CCAPM相对风险厌恶系数的估计.docxVIP

CCAPM相对风险厌恶系数的估计

引言

在现代金融经济学中，消费资本资产定价模型（CCAPM）是连接消费决策与资产价格的核心理论工具。它通过刻画代表性个体在跨期消费与投资中的最优选择行为，为理解资产收益的形成机制提供了微观基础。而在CCAPM的理论框架中，相对风险厌恶系数（RelativeRiskAversionCoefficient，简称RRA）是最关键的参数之一。这一系数不仅直接反映了个体对风险的厌恶程度，更通过影响消费的跨期替代弹性，深刻影响着资产定价的均衡结果。如何准确估计相对风险厌恶系数，始终是学术界关注的焦点问题。本文将围绕这一主题，从理论基础、估计方法演进、实证挑战与改进等维度展开系统分析，试图勾勒出这一参数估计的完整图景。

一、CCAPM模型的理论基础与相对风险厌恶系数的经济含义

（一）跨期消费-资产定价的核心逻辑

CCAPM的理论起点是代表性个体的跨期效用最大化问题。假设个体在每个时期选择消费与投资组合，以最大化其一生效用的期望现值。效用函数通常被设定为时间可分的形式，即各期效用仅取决于当期消费，且未来效用通过时间贴现因子进行折现。在这种设定下，个体的最优决策会满足“欧拉方程”——这是连接当期消费与未来消费、资产收益的核心条件。具体而言，对于任意无风险资产或风险资产，其预期收益与消费边际效用的跨期变化存在严格的等式关系。这一等式的经济学直觉是：个体通过调整当前消费与未来消费的比例，使得持有资产的边际收益（未来消费增加带来的效用提升）等于边际成本（当前消费减少带来的效用损失）。

（二）相对风险厌恶系数的定义与作用

在效用函数的具体形式中，相对风险厌恶系数被定义为效用函数二阶导数与一阶导数的比值乘以消费，即RRA=-c·u’‘(c)/u’(c)（此处用文字描述替代公式）。这一指标衡量了个体在消费变化时的风险厌恶程度：当RRA值越大，个体对消费波动的敏感性越高，越倾向于规避风险；反之则更愿意承担风险以换取更高收益。在CCAPM中，相对风险厌恶系数直接决定了消费增长与资产收益之间的关系强度。例如，当个体的风险厌恶程度较高时，即使消费的小幅波动也会导致资产价格的显著变化，因为个体需要更高的风险溢价来补偿消费不确定性带来的效用损失。

（三）参数估计的现实意义

从学术研究角度看，准确估计相对风险厌恶系数是验证CCAPM解释力的关键环节。早期研究发现，基于CCAPM的理论模型往往无法匹配现实中的资产收益特征（如股权溢价之谜），而这一矛盾常被归因于对RRA的错误估计或模型设定的缺陷。从政策与实践角度看，RRA的估计结果对养老金投资策略、保险产品定价、金融风险监管等领域具有重要参考价值。例如，若某一群体的RRA较高，金融机构在设计理财产品时需更注重本金安全；若RRA较低，则可适当增加高风险高收益资产的配置比例。

二、相对风险厌恶系数的估计方法演进

（一）早期简单回归法：基于欧拉方程的直接估计

CCAPM的欧拉方程为估计RRA提供了最直接的路径。早期研究通常假设效用函数为常相对风险厌恶（CRRA）形式，即u(c)=c^(1-γ)/(1-γ)（γ为RRA系数），此时欧拉方程可简化为资产收益与消费增长率的线性关系。研究者通过收集消费数据（如人均非耐用品消费、服务消费）与对应资产收益数据（如股票指数收益、国债收益），构建回归模型，将RRA作为待估参数进行估计。例如，选取某一时期的季度消费数据与股票月收益率，通过最小二乘法拟合方程，得到γ的估计值。

这种方法的优势在于操作简便，直接利用理论模型推导的计量方程，易于理解和复制。但局限性也十分明显：一方面，消费数据存在严重的测量误差——官方统计的消费数据多为加总数据，且非耐用品与服务的划分可能忽略了个体消费的异质性；另一方面，模型假设过于严格，如完全市场、代表性个体、无交易成本等，与现实经济环境存在较大偏差。实证结果显示，早期研究得到的RRA估计值差异极大，部分研究甚至得出负数或超过100的极端值，这显然与经济直觉不符。

（二）工具变量法：解决内生性问题的改进尝试

针对早期回归法的缺陷，学者们意识到消费增长率与资产收益可能存在内生性问题——两者可能同时受到未观测到的经济冲击（如技术进步、政策变动）影响，导致普通最小二乘法估计结果有偏。为解决这一问题，工具变量法被引入估计过程。工具变量需要满足两个条件：与内生解释变量（消费增长率）高度相关，且与误差项不相关。常见的工具变量包括滞后的消费增长率、利率、产出缺口等宏观经济变量。

工具变量法的应用显著提升了估计结果的合理性。例如，有研究使用滞后两期的消费增长率作为工具变量，将RRA的估计值从早期的极端值降低至5-15的区间，更符合理论预期。但工具变量法的有效性依赖于工具变量的质量，若工具变量与误差项存在弱相关或遗漏变量问题，估计结果仍可能