资产定价核心等式及其应用

接触过资产定价的同学可能知道，资产定价有一个核心公式$p=\text{E}(mx)$，它的内涵十分丰富。本文将从Consumption-based model出发，详解该公式的由来，并以它为视角，介绍金融理论中的一些问题。

1 定价方程

1.1 基本的定价方程

假设有一笔在$t+1$时刻的payoff为$x_{t+1}$的资产，该如何计算它在$t$时刻的价值？

假如在今天买一只股票，那么下一期的payoff就是股票的价格加股息，即$x_{t+1}=p_{t+1}+d_{t+1}$，$x_{t+1}$是一个随机变量，投资者无法确切地知道他的投资在下一期会有多少收益，但他可以估算各种可能情况的概率。假设有一个代表性投资者，他的效用函数是
$$U(c_t,c_{t+1})=u(c_t)+\beta {\text{E}}_t[u(c_{t+1})]$$

其中$c_t$表示在$t$期的消费。假设效用函数是幂效用函数
$$u(c_t)=\frac{1}{1-\gamma }{c}_t^{1-\gamma }$$

当$\gamma \to 1$时，$u(c)=\ln (c)$。$\beta$是主观贴现因子（subjective discount factor），效用函数的曲率表示对风险和跨期替代的厌恶程度。

假设投资者可以以$p_t$的价格自由买卖任意数量的资产$x_{t+1}$，初始消费水平为$e$，他选择买入$\xi$数量的资产，那么可列出方程：
max ⁡ { ξ } u ( c t ) + E t [ β u ( c t + 1 ) ] s.t. c t = e t − p t ξ , c t + 1 = e t + 1 + x t + 1 ξ \begin{aligned} \max_{\{\xi\}} u(c_t)&+\text{E}_t[\beta u(c_{t+1})] \\ \text{s.t.} \quad c_t&=e_t-p_t\xi,\\ c_{t+1}&=e_{t+1}+x_{t+1}\xi \end{aligned} { ξ}max​u(ct​)s.t.ct​ct+1​​+Et​[βu(ct+1​)]=et​−pt​ξ,=et+1​+xt+1​ξ​

将约束条件代入后求解最值问题，解得：
$$p_t{u}^{\prime }(c_t)={\text{E}}_t\left[\beta u^{\prime }(c_{t+1})x_{t+1}\right]$$

上式可写为：
$$p_t={\text{E}}_t\left[\beta \frac{u^{\prime }(c_{t+1})}{u^{\prime }(c_t)}{x}_{t+1}\right]\text{\hspace{1em}(1)}$$

1.2 边际替代率与随机贴现因子

定义随机贴现因子（Stochastic Discount Factor，SDF）
$$m_{t+1}=\beta \frac{u^{\prime }(c_{t+1})}{u^{\prime }(c_t)}$$

代入$(1)$式可得$p_t={\text{E}}_t(m_{t+1}{x}_{t+1})$。这里的$m_{t+1}$可以叫作边际替代率（marginal rate of substitution），也叫定价核（pricing kernel），或者测度变换（change of measure）、状态价格密度（state-price density）等。在大多数时候，下标可以省略，条件期望和无条件期望也没必要区分，可以写作$p=\text{E}(mx)$。

如果不存在不确定因素，那么按照标准现值公式，应该有
$$p_t=R^{}$$