第五章 實證結果
第四節 分析
無風險利率之謎的解釋與超額報酬率：從模型本身的推導結果來看，式（3.16）
和式（3.20）分別給出了市場的無風險利率和個別資產的超額報酬率，這兩個式 子與CCAPM 推導的結果相似而不同。具體而言，式（3.16）與 CCAPM 推導的 無風險利率相似的部分是−𝑙𝑛𝛽 +𝜎1𝐸𝑡(𝛥𝑙𝑛ct+1) −2𝜎12Var(𝛥𝑙𝑛ct+1)。據文章第五
章第一節的闡述，𝜎的取值一般為 0.2 至 1，𝜎越小則表明代理人越厭惡風險。如 果未來的預期消費增加，即𝐸𝑡(𝛥𝑙𝑛ct+1)升高，景氣有轉好趨勢，那麼代理人將會 傾向於進行借貸，從而推高無風險利率；如果消費的成長率波動性增加，即 Var(𝛥𝑙𝑛ct+1)升高，景氣風險增加，那麼代理人將會傾向於進行儲蓄，從而使無 風險利率下降；隨著𝜎下降，則代理人越厭惡跨期風險，前述兩個指標的係數就 越大，也就會更加強烈地影響到無風險利率，但由於一般消費的成長率波動較小，
所以根據CCAPM 計算的無風險利率常常偏高。式（3.16）與 CCAPM 推導的無 風險利率所不同的部分是−𝜎(𝜖−1)𝜖−𝜎 Et(𝛥𝑙𝑛αt+1) −12[𝜎(𝜖−1)𝜖−𝜎 ]2Var(𝛥𝑙𝑛αt+1)，其中ϵ的 取值約為 1.05。如果消費比例變化率增加或者消費比例增長的波動性增加，即 Et(𝛥𝑙𝑛αt+1)或Var(𝛥𝑙𝑛αt+1)增加，就會增加景氣的不確定性，代理人傾向於進行 儲蓄，從而使無風險利率下降；隨著ϵ升高，則代理人越願意進行同期內的消費 代替，前述兩個指標的係數就越大，也就會更加強烈地影響到無風險利率，由於 消費比例期望穩定而波動性持續存在，則這一部分為負數，因而會降低計算出的 無風險利率，部分解決無風險利率之謎。第五章第一節中，根據β=1.3 且σ=0.2 計 算出的無風險利率更符合實際，可能說明中國大陸的代理人主觀折現因子較高並 且比較厭惡跨期風險。式（3.20）與 CCAPM 推導的超額報酬率相似的部分是
1
𝜎𝑐𝑜𝑣(𝛥𝑙𝑛ct+1, rt+1i )，代表了消費增長和資產報酬率之間的協方差，與 CCAPM 所 不同的部分是−𝜎(𝜖−1)𝜖−𝜎 𝑐𝑜𝑣(𝛥𝑙𝑛αt+1, rt+1i )，代表了消費比例變化與資產報酬率之
間的協方差，其係數為負數，如果資產報酬率和消費比例變化的協方差為負數，
則資產的超額報酬率會相對CCAPM 計算出的更高。
個股的超額報酬率影響因素：根據第五章第二節的計算結果，無論是年度水 準還是季度水準上，個股報酬率與消費比例增長率的協方差在個股超額報酬率的
形成中均有很高的顯著性，可以認為該參數是一個影響因素。但與CCAPM 的結 論類似的是，只考慮與消費相關的影響因子所得到的R2較小，遠不如多因子模型，
這可能是因為股票市場的資產報酬率還與其他重要的因子相關，需要進一步的探 索。
市場報酬率及其預測：對市場報酬率的分析包含了股票市場和房屋市場，由 第五章的結果可以看到，股票資產的市場超額報酬率與股息率較有關係，但與消 費比例關係不大，可能是由於中國大陸股市的影響因數更依賴於政策而非總體經 濟環境。對於房屋資產，隨著消費比例的增加，房屋市場的超額報酬率也增加。
消費比例由非耐用品消費除以總消費獲得，它可能是一個反應當前經濟狀況的指 標。當經濟景氣好時，人們更傾向於消費非耐用品和服務性商品，而當人們判斷 景氣開始變差時，則會選擇“節衣縮食”，也就導致了消費比例的下降。因此消費 比例可能是景氣迴圈過程中的一個中介指標，消費比例變高則表示經濟景氣，也 就帶來了房屋資產的超額報酬率的上升。雖然第五章的結果顯示前一期的消費比 例不能直接預測後一期的房屋超額報酬率，但同期的房屋超額報酬率與消費比例 有正向關係。同時，本研究發現，消費比例自身有一定的自迴歸性，尤其是提前 四季的消費比例會顯著影響當季。利用這一關係，可以預測消費比例，進而預測 同一季的房屋超額報酬率。
第六章 結論
從2002 年至 2012 年的年度消費數據和 2013 年第一季度至 2018 年第三季度 的季度消費數據可以了解到中國大陸的一些消費特性。首先與消費相關的數據在 時間序列上都有一定的自相關性，每年無論總和還是分季度的消費比例、消費增 長率均和前一年的同期數據有較高的相關性。在年中各季度間，則有明顯的季節 性，其中尤以第一季度的消費比例最高，但年度總消費比例的變動趨勢更加平穩。
從收入分組和戶籍分組來看，城鎮居民的消費模式與農村居民的消費模式有很大 不同，城鎮居民收入越高，則消費比例越高，說明非耐用品的消費相對更高；而 農村居民收入越高，則消費比例越低，說明居住消費相對更高，猜測與城鄉消費 產品的豐富程度差異有關。
利用消費比例數據，可以部分完善 CCAPM。引入消費比例後計算得到的無 風險利率更低，迴歸結果也顯示消費比例和個股的相關性具有顯著性，幷且其係 數爲負數。在市場報酬率方面，計算結果說明股票資産的市場報酬率與股息率有 關而與消費比例關係不明顯，但房屋資産的市場報酬率與消費比例的關係明顯。
在政府判斷當前景氣時，常常用到經濟景氣指標，而經濟景氣指標是由總產 出、就業、個人收入等指標加權得來，本研究顯示了消費比例同樣是一個可以反 映景氣狀態的指標，可以作為判斷經濟運行的參考。對投資者來說，消費比例可 以作為一個預測指標，有助於解讀當前的經濟情況，以及對房屋市場的價格走勢 做出判斷。
未來方向與改進：從模型來說，未來研究者可以將消費數據分類更細，引入 其他的總體經濟指標或者引入不同的效用函數來進行推導。從資料本身採集的角
度來說，第五章結果顯示資料獲取範圍越小，期間越短，則模型越有效，在未來 可以改變數據的採集範圍（空間或時間上）以及採集頻率。從實證角度，未來可 以進行其他地區或者其他資產市場的驗證。
參考文獻
[1] 王立平. (2010). 中國居民消費, 收入約束與資產收益研究. 雲南財經大學 學報, 26(1), 67-72.
[2] 王江. (2006). 金融經濟學. 中國人民大學出版社.
[3] 北 京 華 通 人 商 用 資 訊 有 限 公 司 . (2011). 指 數 編 制 . 華 通 指 數 . http://www.acmr.com.cn/indicators/help01.html
[4] 吳梓越, & 吳熙. (2013). 基於資本資產定價模型的中國股市實證研究. 高 等財經教育研究, 1.
[5] 肖琨小. (2014). 经典资产定价理论综述. 现代商业, (23), 156-157.
[6] 扈文秀, 韓仁德, & 盧妮. (2005). 中國金融資產定價中無風險利率的選擇 研究. 經濟問題探索, 6, 108-112.
[7] 國家統計局. (2018). 中國統計年鑒. 中國統計出版社.
[8] 國 家 統 計 局 . (2018). 主 要 統 計 指 標 解 釋 . 國 家 統 計 局 網 站 . http://www.stats.gov.cn/tjsj/ndsj/2018/html/zb06.htm
[9] 國家統計局住戶調查辦公室. (2017). 中國住戶調查年鑒. 中國統計出版社.
[10] 廖理, & 汪毅慧. (2003). 中國股票市場風險溢價研究. 金融研究, 4, 23-31.
[11] Acharya, V. V., & Pedersen, L. H. (2005). Asset pricing with liquidity risk. Journal of financial Economics, 77(2), 375-410.
[12] Boguth, O., & Kuehn, L. A. (2013). Consumption volatility risk. The Journal of Finance, 68(6), 2589-2615.
[13] Campbell, J. Y., & Cocco, J. F. (2007). How do house prices affect consumption?
Evidence from micro data. Journal of monetary Economics, 54(3), 591-621.
[14] Campbell, J. Y., & Mankiw, N. G. (1989). Consumption, income, and interest rates: Reinterpreting the time series evidence. NBER macroeconomics annual, 4,
185-216.
[15] Case, K. E., Quigley, J. M., & Shiller, R. J. (2005). Comparing wealth effects: the stock market versus the housing market. Advances in macroeconomics, 5(1).
[16] Cochrane, J. H. (2009). Asset pricing: Revised edition. Princeton university press.
[17] Fama, E. F., & French, K. R. (1992). The cross‐section of expected stock returns.
the Journal of Finance, 47(2), 427-465.
[18] Fama, E. F., & MacBeth, J. D. (1973). Risk, return, and equilibrium: Empirical tests. Journal of political economy, 81(3), 607-636.
[19] Green, R. K. (2002). Stock prices and house prices in California: new evidence of a wealth effect?. Regional Science and Urban Economics, 32(6), 775-783.
[20] Hall, R. E. (1988). Intertemporal substitution in consumption. Journal of political economy, 96(2), 339-357.
[21] Li, Q., Vassalou, M., & Xing, Y. (2006). Sector investment growth rates and the cross section of equity returns. The Journal of Business, 79(3), 1637-1665.
[22] Lustig, H. N., & Van Nieuwerburgh, S. G. (2005). Housing collateral, consumption insurance, and risk premia: An empirical perspective. The Journal of Finance, 60(3), 1167-1219.
[23] Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91.
[24] Ogaki, M., & Reinhart, C. M. (1998). Measuring intertemporal substitution: The role of durable goods. Journal of political Economy, 106(5), 1078-1098.
[25] Piazzesi, M., Schneider, M., & Tuzel, S. (2007). Housing, consumption and asset pricing. Journal of Financial Economics, 83(3), 531-569.
[26] Ross, SA(1976).The arbitrage theory of capital asset pricing. Journal of Economic Theory, 13(3), 341-360.
[27] Santos, T., & Veronesi, P. (2005). Labor income and predictable stock returns.
The Review of Financial Studies, 19(1), 1-44.
[28] Greene, W. H. (2003). Econometric analysis. Pearson Education India.
[29] Yang, Z., Fan, Y., & Zhao, L. (2018). A reexamination of housing price and household consumption in China: The dual role of housing consumption and
housing investment. The Journal of Real Estate Finance and Economics, 56(3), 472-499.
[30] Yogo, M. (2006). A consumption‐based explanation of expected stock returns.
The Journal of Finance, 61(2), 539-580.