我的笔记

Barberis_2015_XCAPM_Extrapolative

更新于 2026/7/5

X-CAPM: An Extrapolative Capital Asset Pricing Model

元数据

  • 作者: Nicholas Barberis, Robin Greenwood, Lawrence Jin, Andrei Shleifer
  • 期刊: Journal of Financial Economics, 115(1), 1-24
  • 年份: 2015
  • DOI: 10.1016/j.jfineco.2014.08.007
  • JEL分类: G02, G12
  • 关键词: Expectations, Extrapolation, Predictability, Volatility

研究问题

  1. 投资者调查数据（如 Greenwood-Shleifer 2014）显示投资者预期具有"外推性"——过去价格上涨时预期未来继续上涨——但这一外推性预期与传统理性预期模型预测相反。能否构建一个消费基础资产定价模型，同时（i）与投资者调查数据一致，且（ii）能解释股价的可预测性、超额波动率等关键经验事实？
  2. 当外推者（extrapolators）与理性交易者（rational traders）共存于同一市场时，均衡价格如何形成？理性交易者能否消除外推者带来的价格扭曲？
  3. 外推者的存在如何放大价格波动、生成股利-价格比对未来收益的预测力、产生收益的负自相关、并提升股权溢价？
  4. 与现金流外推模型（如 Barberis-Shleifer-Vishny 1998）相比，价格外推机制有何独特含义？

核心贡献

  1. 首个同时满足三个条件的总量资产定价模型：(i) 消费基础（consumption-based），可与传统 CAPM 直接比较；(ii) 解释收益可预测性和超额波动率；(iii) 与投资者调查的预期数据一致
  2. 均衡价格的封闭解（Proposition 1）：在异质代理人 CARA 偏好框架下推导出股价为情绪 S_t 与股利 D_t 的线性函数 P_t = A + BS_t + D_t/r，并给出系数的解析表达式
  3. 统一解释多个总量经验事实：股利-价格比对长期收益的预测力（Proposition 3）、超额波动率（Proposition 5）、长期负自相关（Proposition 6）、股权溢价与夏普比率（Proposition 10）
  4. 机制澄清"理性交易者为何不消除外推者扭曲"：理性交易者预见外推者的持续买入将在短期内继续支撑价格，因此并不立即套利，反而暂时跟随，形成"骑乘泡沫"行为
  5. 为外推预期的实证证据提供理论合理化：表明 Greenwood-Shleifer (2014) 等基于调查数据的发现并非测量噪声，而是均衡现象的真实反映，从而捍卫调查数据作为信念测度的合法性
  6. 将早期价格外推文献现代化：在 Cutler-Poterba-Summers (1990)、DeLong et al. (1990b)、Hong-Stein (1999)、Barberis-Shleifer (2003) 的基础上，提供首个无限期、消费基础的连续时间外推模型框架
  7. 与文献的横向对比（Table 1）：系统梳理传统-Habit、传统-长期风险、行为-前景理论、信念-噪声交易者、基本面外推、价格外推（本文）六类总量股票市场模型在六个标准（消费基础、D/P 预测、波动率、股权溢价、匹配调查等）下的表现，明确本文的独特定位

维度1：模型设定

研究类型

理论模型 + 数值模拟 + 调查数据校准。本文是一项纯理论建模研究，辅以数值模拟和对调查数据的参数估计，不包含实验室实验或田野实验。

模型框架

  • 连续时间异质性代理人消费基础资产定价模型（continuous-time heterogeneous-agent consumption-based asset pricing model）
  • 经济中包含两类资产：无风险资产（固定利率 r）和风险资产（股票市场，固定人均供给 Q）
  • 股利过程服从算术布朗运动：dD_t = g_D \, dt + \sigma_D \, d\omega_t
  • 两类投资者均具有指数效用（CARA偏好），绝对风险厌恶系数 \gamma，折现率 \delta
  • 投资者为无限期生存的消费者，最优化终身消费效用

两类投资者

  1. 外推者（Extrapolators）：基于过去价格变化外推未来价格变化，占比 1-\mu
  2. 理性交易者（Rational Traders）：持有完全正确的信念，了解外推者的存在并据此行动，占比 \mu

参数校准方法

  • 基准参数值列于Table 2：r=2.5\%, D_0=10, g_D=0.05, \sigma_D=0.25, Q=5, \gamma=0.1, \delta=1.5\%, \lambda_0=0, \lambda_1=1
  • 参数 \beta 通过Gallup投资者调查数据估计（Appendix C），使用非线性最小二乘回归，估计值约为0.5
  • 数值模拟：离散化模型（\Delta t = 1/4，即季度频率），模拟10,000条路径，每条200期（50年）

分析方法

  • 封闭解（Proposition 1给出均衡价格的闭合形式解）
  • 解析命题（Propositions 2-10推导各类可观测量的解析表达式）
  • 蒙特卡洛模拟（Section 5，针对基于比率的量如P/D比率）

维度2：主要结果

核心机制：情绪（Sentiment）与价格外推

情绪变量定义为过去价格变化的指数加权平均：

S_t = \beta \int_{-\infty}^{t} e^{-\beta(t-s)} dP_{s-dt}, \quad \beta > 0 \tag{2}

其中 dP_{s-dt} \equiv P_s - P_{s-dt} 为过去的价格变化，\beta 控制近期vs远期价格变化的相对权重。\beta 越大，越侧重近期价格变化。

外推者的信念——预期的单位时间价格变化率：

g_{P,t}^e \equiv \mathbb{E}_t^e[dP_t]/dt = \lambda_0 + \lambda_1 S_t \tag{3}

其中 \lambda_1 > 0，当过去价格上涨（S_t 高）时，外推者预期未来价格继续上涨。

外推者对价格演化的主观信念：

dP_t = (\lambda_0 + \lambda_1 S_t) dt + \sigma_P \, d\omega_t^e \tag{4}

均衡价格（Proposition 1）

P_t = A + BS_t + \frac{D_t}{r} \tag{10}

价格和情绪的演化：

dP_t = \left(-\frac{\beta B}{1-\beta B} S_t + \frac{g_D}{(1-\beta B)r}\right) dt + \sigma_P \, d\omega_t \tag{11}
dS_t = -\frac{\beta}{1-\beta B}\left(S_t - \frac{g_D}{r}\right) dt + \beta \sigma_P \, d\omega_t \tag{12}

其中 \sigma_P = \sigma_D / ((1-\beta B)r)，B \in (0, \beta^{-1}) 且 B 为严格负值时的系数。

关键含义：价格中包含情绪项 BS_t（B>0），因此外推者的存在放大了价格波动。情绪 S_t 服从均值回复的Ornstein-Uhlenbeck过程。

理性基准（Corollary 1，\mu=1）

P_t = -\frac{\gamma \sigma_D^2 Q}{r^2} + \frac{g_D}{r^2} + \frac{D_t}{r} \tag{18}

均衡存在条件（Corollary 2）

r > \beta(\lambda_1 - 2), \quad 2\beta > r \tag{23}

当 \mu=0（无理性交易者）时条件为 2 > \lambda_1，r > \lambda_1 \beta。

价格可预测性（Proposition 3）

股利-价格差（D/r - P）对未来价格变化的预测回归系数：

b_{DP}(t_1) = \frac{\text{cov}(D_0/r - P_0, P_{t_1} - P_0)}{\text{var}(D_0/r - P_0)} = 1 - e^{-kt_1} \tag{30}

其中 k = \beta/(1-\beta B)。随着预测期限 t_1 增大，系数趋向1，与实证发现一致。

超额波动率（Proposition 5）

\sigma_{\Delta P}(t_1) = \sqrt{\frac{B\sigma_S}{k}\left(B\sigma_S + \frac{2\sigma_D}{r}\right)(1-e^{-kt_1}) + \frac{\sigma_D^2}{r^2} t_1} \tag{32}

外推者的存在使价格波动率放大为纯理性经济体的 1/(1-\beta B) > 1 倍。

价格变化的自相关（Proposition 6）

模型生成负自相关（所有滞后期），与长期实证数据中收益率的负自相关一致。

股权溢价与夏普比率（Proposition 10）

\frac{1}{dt}\mathbb{E}[dP_t + D_t \, dt - rP_t \, dt] = \frac{(1-rB)g_D - r^2 A}{r} \tag{43}
\text{Sharpe ratio} = (1-\beta B) \frac{(1-rB)g_D - r^2 A}{\sigma_D} \tag{44}

外推者越多（\mu 越小），波动率越高，股权溢价越高。

维度3：数值分析与校准

1. 价格反应的放大与反转机制

  • 正的现金流冲击推高股价 -> 外推者据此预期未来价格继续上涨 -> 增加需求进一步推高价格 -> 正反馈循环
  • 理性交易者并不积极对冲外推者造成的高估，因为他们预见外推者的持续买入将在短期内支撑价格
  • 最终情绪均值回复，高估被修正，产生长期负收益自相关

2. 收益可预测性

  • 股利-价格差（D/r - P）正向预测未来价格变化，预测力随期限增长（Table 3）
  • 与Campbell and Shiller (1988)、Fama and French (1988)的实证发现一致
  • 可预测性来源于外推者：更多外推者（低 \mu）增强可预测性

3. 超额波动率

  • 外推者的存在使股价波动率显著高于纯理性经济体（Table 5）
  • 当 \mu=0.5, \beta=0.5 时，年化价格变化标准差为13.03%（纯理性为10%）
  • 当 \mu=0.25 时升至16.86%
  • 波动率对 \beta 的值不敏感（因为高 \beta 意味着外推者更快更新信念，理性交易者也更积极对冲）

4. 消费与价格变化的低相关性

  • 模型中消费变化与价格变化的相关性随外推者比例增加而降低（Table 7）
  • 但相关性仍高于实际数据，这是几乎所有消费基础资产定价模型的共同问题

5. 剩余消费与未来收益的预测力

  • 剩余消费差异（surplus consumption difference）与价格-股利差正相关（Table 7 Panel C）
  • 剩余消费差异负向预测未来价格变化（Table 8），与habit模型的实证发现一致
  • 但本模型不依赖habit偏好，而是通过外推者的信念偏差自然产生这一模式

6. 股权溢价

  • 外推者越多，股价波动越大，股权溢价越高（Table 9）
  • 当 \mu=0.25, \beta=0.5 时，年化股权溢价为4.86%，夏普比率为0.247
  • 但模型中没有高风险厌恶机制，无法完全匹配实际约8%的股权溢价

7. 比率基础量的模拟结果（Table 10）

  • 价格-股利比的预测力、自相关、超额波动率等与差异基础量的结果大体一致
  • log(D/P)对未来收益的预测系数为正，P/D高度持续（自相关约0.85-0.93）
  • 消费-财富比预测未来收益为正，与Lettau and Ludvigson (2001)一致

8. 与调查数据的一致性

  • 模型的核心动机来自Greenwood and Shleifer (2014)总结的调查证据：投资者预期呈外推性质
  • \beta 通过Gallup调查数据估计约为0.5，意味着4年前的年度价格变化的权重仅为最近年度的22%
  • 即使 \mu < 1（只要有部分外推者），全体投资者的人口加权平均预期也呈外推性质

维度5：与其他文献的关系

在资产定价文献中的位置

本文属于行为金融学与资产定价理论的交叉领域。Table 1系统梳理了总量股票市场模型的文献全景：

模型类别 代表文献 消费基础 D/P预测收益 波动率 股权溢价 匹配调查
传统-Habit Campbell and Cochrane (1999) Yes Yes Yes Yes No
传统-长期风险 Bansal and Yaron (2004) Yes No Yes Yes No
行为-前景理论 Barberis, Huang, Santos (2001) Yes Yes Yes Yes No
信念-噪声交易者 DeLong et al. (1990a) No Yes Yes No No
基本面外推 Barberis, Shleifer, Vishny (1998) No Yes Yes No No
价格外推（本文） Barberis et al. (2015) Yes Yes Yes No Yes

本文的独特贡献：唯一同时满足以下条件的模型：

  1. 消费基础模型（可直接与传统CAPM比较）
  2. 解释收益可预测性和超额波动率
  3. 与投资者调查预期数据一致

与先前外推模型的区别

  • 现金流外推模型（Barberis, Shleifer, Vishny, 1998; Fuster, Hebert, Laibson, 2011; Choi and Mertens, 2013）：外推的是未来现金流而非价格。这些模型中投资者的收益预期不随价格变化显著变动，无法匹配调查证据。
  • 早期价格外推模型（Cutler, Poterba, Summers, 1990; DeLong et al., 1990b; Hong and Stein, 1999; Barberis and Shleifer, 2003）：非消费基础模型，无法直接与传统研究比较。本文提供了一个"现代"的无限期消费基础框架。
  • 理性学习模型（Timmermann, 1993; Wang, 1993）：投资者预期通常与价格变化负相关（均值回复），与调查数据相悖。

对后续研究的启示

  • 模型预测短期正自相关仍需进一步扩展（如引入外推者对过去价格变化的延迟反应）
  • 无法生成大的股权溢价（缺乏高风险厌恶或habit机制）
  • 为资产泡沫的外推基础模型提供了理论基础，但未深入探讨泡沫的完整特征（如交易量激增、泡沫峰值等）
  • 调查数据不应被视为噪声，而可能是理解价格和收益事实的关键

核心参考文献

  • Greenwood, R., Shleifer, A., 2014. Expectations of returns and expected returns. Review of Financial Studies 27, 714-746.
  • Campbell, A.S., Kyle, A.S., 1993. Smart money, noise trading, and stock price behavior. Review of Economic Studies 60, 1-34.
  • DeLong, J.B., Shleifer, A., Summers, L., Waldmann, R., 1990b. Positive feedback investment strategies and destabilizing rational speculation. Journal of Finance 45, 379-395.
  • Merton, R., 1971. Optimum consumption and portfolio rules in a continuous-time model. Journal of Economic Theory 3, 373-413.

维度4：局限性

  1. 无法生成大的股权溢价：模型在标准参数下的股权溢价约 2-5%，仍低于美国数据约 8% 的实际值；缺乏 Habit 或长期风险机制
  2. 无法生成短期正自相关（动量）：模型在所有滞后期均生成负自相关，与短期动量的实证发现不符；需要进一步扩展（如外推者对过去价格变化的延迟反应）
  3. 消费-价格相关性仍偏高：尽管外推者的引入降低了消费与价格变化的相关性，但仍高于实际数据，这是几乎所有消费基础资产定价模型的共同问题
  4. CARA 偏好的简化假设：指数效用便于推导封闭解，但与实证文献中常见的 CRRA 偏好不直接对应，且 CARA 下的需求与财富水平无关
  5. 外推规则的外生性：投资者外推参数 \lambda_0, \lambda_1, \beta 被假设为外生固定，未微观化外推行为如何从有限理性、记忆偏差或代表性启发式中产生
  6. 理性交易者的完全理性假设：理性交易者完全了解外推者的存在和参数，这一信息假设可能过强；现实中"理性"投资者可能也存在对其他投资者类型识别的不确定性
  7. 股利过程的算术布朗运动假设：相比几何布朗运动，算术过程允许负股利的可能，限制经济解释力，仅作为数学便利的近似
  8. 调查数据校准的有限样本：\beta \approx 0.5 的估计基于 Gallup 调查的有限时间序列，调查频率与样本期限制了校准精度
  9. 未涉及交易量：模型为代表性外推者 vs. 代表性理性交易者的两类设定，无法直接生成横截面交易量预测，未连接到 Liao-Peng (2022) 等关于外推泡沫与交易量的实证研究
  10. 未刻画泡沫的完整特征：虽然模型可生成持续高估和均值回复，但未深入探讨泡沫峰值、崩溃速度、交易量激增等泡沫的动态特征

维度5：与其他文献的关系

（已在原文档中详细论述，见上方"维度5：与其他文献的关系"小节，此处不重复。）

维度6：可拓展的研究方向

  1. 结合前景理论生成股权溢价：将外推信念与 Barberis-Huang-Santos (2001) 的损失厌恶 + 窄框架机制结合，同时解决股权溢价之谜与超额波动
  2. 生成短期动量的扩展模型：引入两类外推者（短期 vs. 长期），让短期外推者贡献动量、长期外推者贡献反转，匹配完整的横截面收益模式
  3. 微观化外推规则：从代表性启发式、有限记忆、神经科学的强化学习等角度，推导外推参数 \beta, \lambda_1 的内生形成
  4. 横截面 X-CAPM：将模型扩展到多资产环境，分析外推者的存在如何同时影响动量、价值、规模等多个截面异象
  5. 国际市场异质性外推：在多国数据上估计外推参数 \beta，检验外推强度与制度环境（散户占比、媒体环境、教育水平）的关系
  6. 交易量与外推：构建包含异质外推参数的代理人异质模型，生成关于交易量与情绪的联合预测，与 Liao_Peng_2022_ExtrapolativeBubbles_TradingVolume 衔接
  7. 泡沫动态的全景模型：将本模型与 Scheinkman-Xiong (2003) 的转售期权机制结合，刻画泡沫的形成、峰值、崩溃完整周期
  8. 机器学习预测调查预期：用机器学习方法（LSTM、Transformer）拟合投资者调查预期，提取超出 \beta-加权平均的非线性外推模式，反向校准模型
  9. 与诊断性预期模型对比：本文的价格外推与 Bordalo-Gennaioli-Shleifer 的诊断性预期都生成"过度反应"，但机制不同，应在统一实证框架下识别两者的相对重要性
  10. 政策实验：在模型中引入波动率税、Tobin 税或熔断机制，分析其对外推者驱动的过度波动的抑制效果

一句话总结

本文构建了一个包含价格外推者和理性交易者的连续时间消费基础资产定价模型（X-CAPM），证明外推性信念的引入可以同时解释股价可预测性、超额波动率等关键实证事实，并且是文献中首个与投资者调查预期数据一致的消费基础模型。

关键结论

  1. 价格外推机制是统一解释多个总量市场异象的简洁框架：在消费基础模型中引入一小部分按"过去价格变化的指数加权平均"形成预期的外推者，即可同时生成股利-价格比对未来收益的预测力、超额波动率、长期负自相关与正股权溢价。
  2. 理性交易者不会消除外推者带来的扭曲：理性交易者预见外推者的持续买入将在短期内支撑价格，因而暂时跟随而非套利，使外推效应在均衡中持久存在；这一机制为"理性套利者为何无法消除明显的价格异常"提供了一个新的微观基础。
  3. 投资者调查数据是真实信号而非噪声：本文表明 Greenwood-Shleifer (2014) 等基于调查的外推预期发现可以从均衡模型中自然涌现，从而捍卫调查数据在资产定价研究中的合法性，呼吁未来研究将信念测量纳入定价框架。
  4. 价格外推优于现金流外推作为主导机制：基于现金流外推的模型（如 BSV 1998）无法匹配投资者预期与价格变化的正相关，而价格外推模型可同时匹配预期-价格关系与价格-收益关系，是更完整的行为金融基准模型。

🔗 链接到这篇笔记