摘 要： 有保證金約束的資本資產定價模型在實際應用中面臨著兩個挑戰， 一是模型引入了非線性的約束條件， 導致沒有解析的均衡價格， 二是市場中投資者和資產的數量都很龐大， 如何高效地找到近似解。針對有保證金約束的資本資產定價模型， 提出適用于多服務器協同運算的廣播式異步算法。該算法把投資者分成若干個不同的組， 各組在不同的服務器上獨立運行，組與組之間通過網絡相互傳遞外部價格信息， 各組內部根據現有的價格和接收到的外部價格信息重新更新組內價格， 并廣播給相鄰的組，減少了單臺服務器的計算負擔。該算法可看成一個非做市商的價格形成過程。研究證明， 在滿足一定的條件下， 各組價格均以概率1收斂到相同的均衡價格。數值實驗驗證了所提算法的效果。

　　關鍵詞： 保證金; 資產定價; 廣播式; 異步算法

　　《中國銀行業》(月刊)2013正式創刊。郵發代號：2-337是由中國銀行業協會、《中國農村金融》雜志社主辦的銀行業雜志。

　　Abstract： The application of the capital asset pricing model with margin-requirement constraints in practice faces two challenges. One is that the model introduces non-linear constraints， leading analytic equilibrium prices unable to be derived. The other one is that the number of investors and available assets in the market is generally very large， raising the question of how to find an approximate solution efficiently in a promising time. In this paper， we propose an asynchronous broadcast-based algorithm for the capital asset pricing model with margin-requirement constraints， which is suitable for implementing on multi servers who can work collaboratively. The algorithm divides investors into several different groups， each of which runs on an independent server to reduce the computational burden of a single server. The groups transmit prices information to each other through the network. Each group updates prices by combing their current prices with the received neighbors′ prices， and broadcasts them to its neighbors. We prove that under certain conditions， each group′s prices will converge to the same equilibrium prices with probability 1. The numerical experiments verify the effectiveness of our proposed algorithm.

　　Key words： margin requirement; asset pricing; broadcast; asynchronous algorithm

　　資本資產定價理論(CAPM)由Sharpe (1964)、Lintner (1965)和Mossin (1966)提出， 是公認的奠定現代金融學的基石之一， 目前依然是學術研究的一個熱點。 然而， 該模型假設投資者是同質的且市場是無摩擦的， 這種過于簡化的假設導致其應用效果并不理想。 因而， 模型自提出以來備受爭議。 為了使模型更有解釋力， 目前已有大量的文獻對其進行改進， 針對不同的市場情景提出了不同的變種。 譬如， Lintner (1969)、Fama和French (2007)以及He和Shi (2007)等把假設條件放松到投資者是異質的情況， 而Jarrow (1980)以及李科等(2014)、Rytchkov (2014)和Ma等(2018)則分別引入賣空限制和保證金制度等交易限制， 研究它們對資產價格的影響， 吳文生等(2018)則研究變動均值和方差情況下的資產配置模型。

　　從計算的角度來看， 在模型中引入非線性的約束條件通常會使求解解析的均衡價格變得十分困難。 現有的文獻普遍采用傳統的利用拉格朗日函數一階導數的方法來求解， 但這種方法只有在投資者和資產數量都非常少的時候才有效。 眾所周知， 市場中的投資者和資產的數量都非常龐大， 在這種情況下只能尋求數值方法給出近似解。 然而， 目前缺乏行之有效的算法， 在一定程度上限制了模型的應用價值。 對于一般的均衡模型， 學術上提出了不少方法， 比較常見的是將均衡問題轉化為一個等價的優化問題或者不動點問題， 然后運用優化方法來求解。 但對于帶非線性約束的資本資產定價模型來說， 轉化后的優化問題通常是非凸的且形式復雜， 不適合用這類方法求解。 因此， 設計適用于求解大規模均衡定價模型的算法是一項有挑戰性、有現實意義的工作。

　　近年來， Tong 等提出了一種非梯度的求解方法。 與現有方法不同的是， 該方法按照資產的供需關系來調整價格， 整個過程符合經濟學解釋。 但它的缺陷在于， 每次迭代只有等所有的投資者都更新完需求后才能進行下一次迭代， 從而使系統產生大量的等待時間， 降低了求解效率。 為了減少系統的等待時間， Tong等進一步提出了四種不同類型的異步算法， 其特點是需求更新過程與價格更新過程可以存在不同程度的延時。 由于每個投資者獨立計算投資決策問題，所以這類算法適合用分布式的方法來計算。 因此， 如何設計有效的分布式計算方法是本文研究的主要內容。

　　隨著信息技術的飛速發展， 以云計算為代表的基于多服務器的協同計算方法為求解大規模問題提供了新的途徑， 特別是在計算機、通信、電力等領域， 越來越多的學者開始嘗試設計分布式的計算方法， 但在金融領域的應用則較少。 在優化領域， 這方面的研究有Bertsekas (1983)針對經典的不動點問題提出的按變量分量的下標順序依次循環迭代方法， Tsitsiklis等(1986)提出的異步型分布式梯度算法， Tsitsiklis和Bertsekas (1986)討論了異步算法在數據網絡方面的應用， Bertsekas和Yu (2010)則研究了異步算法在動態規劃方面的應用， 許浩鋒等(2015)研究了分布式在線交替方向乘子法，等等。 同樣， 由于原均衡問題轉化后的形式十分復雜且往往非凸， 這些方法也并不適用。

　　如果視投資者為一個agent， 那么均衡資本資產定價模型本質上等價于一個多agent的博弈模型。 針對這類模型，近年來， Nedic和Ozdaglar (2009)以及Nedic (2011)提出了基于agent網絡結構的不同的分布式算法。 他們把每個agent單獨計算， agent之間通過網絡傳遞信息， 他們證明了在一定的條件下， 算法將收斂到均衡解。 其中， Nedic (2011)針對和式優化問題， 即maxx∈X∑i=1fi(x)提出了廣播式異步算法，其迭代形式在結構上和Tong等給出的算法公式十分相似。

　　本文的主要創新之處在于， 基于Nedic (2011)的異步思想， 針對帶保證金約束的均衡資產定價模型， 提出了廣播式異步算法。 不同于Tong 等的算法， 該算法將投資者分成若干個不同的組， 各組根據組內的供需關系以及相鄰組的價格信息重新調整價格， 并對相鄰組廣播更新后的價格信息， 如此不停迭代， 直到各組價格均趨于均衡價格。 有趣的是， 從經濟學的角度看， 該算法與Tong 等的算法刻畫了兩種不同的價格形成機制。 Tong 等的算法對應于做市商根據市場的供需關系統一調整價格， 而本文所研究的廣播式異步算法則對應于各組(局部)之間通過不斷傳遞各自的價格信息來相互影響，最終形成一個統一的均衡價格。

　　1 模型描述

　　假設市場上有K個投資者、J個風險資產和1個無風險資產。 記投資者的下標為k∈{1，L，K}， 風險資產的下標為j∈{0，1，L，J}， 其中下標j=0代表無風險資產， 其利率為r。 模型考慮單個周期， 即t=0，1。資產j的期初價格用pj表示， 期末價格用隨機數Xj表示。 假定投資者(以k為代表)在期初擁有資產j的稟賦數量為nkj≥0。 那么， 市場上資產j的總供給量等于∑Kk=1nkj， 投資者的總財富等于Wk0=∑Jj=0nkjpj。 這里不考慮交易成本， 但假設投資者k在做空風險資產j時需支付固定比例為mkj的保證金。

　　2 算法設計及收斂性分析

　　2.1 算法設計

　　根據Nedic給出的廣播式分布迭代思想，把投資者劃分為m個互不相交的組S1、L、Sm分別獨立運算， 組與組之間通過網絡傳遞價格信息。 這里假設數據傳遞過程是順暢且及時的， 而且各組內的投資者收到的價格信息是無差異的。 這些組所構成的無向連通圖可用符號表達為(V，E)，其中與組i連通的組所構成的集合記為N(i)， 即N(i)={J∈V|{i，j}∈E}，它也稱為組i的鄰域。每個組有一個局部虛擬時鐘，其走動過程與其他組的虛擬時鐘相互獨立，且滿足到達率為1的泊松分布(這里忽略組內的計算時間)。局部時鐘每走動一次都將喚醒該組進行迭代并對鄰域內的其他成員廣播(傳遞)當前結果。圖1分別展示了小組內部更新價格過程和組間關系。

　　4 結語

　　資本資產定價模型是目前用來分析金融市場最有效的工具之一。 在實際應用中， 為了使模型的分析效果更好， 使用者根據不同的市場環境對其進行改進。 改進后的模型形式變得復雜， 給模型的求解帶來了困難。 更何況， 市場中投資者和資產的數量都十分龐大， 常用的算法通常失效。 隨著云計算等信息技術的發展， 越來越多的研究開始探索基于多服務器協同計算的方法。 本文以帶保證金約束的資本資產定價模型為背景， 在Tong等的算法的基礎上提出基于多服務器的廣播式異步算法。 該算法把投資者分成若干個不同的組， 各組在不同的服務器上獨立運行， 減少了單臺服務器的計算負擔。 組與組之間通過網絡相互傳遞外部價格信息， 組內根據自己的價格水平和接收到的外部價格水平重新更新價格并廣播給相鄰的組。 從經濟學上看， 不同于Tong等的算法所隱含的做市商價格形成過程， 本文所提的算法可看作非做市商的價格形成過程。本文證明， 在滿足一定的條件下， 各組的價格水平均以概率1 收斂到相同的均衡價格。 隨后的數值實驗驗證了所提算法的效果。

　　參考文獻：

　　[1] SHARPE W F. Capital asset prices： A theory of market equilibrium under conditions of risk[J]. The Journal of Finance， 1964， 19(3)：425-442.

　　[2] LINTNER J. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets[J]. The Review of Economics and Statistics， 1965， 47(1)：13-37.

　　[3] MOSSIN J. Equilibrium in a capital asset market[J]. Econometrica， 1966， 34(4)：768-783.

　　[4] LINTNER J. The aggregation of investor's diverse judgments and preferences in purely competitive security markets[J]. The Journal of Financial and Quantitative Analysis， 1969， 4(4)：347-400.

　　[5] FAMA E F， FRENCH K R. Disagreement， tastes， and asset prices[J]. Journal of Financial Economics， 2007， 83(3)：667-689.

　　[6] HE X， SHI L. Zero-beta CAPM with heterogeneous beliefs[EB/OL]. Presented at 20th Australasian Finance and Banking Conference 2007. https：//www.ssrn.com/en/.

　　[7] JARROW R. Heterogeneous expectations， restrictions on short sales， and equilibrium asset prices[J]. The Journal of Finance， 1980， 35(5)：1105-1113.

　　[8] 李科， 徐龍炳， 朱偉驊. 賣空限制與股票錯誤定價——融資融券制度的證據[J]. 經濟研究， 2014(10)：165-178.

　　[9] RYTCHKOV O. Asset pricing with dynamic margin constraints[J]. The Journal of Finance， 2014， 69(1)：405-452.

　　[10] MA C H， HU J Q， XU Y F. Margins on short sales and equilibrium price indeterminacy[J]. Journal of Mathematical Economics， 2018(74)：79-92.

　　[11] 吳文生， 盛世杰， 韓其恒. 變動均值和方差資產配置模型的應用研究[J]. 中國管理科學， 2018， 26(2)：107-115.