Asset Pricing with Return Extrapolation

Authors: Lawrence J. Jin, Pengfei Sui
Journal: Journal of Financial Economics (JFE)
Year: 2022
JEL: G02, G12
Keywords: Expectations, Extrapolation, Asset Prices

一句话总结

将 return extrapolation（基于 regime-switching 滤波生成的对股票收益率的外推性预期）与 Epstein-Zin 偏好结合的连续时间 Lucas 经济，定量同时匹配股权溢价（7.36%）、超额波动率（24.8%）、价格可预测性、调查中收益率预期对过去回报的正相关，以及 De la O & Myers (2021) 揭示的"主观分解中现金流预期主导"的奇特模式。

研究问题

调查数据呈现两个看似矛盾的事实：(1) Greenwood-Shleifer (2014) 显示散户与专业投资者的收益率预期对过去回报正向外推；(2) De la O-Myers (2021) 的 Campbell-Shiller 主观分解显示现金流预期变动主导价格波动而非折现率预期。能否构建一个简洁的资产定价模型，让一个外推机制同时定量解释这两组调查证据，并匹配标准资产定价事实（股权溢价、超额波动率、收益率可预测性、反周期性溢价）？

核心贡献

机制创新：首次将 return extrapolation 用 regime-switching 最优滤波形式微观化（主体认为价格增长率在两个状态间切换并对其滤波），自然产生外推预期且参数可校准至调查数据
强互补性发现：外推 + EZ 偏好的组合产生 7.36% 股权溢价，而单独外推（+power utility）仅 1.93%，单独 EZ（无外推）仅 0.84% → 两者互补效应非常强
统一调查证据：模型同时匹配 (a) 收益率预期对过去回报的回归系数（模型 2.0%, t=8.6, 介于个人 3.4-11.6% 与专业 -7.1% 之间）和 (b) De la O-Myers (2021) 的主观分解（CF_subj=1.10 vs 数据 1.09，DR_subj=-0.10 vs -0.09）
Expectations transmission：揭示在均衡中收益率外推会经过价格函数 f(S) 反向传递为更强的现金流预期变动——情绪 +1σ 时收益率预期 +0.61% 但股利增长预期 +5.59%
数值方法：提供求解内生信念资产定价模型（联立 ODE 决定 f(S) 和 l(S)）的方法论，可推广到其他行为定价模型
反周期溢价：高情绪四分位时事后股权溢价为 -7.10%，与 Greenwood-Hanson (2013)、Baron-Xiong (2017)、Cassella-Gulen (2018) 实证一致

维度1：数据来源与实证策略

论文类型

理论论文（含校准/模拟分析与实证验证）。

研究方法

模型框架： 连续时间Lucas经济，代表性主体（representative agent），Epstein-Zin递归偏好。
信念建模： 代表性主体对股票市场收益率持有外推性信念（return extrapolation），通过一个感知的regime-switching模型刻画：主体认为股价增长率在高均值与低均值两个状态之间切换，并基于过去价格增长率进行最优滤波（optimal filtering），产生外推性预期。
求解方法： 数值求解两个联立的常微分方程（ODE），分别决定price-dividend ratio $f(S_t)$ 和wealth-consumption ratio $l(S_t)$ 。论文提供了一套求解内生信念资产定价模型的数值方法。
校准策略： 信念参数（ $\theta=0.5$ ， $\chi=0.2$ ）校准至匹配Greenwood and Shleifer (2014)的调查预期数据（Gallup、AA、II、Livingston四个调查）的回归系数和t统计量。资产参数和偏好参数取自标准文献值。
模拟： 10,000年的月度模拟数据，100次试验取平均。

数据来源（实证验证部分）

收益率预期调查： Gallup调查（16年）、AA调查（29年）、II调查（53年）、Livingston调查（40年），数据来自Cassella and Gulen (2018)
股利增长预期： De la O and Myers (2021)，基于Thomson Reuters I/B/E/S分析师预测汇总的S&P 500公司股利预期（51个季度）
股票市场数据： CRSP月度股价增长率，1926年1月起

维度2：理论框架

基本经济设定

消费过程（Lucas tree）： $dC_t/C_t = g_C dt + \sigma_C d\omega_t^C$
股利过程（股票市场）： $dD_t/D_t = g_D dt + \sigma_D d\omega_t^D$
消费与股利冲击的瞬时相关系数： $\rho > 0$

Epstein-Zin偏好

U_t = \left[(1 - e^{-\delta dt})C_t^{1-\psi} + e^{-\delta dt}\left(\mathbb{E}_t^e[\tilde{U}_{t+dt}^{1-\gamma}]\right)^{(1-\psi)/(1-\gamma)}\right]^{1/(1-\psi)}

$\gamma$ ：相对风险厌恶系数（benchmark = 10）
$\psi$ ：跨期替代弹性的倒数（benchmark = 0.9，即EIS $\approx$ 1.11）
$\delta$ ：主观贴现率（= 2%）

信念形成：Regime-Switching外推

主体认为股价增长率由 $(1-\theta)g_D + \theta \tilde{\mu}_{S,t}$ 驱动，其中 $\tilde{\mu}_{S,t}$ 在高均值 $\mu_H$ 和低均值 $\mu_L$ 之间以强度 $\chi$ 切换。

情绪变量（sentiment）的演化：
$ $dS_t = \chi[(\mu_H - S_t) + (\mu_L - S_t)]dt + (\sigma_{P,t}^D)^{-1}\theta(\mu_H - S_t)(S_t - \mu_L)d\omega_t^e$ $

主体对股价增长率的预期：
$ $\mu_P^{D,e}(S_t) = (1-\theta)g_D + \theta S_t$ $

期望传递机制（Expectations Transmission）

主体对股利增长率的预期内生于收益率外推：
$ $g_D^e(S_t) = \underbrace{(1-\theta)g_D + \theta S_t}_{\text{价格增长预期}} \underbrace{- (f'/f)\mu_S^e(S_t)}_{\text{情绪演化预期}} + \underbrace{\text{Ito修正项}}_{\text{波动率与风险厌恶}}$ $

这意味着股利增长预期对情绪变化的响应比收益率预期更强。

均衡利率

r_t = \frac{1-\gamma}{1-\psi}\delta + \gamma g_C^e - \frac{\gamma(\gamma+1)}{2}\sigma_C^2 - \frac{\psi-\gamma}{1-\psi} \times [\text{情绪相关项}]

股权溢价（理性预期下）

\mathbb{E}_t[\hat{r}_{t+dt}^{D,e}] = (1-\theta)g_D + \theta S_t + f^{-1} - \sigma_D^{-1}\sigma_P^D(g_D^e - g_D) - \frac{1}{2}(\sigma_P^D)^2 - r_t

关键参数取值

参数	值	含义
$g_C$	1.91%	消费增长率
$g_D$	2.45%	股利增长率
$\sigma_C$	3.8%	消费波动率
$\sigma_D$	11%	股利波动率
$\rho$	0.2	消费-股利相关系数
$\gamma$	10	风险厌恶系数
$\psi$	0.9	EIS的倒数
$\delta$	2%	贴现率
$\theta$	0.5	外推程度
$\chi$	0.2	感知的状态转换强度
$\mu_H$	12.5%	高状态价格增长均值
$\mu_L$	-12.5%	低状态价格增长均值

维度3：核心发现

长期矩（模型 vs 数据）

统计量	模型	数据
收益率波动率	24.8%	~20%
股权溢价（excess return）	7.36%	~6-8%
股权溢价（log excess return）	4.27%	~4-5%
Sharpe比率	与数据接近	~0.3
平均无风险利率	低且稳定	~1-2%
无风险利率波动率	低	低
股票收益率与消费增长相关系数	0.19	0.09
平均price-dividend ratio	接近数据	~25-30

超额波动率

股利增长波动率仅为11%，但模型生成收益率波动率24.8%
去掉EZ偏好（改用power utility），波动率降至13.0%
去掉外推（ $\theta=0$ ），无超额波动率

股权溢价的分解

仅有外推 + power utility：股权溢价仅1.93%
仅有EZ偏好（无外推）：股权溢价仅0.84%
两者结合：股权溢价7.36%（或log形式4.27%）
关键发现： 外推与EZ偏好之间存在强互补性

股权溢价的反周期性

高情绪时段（top quartile），股权溢价为**-7.10%**（负值）
与Greenwood and Hanson (2013)、Baron and Xiong (2017)、Cassella and Gulen (2018)的实证发现一致

收益率可预测性

Price-dividend ratio对未来1-7年log超额收益率的预测回归系数 $\beta_j$ 为负且递增，与Campbell and Shiller (1988)和Fama and French (1988)的实证结果一致

调查预期的匹配

模型中主体预期收益率对过去12月收益率的回归系数：2.0%（t = 8.6），介于个人投资者调查（3.4%-11.6%）和专业预测者调查（-7.1%）之间
模型隐含的权重衰减参数 $\phi = 0.89$ ，介于Gallup（0.78）和Livingston（0.92）之间

Campbell-Shiller分解

客观视角： $DR_{objective} = 0.96$ （R^2 = 0.06）， $CF_{objective} = 0.04$ （R^2 $\approx$ 0） -- 折现率变动主导
主观视角： $CF_{subjective} = 1.10$ （R^2 = 0.98）， $DR_{subjective} = -0.10$ （R^2 = 0.98） -- 现金流预期变动主导
与De la O and Myers (2021)的实证值（ $CF_{subjective} = 1.09$ ， $DR_{subjective} = -0.09$ ）高度吻合

预期传递机制的量化

情绪从均值（1.30%）增加一个标准差（2.12%）至3.42%时：
- 收益率预期仅增加0.61%（从6.49%到7.09%）
- 股利增长预期增加5.59%（从0.25%到5.84%）
- 现金流预期对情绪变化的响应远强于收益率预期

维度6：与其他文献的关系

核心贡献

首个将收益率外推与Epstein-Zin偏好结合的连续时间资产定价模型，定量匹配多个重要资产定价事实
提供了求解内生信念（beliefs about endogenous equilibrium outcomes）资产定价模型的数值方法
统一解释调查预期数据的两类发现：Greenwood and Shleifer (2014)的收益率预期外推 + De la O and Myers (2021)的现金流预期主导

与现有文献的关系

收益率外推文献（本文所属）：

Cutler, Poterba, and Summers (1990)、De Long et al. (1990)：概念性开创，但未定量匹配资产定价事实
Barberis, Greenwood, Jin, and Shleifer (2015)：动态消费模型尝试同时解释调查预期和价格，但简化假设限制了定量评估
Hong and Stein (1999)、Barberis (2018)、Liao, Peng, and Zhu (2021)：收益率外推在横截面动量/反转和泡沫中的应用

基本面外推文献（主要对比）：

Choi and Mertens (2013)、Hirshleifer, Li, and Yu (2015)、Nagel and Xu (2021)：主体外推现金流增长而非收益率
关键差异：基本面外推模型无法匹配调查中收益率预期与过去12月收益率的正相关关系
Adam, Marcet, and Beutel (2017)：解释收益率预期和资产价格，但机制不同（理性信念+不完全信息）

理性预期资产定价文献：

Campbell and Cochrane (1999)：habit formation
Bansal and Yaron (2004)：long-run risks
本文模型校准至调查数据后可匹配这些模型解释的事实，但机制来自信念偏差而非理性

行为金融信念文献：

Bordalo, Gennaioli, and Shleifer (2018)：diagnostic expectations
Fuster, Hebert, and Laibson (2011)：natural expectations
Wachter and Kahana (2020, 2021)：memory retrieval

局限与未来方向

Price-dividend ratio的持久性偏低：校准至调查数据（ $\chi=0.2$ ）时，模型隐含的P/D比自相关低于数据；将 $\chi$ 降至0.02可匹配，但与调查证据不一致（"频率断裂"问题）
代表性主体假设：忽略了行为主体财富份额随时间变化的渠道
消费增长与收益率在长期horizon上的相关性未随horizon上升，与Yu (2012)的实证不符

维度4：关键变量概览

内生变量

Price-dividend ratio f(S_t)：模型核心内生函数，由 ODE 决定
Wealth-consumption ratio l(S_t)：联立 ODE 中第二个内生函数
股权溢价 E_t[r_t^D] - r_t：随情绪状态变化
股票收益率波动率 σ_P^D
无风险利率 r_t

状态变量

Sentiment S_t：感知的regime mean，介于 μ_L 和 μ_H 之间，由滤波动态决定
消费 C_t、股利 D_t（外生 GBM 过程）

信念参数（校准）

θ ∈ [0,1]：外推程度（benchmark = 0.5）—— θ=0 退化为理性预期
χ：感知 regime 切换强度（benchmark = 0.2）
μ_H, μ_L：高/低 regime 的价格增长均值（±12.5%）

偏好参数（标准取值）

γ = 10（CRRA），ψ = 0.9（EIS 倒数 ≈ 1.11）
δ = 2%（贴现率）
当 ψ ≠ γ 时为 EZ 偏好，否则退化为 power utility

外生过程

g_C = 1.91%, σ_C = 3.8%（消费）
g_D = 2.45%, σ_D = 11%（股利）
ρ = 0.2（消费-股利相关）

校准目标矩

Greenwood-Shleifer 四个调查（Gallup 16年、AA 29年、II 53年、Livingston 40年）的回归系数和 t 统计量
De la O-Myers Campbell-Shiller 主观/客观分解系数
CRSP 收益率第一/二阶矩

验证矩（模型生成 vs 数据）

收益率波动率、股权溢价、Sharpe 比率、无风险利率水平与波动率
P/D ratio 对未来 1-7 年超额收益率的回归系数 β_j
高/低情绪季度的事后股权溢价

维度5：局限性

作者承认

Price-dividend ratio 持久性偏低："频率断裂"问题——校准至调查（χ=0.2）时 P/D 自相关低于数据；降至 χ=0.02 可匹配但与调查证据冲突
代表性主体假设：忽略了行为主体财富份额随时间变化的渠道，无法刻画异质投资者
长期消费-收益率相关：模型中此相关性不随 horizon 上升，与 Yu (2012) 实证不符
情绪过程的对称性：μ_H = -μ_L = 12.5% 是简化对称设定，实际 regime 可能不对称

额外潜在问题
5. Regime-switching 是行为信念的一种特定参数化：其他外推机制（Bordalo-Gennaioli-Shleifer 的 diagnostic、Wachter-Kahana 的记忆检索）可能产生不同定价含义但被本文校准吸收为同一机制
6. 机制不可观测：θ 和 χ 仅通过其对 P/D 和调查的隐含约束校准，无法直接测量个体投资者的滤波过程
7. 缺乏交易量与异质交易者：代表性主体下不存在交易，无法解释交易量异常
8. 无市场摩擦：忽略了限制套利的因素，理性套利者为何不消除外推主体的定价偏差？
9. 未与生产经济结合：纯交换经济，未涉及外推预期对实物投资、就业等实体经济的影响
10. 政策含义有限：央行沟通、财务披露能否调节外推强度未讨论

维度7：可拓展的研究方向

异质投资者：将外推主体与理性主体共同建模，研究两类主体财富份额的内生演化与市场稳定性（连接 Adam_Marcet_2016_StockMarketVolatility_Learning）
跨横截面：用收益率外推机制定价个股横截面（动量/反转、IVOL 异象、长短期反应不对称），扩展到 Hong-Stein (1999)、Liao-Peng-Zhu (2021) 类型应用
多资产类别：将框架扩展到债券（term structure 异象）、外汇（forward premium puzzle）、商品（roll returns）
生产经济整合：在新凯恩斯或 RBC 框架下嵌入外推主体，研究外推预期对投资周期、就业波动的影响
政策实验：模拟不同信息披露规则、央行沟通透明度对 θ 的影响，研究政策能否打破繁荣-萧条循环
微观证据对接：用券商面板数据测量个体投资者的滤波参数，验证截面变异是否能解释交易行为
结构估计：从更高频数据估计 θ 和 χ 的时变性，研究外推强度是否在牛市末期升高（与泡沫文献对接）
与本 vault 的连接：与 Barberis_2015_XCAPM_Extrapolative（X-CAPM）、Adam_Marcet_2016_StockMarketVolatility_Learning（自指学习）、Bordalo_Gennaioli_2018_Diagnostic_Expectations 类对比，head-to-head 评估不同外推机制
行为机制竞争：设计能区分 regime-switching 滤波 vs naive linear extrapolation vs diagnostic expectations 的实证矩
频率断裂的解决：引入第二个时间尺度（如 long-run risk + short-run extrapolation）同时匹配 P/D 持久性和调查频率

关键结论

外推 + EZ 偏好的强互补性：单独任一机制无法匹配股权溢价（仅 0.84-1.93%），二者结合后达到 7.36%——表明定量行为定价模型必须同时考虑信念偏差和偏好结构
同一外推机制统一两组调查证据：Greenwood-Shleifer 的收益率预期外推与 De la O-Myers 的现金流预期主导主观分解，看似矛盾，实际由同一 θ-χ 滤波过程通过 expectations transmission 机制（情绪 +1σ → 收益率预期 +0.61% 但股利预期 +5.59%）统一解释
数值方法学贡献：求解内生信念资产定价模型的联立 ODE 方法可推广到其他行为定价模型，为该领域的定量评估提供工具基础

AssetPricing_2022_ReturnExtrapolation

Asset Pricing with Return Extrapolation

一句话总结

研究问题

核心贡献

维度1：数据来源与实证策略

论文类型

研究方法

数据来源（实证验证部分）

维度2：理论框架

基本经济设定

Epstein-Zin偏好

信念形成：Regime-Switching外推

期望传递机制（Expectations Transmission）

均衡利率

股权溢价（理性预期下）

关键参数取值

维度3：核心发现

长期矩（模型 vs 数据）

超额波动率

股权溢价的分解

股权溢价的反周期性

收益率可预测性

调查预期的匹配

Campbell-Shiller分解

预期传递机制的量化

维度6：与其他文献的关系

核心贡献

与现有文献的关系

局限与未来方向

维度4：关键变量概览

内生变量

状态变量

信念参数（校准）

偏好参数（标准取值）

外生过程

校准目标矩

验证矩（模型生成 vs 数据）

维度5：局限性

维度7：可拓展的研究方向

标签

关键结论

🔗 链接到这篇笔记