金融研究报告详尽解读分析:基于FOMO的资本资产定价模型(FOMO-CAPM)
一、元数据与概览
报告标题: A FOMO-based Capital Asset Pricing Model
作者: Mohammed Kaddouhah, Simon Rudkin, Wanling Rudkin
发布机构: Swansea University、University of Manchester、University of Exeter Business School
时间: 2024年(文章内容涵盖1980–2024年数据)
主题: 资产定价模型,引入行为金融学中的“Fear of Missing Out”(FOMO,害怕错失)情绪因素。
核心论点:
报告提出了一个创新的资产定价模型——FOMO-CAPM,强调投资者除了传统的市场风险因素外,还受到对同行收益表现的“害怕错失”(FOMO)情绪影响。该模型成功地融入了行为偏差和社会比较心理,实证检验表明FOMO是美国股票市场1980年至2024年间股票跨期回报的重要决定因素。这一模型弥补了传统CAPM及基于遗憾理论模型的不足,展示了FOMO情绪在动力资产定价中的关键作用。1 , 1]
二、逐节深度解读
1. 引言部分
关键论点:
报告首先定义了FOMO,说明其源自社交心理学,指投资者担心自己投资组合的回报低于同侪的投资组合,与经典遗憾理论不同,FOMO具有单向作用,即当投资组合跑输同侪时产生负面情绪,但当跑赢时不会产生类似的“害怕错失”情绪。
投资者在投资决定时会权衡财务回报和避免情绪上的损失,从而产生行为偏差,如盲目跟风、投机泡沫等。2
逻辑推理:
通过投资者A与B的案例说明,同侪成功的投资(如比特币)可能使A产生FOMO,从而改变原本稳健的资金配置,倾向高风险资产以避免“错失”成功的情绪损失。
而传统CAPM假设完全理性、基于市场风险定价,难以解释情绪与社交压力带来的价格偏差。行为金融研究指出资本市场非理性行为需纳入情绪和社会比较因素。2 , 2]
2. 模型定义
关键论点:
在标准CAPM基础上,模型引入了FOMO效用函数。投资者的效用由两个部分组成:
金融收益部分 :假设投资者风险中性,用财富最终值表示(简化分析)。
情绪效用部分 :涉及投资者持有组合回报W i , 1 W_{i,1} W i , 1 与“参考组合回报”H i H_i H i 的差异。若W i , 1 < H i W_{i,1}<H_i W i , 1 < H i ,则产生FOMO效用的负面影响。
模型通过函数f i ( ⋅ ) f_i(\cdot) f i ( ⋅ ) 和分段函数g i ( H i ) g_i(H_i) g i ( H i ) ,特别是通过k i ( H i ) k_i(H_i) k i ( H i ) 引入对于“落后于同行”的非对称惩罚,使得传统遗憾模型向FOMO模型扩展。投资者最大化综合效用V i ( W i , 1 ) = W i , 1 + f i ( W i , 1 − g i ( H i ) ) V_i(W_{i,1})=W_{i,1} + f_i(W_{i,1} - g_i(H_i)) V i ( W i , 1 ) = W i , 1 + f i ( W i , 1 − g i ( H i )) 。6–8
数学推导:
利用第一阶条件与斯坦引理(Stein’s lemma),推导出均衡状态下的资产定价关系。
市场投资组合的回报调整为r m − h m r_m - h_m r m − h m ,其中h m h_m h m 是市场层面的平均参考组合回报。
FOMO Beta定义为:
β j F O M O = c o v ( r j − r f , r m − h m ) v a r ( r m − h m ) \beta_j^{FOMO} = \frac{\mathrm{cov}(r_j - r_f, r_m - h_m)}{\mathrm{var}(r_m - h_m)} β j FOMO = var ( r m − h m ) cov ( r j − r f , r m − h m )
这种Beta衡量资产收益与市场情绪调整后的超额收益的敏感度。9–10
3. 重要理论阐释与对比
CAPM与FOMO-CAPM的联系与区别:
FOMO-CAPM包含了传统CAPM作为极限特例(当FOMO情绪参数趋近0时)。
FOMO Beta与市场Beta本质不同:前者含投资者特定的同侪参考组合,体现社会情绪和情绪风险;后者纯粹反映市场系统性风险。
FOMO-CAPM风险报酬关系更陡峭,即FOMO敏感度越强,对应更高风险溢价。13–16
此部分明确了FOMO是在传统资产定价模型基础上融入情绪社会比较的新框架,捕捉了传统模型忽略的投资者行为特征。
4. 实证检验
4.1 数据与研究设计
数据源与样本: 1980-2024年美国股市,CRSP日收益数据,Compustat财务指标,Fama-French行业组合作为同行基准。
实证方法:
构造三类Beta:标准CAPM Beta、遗憾Beta(感知回报差的无条件敏感度)、FOMO Beta(区分相对表现好坏的条件Beta,即β F O M O − \beta^{FOMO-} β FOMO − 和β F O M O + \beta^{FOMO+} β FOMO + )。
采用滚动12个月窗口以高频日数据估计Beta。
投资组合排序和Fama-MacBeth横截面回归检验Beta是否带来显著风险溢价。16–20
4.2 投资组合排序分析
标准CAPM Beta排序 :高Beta组合表现优异(高低组年化差异约8.18%,显著)。
遗憾Beta排序(β R \beta^R β R ) :更强的正相关,顶组年化超额达15.26%,低组为负,差17.42%,极显著。
负向FOMO Beta排序(β F O M O − \beta^{FOMO-} β FOMO − ) :核心变量,表现更突出,最高组年化回报16.39%,最低组负0.96%,差异达17.35%,统计上极为稳健。
正向FOMO Beta排序(β F O M O + \beta^{FOMO+} β FOMO + ) :表现提升但溢价较低,差10.47%。
相对FOMO Beta排序(β F O M O − − β C A P M \beta^{FOMO-} - \beta^{CAPM} β FOMO − − β C A PM ) 负向溢价,反映了市场Beta带来的复杂联动,需多变量控制确认。22–25
4.3 Fama-MacBeth回归
β R \beta^{R} β R 在控制了市值、账面市值比、动量等传统风险因素后依然带有强烈正溢价。
分别纳入β F O M O − \beta^{FOMO-} β FOMO − 和β F O M O + \beta^{FOMO+} β FOMO + 后,二者均显著正向溢价,其中β F O M O − \beta^{FOMO-} β FOMO − 在各模型中t t t 值普遍超过4,说明其定价能力强且稳健。
进一步加入波动率、波动率的高阶矩(协偏度、协峰度)等控件,β F O M O − \beta^{FOMO-} β FOMO − 保持尤为显著,指明FOMO风险独立于传统风险因子。
与Ang等(2006a)提出的基于理性失望厌恶的风险Beta直接对比,发现FOMO Beta的定价能力更强,有其独特风险维度。26–31
4.4 FOMO Beta与协偏度的独立性检验
双向5×5组合排序:控制了协偏度后β F O M O − \beta^{FOMO-} β FOMO − 依然带有巨大显著正溢价(跨不同协偏度区间均显著);反向控制β F O M O − \beta^{FOMO-} β FOMO − 后协偏度相关溢价依然存在。
说明FOMO Beta捕捉的是与情绪和社会比较密切相关,但与风险分布不对称性(协偏度)不同的风险源。32–35
4.5 时间序列的溢价动态
滚动60月窗口观察β R \beta^{R} β R 与β F O M O − \beta^{FOMO-} β FOMO − 的高低组收益差,均表现出溢价的时间变化性,90年代中期达到峰值,2008年金融危机期间显著下滑。
相比之下,标准CAPM Beta溢价时变表现不稳定,很多时期信誉区间包含零,说明市场Beta解释力有限。
不同时间段的非重叠检验显示溢价长期存在,提示FOMO驱动的溢价为持续现象但受市场情绪等影响波动。35–39
4.6 稳健性检查
移除小市值股票、采用不同市场股票样本和加权方式后β F O M O − \beta^{FOMO-} β FOMO − 和β R \beta^{R} β R 依旧保持显著正溢价。
Fama-MacBeth分期分析证明β F O M O − \beta^{FOMO-} β FOMO − 溢价存在于不同时间区间,且非受流动性不足的微小股驱动。
相关系数分析表明β F O M O − \beta^{FOMO-} β FOMO − 与CAPM Beta和Ang等的市场下行Beta有所重合但不完全,含有独特信息。39–43
4.7 输入资产定价测试
利用GRS检验衡量FOMO因子对不同测试资产集(按β F O M O − \beta^{FOMO-} β FOMO − 排序投资组合和Fama-French行业组合)解释力。
对β F O M O − \beta^{FOMO-} β FOMO − 排序资产,标准模型(CAPM、FF3、FF4)均被拒绝,加入FOMO因子后拟合显著改善,平均Alpha下降近一半,p p p 值接近显著,表明FOMO因子对定价有实质贡献。
对行业组合预测,所有模型均被检验强烈拒绝,FOMO因子仅轻微改善,反映其应用多局限于高精度投资组合风险评估。 44–46
5. 讨论
研究贡献:
提出并验证了FOMO-CAPM,明确FOMO作为社会比较情绪产生的风险维度在资产定价中的重要性。
实证证明负向FOMO Beta(对同行市场逆境表现敏感的Beta)带来显著正溢价,且价量关系稳健独立于主流市场风险因子及其他行为风险因子。
帮助解释行为金融学中长期关注的诸多现象:羊群效应、动量效应和泡沫生成机制。
实务意义在于投资组合构建及风险管理中需考虑投资者的社会比较情绪风险,投资者和理财顾问应意识到这种心理风险对投资决策的影响。
限制与未来研究:
参考基准h j h_j h j 的代理为行业组合,未来研究可引入更贴近投资者真实同侪群体更精细的基准。
FOMO情绪及其风险溢价的时间变动性值得进一步深入研究。
扩展至国际市场及不同资产类别验证FOMO-CAPM的普适性。
量化FOMO风险对市场异常现象(如动量、泡沫)的定量贡献。 46 –48]
6. 结论
报告系统提出并实证验证了基于“害怕错失”情绪的资产定价新模型FOMO-CAPM。该模型引入社会比较的非对称情绪效用,实证发现负向FOMO Beta是能解释美国股市跨期收益的显著风险因子,且其定价独立于传统风险因子。
FOMO-CAPM为行为金融与经典资产定价模型之间搭建了桥梁,强调理解投资者对同侪表现的敏感度是完善资产定价理论不可或缺的一环,特别是在社交媒体和信息共享高速发展的当下市场环境。未来研究可进一步探讨FOMO情绪风险的动态及其更广泛应用。 50–51
三、图表深度解读
图表1 (Table 1:因子Beta排序投资组合表现)
描述: 展示按CAPM Beta、遗憾Beta、负向与正向FOMO Beta,以及相对负向FOMO Beta排序的5个等权投资组合的年化超额收益率及平均Beta水平。
解读:
传统CAPM Beta排序回报递增,中间差异符号统计显著。
负向FOMO Beta排序的高低组回报差异最大,高组约16.4%,低组负0.96%,溢价超17%,极具统计学意义。
正向FOMO Beta排序回报差异略低但仍显著,说明情绪对收益的影响不对称。
相对负向FOMO Beta排序因其与市场Beta逆向关联导致收益反向,需结合多元回归分析确认。
联系文本: 支持FOMO情绪导致投资者需额外风险溢价,特别强调负向FOMO Beta的溢价效应是模型核心。22–25
图表2 (Table 2:Fama-MacBeth回归结果)
描述: 多模型回归结果展示FOMO相关Beta及传统Beta对股票超额收益的风险溢价估计。
解读:
无论控制传统风险因子与市值、账面市值比等,公司特征,β F O M O − \beta^{FOMO-} β FOMO − 保持显著正溢价(最大t t t 值约8)。
说明FOMO风险定价独立且附加于市场系统性风险之上。
相关控制变量表现符合预期:市值负溢价、负协偏度负溢价等。
联系文本: 强化了FOMO-Beta作为“行为情绪风险”独立价值的证据。27–30
图表3 (Table 3:β F O M O − \beta^{FOMO-} β FOMO − 与协偏度联合排序回报)
描述: 双因子排序投资组合回报,交叉控制β F O M O − \beta^{FOMO-} β FOMO − 和协偏度变量。
解读:
β F O M O − \beta^{FOMO-} β FOMO − 较低到较高组的收益差在任何协偏度分组内均显著为正,表明其风险溢价独立于协偏度。
协偏度负溢价也保持独立,说明分别捕捉不同风险维度。
联系文本: 说明FOMO因子涵盖传统市场风险和分布特征外的重要行为因素。33–35
图表4 (Figure 1:滚动时间窗口溢价趋势)
描述: 60个月滚动窗口高低组合收益差,针对遗憾Beta、负向FOMO Beta、CAPM Beta正负状态。
解读:
遗憾Beta和负向FOMO Beta的溢价较为持久且常显著,波动受重大经济事件影响,如金融危机时二者显著性下降。
CAPM Beta溢价不如前两者持久且常不显著。
说明行为情绪因素对资产定价有稳定解释力。
联系文本: 维护行为因素风险溢价的长期性和经济合理性。36–38
表8 (GRS检验)
描述: FOMO因子加入后对不同资产组合的多因子模型拟合优度检验。
解读:
对按β F O M O − \beta^{FOMO-} β FOMO − 排序组合,加入FOMO因子明显提升模型拟合度且降低Alpha,风险溢价解释更充分。
对行业组合,所有模型均被拒绝,可能因行业组合多样性和结构复杂性。
联系文本: 突出FOMO风险因子在特定细分市场有效,扩展至大规模组合有待进一步研究。44–45
四、估值分析
报告核心为理论模型构建与实证验证,无传统估值数值目标,估值体现在对FOMO Beta的风险溢价测算和资产定价方程中的应用。模型使用隐含均衡定价框架,推导出:
E [ r j ] − r f = β j F O M O × FOMO溢价 E[r_j] - r_f = \beta_j^{FOMO} \times \text{FOMO溢价} E [ r j ] − r f = β j FOMO × FOMO 溢价
其中FOMO溢价为市场投资组合回报与市场平均参考组合回报之差,体现情绪及社会比较风险的经济价值。
敏感性分析体现在不同模型形式、不同投资者权重组合下FOMO-beta的定义变化和溢价强度变化,确认其非简化到CAPM。 10–15
五、风险因素评估
报告指出的主要风险因素:
FOMO情绪风险 :投资者对同侪基准表现的担心引发的非理性资本流动、投资股价波动扩大。
市场风险溢价变异性 :FOMO溢价在不同市场环境下波动显著,如经济危机导致溢价削弱。
模型实证风险 :参考组合H i H_i H i 代理的局限及投资者异质性,可能影响Beta估计和溢价大小。
行为风险的动态演变 :FOMO效应受市场情绪、信息传播动态影响,可能出现非线性和时序变化。
报告未具体提供应对策略,但提倡风险管理和投资策略设计应充分考虑心理及情绪风险。投资者自我意识提升及理财顾问需关注FOMO带来的风险。 46–49
六、批判性视角与细微差别
报告理论模型建立在风险中性假设基础上,现实中投资者风险厌恶可能影响FOMO效用函数扩展。
基准代理为行业组合较为粗糙,不能完全代表投资者具体社交圈,可能导致实证测量噪声。
相对FOMO Beta排序结果在单变量分析中表现复杂,表明需要多变量控制防止变量相关性干扰。
模型强调FOMO的情绪负效应,但对投资者潜在的积极逆反心理及非理性追涨追跌尚未深入探讨。
时间序列溢价动态表现出较大波动,提示FOMO风险溢价易受经济周期和市场行情影响,模型需考虑时变性和适应性。
GRS测试对行业组合的显著拒绝显示,尽管FOMO因子增加了解释力,但资产定价依旧存在众多尚未捕捉的风险源。
整体上报告逻辑严谨,实证多角度验证模型,偏差主要源于模型简化假设及实证代理变量局限。 23 , 38, 45]
七、结论性综合
该报告创新性地将“害怕错失”(FOMO)情绪引入资本资产定价模型,提出FOMO-CAPM,强调投资者的情绪和社会比较压力是资产价格决定的重要因素。理论部分建立了以个人与同侪参考组合回报差异为核心的效用函数,导出了FOMO Beta定义及对应风险溢价,理论上,投资者需为持有高FOMO敏感资产获得额外风险补偿。
实证部分以1980至2024年美国股市为样本,利用高频数据测算多种Beta,明确揭示负向FOMO Betaβ F O M O − \beta^{FOMO-} β FOMO − 具有显著的正向风险溢价。通过组合排序与Fama-MacBeth横截面回归,多重控制变量和稳健性检验,均支持了FOMO风险的独立贡献。协偏度、传统市场Beta及现有行为Beta等对FOMO Beta贡献不构成替代。时间序列分析和GRS测试进一步确认该因子对特定投资组合的解释能力优越。
报告具有重要理论价值和实际意义,为传统CAPM引入行为和社会心理视角,丰富了资产定价框架,对理解股票收益的跨期差异提供了新视角。此外,FOMO风险因子对解释投资者羊群行为、动量效应和泡沫形成提供了理论基础。
最终,FOMO-CAPM桥接了理性模型与行为金融学,强调投资者情绪对市场回报的实质影响,是资产定价领域未来重要的拓展方向。1–51
参考图片
以上分析全面涵盖了报告的理论构建、模型推导、实证设计、统计结果、图表数据解读、风险评估、批评视角与最终结论,力求深入精准地揭示FOMO-CAPM模型的创新点及其在资产定价领域的贡献及意义。