论文部分内容阅读
本文由三篇均涉及到贝叶斯推断、但是相对独立的小论文构成，其中前两篇(第二、三章)是讨论资产价格和收益率的文章，并且都引入了贝叶斯学习效应(Bayesian Learning)，在第二章的理论模型中加入贝叶斯学习效应可以使模型更好地刻画现实。第三章以实证分析为主，最后引入贝叶斯学习效应来解释个股特质风险和收益率之间的实证关系。第四章设计了一种贝叶斯非参数方法来估计删失数据模型。
正文第一章是关于资产价格和学习效应的一个文献综述，现有的这些研究成果是本文研究工作的基础和出发点。学习效应在宏观和金融里的应用越来越广，很多原来难以解释的现象，如果假设人们对经济体不具备完备信息，需要逐步认识，这些反常的现象就容易解释了。
第二章建立了一个一般均衡的模型，来从理论上分析实际利率被扭曲的条件下资产价格的波动。我们的主要贡献是为低利率政策建模，并分析它对资产价格的含义。我们发现当中央银行调整货币政策目标，压低实际利率的时候，具有抵押价值的资产，其价格会有向上的跳涨1。如果考虑到社会公众对中央银行货币政策目标缺乏完备的信息，只能通过政策执行情况的观测来逐步发现真实的政策目标，也就是说公众对货币政策目标有一个学习的过程，那么资产价格就有一个逐步调整的过程，因此更加接近现实。就我们所检索到的文献而言，还没有发现其他的论文在一般均衡的框架下讨论中央银行的低利率政策及其后果。
第三章是一项实证研究，分析中国证券市场中股票特质波动性(IdiosyncraticVolatility)的风险溢价问题。我们发现较高波动性的投资组合在下一期收益率反而较低，为了解释这个看起来反常的现象，我们引入投资人逐步了解、发现上市公司盈利能力的学习过程。类似Lucas(1978)的一般均衡定价公式说明，不完全信息和学习过程会导致股票价格出现均值回归的现象(Mean Reversion)，并且盈利能力不确定性越高的公司，股价向均值回归的趋势越明显。
第四章提出一种贝叶斯非参数方法(Bayesian Nonparametric Method)，利用数据扩充(Data augimentation)生成人工数据来估计删失数据模型。
论文第二章的主要结论是，如果实际利率被中央银行刻意压低，那么贷款将成为稀缺资源，此时生产性的实物资产如果可以用于抵押以获得稀缺的贷款，则这种抵押价值将反映在资产价格之中，导致资产价格上涨。文章首先在最简单的RBC模型中，引入了消费者预防性储蓄的行为。这样的一个小的扩展意味着消费行为在稳态的时候可以和任何水平的实际利率相适应。无穷期生存的消费者，如果没有信贷的约束，那么在遭遇意外的不利冲击的时候，比如生病或者灾害需要提高支出，他们总是能够通过借款来满足当期额外的支出。在这样的情况下，消费者没有预防性储蓄的必要。现实经济活动之中，消费者不是无限期生存，也很难在遭遇意外不利事件的时候借入足够的资金，因此保持一定数量的金融资产可以作为对意外事件的缓冲带，避免将来生活水平的突发性急剧下降。因此即使在实际利率低于消费者跨期偏好特性的时候，仍然会维持相当数量的储蓄。这个特征是中央银行能够持续地将实际利率调控到自然的实际利率水平之下的一个前提条件，本文的第一个贡献是将预防性储蓄纳入一般均衡的模型之中，以便于讨论实际利率被扭曲的经济后果。
为了刻画中国货币政策的低利率特征，本文假设中央银行通过管制名义利率和向银行体系注入信贷来调控实际利率和通货膨胀率。中央银行规定了金融机构的存款利率上限和贷款利率下限，同时通过购买并持有债券的形式向金融体系注入货币。如果实际注入货币数量持续高于给定名义利率条件下公众对货币的需求，那么通货膨胀率会上升到较高的水平，因为名义利率被中央银行固定住，所以实际利率会被扭曲偏离它的自然水平。本文在一般均衡的框架下分析、讨论这种货币政策对资产价格的影响。因为公众对中央银行的货币政策目标缺乏完备的信息，本文引入了学习机制，亦即公众通过观察中央银行控制的的名义利率和货币增长率来推断中央银行的货币政策目标，并且基于这种推断做出各项决策。本文的第二个贡献是刻画了一个实际利率被扭曲的均衡状态，并且模型化了公众对货币政策目标的学习机制。
本文的主要结论包括，一、资产作为贷款抵押品的价值会反映在价格之中，所以在实际利率偏低，资金市场供不应求的情况下，因为资产能够通过抵押获得稀缺的贷款，实物资产的价格会因此而上升。二、关于金融体系在低利率政策下的运行，我们的模型说明，银行体系存在一个三难选择问题，即金融体系不可能同时达到以下三个目标：持续的低利率政策，自由的按揭贷款，合理的资产价格。这个结论意味着数量控制和低利率政策是一个硬币的正反两面，不可能分离。三、存在学习机制的前提下，资产价格对政策目标的反应变得平缓，价格涨跌具有持续性，是对现实经济活动的一个更好的刻画。四、在公众不完全了解中央银行真实的货币政策目标的时候，中央银行调整名义利率对经济的冲击，可能比完全信息条件下更加强烈。
本文的模型背后的直觉是，当名义利率偏低，不能反应市场对通货膨胀率的预期的时候，使用资金的成本下降，也就是本文所说的廉价资金。此时，企业和个人如果有机会，均会提高经营的负债比率。结果是市场上资金供不应求。这意味着价格管制措施必然伴随着数量管制措施才可能有效推行。现实中针对这种政策衍生出各种配给有限资金的制度安排，比如国有企业优先获得稀缺的资金。由于人们在实际利率极低的情况下仍然必须储蓄，因此储蓄者会发现自己的储蓄收益率降低，而被排斥在有限资金的配给之外的资金需求者，则发现投资项目难以找到合理成本的融资渠道。对经济这样的观察是本文模型的基础，故而本文模型的意义在于为分析中央银行的低利率政策提供了一个分析的框架。
本文的第三章实证分析中国股票市场上公司特质波动性是否得到风险溢价。目前关于美国证券市场上类似问题的研究尚无被一致认可的结论，中国与美国的证券市场在各方面均存在着显著的差异。在制度环境，信息结构，投资者风险偏好，投资群体的构成，上市公司质量，公司治理结构等等方面，均有显著不同，因此股票市场的表现也会不一样，对数据的实证分析有助于更好的理解中国证券市场的运作机制和特色。
我们采用Fama-French三因子回归的扰动项标准差来度量股票的特质风险，然后根据特质风险的大小将所有股票分为5个组，每个组以公司市值为权重计算投资组合的收益率，分析预期收益率与特质风险的关系。结果发现特质风险最高的那一个投资组合，预期收益率反而最低，差别在统计意义上、经济意义上都是显著的。为了解释这个反常的现象，本文提出了一种解释，投资人对上市公司盈利能力缺乏充分的了解，因此有一个贝叶斯学习过程。参考Timmermann(1996)，Lewellen and shanken(2002)，Guidolina and Timmermann(2007)，我们说明这样的学习效应可以解释观察到的特征事实。
本论文的最后部分是关于贝叶斯非参数方法在删失数据上的应用。一般删失数据的建模都假设因变量的期望值是解释变量的线性函数，这就是Tobit模型。在某些特定的环境下，线性假设明显不合适。贝叶斯非参数方法为解决这个问题提供了一种途径。第四章设计了一种删失数据的贝叶斯非参数估计方法，基本的思路是，利用数据扩充的方法，将删失的部分虚拟还原出来，生成完整的人造数据，然后利用已有的贝叶斯非参数模型，分析人造数据，最后将分析结果还原为关于删失数据的结论。文章通过模拟研究显示所设计方法的可行性，并将它应用到一个经典的数据集。