均值—方差前沿与beta表达式.pptVIP

第一部分 资产定价理论 第五章 均值－方差前沿和 beta 表达式 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * 本章要点 许多资产定价中的经验研究论文是用期望收益－beta 表达式和均值－方差前沿的语言来写的。这一章介绍期望收益－beta 表达式和均值－方差前沿。 我在这里讨论因子定价模型的 beta 表达式。第六章指出期望收益－beta 模型是如何等价于一个折现因子为 m=b’f 的线性模型。第九章讨论诸如 CAPM, ICAPM 和 APT 那样的流行因子模型的推导。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * 本章要点（续） 我对均值－方差前沿概述了经典的 Lagrange 方法。然后，我引入由 Hansen and Richard (1987) 提出的均值－方差前沿的强有力而有用的表达式。这个表达式由存在定理来运用熟知的状态空间几何。在无限维偿付空间 (当我们再加上条件信息、动态交易或者期权时，我们将立即遇到这样的空间) 中，它也成立，因而它也很有用。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * 5.1 期望收益－beta 表达式 因子定价模型的期望收益－beta表达式为 该模型等价于一种限制：在时间序列回归中对于所有资产的截距是一样的。 许多金融学中的经验研究是用线性因子定价模型的期望收益－beta 表达式来写的。其形式为 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * ? 项的计算 ? 项定义为下列收益关于因子的多重回归中的系数， 它通常称为时间序列回归。“因子” f 是边际效用增长的代理。第九章中将讨论它从哪里来。 这个回归式并不是用来预测收益，其目标是度量当前关系或风险暴露。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * ? 与 ? 是公共的 在期望收益－ beta 表达式中， ? 与 ? 是公共的。模型表明，? 越高，资产的平均收益就越高。 ? 也可解释为风险暴露。 模型可说成是：“每单位关于风险因子a 的暴露 ?, 你必须向投资者提供期望收益溢价 。” Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * 怎样估计 ? 与 ?？ 自由参数 ? 与 ?的估计是通过平均收益关于 beta 的横截面回归： 是定价误差。模型的预测是 为零。因此，它应该在检验中统计上是不显著的，经济上很小。以后将专门讨论基于平方定价误差和的统计检验。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * ? 的含义 ? 是回归系数的事实极为重要。如果 ? 也是自由参数，那么模型就没有任何内容。 更为重要的是， ? 不可能是资产或公司专有的特征，例如公司规模，BTM比，或者（取极端状况）其标记的第一个字母等等那样的特征。 期望收益确实联系或相关许多这样的特征，但是这种相关性必须用某些 ? 回归系数来解释。 真正的 ? 应该导出横截面回归中的特征。它刻划的是你的行为，而并非说你是谁。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspos