李倩

摘要：基于諾貝爾經(jīng)濟(jì)學(xué)獎評審委員會的公報，2013年度諾貝爾經(jīng)濟(jì)學(xué)獎得主拉爾斯·彼得·漢森的學(xué)術(shù)貢獻(xiàn)在于揭示了廣義矩估計在經(jīng)濟(jì)學(xué)界方法論的開創(chuàng)性，以及其在金融資產(chǎn)定價領(lǐng)域的應(yīng)用及延伸研究，開創(chuàng)性地檢驗(yàn)了消費(fèi)資本資產(chǎn)定價模型，推動了金融資產(chǎn)定價理論的發(fā)展。廣義矩估計方法因其一般性及普適性，在金融計量和市場微觀經(jīng)濟(jì)等領(lǐng)域應(yīng)用尤其廣泛，并拓展至宏觀經(jīng)濟(jì)學(xué)領(lǐng)域。目前，該方法在我國金融領(lǐng)域的應(yīng)用研究遠(yuǎn)不及國外文獻(xiàn)成熟，存在方法論難度較大、模型適用性有待考察、方法能否正確使用等因素。

關(guān)鍵詞：拉爾斯·彼得·漢森；廣義矩估計；諾貝爾經(jīng)濟(jì)學(xué)獎；資產(chǎn)定價理論；消費(fèi)資本資產(chǎn)定價模型；極大似然估計；預(yù)期假說；Hansen-Jagannathan界限

中圖分類號：F830.9 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-2101（2014）03-0120-06

2013年諾貝爾經(jīng)濟(jì)學(xué)獎授予美國芝加哥大學(xué)教授尤金·法馬（Eugene Fama）、拉爾斯·彼得·漢森（Lars Peter Hansen）和耶魯大學(xué)教授羅伯特·席勒（Robert Shiller），以表彰他們在如何確定資產(chǎn)價格的實(shí)證性研究中所做的貢獻(xiàn)。他們?nèi)税l(fā)展并利用了這些實(shí)證方法達(dá)成了關(guān)于資產(chǎn)定價決定因子的重要性和持久性觀點(diǎn)，形成了這一領(lǐng)域中的后續(xù)研究，對于學(xué)術(shù)和實(shí)踐都有極高的影響力。由漢森（1982）提出的廣義矩估計方法（Generalized Method of Moments，簡稱GMM）大大拓展了資本資產(chǎn)定價理論的發(fā)展，為推進(jìn)金融經(jīng)濟(jì)學(xué)的后續(xù)發(fā)展提供了有效的估計方法。本文擬通過評述漢森教授的這一學(xué)術(shù)貢獻(xiàn)，闡述并側(cè)重總結(jié)GMM估計方法在金融學(xué)方面的研究及其對經(jīng)濟(jì)現(xiàn)實(shí)分析的意義。

一、漢森的學(xué)術(shù)貢獻(xiàn)

漢森首先通過發(fā)展計量經(jīng)濟(jì)學(xué)的方法，提出并使用了廣義矩方法（GMM）處理資產(chǎn)價格數(shù)據(jù)的具體特征，并推進(jìn)了消費(fèi)資本資產(chǎn)定價模型（CCAPM）理論及其后續(xù)工作的發(fā)展。資產(chǎn)在其隨機(jī)折現(xiàn)因子較高時（即投資者更看重回報時），回報率往往較低，此時資產(chǎn)應(yīng)該擁有一個更高的“風(fēng)險溢價”或超過無風(fēng)險利率的回報。平均超額收益的大小、時變性以及在不同種類資產(chǎn)中的變化是研究者最為關(guān)心的問題。法馬等從不同的角度研究得出股市在短期具有不可預(yù)見性。因此，當(dāng)人們對股市慣性的理解為在長期也具有不可預(yù)測性時，席勒（1981）通過關(guān)于股票價格波動的論文及后續(xù)研究得出股票價格的長期可預(yù)見性，即股價在短期內(nèi)過度波動，并在幾年的時間跨度中整體市場是具有相當(dāng)?shù)目深A(yù)測性。平均而言，當(dāng)市場價格很高時趨于向下移動，當(dāng)市場價格很低時向上移動。對股價短期不可預(yù)測與長期可預(yù)測這一悖論的理解關(guān)鍵點(diǎn)在于隨機(jī)折現(xiàn)因子。為簡便計算，席勒假設(shè)隨機(jī)折現(xiàn)因子為常數(shù)，忽略了它的變化導(dǎo)致的資產(chǎn)現(xiàn)值的變化。而隨機(jī)折現(xiàn)因子的變化是否影響資產(chǎn)價格的變化，長期可預(yù)測性是否依然成立則是需要繼續(xù)研究的問題。由于影響隨機(jī)折現(xiàn)因子變化的因素很多，收入消費(fèi)的變化、經(jīng)濟(jì)周期、財富總量以及分布等變量都有關(guān)系，這些因素對它的影響往往是非線性的。CCAPM最基本的表述涉及一個“代表投資者”，該投資者擁有時間可加的偏好，并在完整的市場環(huán)境下起作用，完整的市場背景是指在自然狀態(tài)下市場上至少存在一種獨(dú)立資產(chǎn)。因此這一理論可以得出在t+1和t時刻“代表投資者”的消費(fèi)水平函數(shù)，由于隨機(jī)折現(xiàn)因子的非線性影響，CCAPM的消費(fèi)函數(shù)為非線性動態(tài)方程函數(shù)。CCAPM模型暗含著只要代理人是風(fēng)險厭惡并且消費(fèi)量的變化是可以預(yù)測時，回報率是可以預(yù)見的。然而，為了檢驗(yàn)這個理論，研究人員面臨著一些困難。其中一個困難是主要估計方程的固有非線性，另一個困難則是我們需要為消費(fèi)確定一個完整的隨機(jī)過程。事實(shí)上，這些困難以及動態(tài)系統(tǒng)中任何誤差的序列相關(guān)性，是經(jīng)濟(jì)學(xué)中大量模型所面臨的共同的問題。在20世紀(jì)80年代以前，處理這些困難的惟一辦法就是做出一系列特定假設(shè)——這些假設(shè)甚至被認(rèn)為是對即將處理的主要問題并非處于首要位置。因此，任何統(tǒng)計上表現(xiàn)出的拒絕實(shí)則是對將主要資產(chǎn)定價公式的聯(lián)合假說的拒絕，而且所有的研究員不一定都得緊密遵循這些特定假設(shè)。直到漢森對GMM的發(fā)展，可以處理這些復(fù)雜的變化，使得CCAPM的正規(guī)統(tǒng)計檢驗(yàn)才得以被大家廣泛應(yīng)用。漢森等將所有實(shí)證研究加在一起，發(fā)現(xiàn)由經(jīng)濟(jì)周期、收入消費(fèi)、財富總量、財富分配等因素導(dǎo)致的貼現(xiàn)率的變化可以解釋部分，而不是全部的資產(chǎn)價格波動，即考慮到由經(jīng)濟(jì)基本面導(dǎo)致的這些貼現(xiàn)率的變化以后，長期回報率的預(yù)測性依然存在。在這篇最有影響力之一的計量經(jīng)濟(jì)學(xué)論文中，漢森（1982）提出運(yùn)用GMM來估計非線性系統(tǒng)，這個估計方法變得如此受歡迎的一個主要原因是它對目標(biāo)函數(shù)中的隨機(jī)變量和矩條件設(shè)置了極少的限制，其中隨機(jī)變量允許是任意弱平穩(wěn)遍歷過程，矩函數(shù)可以是非線性的。這種通用性在面板數(shù)據(jù)和時間序列的應(yīng)用中尤為重要，如在資產(chǎn)定價中，隨機(jī)變量是自相關(guān)的，且主要相關(guān)性是非線性的。Pearson（1984，1900）首先將矩條件運(yùn)用到參數(shù)估計中，Neyman和Pearson（1928）也運(yùn)用過這一估計，但它們的使用局限在重復(fù)獨(dú)立的試驗(yàn)下，即隨機(jī)變量的組成部分在時間上是獨(dú)立的。漢森的貢獻(xiàn)是將以前對平穩(wěn)遍歷的隨機(jī)過程的矩估計理論進(jìn)行了概括。

綜上所述，漢森提供了用于處理面板數(shù)據(jù)的動態(tài)經(jīng)濟(jì)模型必要的統(tǒng)計工具，模型中序列相關(guān)的變量十分常見，并且處理過程中指定出一個完整的模型并不總是可取的，甚至是不可能的；GMM模型則可以被應(yīng)用到該模型方程的子集中。GMM在使用動態(tài)面板數(shù)據(jù)的許多經(jīng)濟(jì)學(xué)領(lǐng)域都取得了巨大的影響，例如，研究消費(fèi)、勞動力供應(yīng)或企業(yè)定價。無論是對結(jié)構(gòu)的估計和預(yù)測，還是宏觀和微觀經(jīng)濟(jì)中的運(yùn)用，它現(xiàn)在都是計量經(jīng)濟(jì)學(xué)中最常用的工具之一。

二、GMM的估計思想與方法

在過去的三十多年里特別是從漢森（1982）的一篇富有開創(chuàng)性的論文起，興起了使用GMM估計量的宏觀經(jīng)濟(jì)和微觀經(jīng)濟(jì)研究，GMM流行的原因有兩點(diǎn)：一是它包括了許多常用的估計量，并且為比較和評價它們提供了有用的框架；二是相對其他估計量來說，GMM提供了一種相對“簡單”的備選方法，特別是在極大似然估計量難以寫出時，其優(yōu)勢更加凸顯出來。下面我們就GMM估計量的特點(diǎn)和其與最小二乘法估計、極大似然估計的區(qū)別加以闡述。endprint

（一）GMM估計量的特點(diǎn)

（二）GMM與最小二乘法、極大似然估計的比較

對于GMM與傳統(tǒng)的最小二乘法（OLS）、工具變量法（IV）及極大似然估計（MLE）的相互關(guān)系，我們可以通過圖1表示集合的圖形直觀地看出來：

在GMM出現(xiàn)之前，資產(chǎn)定價主要的方法是線性或非線性回歸法和極大似然法。最小二乘法（OLS）可以看做是GMM的一個特例。OLS基本應(yīng)用于線性模型，模型前提假設(shè)了隨機(jī)誤差擾動的分布必須正態(tài)分布，且隨機(jī)變量之間不存在相關(guān)性，如果忽略了這層假設(shè)，則OLS的估計量就不再具有無偏、有效和一致的完美性質(zhì)了，變成有偏且不具有一致性。而GMM估計則放寬了對以上假設(shè)的限制，尤其是在大樣本條件下，GMM估計量在解決自相關(guān)的問題上具有良好的漸進(jìn)無偏和一致性，估計量的有效性要大大優(yōu)于OLS估計量，漢森（1982）在文章中給出了數(shù)學(xué)證明。極大似然法有很多局限性。第一，對于每一個資產(chǎn)定價模型，研究者需要檢驗(yàn)?zāi)Ｐ偷腻e誤假定，這種檢驗(yàn)通常不那么容易或者不可能進(jìn)行。第二，在研究非線性資產(chǎn)定價模型時通常都必須進(jìn)行線性近似。第三，研究者必須進(jìn)行強(qiáng)分布假設(shè)。為了使估算問題易于處理，假設(shè)分布通常必須是非序列相關(guān)以及條件同方差。如果分布假設(shè)不能滿足條件時，那么及時選取一個很大的樣本估計的模型參數(shù)也可能是有偏的。這些局限性嚴(yán)重限制了動態(tài)資產(chǎn)定價模型的實(shí)證研究的范圍，而GMM使得計量經(jīng)濟(jì)學(xué)家克服了這些局限性。計量經(jīng)濟(jì)學(xué)家不需要做出嚴(yán)格的分布假設(shè)——即變量可以序列相關(guān)并且異方差，而且非線性資產(chǎn)定價模型不需要線性化。GMM的便利性和通用性是它能夠在金融著作中如此受歡迎的兩個主要原因。盡管GMM有如此優(yōu)勢，與極大似然法相比它也有潛在的不足。當(dāng)分布假設(shè)有效時，極大似然法對模型參數(shù)進(jìn)行了最有效的估計，而GMM可能無法實(shí)現(xiàn)。為了運(yùn)用GMM，傳統(tǒng)上計量經(jīng)濟(jì)學(xué)家們使用了由資產(chǎn)定價模型的隨機(jī)折現(xiàn)因子產(chǎn)生的矩條件。能夠代表被計量經(jīng)濟(jì)學(xué)家選擇的資產(chǎn)定價模型含義的矩條件就可能意味著模型參數(shù)的估計不會最有效。因此，我們就要理解在極大似然法可以使用的情況下，作為檢驗(yàn)資產(chǎn)定價模型廣泛運(yùn)用的GMM就不如極大似然法具有估計有效性，這一點(diǎn)是很重要的。當(dāng)運(yùn)用在經(jīng)典線性資產(chǎn)定價模型中？茁產(chǎn)生的矩條件時，廣義矩估計與極大似然法同樣有效。Jagannathan和Wang（2002）提出了這一點(diǎn)，這也加強(qiáng)了廣義矩估計在資產(chǎn)定價實(shí)證應(yīng)用中的優(yōu)勢和重要性。

三、GMM在國際金融領(lǐng)域的應(yīng)用及發(fā)展

（一）金融資產(chǎn)定價方面的應(yīng)用

Shiller等人發(fā)現(xiàn)的過度波動性和可預(yù)見性被證明是一個普遍的現(xiàn)象，不僅在股市，在其他資產(chǎn)市場也是如此。Shiller（1979）已經(jīng)發(fā)現(xiàn)政府債券的過度波動的證據(jù)?；谝粋€恒定的風(fēng)險溢價（即所謂的預(yù)期假說）的假設(shè)下，長期利率應(yīng)等于預(yù)期未來短期利率的加權(quán)平均值，因此長期利率的波動應(yīng)該小于短期利率的波動。Shiller的發(fā)現(xiàn)正好相反。長期利率的波動竟然比短期利率的波動性要大許多倍。與股票價格類似，長期債券價格的過度波動，意味著債券的回報是可以預(yù)見的。隨后，Shiller，Campbell和Schoenholtz（1983），F(xiàn)ama和Bliss（1987），Campbell和Shiller（1991）都發(fā)現(xiàn)，美國國債收益率曲線的斜率預(yù)測在所有到期的債券回報得以驗(yàn)證。此外，Campbell（1987）、Fama和French（1989）表明，利率期限結(jié)構(gòu)也預(yù)測股票回報，并且長期債券的超額回報和股票一起波動。

在外匯市場上發(fā)現(xiàn)了類似的結(jié)果。根據(jù)預(yù)期假說，遠(yuǎn)期匯率應(yīng)該是等于即期匯率的期望值。預(yù)期假說意味著所謂的套利交易，其中涉及借入低利率的貨幣，并投資于高息貨幣，不應(yīng)該產(chǎn)生正的超額回報，因?yàn)楦叩睦蕬?yīng)該通過貨幣貶值抵消。Hansen和Hodrick（1980）使用多個不同到期日的遠(yuǎn)期匯率開發(fā)一種計量測試，并能夠拒絕在外匯市場的預(yù)期假說。在Hansen和Hodrick（1980）的研究結(jié)果中可以看出更早使用GMM背后的基本思想，他們研究了貨幣并提出遠(yuǎn)期匯率是否是未來即期匯率的無偏預(yù)測這一問題。序列關(guān)聯(lián)上的誤差和非線性的關(guān)系，使傳統(tǒng)方法在這一問題的解答上都變得無效，Hansen和Hodrick基于GMM特例的方法推導(dǎo)出了其漸進(jìn)性。

廣義矩估計在金融中兩個重要的應(yīng)用，除了上面的Hansen和Hodrick（1980）的文章中所涉及的應(yīng)用，還有一個更具理論價值的即為Hansen和Singleton（1982）提出的應(yīng)用。漢森（1982）的廣義矩估計的發(fā)展對金融實(shí)證研究，尤其是對資產(chǎn)定價領(lǐng)域產(chǎn)生了重要的影響。在考慮隨機(jī)過程控制外生變量的時空演化性質(zhì)這種更為現(xiàn)實(shí)的假設(shè)條件下，GMM使得資產(chǎn)定價模型的計量經(jīng)濟(jì)估計成為可能。

Hansen和Singleton（1983）將特定假設(shè)和近似相結(jié)合，在誤差項(xiàng)為聯(lián)合正態(tài)分布的假定條件下，以CCAPM的對數(shù)線性模型，采用極大似然估計的方法，對每月的股票收益率的線性模型進(jìn)行了估計，參數(shù)估計值有良好的顯著性。然而，當(dāng)對個股和債券的回報率進(jìn)行估計時，模型并不適用。這個不適用也顯示出對基于理性代理人的資產(chǎn)定價模型的巨大挑戰(zhàn)。然而，在當(dāng)時，學(xué)者們并不清楚這個模型的不適用性多大程度上是來自于線性化和錯誤的過程假設(shè)，多大程度是來自于理論的固有限制。GMM模型提供了一種解決上述問題的方法。

Hansen和Singleton（1982）用GMM估計CCAPM模型，并用資產(chǎn)回報率的滯后值作為工具，使用的數(shù)據(jù)是紐約證券交易所的總指標(biāo)以及針對不同行業(yè)指標(biāo)，這個模型是基于單個和多個收益率序列。然而，當(dāng)應(yīng)用到多個股票指數(shù)，一般拒絕過度識別限制。因此，與Grossman和Shiller（1981）的過度波動率的發(fā)現(xiàn)一致的是，這個CCAPM的簡單的版本并不能很好契合數(shù)據(jù)。這一結(jié)果使得人們進(jìn)行了大量的研究，旨在了解基本模型的缺點(diǎn)。endprint

左邊是折現(xiàn)因子的標(biāo)準(zhǔn)差與其期望值的比，右邊是夏普比率。Shiller（1982）首先對單個風(fēng)險資產(chǎn)提出了這種關(guān)系，之后又由Hansen和Jagannathan進(jìn)一步概括，涵蓋多個資產(chǎn)和無風(fēng)險資產(chǎn)。在隨后的工作中，Hansen和Jagannathan（1997）擴(kuò)展了他們的分析，并由此派生出對不同的隨機(jī)折現(xiàn)因子的較為正式的性能檢驗(yàn)。Hansen-Jagannathan界限在實(shí)際應(yīng)用中被廣泛使用。許多資產(chǎn)和投資策略，如套利交易（借入低利率貨幣，并投資于高利率貨幣），都有非常高的夏普比率。對于戰(zhàn)后的美國股市，夏普比率的年度數(shù)據(jù)約為0.5，這意味著年度的折現(xiàn)因子標(biāo)準(zhǔn)差至少為50%，即折現(xiàn)因子的平均值應(yīng)接近1，這是非常高的值。這種差異為基于消費(fèi)的模型，如CCAPM帶來了一個嚴(yán)重的問題，因?yàn)橄M(fèi)常常表現(xiàn)為低的波動率，以及存在一個現(xiàn)實(shí)的風(fēng)險厭惡水平，意味著根據(jù)CCAPM得出的隨機(jī)折現(xiàn)因子也很低。

用來解決標(biāo)準(zhǔn)的馮·諾依曼—摩根斯坦期望效用模型的中主要缺陷的方法，即同樣的參數(shù)同時決定了風(fēng)險規(guī)避和跨期替代，即使是沒有令人信服的經(jīng)濟(jì)或行為的原因來證實(shí)事實(shí)就是如此。在Kreps和Porteus（1978）的基礎(chǔ)上，Epstein和Zin（1989）提出了一類遞歸偏好，允許風(fēng)險偏好和跨期替代偏好分離，并認(rèn)為這些偏好可以幫助解決基于消費(fèi)的模型。Hansen對Eichenbaum、Hansen和Singleton（1988），Eichenbaum和Hansen（1990）這些研究做了一些貢獻(xiàn)。運(yùn)用Epstein-Zin偏好，Bansal和Yaron（2004）提出了一個模型，其中消費(fèi)和股息增長包含著一個長期可預(yù)測的較小的組成部分，并且消費(fèi)波動率是隨時間變化的。給定這些偏好和動態(tài)性，Bansal和Yaron能夠產(chǎn)生一個隨機(jī)折現(xiàn)因子m，它可以證明所觀察到的股本溢價、無風(fēng)險利率、收益波動率以及股息收益率的可預(yù)測性。這種方法已經(jīng)相當(dāng)有影響力，并已經(jīng)帶動了一些后續(xù)研究，其中包括Hansen、Heaton和Li（2008）的。

有關(guān)資產(chǎn)定價的大多數(shù)模型的一個共同特點(diǎn)是它們都基于如下前提：即消費(fèi)者不僅以一個合理的和有效的方式來處理信息，同時也知道真正的數(shù)據(jù)生成處理過程。Thomas Sargent（例如Hansen和Sargent，2001；Cagetti等，2002），漢森對這樣一種假設(shè)可能產(chǎn)生的后果進(jìn)行研究，假設(shè)具有代表性的代理人對真實(shí)模型是不確定的，并遵循對一系列可替代模型的魯棒控制政策。Hansen和Sargent指出，模型的不確定性可以被看作是一個額外的風(fēng)險因素，對最壞的結(jié)果的害怕使得代理人對風(fēng)險的規(guī)避程度明顯更大，從而導(dǎo)致比同等標(biāo)準(zhǔn)模型更高的風(fēng)險價格。

（二）有關(guān)市場微觀結(jié)構(gòu)的應(yīng)用

這個領(lǐng)域很多文獻(xiàn)集中于解釋為什么證券價格會改變，以及為什么交易價格由交易的數(shù)量而決定。Huang和Stoll（1994）在文獻(xiàn)中使用GMM建立了一個報價變動與交易收益兩方程時間序列模型，并且評估了采用GMM中不同的理論微觀結(jié)構(gòu)模型的相對重要性。Madhavan、Richardson和Roomans（1997）利用GMM估算和檢驗(yàn)了一個一天內(nèi)價格形成的結(jié)構(gòu)模型，這個模型允許公開信息沖擊和微觀結(jié)構(gòu)影響，用來解釋為什么一天內(nèi)買賣差價呈U型變動。Huang和Stoll（1997）將GMM應(yīng)用于時間序列微觀結(jié)構(gòu)模型，通過主要市場交易數(shù)據(jù)估算了20只股票的買賣差價的不同組成。GMM的其他市場微觀結(jié)構(gòu)的應(yīng)用還有很多，如Foster和Viswanathan（1993）推測逆向選擇在一周中的星期一更為嚴(yán)重，這意味著交易量在星期一會相對低一些。因?yàn)閿?shù)據(jù)條件異方差和序列相關(guān)的存在，這些作者使用了GMM來檢驗(yàn)這個假說。

廣義矩估計是金融應(yīng)用中，尤其是資產(chǎn)定價領(lǐng)域中一項(xiàng)最廣泛使用的工具。在大多數(shù)資產(chǎn)定價模型中債券的價值等于未來收益的預(yù)期貼現(xiàn)現(xiàn)值。這些模型有所不同，取決于它們選擇哪個貼現(xiàn)系數(shù)。相對于積極參與金融市場的投資者來說，一個計量經(jīng)濟(jì)學(xué)者有一個更小的信息集，因此，基于他們得到的信息而建立的資產(chǎn)定價模型計算出的債券價值通常來說不會等于其市場價格。然而，觀察到的市場價格與計量經(jīng)濟(jì)學(xué)者建立的資產(chǎn)定價模型而計算出的債券價值之差必須與當(dāng)投資者有理性預(yù)期時計量學(xué)者能夠得到的信息不相關(guān)。通過計量學(xué)者們的信息集中工具的正確選擇，我們可以得到一個矩條件集，并用它通過廣義矩估計來估算模型參數(shù)。一般來說，矩條件的數(shù)量會大于模型參數(shù)的數(shù)量。而運(yùn)用廣義矩估計的J統(tǒng)計量，這些過多的識別限制又為模型的錯誤設(shè)定提供了自然的檢驗(yàn)。

在金融中，特別是評估未定權(quán)益時，大量使用連續(xù)時間模型。這些模型將初始資產(chǎn)價格的隨機(jī)過程視為外生變量，使用套利參數(shù)來評估未定權(quán)益，而這又將未定權(quán)益價值作為標(biāo)的資產(chǎn)以及隨機(jī)過程的參數(shù)的函數(shù)，并決定了它們隨時間的變動。因此，描述初始資產(chǎn)價格動態(tài)變化的隨機(jī)過程的參數(shù)估計受到了廣泛的關(guān)注，廣義矩估計可以作為更有效的估計方法的一個起始值。這些金融中用于實(shí)證研究的經(jīng)濟(jì)學(xué)模型意味著矩條件可以以一種自然的方式用于估計及檢驗(yàn)采用廣義矩估計的模型。而這一點(diǎn)加上廣義矩估計不要求嚴(yán)格的分布假設(shè)的事實(shí)，使它在其他的金融領(lǐng)域也得到了廣泛運(yùn)用。

四、GMM在我國金融領(lǐng)域應(yīng)用及發(fā)展

（一）概述GMM在我國金融領(lǐng)域的應(yīng)用現(xiàn)狀

目前GMM在我國金融領(lǐng)域的應(yīng)用比較有限，且主要集中在2000年以后。在研究股票定價與波動性、股票市場的流動性風(fēng)險溢價方面，曾長虹（2004）通過在有漲跌幅限制和無漲跌幅限制狀態(tài)下對流動性、波動性和股票定價影響因素進(jìn)行GMM回歸，來分析漲跌幅限制是否改變了這些因素與流動性和波動性的關(guān)系，進(jìn)而影響單個股票的流動性和波動性。萬欣榮、蔣少戈、朱紅磊（2005）運(yùn)用GMM模型分析中國的股票市場，力求尋找對證券回報率有重要貢獻(xiàn)的因素變量，針對11只股票的月度收益率的實(shí)證分析表明，一個兩因素變量的模型是不能被拒絕的，即由深市股指月增長率、月通貨膨脹率和銀行長短期利率差的線性組合決定了第一個因素變量，而滬市股指月增長率則決定了第二個因素變量，為股市的技術(shù)分析提供一個可信的工具。周芳、張維（2011）研究了股票市場的流動性風(fēng)險溢價、規(guī)模效應(yīng)以及價值研究，得出改進(jìn)的LACAPM模型在解釋市場異象上的有效性明顯優(yōu)于其他定價模型。在利率期限結(jié)構(gòu)方面，我國的文獻(xiàn)研究也對利率的波動變化及利率市場化進(jìn)行了相應(yīng)研究。馬曉蘭、潘冠中（2006）在多個單因子利率模型的基礎(chǔ)上，提出了一個新的一般模型，其漂移項(xiàng)涵蓋了線性和非線性兩種形式。并用GMM進(jìn)行參數(shù)估計，在多種指標(biāo)的比較下得到了一個漂移項(xiàng)為非線性形式的較好模型，具有顯著的均值回復(fù)效應(yīng)，且利率波動對利率水平極為敏感。李宏瑾（2012）對我國利率期限結(jié)構(gòu)的遠(yuǎn)期利率預(yù)測作用進(jìn)行了經(jīng)驗(yàn)分析，發(fā)現(xiàn)了我國利率期限結(jié)構(gòu)存在明顯的時變溢價特征，可以解釋利率期限結(jié)構(gòu)中的“預(yù)期之謎”。endprint

在梳理廣義矩估計方法對我國金融領(lǐng)域的應(yīng)用文獻(xiàn)時，發(fā)現(xiàn)我國大量研究使用的是動態(tài)面板數(shù)據(jù)，文章多數(shù)采用Arellano和Bond（1991）中所提出的動態(tài)面板廣義矩估計法（GMM）對模型進(jìn)行的估計。主要研究成果有張鶴、黃琨、姚遠(yuǎn)（2012）對資本形成、投資效率和儲蓄轉(zhuǎn)化效率以及宏觀經(jīng)濟(jì)波動的研究；張雪蘭、何德旭（2012）對我國貨幣政策立場對銀行風(fēng)險承擔(dān)的影響考察；張宗新、繆婧倩（2012）引入了基金流量變量，解析了中國證券投資基金是否穩(wěn)定市場；徐明東、陳雪彬（2012）檢驗(yàn)了我國貨幣政策對銀行風(fēng)險承擔(dān)的影響，驗(yàn)證了貨幣政策傳導(dǎo)的銀行風(fēng)險承擔(dān)渠道假說。這里動態(tài)面板數(shù)據(jù)下的GMM實(shí)證研究為漢森在大樣本條件下的GMM統(tǒng)計方法的延伸與擴(kuò)展。

（二）淺析GMM在我國應(yīng)用現(xiàn)狀成因

1. 模型難度較大。這些估計量往往需要編寫少量程序來實(shí)施，僅僅依靠含有GMM估計程序的標(biāo)準(zhǔn)軟件包直接得出估計結(jié)果是不太現(xiàn)實(shí)的。而有關(guān)此方法的應(yīng)用程序的編寫需要研究者對GMM的原理、設(shè)定、模型選擇、仿真實(shí)驗(yàn)等均有清晰的理解，否則很難通過GMM估計量得到正確的研究結(jié)果，對實(shí)際的研究造成許多實(shí)際困難。

2.GMM是大樣本估計量。只有樣本很大時，才有可能得到它的良好性質(zhì)，并且GMM估計量在大樣本中才會漸進(jìn)有效。我國的研究數(shù)據(jù)很難有效反應(yīng)GMM的樣本使用前提。即使在應(yīng)用性最為普遍的金融資產(chǎn)定價領(lǐng)域，我國的上市公司的數(shù)據(jù)基本從20世紀(jì)90年代末才開始規(guī)范起來，到目前為止可應(yīng)用的數(shù)據(jù)不超過20年，數(shù)據(jù)的樣本性質(zhì)很難使得廣義矩估計方法產(chǎn)生較好的估計效果，故GMM很難為我國接受。雖然現(xiàn)在針對有限樣本的廣義矩估計方法開始漸漸成為人們青睞的目標(biāo)，在動態(tài)面板數(shù)據(jù)下的擴(kuò)展也讓更多的實(shí)際問題得以解決，不過在有限樣本情況下，在使用GMM估計量時，應(yīng)更加注重估計量的假設(shè)條件和應(yīng)用前提，而在我國的應(yīng)用文獻(xiàn)中卻很少看到有關(guān)估計量使用前提的設(shè)定。

參考文獻(xiàn)：

[1]Areflano，M.，S.R. Bond. Some tests of specification for panel data：Monte Carlo evidence and an application to employment equations[J]. Review of Economic Studies，1991，（2）：277-297.

[2]Bansal，R.，A. Yaron. Risks for the long run：A potential resolution of asset pricing puzzles[J]. Journal of Finance，2004，（4）：1481-1509.

[3]Campbell，J.Y. Stock returns and the term structure[J]. Journal of Financial Economics，1987，（2）：373-399.

[4]Campbell，J.Y.，R.J. Shiller. Yield spreads and interest rate movements： A bird's eye view[J]. Review of Economic Studies，1991，（3）：495-514.

[5]Eichenbaum，M.S.，L.P. Hansen. Estimating models with intertemporal substitution using aggregate time-series data[J]. Journal of Business and Economic Statistics，1990，8（1）：53-69.

[6]Eichenbaum，M.S.，L.P. Hansen，K.J. Singleton. A time-series analysis of representative agent models of consumption and leisure choice under uncertainty[J]. Quarterly Journal of Economics，1988，（1）：51-78.

[7]Epstein，L.G.，S.E. Zin. Substitution，risk aversion，and the temporal behavior of consumption and asset returns： A theoretical framework[J]. Econometrica，1989，5（4）：937-969.

[8]Fama，E.F.，K.R. French. Dividend yields and expected stock returns[J]. Journal of Financial Economics，1988，（1）：3-26.

[9]Fama，E.F.，K.R. French. Permanent and temporary components of stock prices[J]. Journal of Political Economy，1988，（2）：246-273.

[10]Fama，E.F.，R.R. Bliss. The information in long-maturity forward rates[J]. American Economic Review，1987，（4）：680-692.

[11]Foster，D.，S. Viswanathan. Variations in trading volumes，return volatility，and trading costs：evidence in recent price formation models[J]. Journal of Finance，1993，（1）：187-211.endprint

[12]Hansen，L.P. Large sample properties of generalized method of moments estimators[J]. Econometrica，1982，（4）：1029-1054.

[13]Hansen，L.P. A method for calculating bounds on the asymptotic covariance matrices of generalized method of moments estimators[J]. Journal of Econometrics，1985，（1）：203-238.

[14]Hansen，L.P.，J.C. Heaton，A. Yaron. Finite-sample properties of some alternative GMM estimators[J]. Journal of Business & Economic Statistics，1996，（3）：262-280.

[15]Hansen，L.P.，J.C. Heaton，N. Li. Consumption strikes back？Measuring long-run risk[J]. Journal of Political Economy，2008，（2）：260-302.

[16]Hansen，L.P.，J. Scheinkman. Back to the future： generating moment implications for continuous-time Markov processes[J]. Econometrica，1995，（4）：767-804.

[17]Hansen，L.P.，J. Scheinkman，N. Touzi. Spectral methods for identifying scalar diffusions[J]. Journal of Econometrics，1998，（1）：1-32.

[18]Hansen，L.P.，K.J. Singleton. Generalized instrumental variables estimation of nonlinear rational expectations models[J]. Econometrica，1982，（5）：1269-1286.

[19]Hansen，L.P.，K.J. Singleton. Stochastic consumption，risk aversion，and the temporal behavior of asset returns[J]. Journal of Political Economy，1983，（2）：249-265.

[20]Hansen，L.P.，K.J. Singleton. Erratum： generalized instrumental variable estimation of nonlinear rational expectations models[J]. Econometrica，1984，（1）：267-268.

[21]Hansen，L.P.，R. Jagannathan. Implications of security market data for models of dynamic economies[J]. Journal of Political Economy，1991，（2）：225-262.

[22]Hansen，L.P.，R. Jagannathan. Assessing speciation errors in stochastic discount factor models[J]. Journal of Finance，1997，（2）：557–590.

[23]Hansen，L.P.，R.J. Hodrick. Forward exchange rates as optimal predictors of future spot rates： an econometric analysis[J]. Journal of Political Economy，1980，（5）：829-853.

[24]Hansen，L.P.，R.J. Hodrick. Risk averse speculation in the forward foreign exchange market： an econometric analysis of linear models[A]. in Exchange Rates and International Macroeconomics[C]. J. Frenkel，Chicago： University of Chicago Press，1983.

[25]Hansen，L.P.，S.F. Richard. The role of conditioning information in deducing testable restrictions implied by dynamic asset pricing models[J]. Econometrics，1987，55（3）：587-613.

[26]Hansen，L.P.，T.J. Sargent. Rational Expectations Econometrics[M]. Westview Press，1991.

[27]Hansen，L.P.，T.J. Sargent. Robust control and model uncertainty[J]. American Economic Review，2001，（2）：60-66.endprint

[28]Huang，R.D.，H.R. Stoll. Market microstructure and stock return predictions[J]. Review of Financial Studies，1994，（1）：179-213.

[29]Huang，R.D.，H.R. Stoll. The components of the bid-ask spread：a general approach[J]. Review of Financial Studies，1997，（4）：995-1034.

[30]Jagannathan，R.，G. Skoulakis，Z. Wang. Generalized method of moments： applications in finance[J]. Journal of Business and Economic Statistics，2002，（4）：470-481.

[31]Kreps，D.M，E.L. Porteus. Temporal resolution of uncertainty and dynamic choice theory[J]. Econometrica，1978，（1）：185-200.

[32]Madhavan，A.，M. Richardson，M. Roomans. Why do security prices change？A transaction-level analysis of NYSE stocks[J]. Review of Financial Studies，1997，（4）：1035-1064.

[33]Neyman，J.，E.S. Pearson. On the use and interpretation of certain test criteria for purposes of statistical inference，Part II[J]. Biometrika，1928，（20A）：263-294.

[34]Sargan，J.P. The estimation of economic relationships using instrumental variables”，Econometrica，1958，26（3）：393-415.

[35]Shiller，R.J.，“The volatility of long term interest rates and expectations models of the term structure[J]. Journal of Political Economy，1979，（6）：1190-1219.

[36]Shiller，R.J. Do stock prices move too much to be justified by subsequent changes in dividends[J]. American Economic Review，1981，（3）：421-436.

[37]Shiller，R.J.. The use of volatility measures in assessing market efficiency[J]. Journal of Finance，1981，（2）：291-304.

[38]李宏瑾.利率期限結(jié)構(gòu)的遠(yuǎn)期利率預(yù)測作用——經(jīng)期限溢價修正的預(yù)期假說檢驗(yàn)[J].金融研究，2012，（8）.

[39]馬曉蘭，潘冠中.單因子利率期限結(jié)構(gòu)模型的廣義矩估計及對中國貨幣市場的實(shí)證檢驗(yàn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006，（1）.

[40]萬欣榮，蔣少戈，朱紅磊.我國股票收益影響因素的定價模型實(shí)證研究[J].金融研究，2005，（12）.

[41]徐明東，陳學(xué)彬.貨幣環(huán)境、資本充足率與商業(yè)銀行風(fēng)險承擔(dān)[J].金融研究，2012，（7）.

[42]曾長虹.漲跌幅限制對流動性和波動性影響的因子分析[J].金融研究，2004，（4）.

[43]張鶴，黃琨，姚遠(yuǎn).金融發(fā)展、銀行資本結(jié)構(gòu)與經(jīng)濟(jì)增長內(nèi)在關(guān)聯(lián)性的實(shí)證研究[J].經(jīng)濟(jì)學(xué)動態(tài)，2012，（5）.

[44]張雪蘭，何德旭.貨幣政策立場與銀行風(fēng)險承擔(dān)——基于中國銀行業(yè)的實(shí)證研究（2000—2010）[J].經(jīng)濟(jì)研究，2012，（5）.

[45]張宗新，繆婧倩.基金流量與基金投資行為——基于動態(tài)面板數(shù)據(jù)模型的實(shí)證研究[J].金融研究，2012，（4）.

[46]周芳，張維.中國股票市場流動性風(fēng)險溢價研究[J].金融研究，2011，（5）.

責(zé)任編輯、校對：張增強(qiáng)endprint

[28]Huang，R.D.，H.R. Stoll. Market microstructure and stock return predictions[J]. Review of Financial Studies，1994，（1）：179-213.

[29]Huang，R.D.，H.R. Stoll. The components of the bid-ask spread：a general approach[J]. Review of Financial Studies，1997，（4）：995-1034.

[30]Jagannathan，R.，G. Skoulakis，Z. Wang. Generalized method of moments： applications in finance[J]. Journal of Business and Economic Statistics，2002，（4）：470-481.

[31]Kreps，D.M，E.L. Porteus. Temporal resolution of uncertainty and dynamic choice theory[J]. Econometrica，1978，（1）：185-200.

[32]Madhavan，A.，M. Richardson，M. Roomans. Why do security prices change？A transaction-level analysis of NYSE stocks[J]. Review of Financial Studies，1997，（4）：1035-1064.

[33]Neyman，J.，E.S. Pearson. On the use and interpretation of certain test criteria for purposes of statistical inference，Part II[J]. Biometrika，1928，（20A）：263-294.

[34]Sargan，J.P. The estimation of economic relationships using instrumental variables”，Econometrica，1958，26（3）：393-415.

[35]Shiller，R.J.，“The volatility of long term interest rates and expectations models of the term structure[J]. Journal of Political Economy，1979，（6）：1190-1219.

[36]Shiller，R.J. Do stock prices move too much to be justified by subsequent changes in dividends[J]. American Economic Review，1981，（3）：421-436.

[37]Shiller，R.J.. The use of volatility measures in assessing market efficiency[J]. Journal of Finance，1981，（2）：291-304.

[38]李宏瑾.利率期限結(jié)構(gòu)的遠(yuǎn)期利率預(yù)測作用——經(jīng)期限溢價修正的預(yù)期假說檢驗(yàn)[J].金融研究，2012，（8）.

[39]馬曉蘭，潘冠中.單因子利率期限結(jié)構(gòu)模型的廣義矩估計及對中國貨幣市場的實(shí)證檢驗(yàn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006，（1）.

[40]萬欣榮，蔣少戈，朱紅磊.我國股票收益影響因素的定價模型實(shí)證研究[J].金融研究，2005，（12）.

[41]徐明東，陳學(xué)彬.貨幣環(huán)境、資本充足率與商業(yè)銀行風(fēng)險承擔(dān)[J].金融研究，2012，（7）.

[42]曾長虹.漲跌幅限制對流動性和波動性影響的因子分析[J].金融研究，2004，（4）.

[43]張鶴，黃琨，姚遠(yuǎn).金融發(fā)展、銀行資本結(jié)構(gòu)與經(jīng)濟(jì)增長內(nèi)在關(guān)聯(lián)性的實(shí)證研究[J].經(jīng)濟(jì)學(xué)動態(tài)，2012，（5）.

[44]張雪蘭，何德旭.貨幣政策立場與銀行風(fēng)險承擔(dān)——基于中國銀行業(yè)的實(shí)證研究（2000—2010）[J].經(jīng)濟(jì)研究，2012，（5）.

[45]張宗新，繆婧倩.基金流量與基金投資行為——基于動態(tài)面板數(shù)據(jù)模型的實(shí)證研究[J].金融研究，2012，（4）.

[46]周芳，張維.中國股票市場流動性風(fēng)險溢價研究[J].金融研究，2011，（5）.

責(zé)任編輯、校對：張增強(qiáng)endprint

[28]Huang，R.D.，H.R. Stoll. Market microstructure and stock return predictions[J]. Review of Financial Studies，1994，（1）：179-213.

[29]Huang，R.D.，H.R. Stoll. The components of the bid-ask spread：a general approach[J]. Review of Financial Studies，1997，（4）：995-1034.

[30]Jagannathan，R.，G. Skoulakis，Z. Wang. Generalized method of moments： applications in finance[J]. Journal of Business and Economic Statistics，2002，（4）：470-481.

[31]Kreps，D.M，E.L. Porteus. Temporal resolution of uncertainty and dynamic choice theory[J]. Econometrica，1978，（1）：185-200.

[32]Madhavan，A.，M. Richardson，M. Roomans. Why do security prices change？A transaction-level analysis of NYSE stocks[J]. Review of Financial Studies，1997，（4）：1035-1064.

[33]Neyman，J.，E.S. Pearson. On the use and interpretation of certain test criteria for purposes of statistical inference，Part II[J]. Biometrika，1928，（20A）：263-294.

[34]Sargan，J.P. The estimation of economic relationships using instrumental variables”，Econometrica，1958，26（3）：393-415.

[35]Shiller，R.J.，“The volatility of long term interest rates and expectations models of the term structure[J]. Journal of Political Economy，1979，（6）：1190-1219.

[36]Shiller，R.J. Do stock prices move too much to be justified by subsequent changes in dividends[J]. American Economic Review，1981，（3）：421-436.

[37]Shiller，R.J.. The use of volatility measures in assessing market efficiency[J]. Journal of Finance，1981，（2）：291-304.

[38]李宏瑾.利率期限結(jié)構(gòu)的遠(yuǎn)期利率預(yù)測作用——經(jīng)期限溢價修正的預(yù)期假說檢驗(yàn)[J].金融研究，2012，（8）.

[39]馬曉蘭，潘冠中.單因子利率期限結(jié)構(gòu)模型的廣義矩估計及對中國貨幣市場的實(shí)證檢驗(yàn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006，（1）.

[40]萬欣榮，蔣少戈，朱紅磊.我國股票收益影響因素的定價模型實(shí)證研究[J].金融研究，2005，（12）.

[41]徐明東，陳學(xué)彬.貨幣環(huán)境、資本充足率與商業(yè)銀行風(fēng)險承擔(dān)[J].金融研究，2012，（7）.

[42]曾長虹.漲跌幅限制對流動性和波動性影響的因子分析[J].金融研究，2004，（4）.

[43]張鶴，黃琨，姚遠(yuǎn).金融發(fā)展、銀行資本結(jié)構(gòu)與經(jīng)濟(jì)增長內(nèi)在關(guān)聯(lián)性的實(shí)證研究[J].經(jīng)濟(jì)學(xué)動態(tài)，2012，（5）.

[44]張雪蘭，何德旭.貨幣政策立場與銀行風(fēng)險承擔(dān)——基于中國銀行業(yè)的實(shí)證研究（2000—2010）[J].經(jīng)濟(jì)研究，2012，（5）.

[45]張宗新，繆婧倩.基金流量與基金投資行為——基于動態(tài)面板數(shù)據(jù)模型的實(shí)證研究[J].金融研究，2012，（4）.

[46]周芳，張維.中國股票市場流動性風(fēng)險溢價研究[J].金融研究，2011，（5）.

責(zé)任編輯、校對：張增強(qiáng)endprint