Cochrane J. Financial markets and the real economy[M]. Boston: Now Publishers Inc, 2014.

本文综述了金融市场与实体经济之间联系的研究进展，重点探讨了资产定价中的风险溢价如何由宏观经济风险驱动。作者John H. Cochrane通过分析现有文献，系统梳理了以下核心内容：

1. 风险溢价的宏观经济基础

资产定价的核心问题是理解何种宏观经济风险驱动了市场中的风险溢价。传统金融理论（如CAPM、ICAPM）通过投资组合衡量风险，但本文主张从更根本的消费、生产和劳动收入等宏观经济变量出发，解释风险溢价的来源[1][2]。

2. 关键经验事实

• 时间序列特征：股票、债券和外汇的预期收益随时间变化，且与商业周期相关（如高股息收益率预示高未来收益）[2.1][2.2]。
• 横截面差异：规模（size）和账面市值比（book-to-market）等特征与平均收益显著相关，但无法被CAPM的β解释，催生了Fama-French三因子模型等扩展[2.3][2.4]。

3. 股权溢价难题

经典消费资产定价模型（CCAPM）无法解释股票市场的高风险溢价，除非假设极高的风险厌恶系数（γ≈30-50），但与之矛盾的是低且稳定的无风险利率[3][3.1]。这一难题由Mehra和Prescott(1985)[124]首次系统提出，后续研究试图通过调整效用函数（如习惯形成、非可分效用）或引入异质性风险来化解[4.1][4.2]。

4. 新效用函数与模型改进

• 习惯形成：Campbell和Cochrane(1999)[24]提出习惯效用模型，将边际效用与消费相对于习惯水平的波动挂钩，成功匹配股权溢价和价格波动[4.4]。
• 跨期非可分性：Epstein-Zin效用分离风险厌恶与跨期替代弹性，改善了模型拟合[4.2][4.3]。
• 长期消费风险：Parker和Julliard(2005)[130]等发现长期消费增长与资产收益的协方差能部分解释横截面差异[4.6]。

5. 生产与一般均衡模型

将资产定价嵌入宏观生产经济中，如Jermann(1998)[99]和Boldrin等(2001)[13]通过调整成本和技术冲击解释价格波动，但需高风险厌恶或习惯形成以实现定量匹配[5.1][5.2]。这类模型同时关注数量动态（如投资、产出）与价格动态的联合解释[5.2.3]。

6. 劳动收入与异质性风险

• 劳动收入：Jagannathan和Wang(1996)[97]将劳动收入增长纳入因子模型，提升了对收益横截面的解释力；Santos和Veronesi(2005)[139]进一步将劳动收入占比作为状态变量[6.1][6.2]。
• 异质性风险：Constantinides和Duffie(1996)[45]证明个体消费风险的非线性可解释高溢价，但需极端消费波动或高风险厌恶[6.2.1]。

7. 未来挑战