资产定价中的风险溢价测度方法.docxVIP

资产定价中的风险溢价测度方法

引言

走进证券营业部的大厅，常能听到老股民们围坐讨论：“这只股票涨得凶，可风险也大，到底值不值得买？”年轻的基金经理在深夜复盘时，也会对着电脑屏幕皱眉：“模型算出的预期收益和实际差了一截，是不是风险溢价的测度出了问题？”这些场景背后，都指向资产定价领域最核心的命题之一——风险溢价的测度。

风险溢价，简单来说就是投资者承担风险所要求的额外补偿。买国债几乎无风险，收益低；买股票可能大亏，但预期收益更高，这两者的收益差就是股票的风险溢价。它像一把“定价标尺”，小到个人买基金，大到机构配置资产，甚至宏观经济政策制定，都需要准确测度风险溢价。本文将沿着“从理论到方法、从传统到前沿”的脉络，深入拆解这一关键指标的测度逻辑，力争让读者既理解学术内核，又能感知其在真实市场中的温度。

一、风险溢价的理论根基：理解“补偿”的本质

要测度风险溢价，首先得明白它从何而来。这得从资产定价的基础理论说起。

1.1风险与收益的朴素关联：从直觉到模型

人类最早对风险溢价的认知，源于“不冒风险就没超额收益”的朴素经验。古代商人长途贩运丝绸，要承担土匪抢劫、货物损毁的风险，所以预期利润必须高于本地倒卖；现代投资者买股票，要面对公司倒闭、市场暴跌的风险，自然要求收益超过无风险的国债。这种“风险-收益权衡”的直觉，在20世纪被学者们提炼成严谨的金融理论。

1.2经典模型中的风险溢价：CAPM与APT的启示

资本资产定价模型（CAPM）是第一个系统解释风险溢价的模型。它提出，资产的风险溢价等于市场风险溢价乘以该资产的β系数。这里的β系数反映资产收益与市场整体波动的相关性——β越大，资产受市场波动影响越大，投资者要求的补偿就越高。打个比方，白酒股的β通常比公用事业股高（前者随市场涨跌更剧烈），所以其风险溢价也更高。

但CAPM假设所有风险都能用市场波动（系统性风险）解释，忽略了其他因素。套利定价理论（APT）更灵活，认为风险溢价由多个系统性因子（如利率、通胀、行业景气度）共同驱动。比如，科技股的风险溢价可能同时受市场波动、利率变化、半导体周期等因子影响。这些模型虽各有局限，却为测度提供了核心框架：风险溢价是“系统性风险的函数”，测度的关键是识别并量化这些风险源。

1.3风险溢价的动态性：市场情绪与经济周期的扰动

现实中的风险溢价并非静态数值。2008年金融危机时，投资者恐慌抛售股票，股票风险溢价骤升（因为大家要求更高补偿才愿持有）；经济复苏期，风险偏好上升，风险溢价又会回落。这提示我们：测度方法不能“刻舟求剑”，必须考虑市场情绪、宏观周期等动态因素。

二、风险溢价的测度方法：从历史数据到预期建模

有了理论框架，具体怎么测度？学界和实务界发展出四大类方法，各有优劣，适用场景也不同。

2.1历史法：用过去的“风险补偿”推断未来

这是最直观的方法：计算某类资产（如股票）过去较长时间的平均收益，减去同期无风险利率（如国债收益率），得到历史平均风险溢价，作为未来的估计值。

操作步骤：假设要测度A股股票的风险溢价，首先选取10年或更长时间的股票指数（如沪深300）的年化收益率，再计算同期10年期国债的年化收益率，两者的差值就是历史风险溢价。

优势：数据易得、计算简单，符合“历史会重演”的经验思维。很多养老金、保险资金的长期资产配置，至今仍用这种方法做基准。

局限：第一，历史不代表未来。2000年美国科技股泡沫破灭前，美股历史风险溢价很高，但泡沫破裂后，未来预期溢价大幅下降。第二，存在“幸存者偏差”——只计算现存股票的收益，忽略了退市或破产公司的损失，会高估历史溢价。第三，经济结构变化会改变风险特征。例如，过去20年中国从工业主导转向科技主导，股票的系统性风险来源已不同，单纯用历史数据可能失真。

2.2横截面回归法：用资产间的差异“倒推”风险溢价

这种方法基于APT的思想：如果风险溢价由多个因子驱动，那么不同资产的收益差异应能反映这些因子的风险价格（即每个因子对应的风险溢价）。

操作逻辑：假设选取N只股票，收集它们的收益数据和K个风险因子（如市值、账面市值比、动量）的暴露值，通过回归分析，得到每个因子的系数（即该因子的风险溢价）。例如，若“小市值因子”的系数为3%，意味着每多承担1单位小市值风险，投资者要求3%的额外收益。

优势：能识别多个风险源，比CAPM更贴近现实。Fama-French三因子模型（市值、账面市值比、市场风险）和五因子模型（加入盈利、投资风格）就是这类方法的典型应用，被全球基金经理广泛用于业绩归因和资产定价。

挑战：第一，因子选择有主观性。选哪些因子（如是否加入ESG因子）、如何定义因子（如用流通市值还是总市值），不同研究者可能得出不同结果。第二，因子间可能存在共线性。比如“市值”和“流动性”因子高度相关，会干扰回归结果的准