罕见事件（RE）模型与长期风险（LRR）模型是经济学界最具影响力的刻画宏观经济风险和资产定价关系的两类模型。与现有文献对两类模型进行单独研究不同，清华大学五道口金融学院助理教授金涛与其合作者哈佛大学经济系罗伯特·J·巴罗（Robert J. Barro）教授构建了一个同时包含RE与LRR的统一模型框架，并使用42个经济体自1851年至2012年的长期消费数据对模型参数进行了估计。利用该模型，他们从数据中同时识别出这两种类型的风险，并揭示了它们的区别。罕见事件(RE)风险表现为重大的历史事件，例如世界大战和经济萧条、以及范围仅限于局部国家的类似事件。长期风险（LRR）表现为影响长期增长率和波动性的渐进过程。为了与实际数据中的股票和短期政府债券平均回报率相匹配，该模型要求的相对风险回避系数γ为5.9。研究发现罕见事件（RE）风险解释了大部分的股权溢价。相比之下，长期风险（LRR）的对股权溢价的贡献较小，但更有助于拟合Sharpe比率以及资产定价中的二阶矩。
金涛及其合作者撰写的论文《罕见事件与长期风险》（Rare Events and Long-Run Risks）在国际一流宏观经济学期刊《经济动态评论》（Review of Economic Dynamics）上发表，而且是作为该刊2021年卷（39卷）的首位文章（Lead Article）刊发。
本研究将罕见事件（RE）和长期风险（LRR）以潜在变量的形式放入模型中，通过对RE和LRR的结构性描述，用一个统一的框架实现这两种风险成分的识别与分离。模型的估计结果表明，罕见事件（RE）主要为零星的、剧烈的、跳跃式的风险爆发，而长期风险（LRR）表现为持续的、适度的、平滑的经济波动。当模型与实际数据中的平均股权收益率和无风险债券平均收益率相匹配时，所要求的相对风险回避系数γ为5.9，且大部分的股权溢价都来自于模型的RE部分。
而如果在模型的匹配目标中加入Sharpe比率，则仅包含LRR部分的模型匹配效果比仅包含RE部分的模型稍好，但此时模型估计出来的平均股权溢价非常低。从已有文献的研究结果来看，综合来说，本研究提出的“罕见事件与长期风险（RE+LRR）模型”是目前解释平均股权溢价水平以及股权收益及股权溢价波动性的最优的“基于消费的资产定价模型（Consumption-based Capital Asset Pricing Model）”。研究结果也表明，该模型在同时匹配股权溢价及Sharpe比率方面，仍有进一步改进的空间。
【免责申明】本专题图片均来源于学校官网或互联网，若有侵权请联系400-0815-589删除。