Dit is een reeks lectures over de geschiedenis van asset pricing, van Regnault in 1863 tot de taalmodellen van vandaag. De volgorde is chronologisch, maar het is geen kroniek. Elk tijdvak wordt behandeld als een samenhangend antwoord op één vraag: waarom kosten sommige beleggingen meer dan andere? Elk antwoord wordt uitgewerkt tot op de vergelijking, geïmplementeerd in Python en getoetst aan data die vrij te downloaden is.
De aanleiding is een terugblik van Pedro Santa-Clara, What I learned about asset pricing (2026). Die tekst leest als een reisverslag van iemand die het vak van binnenuit heeft meegemaakt. Deze reeks volgt dezelfde route, met de afleidingen, de data en de code erbij.
1Wat dit is¶
Elke lecture behandelt één onderwerp: het CAPM, Black-Scholes, de equity premium puzzle, momentum, de factor zoo. Elke lecture bevat:
een afleiding op PhD-niveau, waarbij elke stap begint met de vraag waarom zou dit waar zijn? voordat er wordt gerekend;
een klein voorbeeld dat met pen en papier na te rekenen is, en een simulatie die laat zien wat er in een steekproef van dat voorbeeld overblijft;
een replicatie van het kernresultaat van één of twee originele papers, op gratis data (Kenneth French, Shiller, FRED, Goyal-Welch, GSW, He-Kelly-Manela, Open Source Asset Pricing, Yahoo Finance) of via simulatie waar geen data bestaat;
twee tot vier oefeningen, met uitwerkingen in opklapbare blokken.
Alle data komen uit het hap-pakket dat bij deze reeks hoort. De loaders slaan
lokaal op, dus na één keer draaien werkt alles offline.
2De rode draad¶
Drie thema’s lopen door de hele reeks. Ze hebben een vaste naam en komen onder die naam in elke lecture terug.
De standaardfout van 2%. Het gemiddelde rendement van de aandelenmarkt is met een eeuw data nog steeds slecht gemeten. Bij een volatiliteit van 20% per jaar is de standaardfout van het gemiddelde over honderd jaar ongeveer twee procentpunt. De variantie daarentegen is uitstekend meetbaar. Dat ene feit verklaart veel: waarom volatiliteit voorspelbaar is en rendement nauwelijks, waarom de equity premium een puzzel blijft, en waarom er honderden gepubliceerde factoren zijn.
Risico of vergissing. Aandelen zijn goedkoop in een recessie. Chicago zegt: omdat beleggers dan een hogere vergoeding eisen, dus de discontovoet varieert. Yale zegt: omdat beleggers bang zijn en de prijs ernaast zit. Beide kampen zijn het eens over de feiten; ze verschillen over de uitleg. In 2013 kregen Fama en Shiller samen de Nobelprijs. Dat was geen compromis maar een nauwkeurige beschrijving van de stand van zaken.
Theorie of feit. Het vak begon met één model dat werd getoetst, het CAPM. Daarna kwam een raamwerk waarin alle modellen een uitspraak zijn over dezelfde grootheid, de stochastic discount factor. Daarna machine learning, dat voorspelt zonder te verklaren. En ten slotte vraagsystemen waarin prijzen bewegen omdat er geld in of uit stroomt. Bij elk model stellen we de vraag: is dit een theorie die getoetst wordt, of een feit dat op een verklaring wacht?
Daaronder ligt de praktische les die Santa-Clara zelf trekt. Alles wat hij verdiende en behield, kwam uit het dragen van risico dat werd beloond; alles wat hij verloor, kwam uit de gedachte iets te weten wat de prijs niet wist. In zijn woorden:
Everything I made that lasted came from bearing risk that was priced. Everything I lost came from thinking I knew something the price did not.
3Hoe te lezen¶
De reeks is geschreven om van voren naar achteren te lezen. Elke lecture opent met “Waar we zijn in het verhaal”: het jaartal, wat we al weten, welke vraag open staat. Elke lecture sluit met “Wat er brak, en wat daarna kwam”: de barst in de theorie die het volgende tijdvak in gang zette. Wie springt, mist de barsten, en de barsten zijn het verhaal.
Wie toch selectief wil lezen: de eerste twee lectures (opzet en de statistiek van rendementen) zijn nodig voor alles wat volgt, en de lecture over , Cochrane: p = E[mx], is het scharnier waar de hele eerste helft in terugkomt.
Elke lecture is zowel een webpagina als een notebook. Het download-icoon geeft
het .ipynb-bestand; het staat ook in de map lectures/. De tekst is
Nederlands. Code, variabelenamen en docstrings zijn Engels. Vaktermen blijven
Engels waar een vertaling gekunsteld wordt, met de eerste keer een korte
toelichting.
4Voorkennis¶
Waarschijnlijkheidsrekening en statistiek op masterniveau, wat lineaire algebra,
en genoeg Python om een pandas-DataFrame te lezen. Stochastische analyse
(Itô’s lemma) wordt gebruikt maar telkens ter plekke uitgelegd. Wie de
Python-kant wil bijspijkeren, kan terecht bij de reeks van Sargent en Stachurski
waarop deze lectures qua vorm zijn gebaseerd:
Advanced Quantitative Economics with Python.
- Geschiedenis van asset pricing
- Deel 0 — Toolkit
- Deel I — Voordat er een vakgebied was
- Deel II — Het Chicago-MIT-decennium
- Deel III — Theorie en eerste barsten
- Deel IV — De empirische wending
- Deel V — Het pluralistische vakgebied
- Deel VI — De factor zoo en de machines
- Deel VII — De machines, opnieuw
- Synthese
- Appendix
Deze onafhankelijke site is niet verbonden aan of onderschreven door QuantEcon.
De vormgeving is gebaseerd op het MIT-gelicentieerde
QuantEcon MyST-thema.
Zie THIRD