149
c .均值的一阶矩差、二阶矩差与三阶矩差，K L公司股票价格的概率分布是正态的
吗？
概念检验问题6 A 1与6 A 2答案
6A1. 投资者对极端的结果比对一般的结果更敏感，这是方差与更高阶的偶数矩差
所不能解释的。随机的证据表明，投资者迫切地为极端的损失寻求可能的保险，并对
有高度正偏度的概率事件极为乐观。但是，这个假定却很难通过理性控制的实验加以
证明。
6A2. 资产组合越分散化，其标准差就越小，如表6 A - 1中样本标准差所示。当我
们根据标准差较小的概率分布画图时，极端值的概率下降。因此，随着标准差变小，
预期样本中的最小值与最大值都更接近于均值，这一预期可由表6 A - 1中的样本的最大
与最小年利率得以证明。
附录6B 风险厌恶与预期效用
投资者厌恶风险是我们讨论的出发点，在此我们将离开前面的主题，考察这一观
点背后的基本原理。认为风险厌恶是投资决策的中心的看法至少可以追溯到1 7 3 8年。
丹尼尔·贝诺里（Daniel Bernoulli）是出身于瑞士名门的著名数学家，他于1 7 2 5年到
1 7 3 3年在圣彼得堡研究下述的投币游戏。参加这个游戏要先付门票，其后，抛硬币直
到第一个正面出现时为止。在此之前，反面出现的次数（用n表示）用来计算参加者
的报酬R美元：
R(n)＝2n
在第一个正面出现之前反面一次也没出现的概率（n＝0）是1 / 2，相应的报酬为20＝
1美元。出现一次反面才出现正面的概率（n＝1）是1 / 2×1 / 2，报酬为21＝2美元，出现
两次反面才出现正面的概率（n＝2）是1 / 2×1 / 2×1 / 2，余此类推。
下表列出了各种结果的概率与报酬：
反
1
2
3
面概率
1 / 2
1 / 4
1 / 8
1 / 1 6
报酬＝R（n）/美元
1
2
4
8
概率×报酬/美元
1 / 2
1 / 2
1 / 2
1 / 2
. . . .
. . . .
. n . (1/2) n+ 1
.
2n
.
1 / 2
所以，预期报酬为：
E(R) =.(￥) Pr(n)R(n) =￥
1/ 2 +1/2+×××=
n=0
对该游戏的评价被称为“圣彼得堡悖论”。尽管预期报酬是无限的，但显然参加
者愿意买票玩这个游戏的花费是有限度的，可能非常有限，只是入门费而已。
贝诺里发现投资者赋予所有报酬的每个美元的价值是不同的，并由此解决了悖论
问题。特别地，他们的财富越多，就越不在乎每一个增加的美元。通过给拥有各种财
富水平的投资者一个福利值或效用值，我们能够用数学方法精确地表达这种观点。随
着财富的增多我们的效用函数也应增大，但是财富每增加1个美元所增加的效用的数
量应该逐渐减少[1]（现代经济学家会说投资者每增加一美元的报酬的“边际效用递减”）。
[1] 这种效用类似于在给定风险与收益特性下的资产组合的满意程度。但是，这里的效用函数并不涉及投资者对
可供选择的资产组合选择的满意程度，而仅仅涉及他们从不同财富水平中得到的主观福利程度。
150
一个特殊的函数l o g（R）赋予报酬为R美元的投资者一个主观价值，报酬越多，每个
美元的价值就越小。如果用这个函数测度财富的效用值，该游戏的主观效用值的确是
有限的[ 1 ]。获得该效用值所必需的财富为2美元，因为l o g（2）＝0 . 6 9 3。因此，风险报
酬的确定等价物是2美元，是投资者参加游戏付出的最高价钱。
1 9 6 4年，冯·纽曼（Von Neumann）与摩根斯坦（M o rg e n s t e r n）以完全公理的体
系将此方法应用于投资理论，避开不必要的技术细节，我们在此只论及对风险厌恶基
本原理的直感。
设想有一对同卵双胞胎，其中一个比另外一个穷。彼得名下只有1 000美元，而鲍
尔却拥有2 0万美元。他们各自愿意工作多少小时去再挣一美元？似乎彼得（穷兄弟）
比鲍尔更需要这一美元。所以彼得愿意付出更多的时间。也就是说，与鲍尔得到第
200 001美元相比，彼得得到了更多的个人福利或赋予第1 001美元更大的效用值。图
6 B - 1用图形描述了财富与财富效用值的关系，它与边际效用递减的概念是一致的。
每个人的财富边际效用递减率各不相同。每增加一个美元，财富的效用值随之减
少却是一个固定不变的原理。表示随着财产数量的增加每个单位的价值递减的函数称
之为凹函数。中学数学中的对数函数就是一个简单的例子。当然，对数函数并不适于
所有的投资者，但与风险厌恶是一致的，我们假定所有的投资者都是风险厌恶型的。
图6B-1 对数效用函数的财富效用
现在考虑以下的简单情景：
p＝1/2 150 000美元
100 000美元
1-p＝1/2 50 000 美元
这是一个预期利润为零的公平游戏。但是，假定图6 B - 1代表投资者的财富效用值，
且为对数效用函数。图6 B - 2显示了用数值标出的曲线。
图6 B - 2表明因损失5万美元造成的效用减少超过了赢利5万美元形成的效用增加。
先考虑效用增加的情况。概率p＝0 . 5时，财富从1 0万美元增加到1 5万美元。利用对数效
[1] 如果我们用支付的美元R来取代效用值l o g (R)，获得游戏的期望效用值(而不是期望美元值)，我们可以
有期望效用值的上限V(R)，即V (R) =.(￥) Pr(n)log[ R( n)] =.(￥) (1
2)n+1 log(2 n ) = 0.693
n =0 n =0
