災(zāi)難風(fēng)險(xiǎn)理論的最新研究進(jìn)展：基于宏觀經(jīng)濟(jì)的視角*

晁江鋒

(鄭州航空工業(yè)管理學(xué)院 會(huì)計(jì)學(xué)院，河南 鄭州 450046)

災(zāi)難風(fēng)險(xiǎn)理論的最新研究進(jìn)展：基于宏觀經(jīng)濟(jì)的視角*

晁江鋒

(鄭州航空工業(yè)管理學(xué)院 會(huì)計(jì)學(xué)院，河南 鄭州 450046)

自1950-1960年代以來，災(zāi)難風(fēng)險(xiǎn)理論的相關(guān)研究開始興起，研究對(duì)象從最初的單一自然災(zāi)害和人為災(zāi)害逐漸過渡為構(gòu)建一般均衡模型和線性模型，進(jìn)而通過數(shù)值模擬預(yù)測(cè)災(zāi)難性事件對(duì)整體宏觀經(jīng)濟(jì)的動(dòng)態(tài)影響。次貸危機(jī)以來，該理論的研究進(jìn)入一個(gè)新的階段，研究對(duì)象不再局限于具體的災(zāi)難性事件，而是重點(diǎn)考察代表性個(gè)體對(duì)歷史已發(fā)生災(zāi)難性事件的心理預(yù)期(災(zāi)難性預(yù)期)，這種預(yù)期因素在宏觀經(jīng)濟(jì)和資本市場(chǎng)中對(duì)投資者及廠商的心理波動(dòng)產(chǎn)生顯著影響。該文在前人研究成果的基礎(chǔ)上，分別從災(zāi)難性事件與宏觀經(jīng)濟(jì)、災(zāi)難性預(yù)期與宏觀經(jīng)濟(jì)及災(zāi)難性預(yù)期與資本市場(chǎng)三個(gè)維度探討災(zāi)難風(fēng)險(xiǎn)理論在宏觀經(jīng)濟(jì)與金融領(lǐng)域的最近研究進(jìn)展，以期為未來的相關(guān)研究提供有用的參考。

災(zāi)難風(fēng)險(xiǎn)；宏觀經(jīng)濟(jì)；資本市場(chǎng)；真實(shí)經(jīng)濟(jì)周期；股權(quán)溢價(jià)之謎

從國內(nèi)外的研究成果來看，災(zāi)難風(fēng)險(xiǎn)理論的研究主要包括兩個(gè)方面，一是災(zāi)難性事件對(duì)宏觀經(jīng)濟(jì)的影響，二是代表性個(gè)體對(duì)災(zāi)難性事件的心理預(yù)期，所引起的宏觀經(jīng)濟(jì)和金融市場(chǎng)的波動(dòng)。從對(duì)宏觀經(jīng)濟(jì)的影響范圍進(jìn)行劃分，災(zāi)難性事件可分為區(qū)域性的災(zāi)難事件和全局性的災(zāi)難事件，第一種情況僅對(duì)局部地區(qū)經(jīng)濟(jì)產(chǎn)生較大的影響，對(duì)整個(gè)國家或全球宏觀經(jīng)濟(jì)的影響微乎其微，如暴風(fēng)雪、地震等自然災(zāi)害以及恐怖襲擊、核泄漏等人為災(zāi)害。第二種情況能夠?qū)φw的宏觀經(jīng)濟(jì)構(gòu)成較大破壞，改變整個(gè)國家甚至全球經(jīng)濟(jì)的運(yùn)行態(tài)勢(shì)，對(duì)企業(yè)生產(chǎn)和居民就業(yè)均產(chǎn)生嚴(yán)重的影響，如戰(zhàn)爭(zhēng)、經(jīng)濟(jì)和金融危機(jī)等。由于災(zāi)難性事件能夠較大程度上影響國家經(jīng)濟(jì)決策的制定、企業(yè)生產(chǎn)規(guī)模的再擴(kuò)大以及居民投資-消費(fèi)策略的實(shí)施和充分就業(yè)，因此，災(zāi)難性事件和災(zāi)難性預(yù)期因素對(duì)宏觀經(jīng)濟(jì)和資本市場(chǎng)的影響逐漸成為近年來眾多學(xué)者研究的焦點(diǎn)。

災(zāi)難風(fēng)險(xiǎn)理論在宏觀經(jīng)濟(jì)和資本市場(chǎng)方面的相關(guān)研究近年來得到國內(nèi)外學(xué)者的廣泛關(guān)注，本文分別從災(zāi)難性事件與宏觀經(jīng)濟(jì)、災(zāi)難性預(yù)期與宏觀經(jīng)濟(jì)及災(zāi)難性預(yù)期與資本市場(chǎng)三個(gè)維度對(duì)國內(nèi)外的代表性文獻(xiàn)進(jìn)行綜述。本文分為兩大部分，第一部分分別從災(zāi)難性事件對(duì)宏觀經(jīng)濟(jì)的影響和災(zāi)難性預(yù)期因素對(duì)宏觀經(jīng)濟(jì)的影響兩個(gè)層次展開分析，進(jìn)而探討災(zāi)難風(fēng)險(xiǎn)理論的模型框架；第二部分探討災(zāi)難風(fēng)險(xiǎn)因素對(duì)資本市場(chǎng)的影響，分別闡述災(zāi)難風(fēng)險(xiǎn)預(yù)期在解釋股權(quán)溢價(jià)之謎、無風(fēng)險(xiǎn)利率之謎、股票收益高波動(dòng)率之謎以及其他金融難題等方面的相關(guān)研究，并對(duì)國內(nèi)的研究成果進(jìn)行簡(jiǎn)述；最后對(duì)災(zāi)難風(fēng)險(xiǎn)理論的最新研究進(jìn)展進(jìn)行總結(jié)。

1 災(zāi)難風(fēng)險(xiǎn)理論與宏觀經(jīng)濟(jì)周期

1.1 災(zāi)難性事件與宏觀經(jīng)濟(jì)

次貸危機(jī)以來，關(guān)于災(zāi)難性事件對(duì)宏觀經(jīng)濟(jì)影響的研究再次成為關(guān)注的焦點(diǎn)。同時(shí)，全球經(jīng)濟(jì)的逐漸復(fù)蘇以及經(jīng)濟(jì)全球化進(jìn)程的加快，使得災(zāi)難性事件的波及范圍越來越大，影響程度也不斷加深，加強(qiáng)災(zāi)難風(fēng)險(xiǎn)理論的研究也顯得尤為重要。最早研究災(zāi)難性事件與宏觀經(jīng)濟(jì)之間關(guān)系的理論要追溯到19世紀(jì)法國經(jīng)濟(jì)學(xué)家巴斯夏提出的“破窗理論”，他認(rèn)為，災(zāi)難性事件對(duì)社會(huì)的破壞是一次性的，但其連鎖反應(yīng)給社會(huì)帶來的機(jī)遇卻是以乘數(shù)效應(yīng)不斷放大的，災(zāi)難導(dǎo)致社會(huì)遭遇的損失要小于未來所獲得的收益[1]。之后，該理論的發(fā)展進(jìn)入較長時(shí)期的停滯。

直到1950-1960年代，災(zāi)害經(jīng)濟(jì)學(xué)開始得到一定的關(guān)注，局部性的災(zāi)難事件與宏觀經(jīng)濟(jì)之間關(guān)系的研究得到了發(fā)展。如Brannen[2]研究德克薩斯颶風(fēng)Waco對(duì)當(dāng)?shù)亟?jīng)濟(jì)的影響，較早地開始了對(duì)自然災(zāi)害經(jīng)濟(jì)學(xué)的相關(guān)研究；其后，Kunreuther等[3]通過研究地震災(zāi)害對(duì)區(qū)域經(jīng)濟(jì)的影響，正式采用“災(zāi)害經(jīng)濟(jì)學(xué)”一詞進(jìn)行理論研究；Hirshleifer[4]在災(zāi)害經(jīng)濟(jì)學(xué)中的研究具有較強(qiáng)的開創(chuàng)性，他通過分析14世紀(jì)西歐的“黑死病”疫情，詳細(xì)探討了災(zāi)害事件對(duì)宏觀經(jīng)濟(jì)的短期和持續(xù)影響。同時(shí)，人為災(zāi)難的研究也開始得到關(guān)注。如Peskin 等[5]通過構(gòu)建反映國民投入產(chǎn)出的包含一個(gè)勞動(dòng)力部門與和六個(gè)生產(chǎn)部門的線性規(guī)劃模型，分析核泄漏事件對(duì)不同產(chǎn)業(yè)規(guī)模變動(dòng)的影響等等。1970-1980年代，災(zāi)難經(jīng)濟(jì)學(xué)有了進(jìn)一步發(fā)展，許多學(xué)者不僅對(duì)自然災(zāi)害經(jīng)濟(jì)學(xué)的研究逐漸深入，而且開始考察災(zāi)難性預(yù)期因素對(duì)經(jīng)濟(jì)的潛在影響。如Howe等[6]指出，天氣預(yù)測(cè)能夠有效減少政府處理未來可能的暴風(fēng)雪所帶來的巨大成本，且指出提高預(yù)測(cè)的精確性將會(huì)帶來豐厚的潛在收益；Clark[7]開始研究災(zāi)難性事件對(duì)整體宏觀經(jīng)濟(jì)系統(tǒng)的影響，其在構(gòu)建的投入產(chǎn)出模型中引入9個(gè)不同的勞動(dòng)和生產(chǎn)部門，首次系統(tǒng)地描述了災(zāi)難性事件對(duì)國民經(jīng)濟(jì)的綜合效應(yīng)。1980年代的“比索問題”引起學(xué)者對(duì)“災(zāi)難性事件預(yù)期”(Catastrophe Expectation)的關(guān)注，當(dāng)人們面對(duì)不確定的將來時(shí)，總會(huì)猜測(cè)將來某一天可能會(huì)發(fā)生某種意外，當(dāng)這種意外情況會(huì)帶來非常大的損失時(shí)，人們?cè)诂F(xiàn)如今就會(huì)要求得到某種補(bǔ)償或采取某種保險(xiǎn)手段，如壓低現(xiàn)在的資產(chǎn)價(jià)格，獲取較高的溢價(jià)，或者在保險(xiǎn)公司購買保險(xiǎn)，如意外傷殘險(xiǎn)、戰(zhàn)爭(zhēng)險(xiǎn)等等。相關(guān)研究如Cochrane[8]采用一般均衡模型對(duì)虛擬的災(zāi)害進(jìn)行模擬，并發(fā)現(xiàn)災(zāi)難風(fēng)險(xiǎn)對(duì)區(qū)域經(jīng)濟(jì)的影響與消費(fèi)和勞動(dòng)的替代彈性、收入的邊際效用、區(qū)域間的價(jià)格差異、以及資本的流動(dòng)性均有關(guān)；Rietz[9]認(rèn)為災(zāi)難性預(yù)期因素是影響資本市場(chǎng)與宏觀經(jīng)濟(jì)運(yùn)行的重要因素，首次將災(zāi)難風(fēng)險(xiǎn)因素引入Lucas經(jīng)濟(jì)，并較好地解釋了美國資本市場(chǎng)的“股權(quán)溢價(jià)之謎”與“無風(fēng)險(xiǎn)利率之謎”等等。

近年來的相關(guān)研究主要采用計(jì)量實(shí)證分析與理論建模兩種方法，下面分別進(jìn)行探討。首先，采用計(jì)量方法分析災(zāi)難性事件對(duì)宏觀經(jīng)濟(jì)影響的研究主要針對(duì)區(qū)域經(jīng)濟(jì)或某一具體產(chǎn)業(yè)方面。如Chang[10]引入一系列經(jīng)濟(jì)變量(如工業(yè)產(chǎn)出水平等)，通過考察災(zāi)后各經(jīng)濟(jì)指標(biāo)對(duì)災(zāi)前常規(guī)趨勢(shì)的背離，從而分析颶風(fēng)對(duì)Alabama州經(jīng)濟(jì)的影響；West等[11]采用計(jì)量實(shí)證方法考察了颶風(fēng)對(duì)Florida州當(dāng)?shù)亟ㄖ钠骗h(huán)所導(dǎo)致當(dāng)?shù)鼐蜆I(yè)情況的變化；Carter等[12]、Maillet等[13]也均基于“9·11”事件分別探討了該事件對(duì)航空公司股票收益以及航空業(yè)成本的影響，Changhoon等[14]通過分析巨災(zāi)事件對(duì)國際貿(mào)易的作用機(jī)制，探究災(zāi)難風(fēng)險(xiǎn)與進(jìn)出口之間的關(guān)系等等。

同時(shí)，也有眾多學(xué)者通過構(gòu)建線性回歸模型或一般均衡模型進(jìn)行數(shù)值模擬，這種分析方法主要用于解釋災(zāi)難性事件對(duì)宏觀經(jīng)濟(jì)的綜合影響。代表性文獻(xiàn)有：Clark[7]較早通過構(gòu)建多個(gè)部門的投入產(chǎn)出模型分析災(zāi)難性事件對(duì)美國宏觀經(jīng)濟(jì)的影響，其后眾多學(xué)者將線性規(guī)劃模型與投入產(chǎn)出模型相結(jié)合進(jìn)行分析，并逐漸延伸至生產(chǎn)函數(shù)模型、系統(tǒng)動(dòng)力學(xué)模型以及一般均衡模型等方面。其中，構(gòu)建一般均衡模型框架相對(duì)于線性規(guī)劃模型具有更強(qiáng)的實(shí)用性，其研究結(jié)論也具有更強(qiáng)的針對(duì)性，Cochrane[8]是較早采用一般均衡模型探討災(zāi)難性事件與宏觀經(jīng)濟(jì)之間關(guān)系的研究，之后，Cochrane等[15]通過取消固定生產(chǎn)系數(shù)的約束，探討變動(dòng)生產(chǎn)系數(shù)的情況下所帶來的災(zāi)難性事件對(duì)宏觀經(jīng)濟(jì)的影響，構(gòu)建了更為一般化的均衡分析框架，Gourio[16]、Gourio 等[17]在動(dòng)態(tài)隨機(jī)一般均衡的框架下分別探討了災(zāi)難性預(yù)期因素對(duì)美國宏觀經(jīng)濟(jì)波動(dòng)(封閉經(jīng)濟(jì)體與開放經(jīng)濟(jì)體兩種情況)的影響等等。

國內(nèi)對(duì)災(zāi)難性事件與宏觀經(jīng)濟(jì)之間關(guān)系的研究相對(duì)較少。如陳彥斌等[18]、莊子罐[19]分別考察災(zāi)難風(fēng)險(xiǎn)對(duì)中國城鎮(zhèn)居民的財(cái)產(chǎn)分布狀況以及福利成本的影響；陳國進(jìn)等[20]、晁江鋒等[21]采用貝葉斯估計(jì)方法，通過區(qū)分TFP(全要素生產(chǎn)率)災(zāi)難、資本災(zāi)難與雙重災(zāi)難三種災(zāi)難形式，分析災(zāi)難風(fēng)險(xiǎn)因素對(duì)我國經(jīng)濟(jì)波動(dòng)的解釋能力，并在此基礎(chǔ)上量化災(zāi)難事件對(duì)宏觀經(jīng)濟(jì)的影響以及政府財(cái)政政策支持對(duì)災(zāi)后經(jīng)濟(jì)復(fù)蘇的作用；于汐等[22]、孟永昌等[23]分別從微觀層面(上市公司)與宏觀層面(全球貿(mào)易)的視角探究巨災(zāi)事件的經(jīng)濟(jì)影響等等。

1.2 災(zāi)難風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)

Gourio[16]提出的災(zāi)難風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)周期分析框架嘗試將災(zāi)難性預(yù)期因素與真實(shí)經(jīng)濟(jì)周期理論(RBC)相結(jié)合，探討災(zāi)難性預(yù)期對(duì)宏觀經(jīng)濟(jì)波動(dòng)的影響。其理論基礎(chǔ)主要基于兩個(gè)方面，①災(zāi)難風(fēng)險(xiǎn)理論，該理論認(rèn)為，投資者或消費(fèi)者基于歷史上已經(jīng)發(fā)生的災(zāi)難性事件，存在對(duì)未來不確定性的心理預(yù)期(即災(zāi)難性預(yù)期，或?yàn)?zāi)難風(fēng)險(xiǎn))，從而使得居民的投資-消費(fèi)決策更加謹(jǐn)慎。②真實(shí)經(jīng)濟(jì)周期理論，其認(rèn)為經(jīng)濟(jì)波動(dòng)來源于對(duì)宏觀經(jīng)濟(jì)的實(shí)際沖擊(如全要素生產(chǎn)率沖擊、收入沖擊等等)，代表性個(gè)體通過改變自身的消費(fèi)和勞動(dòng)供給對(duì)其做出回應(yīng)，從而產(chǎn)生宏觀經(jīng)濟(jì)的周期性波動(dòng)。在此，本節(jié)首先簡(jiǎn)要闡述災(zāi)難風(fēng)險(xiǎn)理論的模型框架。

1.2.1 災(zāi)難風(fēng)險(xiǎn)因素的引入方式

災(zāi)難風(fēng)險(xiǎn)理論的初期研究是基于解釋資本市場(chǎng)的股權(quán)溢價(jià)之謎而提出的，Rietz[9]首先將災(zāi)難性預(yù)期因素引入到資產(chǎn)定價(jià)模型，通過考察具有發(fā)生概率小和對(duì)經(jīng)濟(jì)破壞力大等特征的經(jīng)濟(jì)災(zāi)難，成功解釋了美國股票市場(chǎng)收益率遠(yuǎn)高于國債收益率的典型事實(shí)。

Barro[24]發(fā)展了這一思想，提出了一種在完全競(jìng)爭(zhēng)的市場(chǎng)情況下具有時(shí)間可加性和等彈性偏好特征的更易處理的分析框架。其假定經(jīng)濟(jì)體是封閉的，不進(jìn)行投資，所有產(chǎn)出均用于消費(fèi)，并假定其對(duì)數(shù)產(chǎn)出增長率在滿足固定增長率的前提下，不僅服從帶有漂移項(xiàng)的隨機(jī)分布ut+1，而且引入新的隨機(jī)項(xiàng)vt+1，該隨機(jī)項(xiàng)具有經(jīng)濟(jì)災(zāi)難的相關(guān)特征，表示如下：

logYt+1=logYt+x+ut+1+vt+1。

(1)

式中：Yt表示t期的產(chǎn)出，等價(jià)于t期的消費(fèi)量；x表示產(chǎn)出的均衡增長率，ut+1是外生變量； 是獨(dú)立同分布的，服從均值為0、方差為σ2的正態(tài)分布，且x和σ均為已知的。

vt+1表示經(jīng)濟(jì)災(zāi)難對(duì)產(chǎn)出的隨機(jī)沖擊，該沖擊具有發(fā)生概率小、破壞力大等災(zāi)難特征(如1929-1933年間的美國經(jīng)濟(jì)大蕭條)，該假定與Rietz[9]的觀點(diǎn)是一致的。在此，假設(shè)災(zāi)難發(fā)生的概率為p(p為一固定值)，該概率是足夠小的，以至于經(jīng)濟(jì)災(zāi)難在某一時(shí)期發(fā)生的可能性微乎其微，但如果發(fā)生，產(chǎn)出將會(huì)遭遇極大的損失，故假定此時(shí)產(chǎn)出下降的比例為b，則隨機(jī)項(xiàng) 的分布形式可表達(dá)為：

經(jīng)濟(jì)災(zāi)難不會(huì)發(fā)生的概率e-p∶

vt+1=0；

(2)

經(jīng)濟(jì)災(zāi)難會(huì)發(fā)生的概率1-e-p∶

vt+1=log(1-b)。

(3)

式中：產(chǎn)出下降的比例b是一個(gè)隨機(jī)變量，由可觀察的20世紀(jì)所發(fā)生的經(jīng)濟(jì)災(zāi)難的分布進(jìn)行估計(jì)得出。

因此，可計(jì)算出預(yù)期的產(chǎn)出增長率(或者消費(fèi)增長率)較不考慮災(zāi)難時(shí)的減少量為：p·Eb，故預(yù)期的產(chǎn)出增長率為：

log[(EtFt+1)/Yt]=x+σ2/2-p·Eb。

(4)

在此基礎(chǔ)上，求解代表性消費(fèi)者的效用最大化，即：

(5)

可得包含災(zāi)難風(fēng)險(xiǎn)因素的股權(quán)溢價(jià)水平的估計(jì)結(jié)果：

(6)

Barro[24]在估算經(jīng)濟(jì)災(zāi)難發(fā)生的概率P和產(chǎn)出在每次災(zāi)難發(fā)生之后的下降比例b等參數(shù)時(shí)，均通過對(duì)20世紀(jì)100年間發(fā)生的災(zāi)難性事件進(jìn)行的詳細(xì)統(tǒng)計(jì)得出，其真實(shí)性得到眾多學(xué)者的認(rèn)可，也較Rietz[9]的虛擬數(shù)據(jù)有了長足的進(jìn)步。

然而，Barro[24]通過較為直接的方式將災(zāi)難發(fā)生的概率引入模型中，并未對(duì)宏觀經(jīng)濟(jì)周期由繁榮至蕭條之間的過渡期進(jìn)行詳細(xì)的探討。因此，如何使得災(zāi)難發(fā)生的概率引入模型的方式更與經(jīng)濟(jì)事實(shí)相符，成為許多學(xué)者探討的焦點(diǎn)。下面分別闡述兩種有代表性的觀點(diǎn)。

一種做法是采用假定經(jīng)濟(jì)經(jīng)歷三種狀態(tài)，其中，災(zāi)難發(fā)生的概率以Markov過程的形式表現(xiàn)出來，即構(gòu)建相應(yīng)的概率轉(zhuǎn)移矩陣，可表達(dá)為：

(7)

式中：該矩陣的元素Ωij分別表示經(jīng)濟(jì)狀態(tài)從第i狀態(tài)向第j種狀態(tài)過渡時(shí)發(fā)生的概率；狀態(tài)1與狀態(tài)2均是未發(fā)生災(zāi)難時(shí)的情況，發(fā)生的概率分別為φ與1-φ-p，狀態(tài)3是災(zāi)難發(fā)生時(shí)的情況，發(fā)生的概率為p；且假定經(jīng)濟(jì)從災(zāi)難狀態(tài)恢復(fù)至前兩種狀態(tài)的概率相等，災(zāi)難不具有持續(xù)性。代表性文獻(xiàn)如Rietz[9]、陳彥斌等[18]以及莊子罐[19]等。另一種做法是將災(zāi)難發(fā)生概率以泊松分布的形式引入模型，這種做法以Chen等[25]、Wachter[26]、袁靖等[27]為代表。即假定隨機(jī)變量Nt服從強(qiáng)度系數(shù)為λ的泊松過程：

dCt=μCt-dt+σCt-dBt+(eZt-1)Ct-dNt。

(8)

式中：Ct表示第t期的消費(fèi)，Bt表示布朗運(yùn)動(dòng)，μCt-dt+σCt-dBt表示個(gè)體在正常時(shí)期內(nèi)的消費(fèi)，(eZt-1)Ct-dNt是災(zāi)難項(xiàng)， Zt是獨(dú)立于Bt和Nt的隨機(jī)變量，若發(fā)生經(jīng)濟(jì)災(zāi)難，Zt的取值將為負(fù)，Nt服從系數(shù)為λ的泊松分布，故參數(shù)λ表示單位時(shí)間內(nèi)災(zāi)難發(fā)生的概率。若參數(shù)λ不是常數(shù)，將可以考察時(shí)變?yōu)碾y風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)的聯(lián)系，即假定λ服從如下過程：

(9)

式中：Bλ,t與Bt相互獨(dú)立，參數(shù)k是固定值，較高的λt意味著災(zāi)難發(fā)生概率(或強(qiáng)度)的波動(dòng)加大，也說明宏觀經(jīng)濟(jì)的波動(dòng)也隨之發(fā)生變化，投資者所要求的股權(quán)溢價(jià)將會(huì)上升。

也有一些做法將災(zāi)難發(fā)生的概率以一階自回歸的形式引入動(dòng)態(tài)隨機(jī)一般均衡模型中，這種做法以Gourio[16]、Gourio等[17]為代表。具體做法在下一節(jié)詳細(xì)介紹。

1.2.2 災(zāi)難風(fēng)險(xiǎn)與真實(shí)經(jīng)濟(jì)周期

Gourio[16]首次將災(zāi)難風(fēng)險(xiǎn)框架與真實(shí)經(jīng)濟(jì)周期結(jié)合起來進(jìn)行研究，并在此基礎(chǔ)上，探討災(zāi)難性預(yù)期因素對(duì)宏觀經(jīng)濟(jì)周期和資本市場(chǎng)的影響。他認(rèn)為，一個(gè)具有概率小、破壞力大等特征的災(zāi)難沖擊必將導(dǎo)致產(chǎn)出、投資和就業(yè)等宏觀經(jīng)濟(jì)變量的快速下降，并且也會(huì)導(dǎo)致代表性投資者在資本市場(chǎng)提出更高的股權(quán)溢價(jià)，作為其所承擔(dān)風(fēng)險(xiǎn)的補(bǔ)償。下面，本節(jié)主要從封閉經(jīng)濟(jì)體和開放經(jīng)濟(jì)體兩個(gè)層面對(duì)這一研究框架進(jìn)行闡述。

(1)封閉經(jīng)濟(jì)體

假定在完全封閉的市場(chǎng)中，代表性個(gè)體具有相同的偏好，且采用Epstein-Zin遞歸形式，并通過消費(fèi)和勞動(dòng)供給實(shí)現(xiàn)效用最大化，則：

(10)

式中：效用函數(shù)u(Ct,Nt)采用如下形式：

(11)

代表性廠商的生產(chǎn)過程采用柯布-道格拉斯形式，即：

(12)

式中：Kt表示t期的資本存量，At表示全要素生產(chǎn)率。災(zāi)難性事件對(duì)下期資本規(guī)模產(chǎn)生影響，故將災(zāi)難風(fēng)險(xiǎn)因素引入資本積累方程，即：

Kt+1=(1-φt+1(·)m1)(1-δ)Kt。

(13)式中：φt+1(·)是示性函數(shù)(IndicativeFunction)，當(dāng)災(zāi)難發(fā)生時(shí)，φt+1(·)=1，當(dāng)災(zāi)難不發(fā)生時(shí)， φt+1(·)=0；m1表示災(zāi)難發(fā)生的情況下資本存量下降的比例。因此，當(dāng)災(zāi)難發(fā)生時(shí)，下期資本存量將出現(xiàn)大幅下降，從而對(duì)其他經(jīng)濟(jì)變量產(chǎn)生影響。

同時(shí)，假定全要素生產(chǎn)率(TFP)沖擊與災(zāi)難概率沖擊均服從AR(1)過程，即：

(14)

(15)

式中：TFP沖擊包括兩個(gè)部分，一是災(zāi)難未發(fā)生時(shí)的常規(guī)沖擊，二是災(zāi)難發(fā)生時(shí)的非常規(guī)沖擊，即災(zāi)難項(xiàng)φt+1(·)log(1-m2)對(duì)全要素生產(chǎn)率的影響，此時(shí)φt+1(·)=1,m2決定了全要素生產(chǎn)率的下降幅度。顯然，當(dāng)m1=0時(shí)，災(zāi)難性事件僅作用于全要素生產(chǎn)率；當(dāng)m2=0時(shí)，災(zāi)難性事件僅作用于下期的資本存量；若兩者均不為0，則災(zāi)難性事件將同時(shí)作用于資本存量與全要素生產(chǎn)率；無論何種情況發(fā)生，均會(huì)通過代表性個(gè)體的效用最大化和廠商的利潤最大化對(duì)宏觀經(jīng)濟(jì)產(chǎn)生影響。同時(shí)，出于對(duì)模型的簡(jiǎn)化，這里假定災(zāi)難發(fā)生的概率(pt)沖擊滿足AR(1)過程，這說明當(dāng)期發(fā)生災(zāi)難對(duì)下期是否再次發(fā)生災(zāi)難沒有影響，災(zāi)難發(fā)生的概率是隨機(jī)的。

上述分析簡(jiǎn)要介紹了在封閉經(jīng)濟(jì)體中災(zāi)難性事件如何引入模型，并對(duì)宏觀經(jīng)濟(jì)周期產(chǎn)生影響。顯然，封閉經(jīng)濟(jì)體并未考察災(zāi)難性事件在不同國家之間的傳播，進(jìn)而對(duì)國際匯率、資本國際流動(dòng)的影響，以及不同國家對(duì)災(zāi)難性事件的風(fēng)險(xiǎn)抵御能力的研究等等。因此，在下一小節(jié)詳細(xì)探討災(zāi)難性事件如何引入開放經(jīng)濟(jì)體，并進(jìn)行相關(guān)分析。

(2)開放經(jīng)濟(jì)體

本文以兩國經(jīng)濟(jì)為例進(jìn)行探討。假定兩國之間的資本市場(chǎng)是完全的，商品市場(chǎng)存在摩擦，從而避免凈貿(mào)易品的影響；基于此，該經(jīng)濟(jì)體可以單獨(dú)地解決每個(gè)國家的最優(yōu)資本分配問題，同時(shí)可以計(jì)算出，匯率等于外國隨機(jī)貼現(xiàn)因子與本國隨機(jī)貼現(xiàn)因子之比。

本國經(jīng)濟(jì)中代表性個(gè)體的偏好與效用形式仍采用封閉經(jīng)濟(jì)體的相關(guān)表述，代表性廠商的生產(chǎn)過程也與上述一致，且災(zāi)難性事件仍作用于下期的資本存量和全要素生產(chǎn)率，且全要素生產(chǎn)率沖擊與災(zāi)難概率沖擊也與封閉經(jīng)濟(jì)體一致。

為了體現(xiàn)兩國經(jīng)濟(jì)特征的一致性，假定外國經(jīng)濟(jì)的個(gè)體偏好與全要素生產(chǎn)率均與本國經(jīng)濟(jì)相同，且災(zāi)難性事件在一國發(fā)生，必將傳播到另一個(gè)國家，即φt+1(·)和εp,t+1的取值在兩國經(jīng)濟(jì)中也是相等的。兩國經(jīng)濟(jì)的不同點(diǎn)在于對(duì)災(zāi)難性事件的風(fēng)險(xiǎn)抵御能力不同，也就意味著本國經(jīng)濟(jì)中m1、m2的取值與外國經(jīng)濟(jì)中m1、m2存在差異，出現(xiàn)這種情況的原因可能在于兩國經(jīng)濟(jì)中產(chǎn)業(yè)結(jié)構(gòu)和金融體系的不同。

2 災(zāi)難風(fēng)險(xiǎn)理論與資產(chǎn)定價(jià)

2.1 災(zāi)難風(fēng)險(xiǎn)與股權(quán)溢價(jià)之謎

Mehra等[28]通過對(duì)美國金融市場(chǎng)1889-1979年間的統(tǒng)計(jì)發(fā)現(xiàn)，美國S&P500綜合指數(shù)的年平均收益率高達(dá)6.98%，而同期美國短期國債的收益率僅為0.8%，從而得出美國金融市場(chǎng)的股權(quán)溢價(jià)達(dá)到6.18%。然而，在標(biāo)準(zhǔn)的基于消費(fèi)的資產(chǎn)定價(jià)模型中，若要解釋如此之高的股權(quán)溢價(jià)水平需要代表性個(gè)體具有極高的相對(duì)風(fēng)險(xiǎn)厭惡水平(據(jù)推算，該相對(duì)風(fēng)險(xiǎn)厭惡值將達(dá)到30以上)，而該系數(shù)的正常取值范圍在10以內(nèi)(據(jù)Hansen等[29]計(jì)算，美國戰(zhàn)后的相對(duì)風(fēng)險(xiǎn)厭惡水平僅為1左右)，這就是“股權(quán)溢價(jià)之謎”。顯然，該問題對(duì)以Lucas[30]的理性預(yù)期資產(chǎn)定價(jià)模型、Merton[31]的跨期資產(chǎn)定價(jià)模型(I-CAPM)以及Breeden[32]的基于消費(fèi)的資產(chǎn)定價(jià)模型(C-CAPM)為代表的資產(chǎn)定價(jià)理論提出了嚴(yán)峻挑戰(zhàn)。

為了解決這一難題，1980年代以來眾多學(xué)者從多個(gè)角度進(jìn)行實(shí)證檢驗(yàn)和理論分析，如Bansal等[33]的長期風(fēng)險(xiǎn)理論(LLR)，Rietz[9]、Barro[24]的災(zāi)難風(fēng)險(xiǎn)理論以及Constantinides[34]、Abel[35]的習(xí)慣形成效用模式，均在解決該金融現(xiàn)象方面做出了重要貢獻(xiàn)。下面，本文著重從災(zāi)難風(fēng)險(xiǎn)的角度分析該因素如何較好地解釋了“股權(quán)溢價(jià)之謎”。

Rietz[9]最早引入災(zāi)難風(fēng)險(xiǎn)因素解釋資本市場(chǎng)，他認(rèn)為，之所以過于平滑的美國消費(fèi)增長率波動(dòng)難以解釋資本市場(chǎng)過高的股權(quán)溢價(jià)，是因?yàn)榇嬖谝恍┮蛩匚幢豢紤]到美國消費(fèi)趨勢(shì)中，于是，引入具有發(fā)生概率小、破壞力大等特征的災(zāi)難性因素，通過虛擬的參數(shù)設(shè)定，有效解決了美國股權(quán)溢價(jià)過高的問題。

由于Rietz[9]并未采用實(shí)際歷史數(shù)據(jù)進(jìn)行實(shí)證分析，當(dāng)時(shí)其相關(guān)結(jié)論也遭到諸多質(zhì)疑。因此，Barro[24]采用Rietz[9]的研究思想，通過詳細(xì)統(tǒng)計(jì)20世紀(jì)100年間全球100多個(gè)國家所發(fā)生的災(zāi)難性事件，從真實(shí)歷史數(shù)據(jù)的角度闡述了災(zāi)難風(fēng)險(xiǎn)因素對(duì)美國資本市場(chǎng)的影響，從而奠定了災(zāi)難風(fēng)險(xiǎn)理論在解釋金融市場(chǎng)和宏觀經(jīng)濟(jì)方面的基礎(chǔ)。其后，Barro等[36-37]、Barro[38]等一系列論文從不同的角度進(jìn)一步探討了災(zāi)難風(fēng)險(xiǎn)與資本市場(chǎng)、宏觀經(jīng)濟(jì)之間的聯(lián)系。

Gabaix[39-40]嘗試采用線性化工具分析災(zāi)難風(fēng)險(xiǎn)對(duì)金融市場(chǎng)的影響。他通過構(gòu)建一個(gè)易處理的、時(shí)變?yōu)碾y的線性化模型，實(shí)證分析了災(zāi)難風(fēng)險(xiǎn)與債券市場(chǎng)、股票市場(chǎng)和期權(quán)市場(chǎng)之間的聯(lián)系，并獲得了相應(yīng)的解析解，同時(shí)合理地解釋了美國金融市場(chǎng)的高股權(quán)溢價(jià)現(xiàn)象。Chen等[25]通過考察市場(chǎng)具有不同財(cái)富分布特征和異質(zhì)性投資者的情況下災(zāi)難風(fēng)險(xiǎn)對(duì)股權(quán)溢價(jià)影響，并發(fā)現(xiàn)財(cái)富分布特征的轉(zhuǎn)變和異質(zhì)性投資者數(shù)量的變化均能夠?qū)е掳瑸?zāi)難風(fēng)險(xiǎn)因素時(shí)的股權(quán)溢價(jià)出現(xiàn)顯著地變動(dòng)。

Martin[41-42]在C-CAPM的框架下采用累積生成函數(shù)(CumulantGeneratingFunction，簡(jiǎn)稱CGF)的形式構(gòu)建災(zāi)難風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)之間的聯(lián)系，并推導(dǎo)出了含有高階矩的簡(jiǎn)潔的資產(chǎn)定價(jià)模型。模擬結(jié)果顯示，高階矩信息能夠合理解釋資產(chǎn)市場(chǎng)的股權(quán)溢價(jià)難題，但該模型的數(shù)值模擬結(jié)果對(duì)災(zāi)難風(fēng)險(xiǎn)相關(guān)參數(shù)的設(shè)定非常敏感，從而為后續(xù)研究提供了線索。

當(dāng)然，仍有眾多學(xué)者在近些年對(duì)災(zāi)難風(fēng)險(xiǎn)與股權(quán)溢價(jià)之間關(guān)系進(jìn)行相關(guān)研究，在此不再一一闡述。總而言之，Rietz-Barro提出的具有革命性的和里程碑式的災(zāi)難風(fēng)險(xiǎn)理論在宏觀經(jīng)濟(jì)和金融市場(chǎng)方面均得到了充分的驗(yàn)證，并引起眾多學(xué)者的高度關(guān)注。下面，本文簡(jiǎn)要地闡述災(zāi)難風(fēng)險(xiǎn)與其他金融難題方面的相關(guān)研究。

2.2 災(zāi)難風(fēng)險(xiǎn)對(duì)其他金融難題的解釋

Weil[43]在C-CAPM的理論基礎(chǔ)上，對(duì)“股權(quán)溢價(jià)之謎”做了進(jìn)一步推進(jìn)，總結(jié)得出與該金融難題緊密相關(guān)的“無風(fēng)險(xiǎn)利率之謎”。具體解釋如下：根據(jù)基于消費(fèi)的資本資產(chǎn)定價(jià)模型，冪效用函數(shù)下代表性個(gè)體的跨期替代彈性等于相對(duì)風(fēng)險(xiǎn)厭惡系數(shù)的倒數(shù)，由上節(jié)的探討可知，美國金融市場(chǎng)存在較高的股權(quán)溢價(jià)水平，這就要求非常之高的相對(duì)風(fēng)險(xiǎn)厭惡水平與之相對(duì)應(yīng)，從而使得代表性個(gè)體具有非常低的跨期替代彈性，也就意味著投資者的儲(chǔ)蓄意愿很低，而是通過借貸平滑當(dāng)期消費(fèi)與未來消費(fèi)。較低的儲(chǔ)蓄意愿必將導(dǎo)致較高的無風(fēng)險(xiǎn)利率水平，然而，美國金融市場(chǎng)的無風(fēng)險(xiǎn)利率不到1%，這是在C-CAPM的框架下所難以解釋的。

該難題的提出進(jìn)一步加大了經(jīng)濟(jì)學(xué)家解釋美國資本市場(chǎng)的難度，許多學(xué)者的模型與結(jié)論對(duì)兩個(gè)難題的解釋不能兼顧，即僅能解釋其一，而難以解釋其二。能夠?qū)纱笾i題做出較好解釋的代表性文獻(xiàn)有：Constantinides[34]、Abel[35]與Campbell等[44]分別在效用函數(shù)中引入內(nèi)生習(xí)慣形成因素與外生習(xí)慣形成因素，使得消費(fèi)者效用不具有時(shí)間可加性，且跨期消費(fèi)之間存在一定的依賴關(guān)系，從而在一定程度上解釋了兩大難題。當(dāng)然，Barro[24]構(gòu)建的災(zāi)難定價(jià)模型，也成功解釋了這兩大難題，并帶動(dòng)眾多學(xué)者進(jìn)行災(zāi)難風(fēng)險(xiǎn)理論研究的風(fēng)潮。下面簡(jiǎn)要分析災(zāi)難風(fēng)險(xiǎn)理論與“無風(fēng)險(xiǎn)利率之謎”之間關(guān)系的相關(guān)研究。

一般情況下，學(xué)者對(duì)兩大謎題的研究是同時(shí)進(jìn)行的。如Weitzman[45]采用貝葉斯參數(shù)估計(jì)方法校準(zhǔn)參數(shù)，考察災(zāi)難波動(dòng)幅度服從厚尾分布，災(zāi)難風(fēng)險(xiǎn)對(duì)金融市場(chǎng)的解釋作用，并獲得了良好的效果。Martin[41]采用CGF的形式替代Markov過程的計(jì)算方法，也驗(yàn)證出美國金融市場(chǎng)的無風(fēng)險(xiǎn)利率水平僅為4%左右等等。

“股市波動(dòng)率之謎”是由Campbell[46]最早提出的。他認(rèn)為，美國金融市場(chǎng)的股票收益的波動(dòng)性要遠(yuǎn)高于短期利率、股票紅利以及總消費(fèi)的波動(dòng)，而這種波動(dòng)難以通過資產(chǎn)定價(jià)理論進(jìn)行有效的模擬，也難以通過有效市場(chǎng)理論進(jìn)行合理的解釋，該金融難題被稱為“股市波動(dòng)率之謎”。災(zāi)難風(fēng)險(xiǎn)理論與這一難題之間的研究也得到眾多的關(guān)注。如Gabaix[39]通過引入“時(shí)變?yōu)碾y” 的概念，探討災(zāi)難發(fā)生概率服從某一特定分布時(shí)，罕見災(zāi)難風(fēng)險(xiǎn)對(duì)金融市場(chǎng)的影響，并解釋出股票收益波動(dòng)率如此之高，是由于投資者基于歷史災(zāi)難性事件所產(chǎn)生的災(zāi)難性預(yù)期導(dǎo)致的；Wachter[26]假定消費(fèi)者效用滿足Epstien-Zin偏好，考察時(shí)變?yōu)碾y在解釋股市波動(dòng)率方面的作用等等。

同時(shí)，金融市場(chǎng)的其他難題，如股票市場(chǎng)總收益可預(yù)測(cè)性之謎、債券市場(chǎng)收益率曲線與利差之謎、期權(quán)市場(chǎng)種種謎團(tuán)等等均由Gabaix[39]引入災(zāi)難風(fēng)險(xiǎn)因素之后得到合理的解釋。Gourio等[17]通過在國際金融市場(chǎng)資本流動(dòng)過程中引入災(zāi)難風(fēng)險(xiǎn)因素，較好地解釋了不同國家之間的利率差異之謎和利率遠(yuǎn)期升水之謎，Tsai等[47]、Barro等[48]基于災(zāi)難風(fēng)險(xiǎn)理論框架，分析災(zāi)難風(fēng)險(xiǎn)因素對(duì)債券定價(jià)與期權(quán)定價(jià)的影響等等。

2.3 災(zāi)難風(fēng)險(xiǎn)與中國金融市場(chǎng)

國內(nèi)對(duì)災(zāi)難風(fēng)險(xiǎn)與金融市場(chǎng)之間關(guān)系的研究傾向于從具體的事例和局部金融市場(chǎng)進(jìn)行分析。如劉慶富等[49]以汶川地震為參照，采用事實(shí)分析方法探討災(zāi)難性事件對(duì)我國股市各行業(yè)指數(shù)的影響；劉慶富等[50]采用MCMC估計(jì)方法，并對(duì)我國較長時(shí)期內(nèi)發(fā)生的災(zāi)難性事件進(jìn)行分類統(tǒng)計(jì)，實(shí)證研究了自然災(zāi)害、政治事件以及經(jīng)濟(jì)災(zāi)難對(duì)我國期貨市場(chǎng)的影響。趙靜梅等[51]通過區(qū)分災(zāi)難性事件為自然災(zāi)害與人為災(zāi)害，分別探討兩者對(duì)災(zāi)難發(fā)生所在地的上市公司的影響；陳國進(jìn)等[52]嘗試從一般性的災(zāi)難特征探討災(zāi)難性事件對(duì)我國資本市場(chǎng)的影響，并通過構(gòu)建包含消費(fèi)習(xí)慣形成和災(zāi)難風(fēng)險(xiǎn)因素的資產(chǎn)定價(jià)模型，成功解釋了我國資本市場(chǎng)股權(quán)溢價(jià)過高的異?，F(xiàn)象等等。

3 結(jié)論與未來展望

災(zāi)難風(fēng)險(xiǎn)理論的研究框架不僅能夠?qū)暧^經(jīng)濟(jì)和資本市場(chǎng)的典型現(xiàn)象提供合理的解釋，而且對(duì)政府投資決策的制定有重要的現(xiàn)實(shí)意義。本文主要從兩個(gè)方面進(jìn)行了相關(guān)闡述：①災(zāi)難風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)。在一般均衡理論的基礎(chǔ)上，引入災(zāi)難風(fēng)險(xiǎn)因素，較好地預(yù)測(cè)了罕見災(zāi)難事件對(duì)宏觀經(jīng)濟(jì)的影響，并為產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和具體應(yīng)對(duì)決策的制定提供參考，這在國外的相關(guān)文獻(xiàn)中多有提及。然而，國內(nèi)在該方面的研究相對(duì)薄弱，其研究方法多采用實(shí)證的方式進(jìn)行數(shù)據(jù)分析，缺乏一般性的結(jié)論，且對(duì)罕見災(zāi)難對(duì)宏觀經(jīng)濟(jì)影響的預(yù)測(cè)更是少之又少。②災(zāi)難風(fēng)險(xiǎn)與資產(chǎn)定價(jià)。在基于消費(fèi)的資本資產(chǎn)定價(jià)模型(C-CAPM)框架下，引入災(zāi)難風(fēng)險(xiǎn)因素，眾多國外學(xué)者對(duì)美國“無風(fēng)險(xiǎn)利率之謎”與“股權(quán)溢價(jià)之謎”等資本市場(chǎng)難題提出了較好的解釋，災(zāi)難風(fēng)險(xiǎn)因素在資本市場(chǎng)中對(duì)投資者的心理預(yù)期導(dǎo)致偏高的股權(quán)溢價(jià)特征得到了充分的驗(yàn)證。然而，國內(nèi)對(duì)災(zāi)難風(fēng)險(xiǎn)與股權(quán)溢價(jià)之間關(guān)系的相關(guān)研究少之又少。因此，如何將災(zāi)難風(fēng)險(xiǎn)理論合理地引入中國金融市場(chǎng)將是一個(gè)重要的研究方向。

另外，災(zāi)難性事件與宏觀經(jīng)濟(jì)的相關(guān)研究在國外已有上百年的探索歷程，其已經(jīng)形成較為完整的理論體系和方法，不論是基于特定時(shí)點(diǎn)數(shù)據(jù)的計(jì)量分析還是采用歷史資料進(jìn)行相應(yīng)的數(shù)值模擬，均得到了學(xué)術(shù)界的廣泛認(rèn)可。然而，國內(nèi)對(duì)災(zāi)難性事件的相關(guān)研究尚處于初級(jí)階段，且主要傾向于從局部的、個(gè)體的角度進(jìn)行分析，如基于某一次政治事件、經(jīng)濟(jì)事件或自然災(zāi)害等方面，通過具體的數(shù)據(jù)分析其對(duì)某些地區(qū)、某些行業(yè)或者某種現(xiàn)象的影響，缺乏對(duì)宏觀經(jīng)濟(jì)的總體把握和預(yù)測(cè)。因此，如何將災(zāi)難性事件對(duì)我國宏觀經(jīng)濟(jì)的影響進(jìn)行有效分析，并為決策機(jī)構(gòu)提供有價(jià)值的結(jié)論，將是國內(nèi)相關(guān)學(xué)者后續(xù)研究的重要課題。

[1] 弗雷德里克·巴斯夏. 財(cái)產(chǎn)、法律與政府[M]. 商務(wù)印書館, 2012.

[2]BrannenTR.EconomicAspectsoftheWaco,TexasDisasterofMay11, 1953[R].DepartmentofSociology,UniversityofTexas,Austin,Texas,ResearchReport, 1954.

[3]KunreutherH,FioreES.TheAlaskaEarthquake:aCaseStudyintheEconomicsofDisaster[M].InstituteforDefenseAnalysis,Washington,D.C., 1966.

[4]HirshleiferJ.DisastersandRecovery:TheBlackDeathinWesternEurope[M].TheRANDcorporationMEMORANDUMRM-4700-TAB, 1966.

[5]Peskin,HentryM.ProtectingIndustrialResourcesagainstNuclearAttack[M].Arlington,Virginina:InstituteforDefenseAnalyses, 1965.

[6]HoweCW,CochraneHC.Adecisionmodelforadjustingtonaturalhazardeventswithapplicationtourbansnowstorms[J].TheReviewofEconomicsandStatistics, 1976, 58(1): 50-58.

[7]Clark.Interregionalsequentialinterindustrymodeling:ApreliminaryanalysisofregionalGrowthanddeclineinatworegioncase[J].NortheastRegionalScienceReview, 1977, 7: 87-101.

[8]CochraneHC.PredictingtheEconomicImpactofEarthquakes[R].SocialSciencePerspectivesontheComingSanFranciscoEarthquake,NaturalHazardsResearchPaper, 1974.

[9]RietzTA.Theequityriskpremium:asolution[J].JournalofMonetaryEconomics, 1988, 22(1): 117-131.

[10]Chang S. Disasters and fiscal policy:Hurricane impact on municipal revenue[J]. Urban Affairs Quarterly, 1983, 18(4): 511-523.

[11]West C T, Lenze D G. Modeling the regional impact of natural disaster and recovery:A general framework and an application to hurricane andrew[J]. International Regional Science Review, 1994, 17(2): 121-150.

[12]Carter, D A, Simkins B J. The market’s reaction to unexpected, catastrophic events: the case of airline stock returns and the september 11th attacks[J]. The Quarterly Review of Economics and Finance, 2004, 44: 539-558.

[13]Maillet B B, Michel T L. The impact of the 9/11 events on the american and french stock markets[J]. Review of International Economics, 2005, 13(3): 597-611.

[14]Changhoon O, Reuveny R. Climatic natural disasters, political risk, and international trade[J]. Global Environmental Change, 2010, 20(2): 243-254.

[15]Cochrane H C, Harold C. Enowledge of Private Loss and the Efficienty of Protection, Presented at the Conference on the Economics of Natural Hazards and their Mitigation, December[R]. University of Folrida, 1984.

[16]Gourio F. Disasters risk and business cycles[J]. American Economic Review, 2012, 102: 1734-1766.

[17]Gourio F, Siemer M, Adrien V. International risk cycles[J]. Journal of International Economics, 2013, 89: 471-484.

[18]陳彥斌, 霍震, 陳軍. 災(zāi)難風(fēng)險(xiǎn)與中國城鎮(zhèn)居民財(cái)產(chǎn)分布[J]. 經(jīng)濟(jì)研究, 2009 (11): 144-158.

[19]莊子罐. 中國經(jīng)濟(jì)周期波動(dòng)的福利成本研究——基于小概率“嚴(yán)重衰退”事件的視角[J]. 金融研究, 2011 (4): 31-43.

[20]陳國進(jìn), 晁江鋒, 武曉利, 等. 罕見災(zāi)難風(fēng)險(xiǎn)和中國宏觀經(jīng)濟(jì)波動(dòng)[J]. 經(jīng)濟(jì)研究, 2014 (8): 54-66.

[21]晁江鋒, 趙向琴, 武曉利, 等. 罕見災(zāi)難沖擊與財(cái)政政策效應(yīng)研究——基于中國經(jīng)濟(jì)的實(shí)證檢驗(yàn)[J]. 當(dāng)代財(cái)經(jīng), 2015 (1): 31-42.

[22]于汐, 王靜偉. 基于事件法研究巨災(zāi)對(duì)我國上市公司的影響—以汶川8.0級(jí)地震為例[J]. 災(zāi)害學(xué), 2015,30 (1): 175-180.

[23]孟永昌, 楊賽霓, 史培軍,等. 巨災(zāi)對(duì)全球貿(mào)易的影響評(píng)估[J]. 災(zāi)害學(xué), 2016, 31(4): 49-53.

[24]Barro R J. Rare disasters and asset markets in the twentieth century[J]. Quarterly Journal of Economics, 2006, 121(3): 823-866.

[25]Chen H, Joslin S, Tran N K. Rare disasters and risk sharing with heterogeneous beliefs[J]. Review of Financial Studies, 2011, 25(7): 2189-2224.

[26]Wachter J A. Can time-varying risk of rare disasters explain aggregate stock market volatility?[J]. The Journal of Finance, 2013, 3: 987-1035.

[27]袁靖, 陳國進(jìn). 災(zāi)難風(fēng)險(xiǎn)與中國股市波動(dòng)性之謎[J]. 上海經(jīng)濟(jì)研究, 2014 (4): 53-66.

[28]Mehra, R, Prescott E C. The equity premium: A puzzle[J]. Journal of Monetary Economics, 1985, 15(2): 145-161.

[29]Hansen L P, Singleton K J. Stochastic consumption, risk aversion, and the temporal behavior of asset returns[J]. Journal of Political Economy, 1983, 91: 249-268.

[30]Lucas Jr R E. Expectation and the neutrality of money[J]. Journal of Political Economy, 1972, 91: 589-610.

[31]Merton R C. An intertemporal capital asset pricing model[J]. Econometrica, 1973, 41: 867-887.

[32]Breeden D. An intertemporal asset pricing model with stochastic consumption and investment opportunities[J]. Journal of Financial Economics, 1979, 7: 265-296.

[33]Bansal R, Yaron A. Risks for the long run: A potential resolution of asset pricing Puzzles[J]. Journal of Finance, 2004, 54(4): 1481-1509.

[34]Constantinides G M. Habit formation: A resolution of the equity premium puzzle[J]. Journal of Political Economy, 1990, 98: 519-543.

[35]Abel A B. Asset prices under habit formation and catching up with the joneses[J]. The American Economic Review, 1990, 80(2): 38-42.

[36]Barro R J, Ursua F. Macroeconomic crisis since 1870[J]. Brookings Papers on Economic Activity, 2008: 255-335.

[37]Barro R J, Ursua F. Rare macroeconomic disasters[J].Annual Review of Economics, 2012, 4: 83-109.

[38]Barro R J. Rare disasters asset pricing and welfare costs[J]. The American Economic Review, 2009, 99: 243-264.

[39]Gabaix X. Variable rare disasters: A tractable theory of ten puzzles in macro-finance[J]. The American Economic Review, 2008, 98(2): 64-67.

[40]Gabaix X. Variable rare disasters: An exactly solved framework for ten puzzles in Macro-Finance[J]. The Quarterly Journal of Economics, 2012, 127(2): 645-700.

[41]Martin I W R. Consumption-based asset pricing with higher cumulants[J]. The Review of Economic Studies, 2013a, 80(2): 745-773.

[42]Martin I W R. The Lucas Orchard[J]. Onomra, 2013b, 81: 55-111.

[43]Weil P. The equity premium puzzle and the risk-free rate puzzle[J]. Journal of Monetary Economics, 1989, 24: 401-421.

[44]Campbell J Y, Cochrane J H. By force of habit: A consumption-based explanation of aggregate stock market behavior[J]. Journal of Political Economy, 1999, 107(2): 205-251.

[45]Weitzman L. Subjective expectations and asset-return puzzles[J]. The American Economic Review, 2007, 97: 1102-1130.

[46]Campbell J Y. Asset Prices, consumption and the business cycle[M]. Handbook of Macroeconomics, 1998.

[47]Tsai J, Wachter J A. Disaster risk and Its implications for asset pricing[J]. Annual Review of Financial Economics, 2015, 7(1): 219-252.

[48]Barro R J, Liao G Y. Options-pricing formula with disaster risk[M]. Nber Working Papers, 2016.

[49]劉慶富, 周程遠(yuǎn), 張婉寧. 地震災(zāi)難對(duì)中國股票市場(chǎng)的沖擊效應(yīng)[J]. 財(cái)經(jīng)問題研究, 2011 (4): 61-67.

[50]劉慶富, 周程遠(yuǎn). 中國股票市場(chǎng)的非對(duì)稱效應(yīng)研究[J]. 系統(tǒng)工程學(xué)報(bào), 2012, 27(5): 648-655.

[51]趙靜梅, 申宇, 吳風(fēng)云. 天災(zāi)、人禍與股價(jià)：基于地震、群體騷亂事件的研究[J]. 管理科學(xué)學(xué)報(bào), 2014, 17(4): 19-33.

[52]陳國進(jìn), 晁江鋒, 趙向琴. 災(zāi)難風(fēng)險(xiǎn)、習(xí)慣形成和含高階矩的資產(chǎn)定價(jià)模型[J]. 管理科學(xué)學(xué)報(bào), 2015, 18(4): 1-17.

The Latest Development of Disaster Risk Theory in Economy Fields

CHAO Jiangfeng

(SchoolofAccounting,ZhengzhouUniversityofAeronautics,Zhengzhou450046,China)

Sincethe1950’sand1960’s,manyscholarsbegantoresearchtheimpactofraredisastereventonmacroeconomic.Theinitialresearchobjectsfocusedonsinglenaturaldisasterandman-madedisaster.Sometimeslater,theresearchbegantobuildgeneralequilibriummodelsandlinearmodels,andpredictedtheimpactofraredisastereventsonthewholemacroeconomybasedonthenumericalsimulationmethod.Sincethesubprimecrisis,therelatedresearchofdisasterrisktheorygotrapidprogress.Theresearchobjectisnolongerlimitedtothespecificcatastrophicevents,butfocusesontherepresentativeindividualpsychologicalexpectationsofdisastereventsinhistory.Theexpectationshaveasignificantimpactontheinvestorsandmanufacturers’psychologicalfluctuationsinthemacroeconomyandcapitalmarket.Onthebasisofpredecessors’researchresults,wediscusstherecentresearchprogressfromthreeaspectsofdisasterandmacroeconomy,disasterriskandmacroeconomy,disasterriskandcapitalmarketrespectively,inordertoprovideusefulreferenceforfuturerelatedresearch.

disasterrisk;macroeconomy;capitalmarket;realbusinesscycle;equitypremiumpuzzle

2016-10-23

2016-12-27

國家自然科學(xué)基金青年項(xiàng)目(71603243)；教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目(16YJC790111)

晁江鋒(1985-)，男，河南安陽人，博士，講師，主要從事災(zāi)難風(fēng)險(xiǎn)理論與經(jīng)濟(jì)計(jì)量方面的相關(guān)研究. E-mail: chaojiangfeng2005@163.com

10.3969/j.issn.1000-811X.2017.03.024.]

X43；E32；G12

A

1000-811X(2017)03-0137-07

10.3969/j.issn.1000-811X.2017.03.024

晁江鋒. 災(zāi)難風(fēng)險(xiǎn)理論的最新研究進(jìn)展：基于宏觀經(jīng)濟(jì)的視角[J]. 災(zāi)害學(xué)，2017，32(3)：137-143. [CHAO Jiangfeng. The Latest Development of Disaster Risk Theory in Economy Fields[J]. Journal of Catastrophology，2017，32(3)：137-143.