov鏈，那么最大特征根剛好就是市場貼現(xiàn)率，而特征向量的分量也恰好可以用來構(gòu)造出狀態(tài)轉(zhuǎn)移定價核。由于狀態(tài)轉(zhuǎn)移價格矩陣為非負實方陣，Perron-Frobenius 定理在此可以保證其實值解的存在唯一性和定價核的非負性[8,9]。同時，Ross的方法還可進一步獲得風(fēng)險中性狀態(tài)轉(zhuǎn)移概率和真實的狀態(tài)轉(zhuǎn)移概率。另一方面，Carr和Yu[10]也給出了一套定價核的還原方法，但是此方法建立在連續(xù)狀態(tài)的基礎(chǔ)上，用微分方程來表達。該方法以風(fēng)險中性概率測度下定價核滿足的微分方程為基礎(chǔ)，將定價核還原轉(zhuǎn)化為求解Sturm-Liouville特征值問題。只要定價核有界，那么Sturm-Liouville方程的最小特征值剛好對應(yīng)著定價核變動的時間趨勢，而方程的特征函數(shù)就是定價核的倒數(shù)。此時Sturm-Liouville定理可以保證該問題有實值解[11]。該方法與 Ross還原方法非常類似，然而后者需要求解最大特征值，可前者則需要求解特征值，兩種不同形式的方法之間的聯(lián)系與區(qū)別尚有待進一步探尋。

本文研究發(fā)現(xiàn)，通過引入狀態(tài)轉(zhuǎn)移價格算符，建立定價核還原的算符表述，可將Ross，Carr和Yu的方法歸納為統(tǒng)一的形式。一方面，Ross的還原法等價于求解一個用有限維狀態(tài)轉(zhuǎn)移價格算符來表述的特征方程。另一方面，當(dāng)狀態(tài)轉(zhuǎn)移過程為連續(xù)狀態(tài)的齊時Markov過程時，狀態(tài)轉(zhuǎn)移價格算符自然變?yōu)槲⒎炙惴Ｅc此同時，Carr和Yu的微分方程也變形到統(tǒng)一表述法下的算符特征方程形式。由此可見，兩種不同的方法僅是不同算符形式的特例，Ross的方法對應(yīng)矩陣算符，而Carr和Yu的方法對應(yīng)微分算符。不過，估測矩陣型狀態(tài)價格轉(zhuǎn)移算符需要首先估計狀態(tài)定價密度，這通常采用交替最小二乘法 (Alternating Least Square)，但估計結(jié)果非常不穩(wěn)定[12]。而估測微分狀態(tài)價格轉(zhuǎn)移算符是去求解估計狀態(tài)因子風(fēng)險中性方程，這方面的方法則相對成熟許多，可參見文獻[13～16]。另外，微分方程法的待估參數(shù)數(shù)量也顯著小于矩陣算符的參數(shù)數(shù)量。因此，本文實證部分將采用微分算符的形式。

國內(nèi)學(xué)者對于定價核的研究在早期多限于理論探討的范疇，如肖輝和吳沖鋒[17]，臨海和鄭振龍[18]的研究。近年來，也出現(xiàn)了一些基于定價核的資產(chǎn)定價實證研究，吳鑫育等[19]的權(quán)證定價研究，鄒高峰等[20]基于從前景理論的價值函數(shù)出發(fā)建立的PTCAPM模型，以及張玉龍和李怡宗[21]在分解出流動性特征和流動性風(fēng)險基礎(chǔ)上建立的SDF-LCAPM模型，但這些研究都事先假設(shè)好定價核所滿足特定的動態(tài)行為，沒能夠用數(shù)據(jù)說明定價核為何取定為該形式。李仲飛和高金窯[22]在模型不確定的情形下通過一般均衡推導(dǎo)出了定價核的一個潛在形式，但并未見相應(yīng)的實證結(jié)果。直接利用實際數(shù)據(jù)估計出市場中定價核大小及其行為的研究仍較為鮮見。

2定價核還原方法

2.1Ross的定價核還原方法

Gφ=δφ

(1)

證明首先,從期望效用最優(yōu)化出發(fā),所解出的Euler方程組可在形式上規(guī)簡,思路如下

(2)

(3)

2.2Carr和Yu的定價核還原方法

(4)

同時φ(x)滿足微分方程

(5)

Carr和Yu發(fā)現(xiàn),上述方程可變形為如下所謂的Sturm-Liouville方程

x∈(xmin,xmax),w(x)>0

(6)

3狀態(tài)轉(zhuǎn)移價格算符與定價核還原方法的統(tǒng)一表述

由前述討論可看出,Ross[7]的方法與Carr和Yu[10]的方法在形式上非常不同,前者須求解矩陣 特征值方程獲得最大特征值,而后者須求解特征方程獲取最小特征值。不僅如此,Carr的方法在推 導(dǎo)時并不事先要求設(shè)定投資者的偏好特征。本節(jié)將證明,在引入狀態(tài)轉(zhuǎn)移價格算符Gx后,兩種方法實際上服從相同的算符方程，他們只是不同算符設(shè)定下的特例。

線性算符Gx的含義很明顯,未來價格(可視為未來或有價值)通過它變換后恰好是當(dāng)前的價格,因此它是齊時Markov過程下的定價算符,x對應(yīng)市場狀態(tài)。當(dāng)市場完全且無套利機會時,算符存在且唯一。當(dāng)市場不完全時,該算符可以有無限多個。

命題2[算符的具體形式]

(1)當(dāng)x為有n個可選狀態(tài)的離散Markov鏈時,算符Gx退化為矩陣[ηij]n×n；

證明根據(jù)命題的形式分情況證明,

(1)當(dāng)x為離散可選狀態(tài)的離散Markov鏈時,Hilbert空間變?yōu)橛邢蘧S歐氏空間,St(x)退化為有 限維向量。同時令Gx中的分量ηij表示在t-1時市場處于狀態(tài)i時能夠提供出的狀態(tài)證券ADij——當(dāng)未來狀態(tài)轉(zhuǎn)移到j(luò)時就支付 1 元的價格,則算符Gx變?yōu)闋顟B(tài)轉(zhuǎn)移價格矩陣G。顯然，G滿足GSt=St-1=St-, 因此GxSt=St-；

證明先分開討論Ross的方法與Carr和Yu的方法，最后證明λmax≈1時,兩種方法的結(jié)果近似相等。

從命題3可以看出,Ross方法與Carr和Yu的還原方法僅是算符形式表述方法在市場不同Markov過程設(shè)定下的特例。只要算符為已知,求解算符特征方程即可得到市場內(nèi)部要求的貼現(xiàn)率, 而特征向量(函數(shù))則反映了狀態(tài)間的風(fēng)險調(diào)節(jié)關(guān)系。另外,雖然Carr和Yu的方法未引入效用, 其實風(fēng)險偏好已隱含在算符Gx中a(x)和b(x)的形式設(shè)定上，因為這些參數(shù)決定了算符在不同狀態(tài)上的相對比值,間接表征了市場對于不同狀態(tài)的偏好程度。需要說明的是,算符形式的表述同樣要求市場無套利機會，不過在實際應(yīng)用時并無需保證市場的完全性，只要設(shè)定出驅(qū)動市場狀態(tài)變化的因子即可。

4應(yīng)用定價核還原法分析股市價格泡沫

我們基于上述提出的微分算符對中國2005～2007年股市泡沫進行了實證。統(tǒng)一選取2005年9月1日作為實證窗口起點,而窗口的終點選為其未來3年內(nèi)的到達歷史最高點交易日的前一天,由于我國此輪泡沫大致在2008年初破滅, 所以絕大多數(shù)的窗口終點都集中在2007年9月至2008年1月之間。實證時選取的資產(chǎn)組合為兩支市場指數(shù)以及27支細分的行業(yè)板塊指數(shù)。我們認為對于泡沫中的每一板塊都存在著不同定價核,因為每個板塊對應(yīng)的臨界時距演化不盡相同。rf選取為當(dāng)時的一年期活期存款日利率,數(shù)值為0.0081/365≈2.2×10-5。

估計的結(jié)果在表1中顯示。表中的第5列給出了估計結(jié)果所對應(yīng)的對數(shù)極大似然值(相反數(shù)),第6列給出的是泡沫膨脹的冪指數(shù),其數(shù)值越大表明資產(chǎn)的增值越快,結(jié)果顯示,在此輪泡沫中的房地產(chǎn)、銀行類、煤炭石油、機械、建材、農(nóng)林牧漁、外貿(mào)及有色金屬板塊泡沫積累速度較高。第10列給出的μτ是τ在真實概率下的時間趨勢，表明泡沫破滅的迫近趨勢。可以看出,兩市股指、房地產(chǎn)、機械指數(shù)中的泡沫更快地趨于破滅。表最后兩列分別列出了所還原出的定價核φ(τ)的冪指數(shù)和市場要求的貼現(xiàn)率,冪指數(shù)的絕對值越大代表市場對于臨界時點逼近越敏感,即單位臨界時距變化上所要求的風(fēng)險補償越大。實證結(jié)果可見,兩市場指數(shù)對于泡沫的破滅更為敏感，而行業(yè)板塊中,較敏感的則是房地產(chǎn)、機械及有色金屬板塊。同時估計出的市場貼現(xiàn)率均為大于1。這揭示了泡沫中存在著貨幣幻覺——錯置地認為未來的時間價值要更高，因為只要泡沫不破滅，資產(chǎn)增值就將遠超無風(fēng)險利率，交易者們因此會忽略潛在的崩盤損失風(fēng)險，不急于拋售而更愿意騎行在泡沫上期待未來增值，因此整體上市場更愿意在將來實現(xiàn)變現(xiàn),更為看重未來的價值。

表1　2005～2007年股市泡沫中兩市場指數(shù)及27個行業(yè)板塊股指的定價核還原分析

5結(jié)論

對于定價核還原方法和技術(shù)的研究,在國際上才剛剛起步,本文在梳理和探討Ross與Carr和Yu不同方法內(nèi)在聯(lián)系的基礎(chǔ)上,通過引入狀態(tài)轉(zhuǎn)移價格算符,用算符方程統(tǒng)一了兩種方法的表述形式。同時,我們給出了一個將統(tǒng)一表述應(yīng)用于泡沫建模的例子,通過求解算符特征方程,不僅能夠確定資產(chǎn)價格和定價核的運動形式,還可以分析泡沫的膨脹速度并對市場貼現(xiàn)率進行估測從而確定貨幣幻覺的存在性。

目前,定價核還原方法僅假設(shè)市場只由一個狀態(tài)因子所驅(qū)動,從理論上講,在算符中還可加入其他多個狀態(tài)因子,此時需要界定每一個狀態(tài)因子對應(yīng)適應(yīng)性條件,由此可得市場的貼現(xiàn)率是各因子對應(yīng)貼現(xiàn)率的疊加,市場的定價核大小則可通過各因子對應(yīng)定價核乘積來還原出。無論如何,定價核的還原方法研究還處于相當(dāng)初步的階段,很多問題尚待解決。比如,如何將鞅性(無套利)下的方法推廣到半鞅甚至更一般的情形;中國市場缺乏充足的衍生工具,如何合理構(gòu)建狀態(tài)轉(zhuǎn)移價格算符;如何將行為因素加入算符中,等等。這些問題給后續(xù)研究留下諸多機遇與挑戰(zhàn)。

參考文獻：

[1] Cochrane J H. Asset pricing[M]. Princeton: Princeton University Press, 2005. 1-22.

[2] Bajeux-Besnainou I, Prtait R. The numeraire portfolio: a new methodology for financial theory[J]. European Journal of Finance, 1997, 3(4): 291-309.

[3] Dybvig P H, Ross S A. Arbitrage, state prices and portfolio theory[J]. Handbook of the Economics of Finance, 2003, 1(1): 605- 637.

[4] Duffie D. Dynamic asset pricing theory[M]. Princeton: Princeton University Press, 2010.

[5] Fama E F, French K R. Common risk factors in the returns on stocks and bonds[J]. Journal of Financial Economics, 1993, 33(1): 3-56.

[6] Mark M. On persistence in mutual fund performance[J]. The Journal of Finance, 1997, 52(1): 57- 82.

[7] Ross S. The recovery theorem[J]. The Journal of Finance, 2015, 70(2): 615- 648.

[8] Perron O. Zur theorie der matrices[J]. Mathematische Annalen, 1907, 64(2): 248-263.

[9] Frobenius G. Uber matrizen aus nicht negativen elementen[A]. Sitzungsberichte der Kgl[C]. Preussischen Akademie der Wissenschaften zu Berlin, Berlin, 1912. 456- 465.

[10] Carr P, Yu J. Risk, return, and Ross recovery[J]. Journal of Derivatives, 2012, 20(1): 38-59.

[11] Al-Gwaiz M. Sturm-Liouville theory and its application[M]. Springer Undergraduate Mathematics Series, London: Springer Press, 2007. 67- 88.

[12] Spears T. On estimating the risk-neutral and real-world probability measures[D]. Oxford University MSc Thesis, Oxford, 2013.

[13] Vasicek O. An equilibrium characterization of the term structure[J]. Journal of Financial Economics, 1977, 5(2): 177-188.

[14] Eberlein E, Keller U. Hyperbolic distributions in finance[J]. Bernoulli, 1995, 1(3): 281-299.

[15] Kou S G. A jump-diffusion model for option pricing[J]. Management Science, 2002, 48(8): 1086-1101.

[16] Carr P, Nadtochiy S. Local variance gamma and explicit calibration to option prices[J]. Mathematical Finance, Forthcoming(Accepted), 2014.

[17] 肖輝,吳沖鋒.隨機折現(xiàn)因子分析[J].工業(yè)工程與管理,2004,(3):71-73,110.

[18] 林海,鄭振龍.動態(tài)風(fēng)險厭惡,隨機貼現(xiàn)因子與資產(chǎn)定價[J].當(dāng)代財經(jīng),2003,(9):5- 8.

[19] 吳鑫育,周海林,馬超群,等.基于隨機貼現(xiàn)因子方法的權(quán)證定價研究[J].中國管理科學(xué),2012,20(4):1-7.

[20] 鄒高峰,張維,張海峰,等.中國市場條件下的前景理論資本資產(chǎn)定價模型[J].系統(tǒng)工程學(xué)報,2013,28(3):355-361.

[21] 張玉龍,李怡宗.基于隨機折現(xiàn)因子方法的流動性定價機制研究[J].管理世界,2013,(6):35- 48.

[22] 李仲飛,高金窯.模型不確定性條件下的一般均衡定價[J].系統(tǒng)工程理論與實踐,2012,31(12):2272-2280.

[23] 林黎,任若恩.泡沫隨機臨界時點超指數(shù)膨脹模型:中國股市泡沫的檢測與識別[J].系統(tǒng)工程理論與實踐,2012,32(4):673- 684.

The Recovery Approach Based on State Transition Pricing Operator Application to the Diagnosing of Bubbles in China Stock Market

LIN Li

(InstituteofFinancialEngineering,BusinessSchool,EastChinaUniversityofScienceandTechnology,Shanghai200237,China)

Abstract:Conventional financial engineering technique only helps one to estimate risk-neutral probability. However, it is impossible to further obtain natural probability without recovering pricing kernel that reflecting the structure of risk aversion preference for the overall market. At present, two kinds of major approaches to recovery pricing kernel are presented, which are respectively matrix-based-method from Ross and differential equation method derived in Carr and Yu. The former relies on finding out the maximum eigenvalue, whereas the later works by searching the minimum eigenvalue. This paper discusses the internal relation-ship between these two kinds of approaches. By introducing the state transition pricing operator, the current two approaches can be uniformed to solve the operator eigenvalue equation, which eigenvalues and eigen-functions respectively indicate the inter-temporal discount rate and the required numeraire risk premium. As an application, the performance of stock bubbles for China between 2005 and 2007 is diagnosed. Except for estimating the risk compensation in different industry, we also confirm the presence of money illusion characterized by distorted discount rate.

Key words:risk-neutral probability; pricing-kernel recovery; stock bubbles; operator eigen-function

中圖分類號：F830.9

文獻標識碼：A

文章編號：1003-5192(2016)01- 0068- 07

doi：10.11847/fj.35.1.68

基金項目：國家自然科學(xué)基金青年資助項目(71301051);中央高校基本科研業(yè)務(wù)費-探索研究基金資助項目(WN1323004)

收稿日期：2015- 01-22