201503 - page 96

北京工商大学学报( 社会科学版)摇 摇 摇 摇 2015 年摇 第 3 期
好通过选择行为不仅影响资源配置效率和社会福
利, 还影响经济波动。 弗里德曼把外生 、不变的消
费者偏好看作是经济学区别于心理学和道德学的
基本特征。 鲍尔斯认为一些内生性偏好是文化特
征。 永远变动的世界充满不确定性, 我们不可能
绝对确定事物发展过程中的每一个细节, 却可以
在偶然性中寻找概率发生最高的必然性事件, 这
即为确定性偏好。 投资者总是试图通过收集或购
买私人信息来确定哪一状态最终会出现, 以此来
扩展状态空间的信息集。 当投资者受到信息收集
成本的限制, 或将不确定状态空间变为确定状态
技术上不可行时, 他们就会从追求状态的确定性
转向追求结果的确定性来满足其确定性偏好, 行
动空间的可控性正好为满足投资者追求这种确定
性偏好提供了条件。 严格地说,由于结果是样本
空间的元素, 在状态空间不可控的情况下, 即便是
行动空间具有可控性,其结果也是不确定的 ,但在
状态空间已知的条件下,最坏结果却是确定的, 于
是投资者从追求状态的确定性转向了追求最坏结
果的确定性。 然而,在现实经济活动中,投资者对
状态空间并没有完全的信息,投资者选择的状态
空间只是真实状态空间的子集 ,因此投资者将追
求最坏结果的确定性又转向追求有概率保障的最
坏结果的确定性。
( 二 ) 满意准则
面对各种纷繁复杂的不确定局面, 信息的有
限性限制了投资者的选择范围和对状态的具体把
握, 不论处于不确定性的哪种状态,投资者都无法
保证达到传统理性意义上的最优行动。 这说明追
求目标最大化没有现实意义,那么对于追求确定
性结果的投资者更有实践意义的应该是降低目标
要求,去追求达到一个次优的方案,即投资者会选
择满意准则来决策。 换句话 ,在已有信息集下, 如
果面对 n 个备选方案{ a1 ,a 2 ,…,an }, 投资者首先
会设立一个满意水平 r 来陈述投资的基本目标。
通常情况下, r 选为收益率, 然后依据 a i ( r ) 逸 r
( 盈利目标) 或 ai ( r )臆 r ( 亏损目标 ) 来挑选满足
满意准则的可行方案集。 当满足满意准则的可行
方案集非唯一时, 他们通过调整满意水准 r , 直到
可行方案集只剩下唯一方案为止 。 因此依满意准
则的决策是一种满足最低要求的决策优化过程,
虽然哪个状态或哪种结果最终出现是不确定的,
但就其满足投资者最低要求来说它却是确定的。
满意准则通过满足投资者最低要求的确定性来体
现决策过程中的确定性偏好。
( 三 ) 风险度量方法———VaR 与 CVaR
作为全球广为流行的一种改进风险度量技术
VaR(Value at Risk),指在正常情况及持有期间内
在特定的概率范围 ( 置信水平) 下风险资产因市
场风险可能发生的最大损失估计值, 即 VaR琢 =
min{ a,F ( x, a )逸 琢}。 使用 VaR 度量风险 , 不仅
可以实现风险度量与投资者确定性偏好的一致
性, 而且也为人们克服 M—V 范式的局限性, 进一
步发展与投资者行为一致的投资选择理论提供基
础的技术支持。 Artzner et al. (1999) [1] 认为 VaR
无法满足资产组合风险的次可加性以及数学上难
以实现整体优化的凸性; Rockafeller & Uryasev
(2000) [2] 进一步提出更优的风险度量技术
CVaR,即 CVaR 琢 = E[ f ( x,y ) | f ( x, y)逸 VaR琢 ], 反
映损失超过 VaR 阀值时可能遭受的平均潜在损
失的大小,更能体现潜在的风险价值。 同时,计算
CVaR 时相应的 VaR 值也可获得, 于是使用 CVaR
与 VaR 值对风险实行 “ 双限 冶 监管得到学者认可
与推荐。
( 四 ) 确定性偏好、 满意准则与 VaR 以及
CVaR 的关系
投资选择问题是一个基本的收益与风险二维
度问题, 依满意准则的决策就是分别对收益与风
险设立满意水准, 即 ai ( r )逸 r ,VaR( a i ) 臆 A0 或
CVaR( a i)臆 CA0 。 当满足 ai ( r )逸r ,VaR( a i)臆 A0
或 CVaR( a i)臆 CA0 的行动集非空时, 它就成为投
资者的有效行动集, 投资选择问题此时仅变成了
对有效行动的优化。 无论投资者在有效行动集中
选择哪个行动,只要投资者已知的状态空间是完
全的,其结果肯定不会低于满意水准都是意料之
内的事情 ,从这个意义上说, 结果就是确定性的。
只有当投资者已知的状态空间不完全时, 投资者
依据已知信息集所得到的有效集在实践中才可能
非有效, 这种非有效性所带来的不确定性与 VaR
( a i) 计算中的显著性水平 琢 的选择直接相关, 只
要投资者能认识到已知状态空间可能存在不完
全, 他们就可以通过降低 琢 的取值来提升确定性
结果。 在实践中 , 人们常常会选择 琢 较小的取
值, 如 10% 、5 % 、1 % 甚至更低 , 而不选择 琢 较大
·69·