诺贝尔经济学奖获得者Douglas Breeden和罗伯特·卢卡斯分别在1979和1978提供了消费资本资产定价模型（CCAPM）的基础。 他们的模型是传统资本资产定价模型（CAPM）的扩展。它最好用作理论模型，但有助于理解金融资产收益率随时间的变化，在某些情况下，其结果可能比通过CAPM模型获得的结果更具相关性。继续阅读，了解这个模型是如何工作的，它能告诉你什么。

什么是消费资本资产定价模型(ccapm)？

虽然资本资产定价模型依赖于市场投资组合的回报来了解和预测未来资产价格，但资本资产定价模型依赖于总消费。在资本资产定价模型中，风险资产会给投资者的财富带来不确定性，这是由市场投资组合决定的（例如，s&amp；第500页）。另一方面，在CCAPM中，风险资产在消费中产生了不确定性，投资者将花费什么变得不确定，因为他或她的财富（即收入和财产）由于投资风险资产的决定而不确定。

在资本资产定价模型中，市场投资组合的风险溢价衡量风险的价格，而贝塔系数表示风险的数量。另一方面，在CCAPM中，市场风险的数量是通过风险溢价随消费增长的变化来衡量的。因此，CCAPM解释了整个股市相对于消费增长的变化程度。

ccapm有用吗？

虽然CCAPM很少被用于实证，但它在理论上是高度相关的。事实上，CCAPM并不像标准CAPM那样在现实世界中被使用。因此，评估项目或资本成本的公司更可能使用CAPM而不是CCAPM。其主要原因是，基于经验，CCAPM往往表现不佳。这可能是因为有一部分消费者没有积极参与股市，因此，消费和股票收益之间的基本联系由中央资产管理委员会承担，无法成立。因此，对于持有股票的人来说，CCAPM可能比CAPM表现更好。

从学术角度来看，CCAPM比CAPM应用更广泛。这是因为它包含了股票市场财富以外的多种形式的财富，并提供了一个框架来理解金融资产回报在许多时期的变化。这提供了CAPM的一个扩展，它只考虑一个期间的资产回报。CCAPM还提供了对财富和消费之间关系以及投资者风险规避的基本理解。

计算ccapm

CCAPM的简化版本可以采用风险资产（例如股票）和市场风险溢价之间的线性表示。然而，不同之处在于所谓的隐含无风险利率、隐含市场收益率和消费贝塔系数的定义。因此，CCAPM的公式如下：

ra=射频+βc（林吉特）−射频）where:ra=expected 风险资产（如股票）回报率rf=隐含无风险利率（如3个月国库券）rm=隐含预期市场回报率rm−rf=隐含市场风险溢价βc=资产的消耗贝塔值\begin{aligned}&amp；r\u a=r\u f+\βc（r\u m-r\u f）\\&amp\textbf{其中：}\\&amp；r\u a=\text{风险资产（如股票）的预期收益率）}\\&amp；r\u f=\text{隐含无风险利率（如3个月国库券）}\\&amp；r\u m=\text{隐含预期市场收益率}\\&amp；r\u m-r\u f=\text{隐含市场风险溢价}\\&amp\beta\u c=\text{资产的消耗beta}\\\结束{对齐}​拉​=射频​+βc​(林吉特​−射频​)where:ra​=风险资产（如股票）的预期收益率​=隐含无风险利率（如3个月国库券）rm​=隐含预期市场收益率​−射频​=隐含市场风险溢价βc​=资产消耗贝塔​

隐含收益和风险溢价由投资者的消费增长和风险厌恶决定。此外，风险溢价定义了投资者购买风险资产所需的报酬。与标准CAPM一样，该模型将风险资产的收益与其系统风险（市场风险）联系起来。系统风险由消费贝塔提供。

消费贝塔

消费测试版定义为：

βc=ra和消费增长之间的协方差rm和消费增长之间的协方差\begin{aligned}&amp\贝塔c=\frac{\text{协方差在}r\u a\text{和消费增长}}{\text{协方差在}r\u m\text{和消费增长}}}}\\\结束{对齐}​βc​=rm之间的协方差​ 和消费增长之间的协方差​ 消费增长​​

如下图所示，较高的消费贝塔值意味着风险资产的预期回报率较高。

在CCAPM中，当消费较低（储蓄较高）时，如果资产支付较少，则风险较高。如果风险资产与消费增长完美配合，则消费贝塔系数为1。消费贝塔系数为2时，如果市场上涨1%，资产收益率将增加2%；如果市场下跌1%，资产收益率将下降2%。

消费β可以通过统计方法来确定。格雷戈里·曼昆（Gregory Mankiw）和马修·夏皮罗（Matthew Shapiro）的一项实证研究《风险与回报：消费贝塔与市场贝塔》（1984年）测试了美国在纽约证券交易所和标准普尔500指数上的消费和股票回报的变动；1959年至1982年间的p500指数。 研究表明，CCAPM意味着比CAPM更高的无风险利率，而CAPM提供了更高的市场风险（beta），如图2所示。