2010年-BIS国际清算银行_Stochastic_Volatility_Long_Run_Risks_and_Aggregate_Stock_Market_Fluctuations_61页_1mb

总结：Stochastic Volatility, Long Run Risks, and Aggregate Stock Market Fluctuations

核心内容

本文探讨了美国股市整体价格波动的主要驱动因素。作者Stefan Avdjiev和Nathan S. Balke提出并求解了一个基于消费的资产定价模型，该模型纳入了随机波动、长期风险以及Epstein-Zin偏好等关键要素。通过使用贝叶斯MCMC方法，他们估计了模型参数，并将其与实际数据（包括实际消费增长、实际股息增长、整体股市的价格-股息比率以及实际无风险利率）进行拟合。

主要观点

• 短期波动主要由预期超额收益变化驱动：在较短和中等时间范围内，整体股市的价格波动主要是由于预期超额收益的变化。
• 长期波动主要由预期股息增长率变化驱动：在低频波动中，整体股市的变动主要由预期股息增长率的变化引起。
• 资产价格波动与经济不确定性密切相关：模型表明，经济不确定性对资产价格波动有重要影响，尤其体现在超额收益的预期变化中。
• Epstein-Zin偏好有助于解释资产回报的特性：该模型允许分离相对风险规避系数（γ）和跨期替代弹性（ψ），从而更灵活地捕捉资产回报的多种特征。
• 消费与股息的长期趋势具有共同成分：模型假设消费增长和股息增长都包含一个非平稳的长期成分，并且它们之间存在高度相关性。
• 随机波动在资产定价中起关键作用：通过引入时间变化的波动性，模型能够更好地解释资产价格和无风险利率的波动性。

关键信息

• 模型构建：基于消费的资产定价模型，包含随机波动、长期风险和Epstein-Zin偏好。
• 变量设定：
  • 价格-股息比率（$pd_t$）是未来股息增长率和未来预期收益的函数。
  • 消费增长和股息增长被分解为非平稳（永久）和平稳（暂时）成分。
• 估计方法：采用贝叶斯MCMC方法，利用全信息方法进行参数和状态变量的估计。
• 理论支持：
  • 使用对数线性近似，推导出价格-股息比率的表达式。
  • 利用欧拉方程，将预期收益分解为无风险利率和超额收益。
• 实证结果：
  • 短期波动主要由预期超额收益驱动。
  • 长期波动主要由预期股息增长率驱动。
  • 模型结果与Campbell和Yaron的研究一致，表明经济不确定性对资产价格有显著影响。

模型结构

• 状态变量：包括消费增长和股息增长的永久与暂时成分，以及它们的波动性。
• 状态转移矩阵：$F^A$ 用于描述消费和股息增长的演变，$F^B$ 用于描述波动性的演变。
• 协方差矩阵：$Q^A$ 和 $Q^B$ 分别表示消费和股息增长的条件协方差矩阵和波动性矩阵。
• 解的结构：价格-股息比率和无风险利率的表达式均依赖于状态变量和波动性成分。

方法论创新

• 全信息估计方法：与传统方法不同，本文使用贝叶斯MCMC方法，结合了所有可观测变量和未观测状态变量，从而提高了模型的识别能力。
• 引入时间变化的波动性：不同于以往研究，本文允许消费和股息增长的条件方差随时间变化，从而更好地捕捉资产价格波动的动态特性。
• 贝叶斯方法的优势：
  • 系统化地拟合模型到实际数据。
  • 基于模型生成的似然函数，而非任意选择的度量。
  • 利用先验分布引入额外信息，提高估计的准确性。

模型结果与文献关系

• 与Bansal和Yaron模型的联系：本文模型在结构上与Bansal和Yaron（2006）相似，但采用全信息估计方法。
• 与Barsky和Delong的联系：Barsky和Delong（1993）曾指出，股息增长的持久性可能导致价格-股息比率的大幅波动，本文进一步扩展了这一思路。
• 与Campbell和Cochrane的联系：本文确认了消费增长和股息增长在长期内具有高度相关性，并假设它们共享一个共同的非平稳趋势。

结论

本文通过引入随机波动和长期风险，构建了一个更全面的消费基础资产定价模型，揭示了美国股市整体价格波动在不同时间尺度上的驱动因素。研究发现，短期波动主要由预期超额收益的变化引起，而长期波动则主要由预期股息增长率的变化驱动。此外，模型结果支持了经济不确定性在资产定价中的重要性，并强调了贝叶斯MCMC方法在处理复杂资产定价模型中的优势。