143
U＝7-( 0 . 0 0 5×4×0 )＝7
投资者会偏好持有风险资产组合(当然，国库券与这一风险资产组合的重新组合可
能会更好，但这并非此题的选项)。
对A＝8 的投资者而言，风险资
产组合的效用是：
U＝2 0－( 0 . 0 0 5×8×2 02)＝4
而国库券的效用为7，因此越厌
恶风险的投资者越倾向于持有无风
险资产。
4. 风险厌恶程度低的投资者其
无差异曲线更平缓。风险的上升只
要求较少的收益的增加就能达到原
有的效用水平。
5. 尽管黄金投资独立看来似由
股市控制，黄金仍然可以在一个分散化的资产组合中起重要作用。因为黄金与股市收
益的相关性很小，股票投资者可以通过将其部分资金投资于黄金来分散其资产组合的
风险。
6. a.根据糖凯恩公司股票收益的既定分布，情境分析如下：
较多的风
险厌恶
较少的风险
厌恶
糖生产的正常年份
异常年份
股市的牛市股市的熊市
糖的生产危机
概率0 . 5 0 . 3 0 . 2
收益率（%）
贝斯特·凯迪股票2 5 1 0 -2 5
糖凯恩股票7 -5 2 0
国库券5 5 5
糖凯恩公司股票的预期收益与标准差为：
E(r凯恩)＝( 0 . 5×7 ) + 0 . 3 (－5 )＋( 0 . 2×2 0 )＝6
＝[ 0 . 5 ( 7－6 )2+ 0 . 3 (－5－6 )2＋0 . 2 ( 2 0－6 )2]1 / 2＝8 . 7 2
贝斯特·凯迪公司股票与糖凯恩公司股票的收益之间的协方差为：
C o v (糖凯恩，贝斯特·凯迪)＝0 . 5 ( 7－6 ) ( 2 5－1 0 . 5 )＋0 . 3 (－5－6 ) ( 1 0－1 0 . 5 )
凯恩
+ 0 . 2 ( 2 0－6 ) (－2 5－1 0 . 5 )＝－9 0 . 5
相关系数为：
(糖凯恩，贝斯特·凯迪) ＝[ C o v (糖凯恩，贝斯特·凯迪) ] /
凯恩
贝斯特·凯迪
＝－9 0 . 5 / ( 8 . 7 2×1 8 . 9 0 )＝－0 . 5 5
相关性是负的，但比以前小（-0 . 5 5而不是-0 . 8 6），因此我们预计糖凯恩公司股
票现在与以前相比套期保值能力下降。5 0%的投资投资于糖凯恩公司股票，5 0%的投
资投资于贝斯特·凯迪公司股票，这样得出的资产组合的概率分布如下：
概率0 . 5 0 . 3 0 . 2
资产组合收益1 6 2 . 5 -2 . 5
得出均值与标准差为：
E(r套期保值的资产组合)＝( 0 . 5×1 6 ) + ( 0 . 3×2 . 5 ) + 0 . 2 (－2 . 5 )＝8 . 2 5
＝[ 0 . 5 ( 1 6－8 . 2 5 )2+ 0 . 3 ( 2 . 5－8 . 2 5 )2+ 0 . 2 (－2 . 5－8 . 2 5 )2]1 / 2＝7 . 9 4
套期保值的资产组合
144
b. 显而易见，即便在这种情况下，套期保值策略仍然优于使用国库券的降低风险
策略（这一策略的结果为：E( r)＝7 . 7 5%，
＝9 . 4 5%）。同时，套期头寸的标准差
（7 . 9 4%）要高于使用最初的数据时的结果。
c , d .使用规则5计算资产组合的方差，有
2＝( 0 . 52×
2
贝斯特·凯迪) + ( 0 . 52×
2
凯恩) + [ 2×0 . 5×0 . 5×C o v (糖凯恩，贝斯特·凯迪) ]
＝( 0 . 52×1 8 . 92) + ( 0 . 52×8 . 7 22) + [ 2×0 . 5×0 . 5×(－9 0 . 5 ) ]＝6 3 . 0 6
这意味着
＝7 . 9 4，正是我们通过情境分析直接得出的结果。
附录6A 均方差分析的辩论
6A.1 概率分布的描述
风险厌恶的公理不辩自明。然而，到目前为止，由于把资产组合的方差（或等价的，标准差）作为评估风险的适当方法，我们对风险的分析是有局限的。在方差不足以测度风险的情况下，这种假设就受到了潜在的限制，下面我们提供一些均方差分析的说明。
如何能最准确地描述资产组合收益率的不确定性是问题的关键。原则上，可以列
出一定时期内资产组合的所有可能的结果，如果每种结果都产生诸如1美元的利润或
收益率，那么这种赢利值就是随机变量。赋予所有可能随机变量的一组概率值就称为
随机变量的概率分布。
在所有可能情形下的预期收益率可以测度持有资产组合的报酬，预期收益率等
于：
E(r) =.(n) Pr(s)r(s)
s=1
其中s＝1，. . . ，n为可能的结果或情形；r(s)是结果为s时的收益率，P r (s)是与其
相关的概率。
事实上，预期值或均值并不是概率分布中值的唯一选择，另外还有中值与众数。
中值是指超过半数的结果值并被另一半超过。而预期收益率是结果的权重，中值
基于结果的等级顺序并只考虑结果值的顺序。
在预期值受极端值控制的情况下，中值与均值差距很大。收入（与财富）在人口
中的分布就是一例。少部分家庭占有全部收入（与财富）的相当大的比例，平均收入
被这些极端值“提高了”，它并不具有代表性。由于中值等于超过半数人口的收入水
平（不管超出多少），它不受此影响。
最后，计算中值的第三种选择是众数，它是最大概率时最可能的分布值或结果值。
但是，到目前为止，预期值是最广泛使用的测度中值或一般趋势的方法。
现在我们回到收益的概率分布的性质所含有的风险特性问题上来。一般地说，要
用一个数字来量化风险是不可能的。基本的思路是，为确保准确性，用一组很小的统
计数描述“惊奇”（偏离均值）的可能性和大小，完成这项工作的最简单的方法是按
传达的信息值的顺序回答一组问题，当进一步的问题不会影响我们的风险-收益平衡概
念时终止发问。
第一个问题是：“对预期值的典型的偏离是多少？”正常的回答是：“对预期值的
预期偏离是—。”不幸的是，这种回答对问题没有任何帮助，因为它必然是零：对
均值的正偏离正好被负偏离抵消。
有两种方法来解决这个问题。一是用预期偏差的绝对值，它使所有的偏差变成正
值。这就是所谓的平均绝对偏差（mean absolute deviation, MAD），它由以下公式得
出：
×绝对值[r(s)-E(r) ]
第二种方法是用预期平方差，它也必须是正的，并且只是概率分布的简单方差：
注意方差的计量单位是“百分比的平方”。回到我们最初的单位，与计算预期值
一样，方差的平方根按百分比计算，我们计算标准方差也是如此。方差还叫做围绕均
值的二阶矩差，预期值本身是一阶矩差。
尽管方差计算的是预期值的平均平方差，它并不能全面描述风险。要知道为什么，
我们来看图6 A - 1中一个资产组合收益率的两种概率分布。
图6A-1 资产组合收益率的斜度的概率分布
图6 A - 1 a与图6 A - 1 b是两个预期值与方差相同的概率分布图。该图显示的方差相同，
因为概率分布b是a的镜像。
a与b的主要区别在什么地方？ a的特征是小损失的可能性大，巨额收益的可能性
小。b与此恰恰相反。当我们谈及风险时，我们真正的意思是“坏的惊奇”。这种坏的
惊奇尽管在a中发生的可能性很大，但数量小（且有限）。在b中却很有可能是数额惊
人。风险厌恶型投资者因此偏好a甚于偏好b；因此值得将此特点量化。这种不对称的
分布叫做偏度，我们用三阶矩差来计算，有
预期值偏差的三次方保留了它们的标记，使我们能够区分好的与坏的惊奇。因为
偏差越大，其权重越大，使得分布的“长尾巴”控制了对偏度的测度。因此，向右的
偏度分布是正的，例如a，向左的偏度分布是负的，如b。虽然不如标准差重要，这种
不对称也是一种相关的特征。
总之，一阶矩差（预期值）代表回报。二阶矩差表示报酬的不确定性。所有的偶
数矩差（方差，M4等等）表明有极端值的可能。这些矩差的值越大，不确定性越强。
奇数矩差（M3，M5等）代表不对称的测度。正数与正的偏度相关，所以是人们所期望
的。
我们可以根据投资者对各种矩差分布的偏好表来判断每个投资者的风险厌恶特
征，也就是说，我们可以从概率分布中推导出效用值：
U=E(r)-b0
2＋b1M3-b2M4＋b3M5-.
这里，矩差数越大，其重要性越低。注意“好的”矩差数（奇数）是正系数，而
“坏的”矩差数（偶数）系数前的符号是负的。
M3 = Pr( s)[ r(s) - E( r)]3
s =1
n.
2 = Pr( s)
s=1
n.
[r( s) - E( r)]2
Pr( s)
s=1
n.
