消费基础资产定价模型（CCAPM）的参数估计方法.docxVIP

消费基础资产定价模型（CCAPM）的参数估计方法

一、CCAPM的理论基础与参数界定

（一）CCAPM的核心思想与模型形式

消费基础资产定价模型（CCAPM）是资产定价领域的重要理论分支，其核心思想在于将资产收益与消费者的跨期消费决策相联系。与传统资本资产定价模型（CAPM）关注市场组合不同，CCAPM认为，投资者持有资产的目的是通过平滑不同时期的消费来最大化效用，因此资产的均衡价格应由消费增长的边际效用变化所决定。简单来说，当某资产在消费低迷期（边际效用高）能提供更高收益时，投资者愿意为其支付更高价格，反之则价格更低。

从模型形式上看，CCAPM的基础表达式可概括为：资产的期望超额收益与消费增长的协方差负相关。这一关系由代表性消费者的跨期效用最大化行为推导而来，其核心等式体现了“消费风险”对资产定价的主导作用——投资者承担的消费波动风险越高，要求的风险补偿（即资产收益）也越高。

（二）待估计参数的经济含义

在CCAPM的实际应用中，需要估计的关键参数主要包括两类：一类是描述消费者时间偏好的参数，另一类是刻画风险厌恶程度的参数。

时间偏好率（通常用β表示）反映了消费者对未来消费的折现程度。β值越接近1，说明消费者越重视未来消费，更倾向于延迟满足；β值越小，则消费者更偏好当前消费。这一参数直接影响跨期消费决策的权重分配，是模型中连接当前与未来的重要桥梁。

风险厌恶系数（通常用γ表示）是CCAPM中最受关注的参数，它衡量了消费者对消费波动的敏感程度。γ值越大，消费者越厌恶消费的不确定性，对承担消费风险的补偿要求也越高。例如，当γ=0时，消费者是风险中性的，资产收益仅由无风险利率决定；当γ增大时，资产的风险溢价会随着消费增长的波动性显著上升。

此外，部分扩展模型还会引入习惯形成参数、消费的跨期替代弹性等，这些参数共同构成了CCAPM的参数体系，其估计结果直接影响模型对现实资产价格的解释能力。

二、传统参数估计方法：以GMM为核心

（一）GMM估计的基本原理与步骤

广义矩估计（GMM）是CCAPM参数估计中最常用的传统方法，其核心思想是利用模型隐含的矩条件（即理论预测与实际数据的统计特征匹配）来估计参数。具体来说，CCAPM的均衡条件会导出一组关于消费增长、资产收益和待估参数的方程，这些方程在样本数据中的平均值（即矩）应尽可能接近零。GMM通过最小化这些矩的加权平方和，找到使理论与数据最匹配的参数值。

GMM的实施通常分为三个步骤：首先，确定模型隐含的矩条件。例如，CCAPM的基本矩条件可能包括“无风险利率与消费增长的边际效用折现的期望相等”“风险资产的超额收益与消费增长的协方差满足风险补偿关系”等。其次，选择工具变量。由于消费增长与资产收益可能存在内生性（如当期消费决策受资产收益预期影响），需要选取与误差项不相关但与解释变量高度相关的工具变量（如滞后的消费增长率、滞后的收入等）来构造正交条件。最后，构建目标函数并优化。通过加权矩阵（通常使用样本矩的协方差矩阵）对矩条件进行加权，最小化目标函数后得到参数估计值。

（二）GMM在CCAPM中的应用场景与优势

GMM在CCAPM参数估计中广受欢迎，主要源于其两大优势：一是对数据分布的弱假设。不同于极大似然估计（MLE）需要明确设定数据的概率分布（如正态分布），GMM仅要求矩条件成立，对异方差、自相关等问题的容忍度更高，更适合处理消费与资产收益数据中常见的非正态性和波动性。二是对模型非线性的适应性。CCAPM的核心方程通常是非线性的（如包含消费增长的幂函数形式），GMM通过矩条件的线性组合避免了直接求解复杂的非线性方程，降低了计算难度。

例如，在早期的CCAPM实证研究中，学者们常使用GMM估计风险厌恶系数γ。通过选取滞后两期的消费增长、股利收益率等作为工具变量，构造包含无风险利率方程和多资产超额收益方程的矩条件，最终得到γ的估计值。这种方法不仅能够处理多资产同时估计的问题，还能通过J检验（检验矩条件的过度识别约束是否成立）来验证模型设定的合理性。

（三）GMM估计的局限性与改进方向

尽管GMM在CCAPM中应用广泛，但其局限性也不容忽视。首先，工具变量的选择对估计结果影响显著。若工具变量与内生变量相关性不足（即弱工具变量问题），会导致参数估计的偏误增大，甚至出现估计量发散的情况。其次，加权矩阵的选择（如是否使用两步GMM）会影响估计效率。早期研究常使用单位矩阵作为加权矩阵（即简单矩估计），但两步GMM通过使用第一步估计的矩协方差矩阵作为加权矩阵，理论上能提高估计的渐近效率，但实际中可能因小样本偏差导致结果不稳定。

针对这些问题，学者们提出了改进方法。例如，引入更多外生变量作为工具变量（如宏观经济景气指数、消费信心指数等）以增强工具变量的解释力；采用有限信息极大似然（LIML）等替代估计方法