投资学(第4版)-第181节

按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！


美元，利用连续复利（参见第5章附录），如果年复利rc　＝0　。　2　3，则年末的股价应为：
P1　＝P0　ex　p　（rc）＝1　0e0　。　2　3＝1　2　。　5　8　6美元
其等价的有效年利率为

r　=　
P1　…
P0　
P0　=e　rc　…1　=0。2586　（或2　5　。　8　6％）　


下载
附录A　定量计算的复习

755　

这就是服从对数正态分布的年利率r的实际意义。注意，尽管年连续复利rc可能为
负，但期末股价P1不可能为负。
服从对数正态分布的金融资产具有两个重要的特性：它们的期望收益以及考察期
长度的可变性。
服从对数正态分布资产的期望收益：一个对数正态分布股票的期望年收益为：

E（r）　=　e　x　p　（　


＋　
2/　2　）…1　=　e　x　p　（　0　。　1　2　＋　0　。　4　22/　2　）…1　=e0　。　2　。　8　2…1　=　0　。　2　3　1　5　（或2　3　。　1　5％）
这只是关于分布统计值的一个数学特性。鉴于此，一个有用的统计量
*定义如下：
2　


*　=　
＋=　0。208　2　
2　

当分析家们提到对数正态分布资产年复利的期望时，他们一般是指


*。通常这份
资产的年复利就被认为服从期望是
*、标准差为的正态分布。
考察期间长度的可变性：对数正态分布允许资产持有期的变动。假定我们希望能
计算月收益，而非年收益。我们用t来表示我们要求的时间段，为方便起见，t用分数
（以年为单位1）来表示；那么在比例中我们就设t=　1　/　1　2。为了把年收益的分布转化成t　
时段收益的分布，我们只需要把原分布的期望与方差乘以t即可（比例中t=　1　/　1　2）。
在我们这个例子中，股票月连续复利的期望和标准差为：



（月）＝0　。　1　2　/　1　2＝0　。　0　1　（或者说每月1％）　
（月）＝0　。　4　2／　
12　＝0。121　2（或每月1　2　。　1　2％）　
*（月）＝0。208　2／1　2＝0。017　35（或每月1　。　7　3　5％）　
注意我们在把年转化为月时，方差应除以1　2；因此标准差应除以

12　。
同样地，我们可以把一个非年利的分布转化为一个以年利计算的分布。例如，假
设股票周连续复利服从正态分布，且


*＝0。　0　0　3，　
＝0　。　0　7，于是年连续复利分布的各
项指标为：
*＝52×0　。　0　0　3＝0　。　1　5　6　（或每年1　5　。　6％）
＝
52　×0　。　0　7＝0　。　5　0　4　8　（或每年5　0　。　4　8％）　
在实际应用中，为了得到标准正态分布的连续复利R，我们通常取原始收益率加

1　。　0后所得和的对数：
R=　l　o　g（1　＋r）
在短时期内，原始收益率很小，所以连续复利R也会与原始收益r非常相近。所以
对于一个月或短于一个月的期间来说，这个转换并不是必需的。也就是说，用正态分
布的股票收益率来近似已经足够精确了。但是对于一个较长的时期来说，这个转换还
是很有必要的。

A。2　分析分布特征的统计方法
迄今为止我们的分析都是“向前看”，或者如系统经济学家所说的“以过去推知
未来”。我们已经讨论了概率、期望值与惊奇。如果我们假设决策结果的分布遵循一
个相对简单的公式，而且我们对该分布与参数也了如指掌，那么我们就能较容易、较
准确地进行分析了。

投资管理者必须让他们自己确信这些假设都是合理的，而他们是通过长时期对相
关随机变量观测值的积累来达到这一点的。为了做出最优决策，股票收益率在以前的
分布是他们必须知道的一个要素。确实，收益率的分布随着事件在不断改变。但是，
一个不太“古老”的样本应该能够对下一期的收益率分布及参数提供相关的信息。在
这一节中，我们介绍一些描述分布的统计量，它们也被称为历史样本的组织分析。

A。2。1　柱状图、盒式描点与时间序列描点
表A　…　3列出了两种主要资产：标准普尔5　0　0指数与长期政府债券资产组合在1　9　2　6年
到1　9　9　3年的年超额收益（超过国库券收益部分）。


756　第八部分附录

表A…3　股票及长期国债（到期溢价）的超额收益（风险溢价）　

下载
年份股权风险溢价债券到期溢价年份股权风险溢价债券到期溢价
1　9　2　6　8　。　3　5　4　。　5　0　1　9　6　3　1　9　。　6　8　…1　。　9　1　
1　9　2　7　3　4　。　3　7　5　。　8　1　1　9　6　4　1　2　。　9　4　…0　。　0　3　
1　9　2　8　4　0　。　3　7　…3　。　1　4　1　9　6　5　8　。　5　2　…3　。　2　2　
1　9　2　9　…1　3　。　1　7　…1　。　3　3　1　9　6　6　…1　4　。　8　2　…1　。　11　
1　9　3　0　…2　7　。　3　1　2　。　2　5　1　9　6　7　1　9　。　7　7　…1　3　。　4　0　
1　9　3　1　…4　4　。　4　1　…6　。　3　8　1　9　6　8　8　。　5　8　…5　。　4　7　
1　9　3　2　…9　。　1　5　1　5　。　8　8　1　9　6　9　…1　5　。　0　8　…11　。　6　6　
1　9　3　3　5　3　。　6　9　…0　。　3　8　1　9　7　0　…2　。　5　2　5　。　5　7　
1　9　3　4　…1　。　6　0　9　。　8　6　1　9　7　1　9　。　9　2　8　。　8　4　
1　9　3　5　4　7　。　5　0　4　。　8　1　1　9　7　2　1　5　。　1　4　1　。　8　4　
1　9　3　6　3　3　。　7　4　7　。　3　3　1　9　7　3　…2　1　。　5　9　…8　。　0　4　
1　9　3　7　…3　5　。　3　4　0　。　0　8　1　9　7　4　…3　4　。　4　7　…3　。　6　5　
1　9　3　8　3　1　。　1　4　5　。　5　5　1　9　7　5　3　1　。　4　0　3　。　3　9　
1　9　3　9　…0　。　4　3　5　。　9　2　1　9　7　6　1　8　。　7　6　11　。　6　7　
1　9　4　0　…9　。　7　8　6　。　0　9　1　9　7　7　…1　2　。　3　0　…5　。　7　9　
1　9　4　1　…11　。　6　5　0　。　8　7　1　9　7　8　…0　。　6　2　…8　。　3　4　
1　9　4　2　2　0　。　0　7　2　。　9　5　1　9　7　9　8　。　0　6　…11　。　6　0　
1　9　4　3　2　5　。　5　5　1　。　7　3　1　9　8　0　2　1　。　1　8　…1　5　。　1　9　
1　9　4　4　1　9　。　4　2　2　。　4　8　1　9　8　1　…1　9　。　6　2　…1　2　。　8　6　
1　9　4　5　3　6　。　11　1　0　。　4　0　1　9　8　2　1　0　。　8　7　2　9　。　8　1　
1　9　4　6　…8　。　4　2　…0　。　4　5　1　9　8　3　1　3　。　7　1　…8　。　1　2　
1　9　4　7　5　。　2　1　…3　。　1　3　1　9　8　4　…3　。　5　8　5　。　5　8　
1　9　4　8　4　。　6　9　2　。　5　9　1　9　8　5　2　4　。　4　4　2　3　。　2　5　
1　9　4　9　1　7　。　6　9　5　。　3　5　1　9　8　6　1　2　。　3　1　1　8　。　2　8　
1　9　5　0　3　0　。　5　1　…1　。　1　4　1　9　8　7　…0　。　2　4　…8　。　1　6　
1　9　5　1　2　2　。　5　3　…5　。　4　3　1　9　8　8　1　0　。　4　6　3　。　3　2　
1　9　5　2　1　6　。　7　1　…0　。　5　0　1　9　8　9　2　3　。　1　2　9　。　7　4　
1　9　5　3　…2　。　8　1　1　。　8　1　1　9　9　0　…1　0　。　9　8　…1　。　6　3　
1　9　5　4　5　1　。　7　6　6　。　3　3　1　9　9　1　2　4　。　9　5　1　3　。　7　0　
1　9　5　5　2　9　。　9　9　…2　。　8　7　1　9　9　2　4　。　1　6　4　。　5　4　
1　9　5　6　4　。　1　0　…8　。　0　5　1　9　9　3　7　。　0　9　1　5　。　3　4　
1　9　5　7　…1　3　。　9　2　4　。　3　1　
1　9　5　8　4　1　。　8　2　…7　。　6　4　样本均值8　。　5　7　1　。　6　2　
1　9　5　9　9　。　0　1　…5　。　2　1　标准差2　0　。　9　0　8　。　5　0　
1　9　6　0　…3　。　1　3　11　。　1　2　最小值…4　4　。　4　1　…1　5　。　1　9　
1　9　6　1　2　4　。　7　6　…1　。　1　6　最大值5　3　。　6　9　2　9　。　8　1　
1　9　6　2　…11　。　4　6　4　。　1　6　

资料来源：芝加哥大学证券价格研究中心。

理解这些数据的一种方法是把它们画在图上，一般是作成柱状图或频率分布图。
表A　…　3中6　8个观测值被作成了如图A　…　4所示的频率分布图。这节我们要根据以下步骤及
原则来得到频率分布图：

。　随机变量取值的值域一般被平均分成几个相对较小的子值域。间隔的多少取决
于可得观测值的数量。表A　…　3提供了6　8个数据，因此1　0分法（即1　0个间隔值域）看来
已经足够。

下载
附录A　定量计算的复习

757　

。　在第一个间隔值域中作出一个长方形，长方形的高度表示在该值域内观察值出
现次数的多少。
。　如果观测大多都集中在整个值域中的一小部分，那么该值域就可以被分成不相
等的间隔。在这种情况下，各间隔观测值的频率大小就由间隔中所作长方形的面积来
表示（但这并不是我们这里所要讨论的例子）。
。　如果样本是具有代表性的，那么该频率分布图的形状就可以揭示随机变量真实
的概率分布了。我们所有的6　8个观测值并不是一个大样本，但是频率分布图的大致形
状确实说明了收益率大致服从一个正态或对数正态的分布。
另外一个通过作图把样本信息体现出来的方法是盒式描点法。图A　…　5就是盒式描
点的例子，它使用的同样是表A　…　3的数据。盒式描点是一种能体现样本分布离散性质
的好方法。一个通常使用的散布性质指标是“内四分值域”。我们可以回忆一下值域
这种最原始的散布指标，它是观测值中最大值与最小值之间的差。由于它很可能会由
两个最极端的观测值所决定，因此这个指标并不可靠。

内四分值域是关于值域概念的一个较令人满意的简单变体，它由样本排序后最低
1　/　4与最高1　/　4两者之间的差来确定。对于最低1　/　4的观测值来说，样本中有2　5％的观测
值小于它；同样，在最高1　/　4的观测值上面，存在2　5％的大于它的观测值。于是内四分
值域就是样本中间5　0％观察值所组成样本的值域。样本散布度越高，这两个值之间的
差距就越大。

a）　
b）　
图A…4　

a）　股权风险溢价的历史数据柱状图b）　债券到期溢价的历史数据柱状图

资料来源：The　Wall　Street　Journal；　October　15；　1997。　

在盒式描点图中，水平的虚线表示中位数，中间的方盒表示内四分值域，垂直线则
表示从方盒延伸出去的幅度。垂直线所表示的延伸值域一般只限制于内四分值域的1　。　5倍。
这样许多极端的观测值（图中以分离的点表示）就只能被视为远离中心的非常规点。

作为一次概念检验，验证一下表A　…　3的原始数据与图A　…　5的方盒描点作图，并与下
列数字作比较。


第八部分附录

758　

下载
收益率（％）　

股票债券
图A…5　年股权风险溢价与长期债券（到期）风险溢价的盒式描点图

股权风险溢价债券到期溢价

最低的极端点…4　4　。　4　1　…1　5　。　1　9　

…3　5　。　3　4　…1　3　。　4　0　

…3　4　。　4　7　…1　2　。　8　6　

…2　7　。　3　1　…11　。　6　6　

…2　1　。　5　9　…11　。　6　0　

…1　9　。　6　2　…8　。　3　4　

…1　5　。　0　8　…8　。　1　6　

…1　4　。　8　2　…8　。　1　2　

…1　3　。　9　2　…8　。　0　5　

…1　3　。　1　7　…8　。　0　4　

…1　2　。　3　0　…7　。　6　4　

…6　。　3　8　

…5　。　7　9　

…5　。　4　7　

…5　。　4　3　

…5　。　2　1　
最低1　/　4的分界点…4　。　7　9　…3　。　3　3　
中位数8　。　7　7　1　。　7　7　
最高1　/　4的分界点2　2　。　6　8　5　。　6　4　
最高的极端点2　9　。　9　9　8　。　8　4　

3　0　。　5　1　9　。　7　4　

下载
附录A　定量计算的复习

759　

（续）　

股权风险溢价债券到期溢价
3　1　。　1　4　9　。　8　6　
3　1　。　4　0　1　0　。　4　0　
3　3　。　7　4　11　。　1　2　
3　4　。　3　7　11　。　6　7　
3　6　。　11　1　3　。　7　0　
4　0　。　3　7　1　5　。　3　4　
4　1　。　8　2　1　5　。　8　8　
4　7　。　5　0　1　8　。　2　8　
5　1　。　7　6　2　3　。　2　5　
5　3　。　6　9　2　9　。　8　1　
内四分值域2　7　。　4　7　8　。　9　7　
内四分值域的1　。　5倍4　1　。　2　0　1　3　。　4　5　
从：…11　。　8　4　…4　。　9　5　
到：2　9　。　3　7　8　。　4　9　

最后就是第三种作图方法：时间序列描点法，它能够揭示经济变量随时间变化的运
动规律。图A　…　6是根据表A　…　3作的股票及债券超额收益时间序列点图。尽管我们的眼睛已
经习惯于看到由时间序列生成的随机形状，但考察一般长时期内时间序列的变化趋势却
能给我们提供一个有用的信息。有时通过一些正规的统计分析，这样的检验就会奏效。

a）　
b）　
图A…6　

a）　股权风险溢价（　1　9　2　6　~　1　9　9　3年）b）　债券到期溢价（　1　9　2　6　~　1　9　9　3年）


760　第八部分附录

下载
A。2。2　样本统计量
假设从1　9　2　6年至1　9　9　3年这6　8年中，股票收益的概率分布一直没有变化。现在我们
希望能从表A　…　3这6　8个股票年超额收益的观测值中得到关于概率分布的某些信息。

表中的样本值是否为特定概率分布下的独立观测值，这是一个很关键的中心问题。
如果它们确实是，那么所得的统计分析结果就比较正确。我们的分析都建立在这个假
设之上。在许多情况下，金融市场上的实证研究能证实这个前提假设。

从样本均值来估计期望收益：期望收益的定义告诉我们，样本均值应该可以作为
样本期望值的一个较好的估计。事实上，在期望值的众多定义中，有一个定义就是当
观测值个数趋于无穷时的样本均值。

假定表A　…　3中的收益样本为Rt，t=　1，。，T=　6　8，那么年超额收益期望值的估计即为

R　=　
1　。Rt　=　8。57％　

T　
R上的横杠表示它是期望值的估计。从直觉上来看，样