在本章中，我们对两种考察跳跃风险溢酬方法的内在一致性进行了描述，在随机贴现因子框架下证明了：当风险源相同时，期权中隐含的跳跃风险溢酬与FM两步法回归所得到的单位跳跃风险溢酬相等。基于此，在中国缺乏期权市场的背景下，本章采用股票价格数据对中国A股市场上的跳跃风险和跳跃风险溢酬进行了全面而深入的研究，从跳跃风险的角度对中国市场上的衍生品模型风险进行了考察。
本章的研究发现，在中国A股市场上，跳跃风险对于股票的横截面收益率有较高的解释能力，但是跳跃风险的三个因子长期而言都不是系统性风险因子，它们的风险溢酬在长期中是不显著的。这表明，在中国市场上对于期权交易员而言，Delta对冲后的复制误差中所包含的跳跃风险溢酬并不会给交易员账户带来太大的波动，是一个基本可以忽略的因素。
但是，本章也发现，中国A股市场上的跳跃风险溢酬存在时变性，前一期的市场波动率能较好地预测下一期的跳跃风险，其他系统性因子的解释力度有限。也就是说，在未来的中国期权市场上，交易员如果希望在短期内考虑跳跃对模型风险的影响，最好的辅助预测指标是市场波动率，其他系统性风险则可以忽略不计。
[1]以下简称“FM方法”，下文中我们将详细介绍FM方法。
[2]Cochrane（2005）是随机贴现因子分析框架的经典教材，本章中用到的随机贴现因子基本原理均可在该书中找到。
[3]严格地说，F、R i和m都是时变的随机变量，其中m的明确含义是指一段时间内的随机贴现因子，因此文献中常将其写为m（t，τ），其中t为当前时刻，τ为对应期限。同样R i也是一段时间内的收益率。在本书接下来的证明中，为简要起见，如非特殊需要，均未标出时间下标。(www.xing528.com)
[4]例如Hull（2009）中测度变化与风险价格的例子实际上就是式中的风险因子为波动率情形下的特例。
[5]在之后的滚动回归中，我们选取的估计窗口为3年。
[6]由于日度收益率含有大量噪音，因此，一般而言检验资产定价中因子的风险溢酬都采用月度频率数据。
[7]因此，样本内1997年1月至1999年12月的数据只能用来计算排序分组，但无法构造出当月的跳跃风险因子，无法进入FM两步法的回归分析。
[8]样本前3年数据用来估计定价因子，因此无法使用。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
