Questions tagged «asset-pricing»

金融部门研究和建模特定资产(如期权,债券和股票)的定价方式。

6
什么样的指标将表明房屋泡沫而不是真正的市场价值?
令人担忧的是,新西兰奥克兰目前正在经历房地产泡沫。 奥克兰是全球住房负担能力指数排名前十的城市之一。 问题是-作为经济学家,我们如何分辨房价是反映泡沫还是真实的市场价值? 我将查看该城市的平均工资,犯罪率,幸福感和其他社会指标(即人们愿意在乌托邦城市的房屋上花更多的钱是合理的)。一个好的答案应该全面列出这些指标,并解释这些指标的相关性。

3
具有期望项的Euler方程的对数线性化
有一些在线资源可用于对数线性化(例如,here 或here)。但是,涉及期望的对数线性化有些棘手,因为日志不能简单地“通过”期望运算符。在这个例子中有人可以帮助代数吗? 我有Euler方程(等式1) 1=Et⎡⎣{δ(Ct+1Ct)−1/ψ}θ{11+Rm,t+1}1−θ1+Ri,t+1⎤⎦1=Et[{δ(Ct+1Ct)−1/ψ}θ{11+Rm,t+1}1−θ1+Ri,t+1] 1 = E_t \left [ \left \{ \delta \left (\frac{C_{t+1}}{C_t} \right )^{-1/\psi} \right \}^\theta \left \{ \frac{1}{1 + R_{m,t+1}} \right \}^{1 - \theta} 1 + R_{i, t+1} \right ] ,其中θ=(1−γ)/(1−1/ψ)θ=(1−γ)/(1−1/ψ)\theta = ( 1 -\gamma)/(1 - 1/\psi)。我试图得出无风险利率的表达和股权溢价的表达。我应该怎么做呢? 似乎从上面我应该通过替代的感兴趣的变量,像这样启动第二链路Ct=ceC~tCt=ceC~tC_t = c e^{\tilde C_t}。然后按照给出的步骤,看来我应该到达(方程式2) 1=Et⎡⎣⎢⎧⎩⎨δ(C~t+1+1C~t+1)−1/ψ⎫⎭⎬θ{1(1+Rm)[(1+Rm,t+1)˜+1]}1−θ⋅⋅[(1+Ri)[(1+Ri,t+1)˜+1]]⎤⎦⎥.1=Et[{δ(C~t+1+1C~t+1)−1/ψ}θ{1(1+Rm)[(1+Rm,t+1)~+1]}1−θ⋅⋅[(1+Ri)[(1+Ri,t+1)~+1]]].\begin{align} 1 = E_t \left …

2
基于消耗的资产定价中的对数正态假设
考虑使用CRRA实用程序的一个非常基本的离散时间代表消费者最大化问题。存在具有时间价格的风险资产,其支付时间股息,以及具有价格的无风险资产,其在处支付恒定的收益。我们假设股息是遵循马尔可夫过程的一系列随机变量。进一步假设消费者没有其他收入流(即)。在时间t,消费者在风险资产中投资金额在无风险资产中投资金额。因此,最大化问题可以表示为tttptptp_tt+1t+1t+1dt+1dt+1d_{t+1}pftptfp_t^ft + 1t+1t+1ÿŤ= 0 ∀ 吨 yt=0 ∀ty_t = 0 \ \forall tπŤπt\pi_tπ0Ťπt0\pi_t^0 s 。Ť 最高{CŤ,π}∞0 Ë0∑t = 0∞ βŤ C1 - γŤ− 11 - γCŤ+πŤpŤ+π0Ťp0Ť= (dŤ+pŤ)πt − 1+π0t − 1CŤ≥ 0max{ct,π}0∞ E0∑t=0∞ βt ct1−γ−11−γ s.t ct+πtpt+πt0pt0=(dt+pt)πt−1+πt−10ct≥0\begin{align*} & \underset{\{ c_t, \pi \}_0^\infty}{\text{max}} \ \ E_0 \sum_{t=0}^\infty \ \beta^t \ \frac{c_t^{1-\gamma} …

1
对冲波动互换?
我正在研究金融衍生产品,并且对波动率产品(尤其是波动率互换)产生了好奇。它总是让我着迷,您如何才能基于波动性来创建产品。谁有兴趣购买它们?除了那些想通过波动来进行推测的交易员之外,我无法想象大型公司如何找到此类产品的卖方/买方。 如何使用波动互换来减少市场波动的风险(对冲策略)?他们的公允价值如何计算?

2
动量如何被证明是常见的风险因素?
动量是常见的危险因素? 这个问题部分是对此处找到的另一个问题的后续。在另一个问题中,人们注意到动量很难解释为因素定价模型(如跨部门资本资产定价模型(I-CAPM)或套利定价理论(APT))中的常见风险因素。在这些模型中,假定暴露于这些因素之一表示暴露于某种不良风险。在这个问题中,我试图理解如何将动量暴露解释为某种形式的常见风险暴露。我特别想知道 将动量作为风险因素包括在内的公司是谁?这是什么解释? 动量似乎通常归因于行为过度或反应不足。(我想这可能是非理性的,甚至可能是理性的过度反应,对吧?)是否存在使动量合理化的解释?(我的意思是解释一下动量是不好的)。 供参考: Jegadeesh和Titman(1993)回顾了对动量的一些解释,包括对信息的过度反应,与规模效应和系统风险的关系,短期价格压力,流动性不足,股票价格对常见因素的反应延迟等。 该论文认为,“相对优势”溢价(购买过去的赢家的策略)不是由于承受系统风险,不能归因于“由于对共同因素的股价反应滞后导致的超前滞后效应”,但是证据似乎与对公司特定信息的价格反应延迟有关。 在成立日期后头几个月的季度收益公告中,获胜者投资组合中的股票实现的收益要明显高于输者投资组合中的股票。但是,失败者投资组合中的股票在成立日期后的8到20个月内的公告日期收益显着高于获胜者投资组合中的股票。 初始相对正强度回报和随后负相对强度回报的证据表明,将回报反转作为过度反应和回报持久性(即过去的赢家在未来获得正回报)作为反应不足的证据的常见解释可能过于简单。



1
表明股息价格比率是ARMA(p,q)过程
让根据日志股息增长演变Δdt+1=ϵd,t+1Δdt+1=ϵd,t+1\Delta d_{t+1} = \epsilon_{d, t+1}其中ϵd,t+1ϵd,t+1\epsilon_{d, t+1}是只是白噪声。让数收益是rt+1=xt+yt+ϵr,t+1rt+1=xt+yt+ϵr,t+1r_{t+1} = x_t + y_t + \epsilon_{r, t+1},其中xt=bxxt−1+δx,txt=bxxt−1+δx,tx_t = b_x x_{t-1} + \delta_{x, t}和yt=byyt−1+δy,tyt=byyt−1+δy,ty_t = b_y y_{t-1} + \delta_{y, t}和,,和ϵr,t+1ϵr,t+1\epsilon_{r, t+1}δx,tδx,t\delta_{x, t}δy,tδy,t\delta_{y, t}都是白噪声。求解股息价格比率dt−ptdt−ptd_t - p_t并表明它是ARMA(p,q)ARMA(p,q)ARMA(p, q)过程,找到ppp和qqq。 我所做的是用著名的坎贝尔希勒分解开始:和一个可以很容易地显示和因此我们得到dt−pt=Et∑∞j=1ρj−1(rt+j−Δdt+j)dt−pt=Et∑j=1∞ρj−1(rt+j−Δdt+j)d_t - p_t = E_t \sum_{j=1}^{\infty} \rho^{j-1}(r_{t+j} - \Delta d_{t+j})ë 吨(Δ d 吨+ Ĵ)= 0Et(rt+j)=bj−1xxt+bj−1yytEt(rt+j)=bxj−1xt+byj−1ytE_t(r_{t+j}) = b_x^{j-1} x_t + …

0
基于消费者的资产定价模型,分化问题
关于基于消费者的资产定价模型中使用的差异化技术的一个小问题。 我需要最大化以下等式: 𝑈(𝑐𝑡)+ 𝐸𝑡[ β·&𝑢 (𝑐𝑡 + 1)]ü(CŤ)+ËŤ[β⋅ü(CŤ+1)]U(c_t) + E_t[\beta \cdot u(c_{t+1})] 这样的𝑐𝑡𝑐𝑡 + 1= 𝑒𝑡- 𝑝𝑡ξ= 𝑒𝑡 + 1+ 𝑥𝑡 + 1ξ这样的CŤ=ËŤ- pŤξCŤ+1=ËŤ+1+XŤ+1ξ\begin{align} \text{such that} \qquad c_t & = e_t - p_t \xi \\ c_{t+1} & = e_{t + 1} + x_{t + 1} \xi \end{align} 哪里 𝑡Ťt 是时间下标,和 …

0
Epstein-Zin(-Weil)的基于消费的资产定价书
对于涵盖一般基于消费的资产定价,尤其是涉及非标准资产定价模型/效用函数(例如Epstein-Zin(-Weil))的书籍,有何建议? 除了明显的2001年Cochrane-资产定价(这很不错,但是除了标准的加法功率效用模型之外,它并未提供有关模型的任何详细信息)。 谢谢。

1
资本资产定价模型变化[已结束]
通常对于CAPM我们有: E(Ri)−γ=cov(Ri,Rm)var(Rm)×E(Rm−γ)E(Ri)−γ=cov(Ri,Rm)var(Rm)×E(Rm−γ)E(R_i)-\gamma=\frac{cov(R_i,R_m)}{var(R_m)}\times E(R_m-\gamma) 我们知道 β=cov(Ri,Rm)var(Rm)β=cov(Ri,Rm)var(Rm)\beta=\frac{cov(R_i,R_m)}{var(R_m)} 什么时候可以用(E (R i R m)替换ββ\beta?(E(RiRm)E(Rm))2(E(RiRm)E(Rm))2\left(\frac{E(R_iR_m)}{E(R_m)}\right)^2
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.