随机折现因子模型的出现使得对资产定价的理论研究有了新的认识,与其他资产定价的表达形式相比,随机折现因子模型更具一般性,更便于理解,而且几乎不需要对金融数据作任何限定。在金融市场不允许存在套利机会或在无法取得大规模的无风险套利收益的前提下,随机折现因子产生并且能对经济中所有的资产进行定价。这可以理解为Arrow-De-breu一般均衡模型在金融市场中的应用。随机折现因子在特殊情况下可被线性因素模型所描述,即成为CAPM或者多因子模型。对随机折现因子的估算,能将不同形式的资产定价模型统一到一个框架内来讨论,形成一个可交流的语言,有利于解决理论上的困惑,同时也易于发现理论模型中假设和实际的距离,以及其距离对理论模型结论的影响,这些对金融学界意义非常重大。67663

1关于SDF实证的研究

Kan和Zhou对比了使用GMM参数估计方法的随机折现因子和使用传统的最大似然法的静态线性CAPM，结果表明,随机折现因子的参数估计的精度比较差,它所估计出来的风险溢价的标准差是传统方法的40倍,因此Kan和Zhou认为,随机折现因子方法对风险溢价是不可靠的。Jagannathan和Wang(2002)的研究认为,Kan和Zhou所得到结果是错误的,错误在于假设了随机折现因子法与CAPM法所对应的风险溢价取特定的值并且相等。Jagannathan和Wang通过分析得出,在风险溢价的估计精确度方面,两种方法有相同的精度,在设定检验能力方面,两种方法的结果也近似。Frank和Richard(2005)认为,在计量经济模型中,只有在矩阵满秩时,模型参数识别的有限性分布才有效果,并且认为矩阵次级的秩值不能被拒绝。根据这一点,Frank和Richard认为Jagannathan和Wang的随机贴现因子的参数估计也可能存在着问题。

2关于CAPM的研究

Banz(1981)发现了规模效应(size effect),他的文章指出低市场价值的股票比CAPM理论中的有较高的平均超额回报。这些低市值的股票比高市值的股票有更出色的β和期望收益,但期望收益与β之间的关系比CAPM的证券市场线更陡。

Fama和French (1992)对规模效应做了更深层次的研究,他们把相同市值和β值的股票放在了一起,发现相同市值的股票中，高β值的股票期望收益并不比低β值股票的期望收益高[3]。

Basu(1983) 发现了价值效应,即回报可通过股票市值和会计价值的比率来预测。论文网

Jegadeesh and Titman(1993)在论文中则发现了动量效应,即过去3到12个月具有高回报率的股票在未来会超越大盘。

3实际利率的研究

Fama(1975)发现1950~1960年的实际利率相当稳定,几乎是一个常数。Campbell(1999)分析了1947年2月到1996 年4月美国季度数据,发现国库券回报率的平均值相当低，每年仅有0.8%。

4风险溢价之谜

所谓风险溢价之谜是Mehra and Prescott(1985)首先提出来的,表现在SDF 上,SDF作为一个均值很小并接近于0的随机变量而标准差却很大。Campbell (1999)对于二战后美国季度数据进行分析,得出年度价值权数股票指数的Sharpe ratio大约是二分之一,这意味着SDF的最小标准差是50%,而二战后美国年度总消费的增长标准差才1%左右。Cecchetti,Lam和Mark( 1994 )在Hansen(1982)GMM理论的基础上提出了一种新统计的方法来估算SDF变化的置信区间。Merton(1980) 研究指出资产回报均值是很难估算的,其原因在于估算的准确度依赖整个时间段的长度,而不是观测点的数量[4]。

4 国内学者对随机贴现因子的研究

国内的学者对折现率的研究时间不长，文献积累不多，但主要研究思路可以归为两类：静态和动态。

从静态的角度看：

中国资产评估协会在编写的注册资产评估师考试教材（2009年）中的观点是，折现率是一种期望投资报酬率，是投资者在投资风险一定的情况下，对投资所期望的回报率，并指出折现率由无风险报酬率和风险报酬率组成。