1. 从“感觉”到“数字”为什么我们需要度量风险厌恶在金融市场的日常决策里我们经常听到“我比较保守”或者“他更愿意冒险”这样的说法。这背后其实是一个核心概念风险厌恶。它描述的是投资者在面对不确定性时对风险的排斥程度。但“保守”和“冒险”只是模糊的定性描述就像说“这杯水有点烫”一样缺乏一个统一的、可比较的标尺。在严谨的金融经济学分析中尤其是在资产定价、投资组合理论以及衍生品定价等领域我们必须将这种主观感受量化这就是风险厌恶程度度量的核心任务。王江老师教材的第七章正是搭建了这座从“感觉”通往“数字”的桥梁。它系统地介绍了如何用数学工具来刻画一个投资者的风险偏好并定义了衡量其风险厌恶程度的指标。理解这一章不仅仅是应付考试更是理解现代金融理论基石的关键。无论是构建一个最优投资组合还是为一份期权合约定价其背后的模型都严重依赖于对投资者风险厌恶程度的假设和度量。可以说不会度量风险厌恶就无法真正理解资产价格是如何形成的。本章内容承上启下它建立在期望效用理论将不确定下的选择转化为期望效用最大化问题之上又为后续的资产定价模型如CAPM提供了关键的微观基础。本章的核心就是引入并深入剖析几个核心的风险厌恶度量指标绝对风险厌恶系数、相对风险厌恶系数以及风险容忍度。我们将逐一拆解它们的定义、经济含义、计算方式以及在实践中的应用场景与局限。2. 效用函数风险偏好的数学化身在度量风险厌恶之前我们必须先有一个能够刻画投资者偏好的数学模型这就是效用函数。效用函数将不同数量的财富或消费映射为一个“满意度”数值。在不确定环境下投资者追求的是期望效用最大化而非期望财富最大化。2.1 效用函数的基本性质与风险厌恶的诞生一个典型的用于分析风险问题的效用函数通常假设是递增且凹的。递增意味着“多多益善”——财富越多效用越高。凹性则是风险厌恶的数学根源。什么是凹性直观理解就是函数图像向上凸起像一座山的轮廓。数学上对于凹函数其二阶导数小于零。凹性导致了一个关键现象确定性等值低于期望值。让我们用一个简单例子说明。假设你有50%的概率获得100元50%的概率获得0元。那么期望财富是50元。对于一个风险厌恶者来说这个有风险的赌局带来的“满意度”期望效用可能只相当于确定性地获得40元带来的效用。这40元就是该赌局的确定性等值。确定性等值40元与期望值50元之间的差额10元被称为风险溢价——这是投资者为了规避风险而愿意放弃的期望收益。注意这里容易产生一个误解认为风险溢价是投资者要求为承担风险而获得的“额外补偿”。更准确的理解是它是投资者为了避免风险而“愿意支付的代价”。在资产定价中它表现为无风险资产与风险资产期望收益率之间的差额。2.2 几种常见的效用函数形式为了进行具体的度量和计算理论中常采用一些特定形式的效用函数。王江教材中重点讨论的有负指数效用函数u(W) -e^(-aW)其中a 0W为财富。特点绝对风险厌恶系数为常数a。这意味着无论投资者的财富水平如何变化他对固定金额风险的态度不变。这在某些简化分析中非常方便。计算示例若a0.01财富W100则效用u(100) -e^(-0.01*100) ≈ -0.3679。对于前述50%概率得10050%概率得0的赌局期望效用为0.5*u(100) 0.5*u(0) 0.5*(-0.3679) 0.5*(-1) ≈ -0.6839。通过求解-e^(-0.01*CE) -0.6839可得确定性等值CE ≈ 38.3元。风险溢价为50 - 38.3 11.7元。幂效用函数u(W) (W^(1-γ))/(1-γ)当γ ≠ 1当γ1时为对数效用函数u(W) ln(W)。特点相对风险厌恶系数为常数γ。这意味着投资者对财富比例变动的风险态度是稳定的更符合许多实证观察。计算示例采用对数效用u(W)ln(W)γ1。对于同样的赌局期望效用为0.5*ln(100) 0.5*ln(0)。这里遇到问题ln(0)无定义。这说明对数效用函数对“破产”财富为0是无限厌恶的在实际应用中需注意其定义域。若将0替换为一个极小值如0.01则期望效用≈ 0.5*4.605 0.5*(-4.605) 0。求解ln(CE)0得CE1元。这个极端的例子展示了函数形式对结果的巨大影响。二次效用函数u(W) W - (b/2)W^2其中b0。特点计算简单早期理论中使用较多。但它有一个致命缺陷在财富超过一定值1/b后效用随财富增加而下降这不符合经济直觉“多多益善”。因此现代金融理论中已较少使用。选择哪种效用函数取决于模型的需要和要突出的经济含义。常数绝对风险厌恶CARA的负指数函数便于分析但常数相对风险厌恶CRRA的幂函数更贴近现实。3. 核心度量指标ARA、RRA与风险容忍度有了效用函数我们就可以定义精确的风险厌恶度量指标了。这是本章最核心的技术内容。3.1 绝对风险厌恶系数绝对风险厌恶系数衡量的是投资者对绝对金额风险的厌恶程度。其定义为A(W) -u(W) / u(W)其中u(W)是效用函数的一阶导数边际效用u(W)是二阶导数。为什么是这个形式分母u(W)是边际效用用于标准化使得度量不受效用函数线性变换的影响效用函数在正仿射变换下偏好顺序不变。分子-u(W)是关键u(W) 0代表函数是凹的即风险厌恶。u(W)的绝对值越大函数“弯”得越厉害风险厌恶程度越高。因此-u(W)直接捕捉了“凹性”的强度。经济含义A(W)越大表明投资者为了规避一个给定的、固定金额的风险例如是否参与一个赌注为100元的公平赌局所要求的风险溢价越高或者说愿意支付的保费越高。计算与比较对于负指数效用u(W) -e^(-aW)u(W) a * e^(-aW),u(W) -a^2 * e^(-aW)。代入公式得A(W) -(-a^2 e^(-aW)) / (a e^(-aW)) a。常数绝对风险厌恶。对于幂效用u(W) (W^(1-γ))/(1-γ)u(W) W^(-γ),u(W) -γW^(-γ-1)。代入得A(W) -(-γW^(-γ-1)) / (W^(-γ)) γ / W。可见绝对风险厌恶随财富W增加而递减。这意味着富人比穷人更不害怕一个固定金额的损失这符合直觉。3.2 相对风险厌恶系数相对风险厌恶系数衡量的是投资者对财富比例风险的厌恶程度。其定义为R(W) W * A(W) -W * u(W) / u(W)为什么需要RRA在金融投资中我们更常关心的是投资回报率即财富的百分比变化而非绝对的元、角、分。投资10万元亏损1万元和投资100万元亏损1万元虽然绝对损失相同但风险感受完全不同。RRA度量的正是对后一种比例风险的厌恶。经济含义R(W)越大投资者越不愿意承受其财富比例的波动。这直接影响其资产配置决策一个高RRA的投资者会将更大比例的财富配置于无风险资产如国债而非股票等高风险资产。计算与比较对于负指数效用R(W) W * a。相对风险厌恶随财富递增。这意味着越富有的人反而越害怕财富比例损失这与许多实证研究不符是负指数效用的一个局限。对于幂效用R(W) W * (γ / W) γ。常数相对风险厌恶。这是幂效用函数被广泛使用的主要原因它假设投资者的资产配置比例如股票占财富的百分比不随其总财富变化而变化这与很多长期投资建议和部分实证现象相符。对于对数效用γ1R(W) 1。这是一个特例称为“单位相对风险厌恶”。3.3 风险容忍度风险容忍度是风险厌恶的倒数定义更为直观T(W) 1 / A(W) -u(W) / u(W)经济含义它直接衡量投资者可以“容忍”的风险量。在有些高级金融模型如连续时间金融中使用风险容忍度比使用风险厌恶系数在数学处理上更为方便。与财富的关系对于幂效用A(W) γ/W因此T(W) W/γ。风险容忍度与财富成正比且系数为1/γ。这意味着投资者的风险资产投资金额在CRRA下大致与其财富成正比比例系数由风险容忍度决定。4. 度量指标的应用、估计与常见误区理解了定义我们来看看这些度量如何在理论和实践中发挥作用以及需要注意哪些问题。4.1 在经典理论中的应用资产配置静态问题在均值-方差框架下投资者最优风险资产组合的权重与他的风险容忍度成正比与风险资产的方差成反比。具体地对于单一风险资产最优投资金额 ≈(期望超额收益率 / 方差) * T(W)。这清晰地展示了风险容忍度的核心作用风险容忍度越高即风险厌恶越低投在风险资产上的钱就越多。消费-投资决策动态问题在默顿的跨期资产配置模型中投资者的消费率和资产配置比例直接由其相对风险厌恶系数γ决定。例如在CRRA效用下最优股票投资比例与γ成反比。资产定价在基于消费的资本资产定价模型CCAPM中资产的超额收益率与消费增长的协方差成正比比例系数就是代表性消费者的相对风险厌恶系数。γ在这里成为了连接宏观经济波动与资产价格的核心参数。4.2 如何估计现实中的风险厌恶系数这是一个极具挑战的实证问题。常见方法有实验经济学方法在可控实验室中让受试者进行一系列赌博选择根据其选择反推其效用函数形状和风险厌恶参数。问卷调查法直接询问投资者在不同情境下的选择但可能存在言行不一的问题。基于市场数据的推断股权溢价之谜这是最著名的应用。历史数据显示股票市场的长期平均超额收益率股权溢价远高于经典模型如CRRA效用下的CCAPM所能解释的水平。要匹配观察到的股权溢价需要假设投资者的相对风险厌恶系数γ高得离谱通常大于10这意味着投资者极度风险厌恶这与许多其他市场现象和直觉不符。这个“谜题”推动了金融学数十年的研究。保险购买行为通过观察人们愿意为各类保险支付多少保费保费与期望赔偿的差额即风险溢价可以反推其绝对风险厌恶系数。资产配置数据观察不同财富群体或个人的实际资产配置比例如股票、债券、存款的比例在给定模型下反推其平均RRA。4.3 实操中的注意事项与常见误区系数非恒定无论是ARA还是RRA在现实中都未必是常数。它们可能随财富水平、年龄、健康状况、经济周期甚至近期投资损益“赌场资金效应”而变化。模型中的常数假设是为了简化在实际应用如为高净值客户做资产配置时需要意识到其局限性。背景风险的影响上述度量通常假设投资者只面临金融市场的风险。但实际上个人还面临人力资本风险失业、伤病、经营风险等“背景风险”。这些不可交易的风险会提高投资者在金融市场上的有效风险厌恶程度使其表现得比仅基于金融财富度量的结果更为保守。模型风险极度依赖效用函数的形式。如果你错误地假设了效用函数形式例如用CARA函数去拟合一个本质上是CRRA的行为那么估计出的风险厌恶系数将严重失真。在实际的量化投资模型开发中对效用函数形式的检验和选择是一个重要步骤。区分风险厌恶与损失厌恶经典的风险厌恶理论基于最终财富水平。但行为金融学发现人们更关注相对于某个参考点如买入价的损益并且对损失的痛苦感远大于等量收益带来的快乐损失厌恶。这导致了诸如前景理论等更复杂的模型。在解释一些市场异象如处置效应时需要引入这些概念而非单纯使用传统的风险厌恶系数。5. 一个综合案例为不同投资者设计资产配置方案假设我们是一家财富管理公司的分析师需要为两位客户提供初步的资产配置建议。我们通过问卷和访谈粗略估计了他们的风险厌恶参数。客户A年轻高管35岁风险承受能力问卷显示其偏好较高风险投资目标为长期增值。我们将其模型化为一个相对风险厌恶系数γ2的CRRA投资者。当前金融财富W500万。客户B退休教授65岁风险承受能力问卷显示其极度保守首要目标是保值。我们将其模型化为γ8的CRRA投资者。当前金融财富W800万。市场数据如下无风险收益率rf3%某股票指数基金代表风险资产的预期年化收益率E(r)10%年化波动率σ20%。在简单的静态均值-方差框架下对于CRRA投资者其投资于该风险资产的最优比例ω*近似为ω* ≈ [E(r) - rf] / (γ * σ^2)让我们进行计算风险资产的超额收益率风险溢价为10% - 3% 7% 0.07方差为(20%)^2 0.04对于客户Aγ2ω*_A ≈ 0.07 / (2 * 0.04) 0.07 / 0.08 0.875即建议将约87.5%的金融资产配置于股票指数基金剩余12.5%配置于无风险资产。对于客户Bγ8ω*_B ≈ 0.07 / (8 * 0.04) 0.07 / 0.32 0.21875即建议将约21.9%的金融资产配置于股票指数基金剩余78.1%配置于无风险资产或债券类低风险资产。这个计算清晰地展示了风险厌恶系数γ如何直接、定量地影响资产配置的核心决策。客户B的γ是客户A的4倍其风险资产配置比例也大致降为1/4。注意这是一个极度简化的示例。实际中还需要考虑客户是否有非金融资产如房产是否有人力资本未来收入这些都应视为低风险或风险资产纳入整体考量。客户是否有流动性需求如近期计划购房这会影响其有效投资期限和风险承受能力。模型假设收益服从正态分布且投资者只关心均值和方差。现实中分布可能具有“厚尾”特征且投资者可能更害怕极端损失。我们使用的是静态单期模型而实际投资是动态过程。跨期对冲等考虑会修正配置比例。尽管如此这个案例说明了风险厌恶度量从理论公式走向实际应用的桥梁作用。它迫使我们将模糊的“保守”或“激进”转化为一个具体的数字从而为后续的量化分析、产品匹配和风险控制提供了起点。6. 超越传统对风险厌恶度量前沿的思考传统的风险厌恶度量框架虽然强大但面对复杂的金融市场和人类行为仍显不足。在实际工作中我体会到必须对其保持开放且批判的态度。首先风险态度是情境依赖的。同一个人在牛市和熊市、在盈利和亏损状态下其表现出的风险厌恶程度可能截然不同。这催生了“局部风险厌恶”的概念以及行为金融中的“前景理论”其中风险态度由价值函数在参考点处的曲率决定且损失区域的曲率远大于收益区域。其次风险厌恶与模糊厌恶。传统模型处理的是“风险”——已知概率分布的不确定性。但现实中更多是“模糊”——概率分布本身未知的不确定性。大量实验表明人们通常更加厌恶模糊。在模型不确定性很高的市场环境中如金融危机期间、或面对全新金融产品时投资者的行为可能更多地由模糊厌恶驱动而非传统风险厌恶。最后从实操角度看与其追求一个精确不变的γ不如建立一个动态评估体系。对于投资顾问而言定期通过情景分析、压力测试问卷、以及回顾客户在面对市场真实波动时的反应和行为例如在2020年3月市场暴跌时是否恐慌性赎回来动态调整对其风险承受能力的评估比依赖一次问卷得到的静态γ值要可靠得多。风险厌恶度量模型提供了一个优秀的理论框架和思考起点但最终的投资决策必须结合深刻的市场理解、客户的具体情境以及持续的动态沟通。