单因子模型详解：CAPM的实证检验、市场贝塔的计算与局限性
聊到多因子模型，咱们得先回到一切的起点——单因子模型。说白了，就是CAPM（资本资产定价模型）。这个模型在金融教科书里被翻来覆去地讲，但真正在实战中怎么用、有什么坑，我估计很多人心里没底。
我刚开始做量化那会儿，也迷信过CAPM。觉得只要算个贝塔，就能搞定资产定价。结果呢？被市场狠狠教育了一顿。今天咱们就把这个模型掰开揉碎，看看它到底能干什么，不能干什么。
CAPM的核心逻辑：一句话讲清楚
CAPM想回答一个问题：一个资产的预期收益率，到底由什么决定？
它的答案很简单：只跟市场风险有关。其他风险？统统可以分散掉。
公式长这样：
E(Ri) = Rf + βi × [E(Rm) - Rf]其中：
- E(Ri)：资产i的预期收益率
- Rf：无风险利率（通常用国债收益率）
- βi：资产i的市场贝塔
- E(Rm)：市场组合的预期收益率
嗯，这里要注意：CAPM假设所有投资者都理性，市场是有效的，而且大家都能以无风险利率借钱。这些假设在现实中基本不成立。但别急着否定它——作为基准模型，它依然很有价值。
市场贝塔的计算：我踩过的坑
贝塔是CAPM的核心参数。它衡量的是资产收益率对市场收益率的敏感度。公式是：
βi = Cov(Ri, Rm) / Var(Rm)说白了，就是资产跟市场一起波动的程度。贝塔=1，说明跟市场同步；贝塔>1，说明比市场更激进；贝塔<1，说明比较抗跌。
计算贝塔时，有几个关键选择：
- 时间窗口选多长？ 我习惯用3年日数据。太短了噪声大，太长了公司基本面可能都变了。
- 收益率用哪种？ 对数收益率还是简单收益率？我个人偏好对数收益率，因为它更符合正态分布假设。
- 市场基准选什么？ A股用沪深300，美股用标普500。但要注意，不同基准算出来的贝塔差异很大。
实战经验： 我在做A股量化策略时，曾经用上证指数做基准算贝塔，结果发现很多股票的贝塔都偏低。后来换成沪深300，情况就好多了。为什么？因为上证指数包含太多大盘股，对中小盘股票的敏感度不够。
下面是一个简单的Python代码，计算单只股票的贝塔：
import numpy as np
import pandas as pd
import yfinance as yf
# 获取数据
stock = yf.download('AAPL', start='2020-01-01', end='2023-12-31')['Close']
market = yf.download('SPY', start='2020-01-01', end='2023-12-31')['Close']
# 计算日收益率
stock_returns = stock.pct_change().dropna()
market_returns = market.pct_change().dropna()
# 计算贝塔
covariance = np.cov(stock_returns, market_returns)[0][1]
variance = np.var(market_returns)
beta = covariance / variance
print(f'Beta: {beta:.4f}')这段代码看起来简单，但实际用的时候要注意：数据对齐、缺失值处理、异常值剔除。我曾经因为没处理停牌数据，算出来的贝塔直接偏了20%。
CAPM的实证检验：现实很骨感
学术界对CAPM做了大量检验。结果呢？不太乐观。
| 检验维度 | 理论预期 | 实证结果 |
|---|---|---|
| 贝塔与收益率的关系 | 正相关 | 弱相关，甚至不显著 |
| 市场风险溢价 | 长期为正 | 存在，但波动极大 |
| 非市场风险 | 不应被定价 | 规模、价值等因子显著 |
为什么会这样？我总结了几点：
- 市场组合不可观测：CAPM用的是"所有资产的市场组合"，现实中根本找不到。我们用指数代替，但指数本身就有偏差。
- 投资者并非完全理性：行为金融学告诉我们，人会犯系统性错误。过度反应、锚定效应这些，CAPM都没考虑。
- 存在其他风险因子：Fama-French三因子模型就是最好的证据。规模、价值这些因子，确实能解释收益率差异。
避坑指南： 我曾经用CAPM给一个私募做资产配置，结果回测效果很好，实盘却一塌糊涂。后来发现，问题出在贝塔的不稳定性上。股票的贝塔会随时间变化，尤其是在市场剧烈波动时。所以，动态贝塔模型比静态贝塔更实用。
CAPM的局限性：它到底输在哪？
CAPM最大的问题，不是它错了，而是它太简单了。金融市场那么复杂，一个因子就想解释所有？你想想看，这怎么可能。
具体来说，CAPM有这几个硬伤：
- 单因子假设：只考虑市场风险。但现实中，行业风险、流动性风险、信用风险都会影响收益率。
- 静态模型：假设贝塔是常数。但公司的杠杆、业务结构会变，贝塔也会变。
- 忽略异象：规模效应、价值效应、动量效应等，CAPM都无法解释。
- 无风险利率不现实：现实中，个人和机构借入资金利率不同，而且不能无限借贷。
但话说回来，CAPM依然是量化投资的基石。为什么？因为它提供了一个基准。你想想看，如果没有CAPM，你怎么知道一个资产是"跑赢"还是"跑输"市场？
我的建议： 别把CAPM当真理，把它当工具。用它来算超额收益（Alpha），用它来理解风险暴露。但做投资决策时，一定要结合多因子模型。
知识体系：单因子模型的核心逻辑
下面这张图，是我梳理的单因子模型知识体系。你可以看到，CAPM从理论假设出发，推导出贝塔这个核心参数，然后通过实证检验发现局限性，最终引出了多因子模型。
从这张图你能看到，CAPM从理论假设出发，推导出贝塔这个核心参数。但实证检验发现，现实世界远比理论复杂。最终，我们不得不承认单因子模型的局限性，走向多因子模型。
嗯，这就是CAPM的全貌。它不完美，但它是理解资产定价的起点。下一章，咱们会深入多因子模型，看看怎么用多个因子来优化投资组合。但在此之前，我建议你把CAPM的代码跑一遍，亲手算算几只股票的贝塔。实践出真知嘛。
公众号:蓝海资料掘金营，微信deep3321