Solution to the Equity Premium Puzzle with Time-Varying Variables

该论文通过构建基于消费资本资产定价模型的时变变量模型，在设定主观时间贴现因子为 0.97 至 0.99 且相对风险厌恶系数约为 4.40 的条件下，成功解释了股权溢价之谜并验证了模型的稳健性。

要点

这篇文章就像是一位名叫阿提拉·阿拉斯（Atilla Arasa）的数学家，试图解开经济学界一个困扰了大家几十年的“大谜题”。为了让你轻松理解，我们可以把这篇论文想象成一次**“侦探破案”**的过程。

🕵️‍♂️ 案件背景：什么是“股权溢价之谜”？

想象一下，你手里有两个选择：

1. 存银行（无风险资产）：像把钱放在一个绝对安全的保险箱里，虽然利息很低，但你晚上睡得特别香，不用担心钱没了。
2. 买股票（风险资产）：像把钱扔进一个过山车，有时候赚得盆满钵满，有时候可能血本无归。

谜题出现了：
在历史上，买股票赚的钱（平均回报率）比存银行赚的钱多得多。这就好比坐过山车每次都能多赚 6% 的利息，而存银行只有 1%。

按照常理，大家应该都疯狂去坐过山车（买股票），把银行的钱都抽干，直到两者的收益差不多。但奇怪的是，大家依然很怕坐过山车，宁愿少赚点钱也要存银行。

这就引出了经济学家的困惑：大家到底有多怕风险？

• 如果按照传统的数学模型（CCAPM）来算，大家怕风险的程度（叫“风险厌恶系数”）得大到离谱（比如是 100 甚至更高），才能解释为什么大家宁愿少赚钱也不买股票。
• 但这不符合现实！现实中，大家虽然怕风险，但也没那么疯。这就叫**“股权溢价之谜”**。

---

🔍 侦探的旧思路 vs. 新思路

旧思路（以前的模型）：
以前的侦探（经济学家）假设世界是静止的。他们假设“股票价格”和“分红”的比例是固定不变的，就像假设过山车永远以同样的速度运行，永远不加速也不减速。

• 结果：为了强行解释大家为什么这么怕坐过山车，他们算出大家必须拥有“超级怕死”的性格（风险厌恶系数很高），但这在现实中说不通。

新思路（阿拉斯的模型）：
阿拉斯侦探说：“不对！世界是动态的，过山车是会变速的！”
他引入了一个**“时间变化的变量”。他假设股票价格和分红的比例是每天都在变**的，就像过山车有时快、有时慢、有时甚至要停下来检修。

为了处理这种“不确定性”，他发明了一个神奇的**“魔法系数”，我们叫它“充足性因子”（SFOM）**。

• 比喻：这就好比你在吃一道没吃过的菜。
  • 如果你很确定这菜好吃，你会直接吃（这是确定的效用）。
  • 如果你不确定，你会先尝一小口，心里打个折扣（或者加个分），这个“心理折扣/加分”就是充足性因子。
  • 以前的模型假设这个“心理折扣”是固定的。
  • 阿拉斯的模型认为，这个“心理折扣”是随时间变化的，它反映了投资者面对未来不确定性时的真实心理状态。

---

🧪 破案过程：重新计算

阿拉斯用这个新模型（时间变化的充足性因子模型）重新计算了 1977 年的数据（就像重新检查当年的案发现场）。

他发现了什么？

1. 风险厌恶系数变正常了：

   • 以前算出大家怕风险的程度是“超级怕死”（系数很高）。
   • 现在算出来，大家怕风险的程度大约是 4.40。
   • 比喻：这就像以前说大家是“看到蚂蚁都吓得跳起来”，现在算出来大家只是“看到蚂蚁会稍微躲一下”。这个数值（4.40）在经济学界被认为是非常合理且真实的！

2. 投资者的真实心态：

   • 模型显示，无论是存银行的人还是买股票的人，在 1977 年都表现出一种**“不够胆小的风险爱好者”**（Insufficient risk-loving）心态。
   • 比喻：这听起来很矛盾，对吧？其实意思是：大家虽然喜欢冒险（想赚更多），但还不够大胆，所以还是选择了相对保守。这种心态被模型精准地捕捉到了，证明模型是靠谱的。

3. 结论：

   • 只要承认世界是动态变化的（股票价格比例会变），并且承认投资者的心理（充足性因子）也是随时间波动的，那个困扰大家几十年的“股权溢价之谜”就迎刃而解了。
   • 不需要假设大家是疯子，也不需要假设世界是静止的。

---

💡 总结一下

这篇论文就像是在说：

“我们之前解不开这个谜题，是因为我们假设世界像一张静止的照片。现在，我们把世界看作一部动态的电影，承认股票价格和投资者的心理都在随时变化。一旦加上这个‘时间变化’的镜头，所有的数据都变得合理了，谜题也就解开了。”

核心贡献：
阿拉斯证明了，只要把模型做得更贴近现实（允许变量随时间变化），我们就能用正常人的心理（合理的风险厌恶系数）来解释为什么股票比债券赚得多。这让经济学模型离真实的经济世界又近了一步。

技术摘要

论文技术摘要：基于时变变量的股权溢价谜题解决方案

论文标题：Solution to the Equity Premium Puzzle with Time-Varying Variables（基于时变变量的股权溢价谜题解决方案）
作者：Atilla Arasa
发表年份：2025（基于文中引用文献推断）

---

1. 研究背景与问题 (Problem)

核心问题：股权溢价谜题（Equity Premium Puzzle）。
Mehra 和 Prescott (1985) 指出，标准的消费资本资产定价模型（CCAPM）无法在合理的参数范围内解释历史上观察到的巨大的股票风险溢价。为了解释这一现象，标准模型通常需要极高的相对风险厌恶系数（CRRA），这与实证文献中观察到的 CRRA 值（通常在 1 到 4 之间）相矛盾。

现有研究的局限性：

• 既往研究（如 Mehra, 2003）通常假设价格股息比（Price-to-Dividend Ratio）是常数，这导致模型偏离现实经济环境。
• 虽然 Aras (2022, 2024) 提出了“充分性因子模型”（Sufficiency Factor Model, SFOM）并假设价格股息比恒定，成功将 CRRA 降至约 1.03-1.06，但该模型仍有改进空间，即需要引入更贴近现实的时变变量。

研究目标：
通过引入时变的价格股息比和时变的模型充分性因子（SFOM），修正标准 CCAPM，以在符合实证文献的合理参数范围内解决股权溢价谜题。

---

2. 方法论 (Methodology)

2.1 核心模型：时变充分性因子模型 (Time-Varying Sufficiency Factor Model)

作者构建了一个基于动态规划的典型代理人（Typical Agent）优化问题。该模型在标准 CCAPM 的基础上引入了一个新的隐藏变量——模型充分性因子（SFOM）。

• SFOM 的定义：SFOM 是一个系数，用于调整不确定性财富的效用，使其能够与确定性效用进行比较。它反映了投资者在面对未来不确定性及预测模型不足时，对不确定性财富赋予的额外正效用或负效用。
• 关键假设：
  • 时变假设：与以往研究不同，本文假设价格股息比和股权投资者的 SFOM是随时间变化的（Time-Varying）。
  • 效用函数：采用标准的 CRRA 效用函数 $u(c, \tau) = \frac{c^{1-\tau}-1}{1-\tau}$，其中 $\tau$ 为相对风险厌恶系数。
  • 预算约束：考虑了无风险资产和股权资产的跨期配置，并纳入了美联储（FED）公开市场交易可能带来的不确定性。

2.2 数学推导

作者通过动态规划将典型代理人的问题转化为两期问题，推导出以下核心方程组（基于对数正态分布假设）：

1. 股权溢价方程：
   $$\ln E(R_{e,t+1}) - \ln R_{f,t+1} = \mu_x(1-\tau) + 0.5\sigma_x^2(1+\tau^2) + \mu_k + 0.5\sigma_k^2 + \rho\sigma_x\sigma_k + \ln \beta + \ln \eta_t$$
   其中 $\eta_t$ 为无风险资产投资者的 SFOM。

2. 无风险利率方程与均衡条件：
   通过联立方程 (2)、(3) 和 (4)，利用 MATLAB 求解系统，反推关键参数。

2.3 数据与变量

• 数据来源：Mehra 和 Prescott (1985) 及 Mehra (2003) 的数据（1889-1978 年）。
• 关键变量：标普综合股价指数、实际股息、人均实际消费（非耐用品和服务）、消费平减指数、无风险短期证券名义收益率。
• 测试年份：重点分析 1977 年（作为收敛年份）来确定投资者的风险态度。

---

3. 主要贡献 (Key Contributions)

1. 理论创新：首次提出并验证了时变充分性因子模型。打破了 Mehra (2003) 中价格股息比恒定的假设，使模型更贴近现实经济环境。
2. 引入隐藏变量 SFOM：将 SFOM 作为解释投资者风险态度的核心机制。SFOM 不仅解释了投资者如何调整不确定性效用，还用于判定投资者是风险厌恶、风险中性还是风险偏好。
3. 解决谜题的新路径：证明了在引入时变变量后，CCAPM 模型依然有效，且能在合理的参数范围内解释股权溢价。
4. 投资者行为分类：利用模型计算出的效用值，精确判定特定年份（1977 年）投资者的风险类型，发现了一种介于风险厌恶和风险偏好之间的“不足风险偏好”（Insufficient Risk-Loving）行为。

---

4. 研究结果 (Results)

4.1 参数估计结果 (1977 年数据)

作者在不同主观时间贴现因子（STDF, $\beta$）假设下进行了计算：

STDF ($\beta$)	无风险资产 SFOM ($\eta_t$)	股权资产 SFOM ($\lambda_t$)	相对风险厌恶系数 (CRRA, $\tau$)
0.97	1.0862	1.0232	4.3962
0.98	1.0751	1.0127	4.3968
0.99	1.0642	1.0023	4.3971

• CRRA 值：计算出的 CRRA 值稳定在 4.40 左右。这一数值虽然略高于 Aras (2022) 恒定假设下的 1.03，但完全落在实证文献认可的合理范围（通常认为小于 10，部分研究认为在 2-7 之间）内，解决了“需要极高 CRRA"的难题。
• SFOM 敏感性：SFOM 对 STDF 的变化不敏感，且数值均大于 1。

4.2 投资者风险态度判定

通过比较“确定性效用”与“不确定性效用”，作者判定 1977 年的投资者类型：

• 无风险资产投资者：SFOM > 1，赋予不确定性财富额外正效用，表现为**“不足风险偏好”（Insufficient Risk-Loving）**，这被视为一种广义的风险厌恶行为。
• 股权投资者：SFOM > 1（约 1.00-1.02），同样表现为**“不足风险偏好”**。
• 结论：这种风险态度的判定与理论预期相符，且与恒定变量模型（Aras, 2024）的结果在逻辑上保持一致，验证了模型的稳健性。

4.3 变量关系分析

• 股权回报率随无风险资产 SFOM 和 STDF 的增加而增加。
• 股权回报率随股权资产 SFOM 的增加而减少。
• 无风险回报率随 STDF 的降低而增加。

---

5. 意义与结论 (Significance & Conclusion)

1. 模型有效性验证：研究证实，时变充分性因子模型是有效的。它成功地在合理的 CRRA 值（约 4.40）下解释了股权溢价，无需依赖极端的参数假设。
2. 贴近现实：通过假设价格股息比和 SFOM 为时变变量，该模型比传统的恒定假设模型更接近真实的经济环境，填补了相关研究空白。
3. 政策启示：该模型建立了实体经济部门（消费）与金融部门（资产定价）之间的有效联系。理解这种联系对于制定相关经济政策至关重要，因为它提供了一个更准确的框架来预测市场行为。
4. 与主流模型对比：
   • 不同于习惯形成模型（Habit Formation）或稀有灾难模型（Rare Disasters）需要复杂的递归效用或极端事件假设，SFOM 模型仅通过调整不确定性效用（乘以 SFOM）即可解决问题。
   • 该模型避免了主流模型中隐含的“无交易均衡”假设的局限性（特别是考虑到美联储可能的干预），提供了更灵活的均衡解释。

总结：Atilla Arasa 的研究通过引入时变变量和充分性因子，成功修正了 CCAPM 模型，提供了一个在参数合理、逻辑自洽且符合实证数据的框架，为解决长期困扰金融学的股权溢价谜题提供了强有力的新方案。