股市波动背后——基于需求系统方法的资产定价模型

3．基于特征的需求

（1）信息集与特征多项式

笔者认为多项式采用以下形式的作用在于： 1.构造投资者潜在需求与资产特征、市值的非线性组合，从而拟合投资者对于每个资产特征及市值的异质性信念（也可以说判断）；2.采用该形式可以使得在之后关于相对需求的求极限运算中出现指数函数，使得需求与资产特征、市值及异质性信念的关系更为明晰。

（2）基于特征的需求

4.需求弹性

5.市场出清

文章的一大优点在于模型与数据的完美贴合。

股票价格、股息、流通股等数据均来源于CRSP，会计数据则来自于Compustat North America Fundamentals Annual & Quarterly Databases。

机构持股数据则来自汤森路透的机构持股数据库（Thomson Reuters Institutional Holdings Database），该数据库由SEC的13F的季度备案汇编而成，为季度数据，且不报告空头头寸。文章将机构分为六类：银行、保险公司、投资顾问共同基金、养老基金和其他机构。之后文章将机构持股数据与股票数据进行合并。

在该部分，作者定义了投资组合权重、家庭持股、投资范围、金融资产与外部资产的指标构建。关于投资范围作者定义为：投资者在当前季度及过去11个季度持有的股票。表1显示，对于AUM中位数机构，目前持有的85%股票是过去一个季度持有的，该比例在过去第十一个季度上升至97%。这表明机构的投资范围是相对稳定的，该发现可能表明： 机构的持股相对稳定，需求弹性可能相对较低，从而可以为后文结果的解释提供一部分依据。

1．识别假设

该部分作者主要围绕识别假设和工具变量展开。首先，作者从Lucas（1978）的假设出发，即潜在需求外生于市值和资产特征。然而，作者认为投资者并非atomistic，即作者认为投资者及投资者之间的需求冲击可能会对股价产生影响，进而对市值产生影响，因而作者认为存在内生性。

基于此，作者构造了一个由投资授权基本决定（从而外生于潜在需求）的indicator function，并指出财富的分布也是相对外生的，基于这两个变量作者构造了一个市值变量的工具变量，将该工具变量替代市值变量从而放松了Lucas（1978）的识别假设：