1703536005
1703536006
1703536007
那么
1703536008
1703536009
1703536010
1703536011
1703536012
且
1703536013
1703536014
1703536015
1703536016
1703536017
1703536018
在这个模型中，时变性仅仅是波动率因股息改革而引起的。如果期望收益无法估计，那么收益的条件方差同样也无法估计。股息序列越长，其作用越显著而波动率也越大。当然，如果股息序列的移动平均系数存在时变性，这部分将会随时间而变化。
1703536019
1703536020
两种资产收益序列间的条件协方差也可以同样由式（1-13）表示出来
1703536021
1703536022
1703536023
1703536024
1703536025
简单假设预期收益恒定不变并且未来股息是固定权重的移动平均序列（如式（1-10）），并且两项资产的参数分别为（ρ1，θ1）、（ρ2，θ2），那么
1703536026
1703536027
1703536028
1703536029
1703536030
对比式（1-12）与式（1-14）可以看出条件协方差可以简单地由下式表达：
1703536031
1703536032
1703536033
1703536034
1703536035
即收益间相互关联是因为信息是相互联系的。事实上，在上述的简单假设中它们是等价的。
1703536036
1703536037
更一般地，式（1-8）可以推导出协方差矩阵的一般表达式。现在令r为资产收益的一个向量，η为股息或者期望收益的改革向量，等式则变为
1703536038
1703536039
1703536040
1703536041
1703536042
粗体表示各项均为向量。协方差矩阵变为
1703536043
1703536044
1703536045
1703536046
1703536047
因此，收益间的相关性或许是来源于股息政策信息间的相互影响，或者是来源于风险溢价以及期望收益间的相关性。大多数信息与某个公司的未来盈利能力有关，因此与该公司的股息也相关，而这类信息同样也包含了与许多其他公司有关的信息。尽管从式（1-8）中改革的定义可以清晰地看出该表述隐含着许多动态假设，但是这种情况可以用因子模型来表示。类似地，因子模型也可以表示收益的协方差。这些因素大致包括了短期利率、市场风险溢价及信用风险溢价等。由于它们都是协方差，其重要性视时间而定，所以表现出的相关性既可能是股息间的相关性，也可能是期望收益间的相关性。同时也应该注意它们间的交叉项，它们非常重要但往往不容易理解。
1703536048
1703536049
1703536050
Campbell和Ammer（1993）运用月度数据发现，股票收益非条件方差的最大组成要素是其期望收益V（）。Ammer和Mei（1996）发现它同样是英美两国股票间相关系数的最大组成要素；股息间的协方差同样非常显著。由于信息同期望收益的关联度非常高，所以我们必须详细了解风险溢价的来源。
1703536051
1703536052
1703536053
1703536054