随机贴现因子 (SDF) 框架

消费基础定价方程 · 交互式模拟演示

核心公式
① 基本定价方程
任何资产的当前价格等于未来 payoff 与 SDF 乘积的条件期望。这是资产定价理论中最核心的方程。
② 消费基础 SDF
SDF 由跨期边际效用之比决定。β 为主观贴现因子，反映耐心程度。
③ CRRA 效用下的 SDF
假设 CRRA 效用函数 u(C)=C1−γ/(1−γ)，SDF 简化为消费增长率的幂函数。γ 为相对风险厌恶系数。
④ 无风险利率
无风险债券的 payoff 恒为 1，其价格即为 SDF 均值的倒数。
⑤ 风险溢价（协方差形式）
风险溢价取决于资产收益与 SDF 的协方差。与 SDF 正协方差越大（衰退时表现好），风险溢价越低。
⑥ 参数说明
β — 主观贴现因子 (0.90–0.99)，衡量耐心程度
γ — 相对风险厌恶系数 (0.5–10)，衡量对消费波动的厌恶
μc — log 消费增长率均值 (年化)
σc — log 消费增长率标准差 (年化)
λ — 资产 payoff 对消费增长的弹性
交互模拟
0.90 0.995
0.5 10
0.5% 6%
0.5% 10%
0.5 4
0% 8%
1k 20k
--
无风险利率 Rf (年化)
--
风险溢价 (年化)
--
E[M] (SDF 均值)
--
夏普比率
图1：SDF 与消费增长率关系 — 理论曲线 & 蒙特卡洛模拟散点
图2：不同 γ 下的 SDF 函数曲线对比
深入理解随机贴现因子框架

通俗介绍

随机贴现因子（SDF）可以理解为一个"定价引擎"。想象你有一笔未来可能获得的现金流，SDF 告诉你今天应该为它支付多少钱。SDF 的核心思想是：钱在不同时间、不同状态下的价值是不同的。在经济衰退、消费低迷时，一笔收入特别"值钱"（SDF 值大）；在经济繁荣、消费充裕时，同样一笔收入就没那么"值钱"了（SDF 值小）。这就是为什么与市场同涨同跌的股票需要提供风险溢价——它们在"不缺钱的时候"给你回报，在"最需要钱的时候"表现糟糕。

解决了什么问题

SDF 框架统一了资产定价理论。在它出现之前，每种资产似乎都需要自己的定价模型（股票用 CAPM、债券用期限结构模型、期权用 Black-Scholes）。SDF 框架表明：所有资产都可以用同一个 SDF 来定价，差异仅在于它们的 payoff 结构与 SDF 的协方差不同。它将宏观经济学（消费、效用）与金融学（资产价格、风险溢价）无缝连接。

为什么重要

SDF 是现代金融经济学的理论基石。它提供了理解风险溢价来源的统一视角：风险溢价 = −Rf · Cov(M, R)。这个简洁的公式告诉我们，资产的预期超额收益完全取决于其收益与 SDF 的协方差。此外，SDF 框架直接引出了"股权溢价之谜"（Mehra-Prescott, 1985）——在合理的风险厌恶参数下，模型预测的股权溢价远低于历史数据，这推动了整个行为金融学和宏观金融的发展。

应用场景

  • 资产定价：股票、债券、衍生品的理论定价
  • 风险管理：识别系统性风险来源，评估对冲策略
  • 货币政策分析：通过 SDF 连接利率与实体经济
  • 投资组合优化：在 SDF 框架下进行最优资产配置
  • 宏观金融建模：DSGE 模型中的资产定价模块
  • 因子投资：解释 Fama-French 因子背后的经济逻辑

主要缺陷与局限

  • 股权溢价之谜：在合理参数下无法匹配历史股权溢价
  • 无风险利率之谜：模型预测的无风险利率往往过高
  • CRRA 效用假设过强：现实中投资者的偏好更复杂（习惯形成、长期风险、模糊厌恶等）
  • 消费数据问题：消费数据存在测量误差，且与资产收益频率不匹配
  • 同质代理人假设：忽略了异质性、借贷约束和市场分割
  • 尾部风险：对数正态假设可能低估极端事件概率，影响灾难风险定价