Redian新闻
>
宏观市场 | 股权风险溢价的度量和影响因素

宏观市场 | 股权风险溢价的度量和影响因素

公众号新闻


股权风险溢价,影响因素


股权风险溢价(Equity Risk Premium)是投资者投资股权所需的溢价,反映了参与者对经济与市场风险程度以及对该风险定价的基本判断。2021年以来我国股权风险溢价总体呈现上升趋势,并未如历史经验出现均值回归。本文将从风险溢价的估计方法、风险溢价的影响因素两个角度,总结现有研究的成果,为更好地使用该指标提供依据。


风险溢价的度量方面,共有调查问卷法、历史值法与市场隐含法三种方法。调查问卷法需要找到最能反映总体市场的投资者群体。历史值法则通过计算历史上股票的长期回报并减去无风险证券的回报得出。市场隐含法则通过计算市场当下或预期的相关数据推导出股权风险溢价,具体可分为现金流折现法、违约利差估算法与期权价格估算法三类。就预测能力而言,隐含股权风险溢价效果较佳而历史风险溢价表现较差。在国内,计算股权风险溢价时通常采用过去12个月的盈利收益率(即TTM PE的倒数),相对而言使用未来12个月的盈利收益率(即forward PE的倒数)或更具有合理性。


风险溢价的影响因素方面,可以分为如下类别:风险厌恶倾向、对各类风险的认知与评估、信息披露等。风险偏好方面,随着年龄的增长人们会变得更加厌恶风险。投资者碰到的常见风险包括:经济风险(经济指标变动较大且较难预测)、政策风险(政策的不确定性)、大灾风险、流动性风险以及市场的非理性行为等。此外上市公司信息披露的质量与可靠程度往往会对股权风险溢价有所影响,信息披露较好的市场股权风险溢价往往较低。


任何投资的预期回报都可以写成无风险利率和补偿风险的风险溢价之和,股权风险溢价(Equity Risk Premium,以下简称ERP)是投资者投资“平均风险”股权投资(或投资一类股票)所需的溢价。股票风险溢价反映了参与者对经济与市场风险程度以及对该风险定价的基本判断,这些判断会影响每项风险投资的预期回报以及对该投资的估计价值。简单而言,股权风险溢价可以理解为普通股的收益率与政府债券的收益率之间的差值。但从当前我国的情况来看,2021年后股债性价比(我们定义为10年国债收益率与万得全A滚动市盈率的倒数之间的差值)出现持续下行(对应着股权风险溢价持续上升),并未如历史经验出现均值回归,股权风险溢价指标或出现一定失灵。本文将从风险溢价的估计方法、风险溢价的影响因素两个角度,梳理总结现有研究的成果,为更好地使用风险溢价指标提供参考。

一、如何估算股权风险溢价

鉴于股权风险溢价无法直接测量,因此如何估算股权风险溢价则成为难题。目前来看共有三种主要方法来进行估算。

1.1 调查问卷法 (Survey Premium)

既然股票风险溢价是投资者投资股票资产所要求的额外回报,那么最合乎逻辑的估计方法就是询问这些投资者需要什么预期回报。但由于股票市场的投资者数量众多,因此该方法面临的挑战往往是找到最能反映总体市场的投资者群体。

1.1.1 不同的调查群体侧重点有所差异

市场参与者包括不同类型的群体,从大类上来说可以分为如下三组:投资者、企业管理人与学者。

投资者又主要包括个人投资者与机构投资者。个人投资者层面,问卷可靠性或有一定瑕疵。Damodaran(2022)在2021年中期的一项调查中发现,全球个人投资者期望获得的年回报率将超过通货膨胀率135倍,同时这些期望不仅在不同地区存在巨大差异,而且在个人投资者和专业投资者之间也存在很大差异。例如,美国个人投资者预计股票的长期年回报率为17.5%,远高于投资专业人士预期的6.7%。

机构投资者方面,调查股权风险溢价相对较为理性。根据Damodaran(2022)引用美林证券(现为美国银行)对其全球机构投资者的月度调查,2007年2月调查显示平均股票风险溢价为3.5%,但到3月份市场低迷之后跃升至4.1%。2020年6月的调查中管理人预计股票回报率仅为3.4%,股票风险溢价约为2.5%,但随着市场复苏这一数字到年底有所反弹。

企业管理人更加侧重从企业融资的角度关心股权风险溢价。根据Damodaran(2022)引用格雷厄姆和哈维公司对首席财务官(CFO)或公司进行的年度调查,股权风险溢价在经济危机后往往较高,如调查溢价在危机刚结束的2009年2月达到峰值,为4.56%,而在繁荣时期往往较低,如2006年3月达到最低记录的2.42%。2008年金融危机之后,调查答复的标准差有所增加。


学者从学术层面对股权风险溢价进行估计,但其估计的结果往往相对偏高。Welch(2000)就股票风险溢价的大小对226名金融经济学家进行了调查,发现经济学家的估计高于普遍看法,而且试图下调溢价以反映这一观点。经济学家的估计值范围较大,从悲观端的2%到乐观端的13%均有。Fernandez et al.(2011)比较了美国分析师、公司和学者的股票风险溢价估计水平和标准差。


1.1.2 调查法优劣势

调查法估计股权风险溢价的主要优势是简单、易得。但使用调查法也存在如下5点劣势:一是调查风险溢价对近期股价走势敏感,调查数字通常在牛市期后增加,在市场下跌后减少;二是调查费用不仅对问题的针对对象很敏感,而且对问题的提出方式也很敏感。例如,个人投资者的预期股本回报率似乎比机构投资者更高(且波动更大),而且调查数字因问题的框架而异;三是不同调查对象对股权风险溢价估计差异较大,Kaustia et al.(2011)对1465名芬兰投资顾问进行了调查,并指出男性顾问的估计在控制经验、教育和其他因素后,比女性顾问的结果低约2%;四是调查有效性较低,Fisher & Statman(2000)发现投资者情绪(个人和机构)与股票回报之间存在负相关关系。换句话说,投资者变得更加乐观(并要求更高的溢价)更有可能是市场回报不佳(而不是良好)的先兆。五是个人和机构投资者调查的数量和复杂程度也将增加。整体而言调查溢价可能更多地反映了最近的过去,而不是对未来的良好预测。

1.2 历史值法(Historical Premium

虽然股权风险溢价的估算是面向未来的,但使用的大部分数据都是过去的。大多数投资者和管理者在被要求估计风险溢价时都会查看历史数据。使用最广泛的方法是历史值法,即估计股票长期获得的回报,并计算其与无风险证券获得回报的差额,即为历史股权风险溢价。

1.2.1 计算方法

历史股权风险溢价等于一个特定的区间内股权的平均收益与政府债券的平均收益之差。虽然历史数据相同,但实践过程中计算得出的数据存在较大差异,历史值法计算出的股权风险溢价存在差异或有以下三个原因:选取了不同的时间区间;选取了不同的无风险利率和股票市场指数;计算平均回报方式使用了不同方法。

时间区间方面,使用较长的历史数据可以提高样本数量,但相关性或出现下降。使用较早期的数据或存在以下问题:一是早期数据的可靠性要低得多,当时的交易量较低,记录保存也更加随意。二是市场本身随着时间的推移而发生变化,导致历史风险溢价可能不适合现在,比如1871年的美国股市在波动性和风险方面更类似于新兴市场而不是成熟市场。因此,使用早期数据可能会产生与当今市场无关的溢价。

为解决历史时间区间选取的问题,一些研究人员还提供了另外两种解决方案。一是将年度数据分解为更短的回报间隔(季度甚至几个月),目的是增加任何给定时间段内的数据点。二是使用全部可得数据,但测算时对近期数据给予更高权重,从而在保留全部历史数据的同时获得更能反映最近趋势的股权风险溢价。虽然这个选项看起来很有吸引力,但对最近的数据进行加权会增加估计的误差。仅使用最近十年的数据是时间加权的一种极端形式,即该时期的数据加权为1,而该时期之前的数据加权为0。

无风险证券和市场指数方面,选取国库券或长期政府债券、不同的股票指数均会对计算结果产生差异。无风险证券方面,部分人士使用国库券利率作为无风险利率,因为国库券价格风险更低,但长期国债可能因市场利率变化而出现价格波动。使用国库券前提是对单期股权风险溢价(例如仅未来一年年)感兴趣,而不是较长期限的股权风险溢价。国库券虽然短期收益确定,但会面临较大的再投资风险,因此长期政府债券是更好的选择。

不同的股票指数亦会对股权风险溢价产生影响。股票指数层面,使用历史悠久的指数(例如道琼斯30指数)似乎是一个显而易见的解决方案,但道琼斯30指数的回报率可能并不能很好地反映美国股票的整体回报率。最广泛的股票指数往往更具有代表性,但指数的选择需注意如下两点:一是该指数必须是市场加权的,因为股票的整体回报将向市值较大的股票倾斜;二是回报不应存在幸存者偏差,仅估计幸存下来的股票的回报率会产生过高的回报率。道琼斯指数是价格加权指数,且调整机制中往往会剔除表现不佳的公司,长期来看这两种偏差均有存在。

计算平均回报的不同方法亦会对股权风险溢价产生影响。算术平均回报衡量一系列年度回报的简单平均值,而几何平均则侧重于复合回报。算数平均与几何平均法均有相应的适用范围。如果年回报率随时间不相关,并且我们的目标是估计下一年的风险溢价,则算术平均值是溢价的最佳估计。然而使用几何平均法仍有较强的依据:一是实证研究表明,股票回报率随着时间的推移呈负相关,算术平均回报率可能会高估溢价;二是虽然资产定价模型可能是单期模型,但使用这些模型来获得长期的预期回报表明估计期可能比一年长得多;三是使用算术平均溢价来获得贴现率与长期复利的假设存在内部不一致,特别是在公司金融相关的估值领域,因此使用几何平均法较为合适。

Damodaran(2022)统计了不同历史时间段、不同无风险利率和平均方法下股权风险溢价的范围,结果如下:


1.2.2 历史值法的优劣势

历史值法的优势同调查法类似,在计算上比较简单,但仍存在一些明显的劣势。

一是样本与区间问题。如果市场历史较短、波动较大且处于转型期时,历史值法往往并不可靠。特别是对于新兴市场,这些市场的股票市场通常只存在很短的时间或者在过去几年中发生了重大变化。

二是存在幸存者偏差问题。即使从宏观的层面来看,仅考虑个别市场也可能存在幸存者偏差问题。假设有人在1928年投资了世界上所有主要的股票市场,美国仅为其中之一,但从1928年到2000年期间,许多其他股票市场的投资所赚取的溢价远低于美国股票市场,其中一些投资可能会导致投资者在此期间赚取很少甚至负回报。因此使用美国市场数据很可能高估了投资回报。

三是历史可以预测未来的假设条件不一定成立。运用任何过去的平均数时,都要以未来与过去相似这个假设为前提条件。如果假设的条件不合理,无论使用算术平均数还是几何平均数都会产生误导。

1.3 市场隐含法(Market Implied Premium

相对于历史值法,市场隐含法更具有前瞻性。根据不同信息来源与模型又可分为现金流折现法、违约利差估算法与期权价格估算法三类。

1.3.1 现金流折现法

当前股票价格应该是所有预期未来现金流量的总和,并以适当的利率贴现。根据使用的模型不同,在对未来现金流进行折现时又会有不同的方法。

股息折现模型(Dividend Discount Model,下简称DDM)是最直观的方法,在DDM中,股权价值是预期股息的现值。在假设股息以恒定速率增长的特殊情况下,我们可以得到经典稳定增长模型(即Gordon模型):

                                             
在稳定增长股息贴现模型作为基础模型的情况下,假设股息的预期增长率应等于长期无风险利率,股票股息收益率即为股权风险溢价。

股息 ⁄ 股权价值=股权的要求回报率-预期增长率


股息收益率=股权的要求回报率-无风险利率


股息收益率=股权风险溢价


上述模型存在一些缺点,不适用于下面两种情况:一是公司不按照可持续的水平支付股息,如公司大量留存现金而不分红;二是预计短期内收益将以非同寻常的速度增长。

使用DDM模型的变形可以解决上述问题:

增长率=(1-股息 ⁄ 收益)×股权回报率=(1 - 派息率)×ROE

将其代回稳定增长模型得:


如果我们假设权益回报率(ROE)等于要求的权益回报率(权益成本),即公司没有获得超额回报,在对上述这个方程进行简化后可以得到如下结论:

隐含股权风险溢价(未来EP法)=未来指数盈利收益率-无风险利率

如果公司处于稳定增长且没有获得超额回报,远期PE比率的倒数(也称为盈利收益率)将成为要求的权益回报率,减去无风险利率将得出隐含股权风险溢价。

就国内而言,市场在计算股权风险溢价时多数直接采用过去12个月的盈利收益率(即TTM PE的倒数),相对而言使用未来12个月的盈利收益率(即forward PE的倒数)或更具有合理性。

上述模型可以进行进一步的调整与变形,例如使用多阶段增长模型进行贴现,以求更精确地衡量各阶段的股息与盈利变化。此外仅把股息作为回报股东的一种方式往往会忽略股份回购带来的股票价格上涨的影响,因此采用FCFE(free cash flow to equity,股权自由现金流)进行折现或为一种较好的选择。

1.3.2 违约利差估算法

虽然我们将公司债券和股票视为不同的资产类别,但是它们都是风险资产,因此同一主体的各类资产价格定价应当具有统一性,以反映相同的基本面风险。在公司债券中市场上的违约利差,即公司债券利率与国债利率之间的利差,用作风险溢价。股权风险溢价与违约利差呈现较高的相关关系。Damodaran(2022)通过计算历史上股权风险溢价与违约利差之间的关系,发现美国1960年至2021年股权风险溢价与Baa评级违约利差之比的中位数在2.02左右。


虽然上述比率存在噪音,但考虑到两者相关性相对稳固,建议使用上述方法作为次要方法来检验使用的股权风险溢价是否有意义。特别是当市场风险溢价出现分歧时,相对定价中就会包含更多信息。

1.3.3 期权价格估算法

期权价格可以用来反推股票市场中的隐含波动率。股权风险溢价是我们定价未来股价波动风险的方式,因此两者之间应该存在一定的关系。

在期权市场中,衡量波动性的最简单指标是波动率指数(VIX),它是使用交易的标准普尔500指数期权中的隐含波动率构建的30天波动性指标。Santa-Clara & Yan(2006)使用标准普尔500指数期权反推了隐含股权风险溢价,在观测区间内投资者感知的股权风险溢价为11.8%,比实际风险高出约70%。Damodaran(2022)观察了从2008年9月到2022年3月每个月初的隐含股权风险溢价以及标准普尔500指数相同时间点的波动率指数(VIX),两者整体有同步变化,且相关性在波动率指数快速上升时出现明显上升。


Bollerslev et al.(2009)主张驱动预期股票回报的并不是隐含波动性本身,而是隐含方差(在期权价格中)与实际方差之间的差异。因此,如果某一时期的实现方差远高(低)于隐含方差,那么应该预期在随后的时期中会要求更高(更低)的股权风险溢价。这种关系对于短期回报(下一季度)最为强烈,对于长期回报则较为弱化。Bekaert & Hoerova(2013)将VIX的平方分解为两个组成部分,即实际波动方差和预期对实际的方差溢价,发现方差溢价是股票回报的显著预测因子,但实际波动方差不是。

1.4 几种方法的优劣势比较

评价上述方法的标准包括如下几类:预测能力、是否认可市场有效假设与预测用途,其中预测能力是最为重要的评价标准。

就预测能力而言,上一期末的隐含股权风险溢价是对下一时期隐含股权风险溢价的最佳预测因子,而历史风险溢价表现最差。即使将预测区间拓展到5至10年的中长期维度,当前的隐含溢价仍然是最佳的预测因子,而历史风险溢价表现得甚至更差。历史风险溢价更像是一个良好的反向指标。具有较高历史风险溢价的情况预示着未来实际回报的降低。如果预测能力是唯一的测试标准,那么历史风险溢价明显未能通过测试。


对市场是否有效的假设亦会对方法选取形成影响。每种方法都隐含市场是否有效的假设。如果认为市场在总体上是高效的,或者至少不能预测整体市场走势的方向,那么当前隐含的股权风险溢价是最合乎逻辑的选择。如果认为市场在总体上可能被高估或低估,那么历史风险溢价或长时期内平均隐含股权风险溢价将成为更好的选择。如果对市场完全不信任,那么调查的风险溢价将是不错的选择。

不同的预测用途往往使用不同的评估方法。例如,在收购估值和股权研究中,往往需要评估个别公司的价值,而不是对整体市场水平发表观点。这将要求使用当前隐含的股权风险溢价,因为使用其他任何数字都将使市场观点被纳入估值中。而在企业财务中,股权风险溢价用于确定资本成本,进而决定公司的长期投资,更为谨慎的做法可能是纳入长期平均值(历史或隐含)的溢价。

二、影响股权风险溢价的因素

影响股权风险溢价的因素较多,整体而言可以分为如下类别:风险厌恶倾向、对各类风险的认知与评估、信息披露。

2.1 风险厌恶倾向

市场投资者的风险厌恶倾向是影响股权风险溢价的最关键因素。如果投资者变得更加厌恶风险,股票风险溢价将会上升,反之亦然。虽然每个投资者的风险厌恶程度会有所不同,但投资者的集体风险厌恶程度决定了股票风险溢价,而集体风险厌恶程度的变化将表现为股票风险溢价的变化。影响集体风险厌恶倾向的因素包括年龄与消费倾向两个方面。

随着年龄的增长人们会变得更加厌恶风险。对于任何给定的风险水平,年长投资者的市场总体上应该比年轻投资者的市场要求更高的风险溢价。Bakshi & Chen(1994)研究了美国的风险溢价,并指出随着投资者年龄的增长,风险溢价会增加。Liu & Spiegel(2011)计算了中年群体(40-49岁)与老年人(60-69岁)的比率,发现1954年至2010年美国股市的市盈率与中年人老年人比率密切正相关。

投资者如若对当前而不是未来的消费偏好增加,股票风险溢价将会增加。在其他条件相同的情况下,个人净储蓄市场的股票风险溢价应该比在个人净消费的市场中更低。随着经济体储蓄率的下降,股票风险溢价应该会增加。Rieger et al.(2012)比较了27个国家的股票风险溢价和贴现因子,发现投资周期较短的国家溢价更高。

2.2 对各类风险的认知与评估

如果投资者对股权风险评估较高时,自然会提高对股权风险溢价的要求从而弥补预期的较高风险。股权风险类型多种多样,我们对主要的风险类别进行了归纳。

2.2.1 经济风险

如果一个经济体的主要经济指标,包括通货膨胀、利率和经济增长等相对稳定且可预测,那么其股票风险溢价应该低于经济指标变动较大且较难预期的经济体。Lettau et al.(2008)将美国不同时段的股票风险溢价与实体经济波动性联系起来,认为20世纪90年代较低的股票风险溢价(以及较高的股票价值)源于实体经济变量(包括就业、消费和GDP增长)波动性的减少。Segal & Shaliastovich(2021)还将股票风险溢价与宏观经济不确定性联系起来,认为随着不确定性的增加,投资者和企业会为未来保留资本,并减少当前风险投资的投资。


2.2.2 政策风险

2008年金融危机前市场的普遍观点认为政策风险对发达市场股权风险溢价影响较低,而对新兴市场的股权风险溢价影响较高,但金融危机后美国政府的应对措施提高了政策对发达市场股权风险溢价的影响的估计。Pastor & Veronesi(2012)认为,政府政策的不确定性可能会转化为更高的股票风险溢价:一是经济衰退之后政府政策变化的可能性更大,从而增加了总体经济不确定性中的政策不确定性,并推高了股票风险溢价;二是政策变化将增加股市波动性和股票之间的相关性,投资组合的风险分散效应将会下降。在Lam & Zhang(2014)的研究中,他们使用国际国家风险指南(ICG)提供的两个政策不确定性度量指标研究了49个经济体1995年至2006年间政府稳定性或官僚质量的潜在政策冲击,发现无论是采用政府稳定性还是官僚质量指标,政策风险影响更大的国家股权风险溢价均较高。

2.2.3 大灾风险

投资中存在不经常发生但可能导致财富急剧下降的事件,股权风险溢价必须反映该风险。例如1929-30年美国的大萧条和20世纪80年代日本股市的崩盘,彼时投资者发现投资价值大幅下跌,以至于他们在有生之年较难再次恢复。Rietz(1988)利用灾难性事件的可能性来证明较高的股权风险溢价是合理的。Barro & Ursua(2008)回顾1870年截至2007年发生的87起危机,对股价的平均影响约为22%,并估计投资者需要产生7%的股权风险溢价来补偿所承担的风险。Kelly(2012)将极端股票市场走势视为预期未来跳跃(灾难性)风险的衡量标准,并发现跳跃风险与股票风险溢价之间存在正相关关系。Guo et al.(2014)通过将跳跃事件分解为负面(bad)和正面(good)来细化这一分析,并发现决定股权风险溢价的是下行跳跃的风险。Maheu et al.(2013)在美国股市数据(1926年至2011年)上使用了一个时变的跳跃到达过程和一个双成分GARCH模型(two-component GARCH model),估计每增加一次跳跃事件,股权风险溢价就会增加0.1062%,平均每年发生跳跃事件34次,导致跳跃股权风险溢价为3.61%。

2.2.4 流动性风险

股票投资者还必须考虑流动性不足带来的额外风险。如果投资者必须接受估计价值的大幅折扣或支付高额交易成本来清算股票头寸,那么他们购买股票时就会要求更高的风险溢价。Gibson & Mougeot(2004)研究了1973年至1997年的美国股票回报,发现流动性是整体股票风险溢价的重要组成部分,并且其影响随时间而变化。Baekart et al.(2006)发现新兴市场的股本回报(和风险溢价)差异可以部分地由各个市场的流动性差异来解释。界定流动性问题的另一种方式是根据资金流向,其中股本风险溢价由资金流入和流出股票决定。如果更多资金从其他资产类别或其他地区流入股票市场,在其他条件保持不变的情况下,股票风险溢价应该会下降,而资金流出股票市场将导致股票风险溢价更高。

2.2.5 市场非理性行为

投资者的行为并不总是理性的,股票风险溢价或部分受到投资者非理性行为的影响。目前研究发现的非理性行为包括货币幻觉与窄框架效应两种。

货币幻觉:随着20世纪70年代末股票价格大幅下跌和通货膨胀率上升,Modigliani & Cohn(1979)认为,这一时期的低股票价值是投资者在应对通货膨胀方面不一致的结果。他们认为,投资者犯了这样的错误:使用历史收益增长率(反映过去的通货膨胀)来预测未来收益,但使用当前利率(反映未来通货膨胀的预期)来估计贴现率。高贴现率和低现金流导致资产估值过低,即风险溢价过高。

窄框架效应:在传统的投资组合理论中,一般假设投资者评估一项投资的风险是这个投资对于整体投资组合的风险增量,并要求为增量风险支付溢价。但行为经济学家认为,投资者通常会孤立地评估这些新增投资,与他们在投资组合中面临的其他风险分开,导致他们高估相关的风险。在股票风险溢价的背景下,Benartzi & Thaler(1995)、Barberis et al.(2001)使用这种“窄框架效应”论点来论证投资者存在高估股票风险的现象。

2.3 信息披露

信息质量与有效性是投资者决策是否投资股票的重要关注因素。上市公司信息披露的质量与可靠程度往往会对股权风险溢价有所影响。随着市场的发展,投资者可以获得的信息的数量和质量在过去一段时间内都发生了重大变化。以美国为例,在20世纪90年代末的市场繁荣期间,较低股票风险溢价亦或由于投资者可以获得更多的投资信息,从而导致更高的信心和更低的风险溢价。2000年,随着美国股票市场崩溃并出现会计丑闻后,也有人将股权风险溢价的上升归咎于信息质量的恶化以及信息过载。Yee(2006)将盈利质量定义为未来盈利的波动性,并认为随着盈利质量的下降(增加),股权风险溢价应该增加(减少)。

信息差异可能是投资者在某些新兴市场要求比其他市场更高风险溢价的原因之一,不同市场在透明度和信息披露要求方面存在很大差异。Damodaran(2022)认为俄罗斯市场中企业提供的有关运营和公司治理的信息很少(而且常常有缺陷),因此风险溢价应该比印度更高,印度的企业信息不仅更可靠,而且投资者更容易获得。Lau et al.(2011)研究了41个经济体风险溢价的时间序列变化,认为信息披露较多的经济体风险溢价波动较小,并且信息的重要性在危机期间更加突出。

参考文献:
1.Aswath Damodaran, Equity Risk Premiums (ERP): Determinants, Estimation, and Implications – The 2022 Edition Updated: March 23, 2022,Stern School of Business, 2022.
2.Bakshi, G. S., & Z. Chen, Baby Boom, Population Aging, and Capital Markets, The Journal of Business, 1994, LXVII, 165-202.
3.Barberis, N., M. Huang, & T. Santos, Prospect Theory and Asset Prices, Quarterly Journal of Economics, 2001, Vol.116(1), 1-53.
4.Barro R J., Rare Disasters and Asset Markets in the Twentieth Century, Quarterly Journal of Economics, 2006, 823-866.
5.Barro, R.J., E. Nakamura, J. Steinsson & J. Ursua, Crises and Recoveries in an Empirical Model of Consumption Disasters, Working Paper, 2009.
6.Bekaert G., Harvey C. R. & Lundblad C., Liquidity and Expected Returns: Lessons from Emerging Markets, The Review of Financial Studies, 2006.
7.Bekaert, G. & M. Hoerova, The VIX, Variance Premium and Stock Market Volatility, Working Paper Series, 2014.
8.Benartzi, S. & R. Thaler, Myopic Loss Aversion and the Equity Premium Puzzle, Quarterly Journal of Economics, 1995, 110.
9.Bollerslev, T. G. Tauchen & H. Zhou, Expected Stock Returns and Variance Risk Premia, Review of Financial Studies, 2009, Vol.22, 4463-4492.
10.Fernandez, P., J. Aguirreamalloa & L. Corres, Equity Premium used in 2011 for the USA by Analysts, Companies and Professors: A Survey, Working Paper, 2011.
11.Fisher, K.L., & M. Statman, Investor Sentiment and Stock Returns, Financial Analysts Journal, 2000, Vol.56, 16-23.
12.Indro, D.C.& W.Y.Lee, Biases in Arithmetic and Geometric Averages as Estimates of Long-nun Expected Returns and Risk Premium, Financial Management, 1997, Vol.26,81-90.
13.Kaustia, M., A. Lehtoranta & V. Puttonen, Sophistication and Gender Effects in Financial Advisers Expectations, Working Paper, Aalto University, 2011.
14.Kelly, B., 2012, Tail Risk and Asset Prices, SSRN Electronic Journal, 2013.
15.Lam, S.S. & W. Zhang, Does Policy Uncertainty matter for International Equity Markets? Social Science Electronic Publishing, 2013.
16.Lau. S.T., L. Ng & B. Zhang, Information Environment and Equity Risk Premium Volatility around the World, Social Science Electronic Publishing, 2012, Vol.58(7):1322-1340.
17.Lettau, M., S.C. Ludvigson & J.A. Wachter, The Declining Equity Risk Premium: What role does macroeconomic risk play? Review of Financial Studies, 2008, Vol.21, 1653-1687.
18.Liu, Z. & M.M.Siegel, Boomer Retirement: Headwinds for US Equity Markets? FRBSF Economic Letters, 2011, Vol.26.
19.Miller, M., Democratization, Inequality, and Risk Premia, Working Paper, The Wharton School, 2020.
20.Modigliani, Franco & Cohn, Richard. Inflation, Rational Valuation, and the Market, Financial Analysts Journal, 1979, Vol.37(3), 24-44.
21.Pástor, L. & P. Veronesi, Uncertainty about Government policy and Stock Prices. Journal of Finance, 2012 , Vol.67, 1219-1264.
22.Rieger, M.O., M. Wang & T. Hens, International Evidence on the Equity Risk Premium Puzzle and Time Discounting, Multinational Finance Journal, 2013, Vol.17(3/4), 1-15.
23.Rietz, T. A., The equity premium~: A solution, Journal of Monetary Economics, 1988, Vol.22, 117-131.
24.Ross, S.M., The Recovery Theorem, Journal of Finance, 2015, Vol.70, 615-648.
25.Santa-Clara, P. & S. Yan, Crashes, Volatility, and the Equity Premium: Lessons from S&P 500 Options, Review of Economics and Statistics, 2006, Vol.92, 435-451.
26.Segal, G. & I. Shaliastovich, Uncertainty, Risk and Capital Growth, SSRN Working Paper, 2021.
27. Gibson R. & Mougeot N., The Pricing of Systematic Liquidity Risk: Empirical Evidence from the US Stock Market. Journal of Banking and Finance, 2004, Vol.28: 157–78.
28.Welch, I., Views of Financial Economists on the Equity Premium and on Professional Controversies, Journal of Business, 2000, Vol.73, 501-537.
29.Yee, K. K., Earnings Quality and the Equity Risk Premium: A Benchmark Model, Contemporary Accounting Research, 2006, Vol.23, 833–877.

点击图片购买 “兴业研究系列丛书”



免 责 声 明

兴业经济研究咨询股份有限公司(CIB Research Co.,Ltd.)(中文简称“兴业研究公司”)提供,本报告中所提供的信息,均根据国际和行业通行准则,并以合法渠道获得,但不保证报告所述信息的准确性及完整性,报告阅读者也不应自认该信息是准确和完整的而加以依赖。


本报告中所提供的信息均反映本报告初次公开发布时的判断,我司有权随时补充、更正和修订有关信息,但不保证及时发布。本报告内容仅供报告阅读者参考,一切商业决策均将由报告阅读者综合各方信息后自行作出,对于本报告所提供的信息导致的任何直接或间接的后果,我司不承担任何责任。


本报告的相关研判是基于研究员本人的知识和倾向所做出的,应视为研究员的个人观点,并不代表所在机构。我司可根据客观情况或不同数据来源或分析而发出其它与本报告所提供信息不一致或表达不同观点的报告。研究员本人自认为秉承了客观中立立场,但对报告中的相关信息表达与我司业务利益存在直接或间接关联不做任何保证,相关风险务请报告阅读者独立做出评估,我司和研究员本人不承担由此可能引起的任何法律责任。


本报告中的信息及表达的观点并不构成任何要约或投资建议,不能作为任何投资研究决策的依据,我司未采取行动以确保此报告中所指的信息适合个别的投资者或任何的个体,我司也不推荐基于本报告采取任何行动。


报告中的任何表述,均应从严格经济学意义上理解,并不含有任何道德、政治偏见或其他偏见,报告阅读者也不应该从这些角度加以解读,我司和研究员本人对任何基于这些偏见角度理解所可能引起的后果不承担任何责任,并保留采取行动保护自身权益的一切权利。


本报告版权仅为我司所有,未经书面许可任何机构和个人不得以任何形式翻版、复制和发表。除非是已被公开出版刊物正式刊登,否则,均应被视为非公开的研讨性分析行为。如引用、刊发,需注明出处为“兴业经济研究咨询股份有限公司”,且不得对本报告进行有悖原意的引用、删节和修改。


我司对于本免责声明条款具有修改和最终解释权。


微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
4 年前卖到 2000+,现在59元搞定,没有溢价的筋膜枪真香!宏观市场 | 数据“真空”,货币宽松——1月宏观经济指标预测与2月政策前瞻宏观市场 | 如何看待本轮超长期特别国债宏观市场 | 宏观一周:建筑钢材需求好转,水泥需求有待恢复AI早知道|OpenAI为ChatGPT增加记忆功能;Adobe推出AI Artbot 已避开AI版权风险宏观市场 | 农商行利率风险的宏观政策应对宏观市场 | 经济数据超预期的背后——评2024年1-2月增长数据宏观市场 | 弱化货币规模,强化投资质效——宏观经济季度展望宏观市场 | 宏观一周:节前生产放缓(古詩英譯)锦瑟 - 李商隐宏观市场 | 货币政策转型的关键一步——宏观经济与政策月报宏观市场 | 宏观一周:受“红海局势”持续影响,运价上行宏观市场 | 走向再通胀:来自世纪之交的经验宏观市场 | 宏观一周:房地产跌幅边际收窄宏观市场 | 开年宏观数据的两组分歧——宏观经济与政策月报宏观市场 | 量价从分化到收敛——4月宏观经济指标预测与5月政策前瞻经济预测宏观市场 | 房地产融资协调机制对房地产投资影响几何美股基本面 - 2024_01_23 * 晨报 * “一月效应”或再次应验!降息预期降温背景下美股(古詩英譯) 次北固山下 - 王湾宏观市场 | 宏观一周:建材量价走弱数据分析终极难题:多影响因素下,归因模型怎么搭建?《阴阳鱼》连载第5章:时间如刀,空间如砧板,而你我都不过是鱼肉宏观市场 | PMI中枢下移之谜Dr. K钢琴师录视频事件的几点疑问宏观市场 | 我国人口老龄化特征与影响宏观市场 | 超长特别国债发行如何影响流动性?——货币政策与流动性月报宏观市场 | 四季度纯债基金表现较优,资本新规年关注指数债基——债券基金2023年第四季度报告点评宏观市场 | 规范存款“手工补息”如何影响流动性?——货币政策与流动性月报宏观市场 | 库存增速上升开启补库了吗?——评2023年12月工业企业利润数据宏观市场 | 制造业节前赶工效应显著——评2024年1月PMI数据宏观市场 | 中美住房反向抵押市场的发展与启示宏观市场 | 国开债发行缩量的背后宏观市场 | 2023年三本预算执行率如何?——评2023年12月财政数据宏观市场 | 宏观一周:外需温和回暖 生产表现分化宏观市场 | 宏观一周:五一出游客单价恢复率回落
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。