资产定价中基于消费的资本资产定价模型（CCAPM）实证检验.docxVIP

资产定价中基于消费的资本资产定价模型（CCAPM）实证检验

一、引言

在资产定价领域，如何准确刻画资产收益与风险的关系始终是核心命题。传统资本资产定价模型（CAPM）通过市场组合的风险溢价解释资产收益，为金融研究提供了重要框架，但其“市场组合包含所有风险资产”的严格假设和实证中“解释力不足”的矛盾，促使学者将研究视角转向更贴近经济主体行为的消费维度。基于消费的资本资产定价模型（CCAPM）正是这一背景下的重要突破，它将投资者的跨期消费决策与资产选择行为相结合，提出“资产收益应补偿其与消费增长的协方差风险”的核心逻辑，为理解资产定价提供了更微观的经济基础。

对CCAPM的实证检验，既是验证其理论合理性的关键环节，也是连接学术研究与市场实践的桥梁。通过实证分析，我们可以判断模型是否能有效解释现实中的资产收益差异，识别模型假设与现实的偏离点，进而推动模型改进。本文将围绕CCAPM的理论基础、实证方法、经典结果及改进方向展开系统探讨，以期为理解这一模型的学术价值与应用局限提供全面视角。

二、CCAPM的理论基础与核心逻辑

（一）从跨期消费决策到资产定价的推导

CCAPM的理论源头可追溯至消费者跨期效用最大化问题。在不确定环境下，理性投资者的目标是通过调整当前消费与资产持有比例，最大化一生效用的期望。假设投资者的效用函数仅依赖于消费，且具有时间可分性（即当期效用仅受当期消费影响），那么其最优决策需满足：在任何时期，持有某资产的边际效用损失（因减少当前消费而放弃的效用）应等于未来收益带来的边际效用增益（因增加未来消费而获得的效用）。

这一均衡条件经过数学推导（非公式化表述）可转化为资产定价的基本方程：资产的期望收益与无风险利率的差值（即风险溢价），应与该资产收益和消费增长的协方差成正比。这里的核心逻辑是：若某资产在消费低迷时（边际效用高）表现不佳（收益低），则它无法有效对冲消费风险，投资者会要求更高的风险溢价；反之，若资产收益与消费增长正相关（能在消费高涨时提供更多收益），则其风险溢价较低。

（二）与传统CAPM的关键区别

相较于CAPM仅关注市场组合风险，CCAPM的“消费风险”视角更贴近经济本质。市场组合风险本质上是一种“代理变量”，其有效性依赖于“市场组合包含所有风险资产”的假设，而现实中市场组合难以观测（如人力资本、非交易资产未被纳入）。CCAPM则直接关联资产收益与消费者的实际决策变量——消费，理论上更具微观基础。例如，一个仅与市场组合负相关但与消费增长正相关的资产，在CAPM中可能被视为“低风险”，但在CCAPM中可能因无法对冲消费风险而被要求更高溢价，这更符合投资者“关心实际消费能力”的真实需求。

三、实证检验的关键指标与方法设计

（一）核心变量的选择与数据处理

实证检验CCAPM需明确三类核心变量：消费数据、资产收益数据与无风险利率。消费数据通常选取非耐用品与服务消费（因耐用品消费具有投资属性，其效用释放跨期，不符合“当期消费”的假设），数据频率多为季度或月度（高频数据能更敏感捕捉消费波动）。资产收益一般采用股票市场指数、行业组合或个股收益，部分研究也会纳入债券等其他资产以扩大检验范围。无风险利率常用短期国债收益率替代，需注意扣除通胀影响以保持实际收益的一致性。

数据处理中需特别关注两个问题：一是消费数据的测量误差。现实中，消费者可能因临时支出（如医疗、教育）或预期变化调整消费，导致统计数据与理论定义的“平稳消费流”存在偏差；二是时间aggregation（时间聚合）效应，即低频数据（如季度数据）可能平滑了高频消费波动，弱化消费与资产收益的真实相关性。

（二）实证方法的逻辑与选择

CCAPM的实证检验本质是验证“资产风险溢价与消费贝塔（资产收益对消费增长的回归系数）正相关”这一假设。常用方法包括时间序列回归与截面回归两类。

时间序列回归的思路是，对每只资产（或资产组合），先估计其消费贝塔（通过该资产收益与消费增长的时间序列回归），再检验该贝塔是否能解释资产的平均超额收益。若模型成立，所有资产的超额收益应落在由消费贝塔与市场价格风险（风险溢价与消费贝塔的比值）决定的直线上。

截面回归则直接以资产的平均超额收益为被解释变量，以消费贝塔为解释变量，通过回归系数（即风险价格）判断消费风险的定价能力。若回归系数显著为正且截距项不显著，则支持CCAPM；若截距项显著（如存在未被消费贝塔解释的超额收益），则说明模型存在遗漏因素。

实践中，广义矩估计（GMM）因能有效处理模型的矩条件（如正交性条件：随机折现因子与资产收益的协方差为零）而被广泛采用。GMM不依赖具体的分布假设，且能通过加权矩阵调整异方差和自相关问题，更适合处理金融数据的典型特征（如厚尾、波动聚类）。

四、实证结果分析：经典发现与现实挑战

（一）早期实证的支持与后续研究的质