一、导论：资产定价理论的前世今生与量化选股全景图

各位同学好，我是老张。在量化这个行当摸爬滚打了十几年，今天咱们来聊聊资产定价理论——这门课的基石。

说实话，我刚入行时也觉得理论离实战太远。什么CAPM、APT，考试过了就扔一边了。直到有一次，我拿着一个看起来完美的多因子策略去找老板汇报，他问了一句：「你这个超额收益，到底是真alpha，还是你运气好撞上了某个风险因子？」

嗯，那一问把我问住了。从那以后我才明白——不懂资产定价理论，你连自己赚的是什么钱都说不清楚。

1.1 资产定价理论：从马科维茨到因子动物园

资产定价理论，说白了就是回答一个问题：这个资产到底值多少钱？

你想想看，股票的价格每天都在变，但它的「内在价值」呢？没人能精确知道。理论家们想了个办法——用风险来解释收益。高风险，高回报，这道理小学生都懂。但怎么量化？怎么验证？这就是理论要干的事。

我习惯把资产定价理论的发展分成三个阶段：

阶段	核心理论	代表人物	我的评价
奠基期（1950s-1960s）	马科维茨均值-方差模型、CAPM	Markowitz, Sharpe, Lintner	开创性，但假设太强
拓展期（1970s-1990s）	APT、Fama-French三因子模型	Ross, Fama, French	更贴近现实，实战利器
爆发期（2000s至今）	多因子模型、机器学习定价	无数研究者与量化团队	因子泛滥，需要火眼金睛

我个人最推崇的是Fama-French三因子模型。为什么？因为它简单、有效、可复现。我在2015年用这个框架搭建了第一个实盘策略，虽然现在看来很粗糙，但当时确实跑赢了基准。嗯，这里要提醒一句：简单模型往往比复杂模型更稳健，这是我用真金白银换来的教训。

1.2 量化选股全景图：理论怎么落地？

理论讲完了，咱们来看看怎么用。量化选股，本质上就是把资产定价理论变成可执行的交易规则。

我画了一张图，帮你理清整个知识体系：

这张图我建议你保存下来。整个课程就是按照这个框架展开的。从上到下，一层一层打通。

1.3 避坑指南：新手最容易犯的三个错误

做量化这些年，我踩过的坑比走过的路还多。挑三个最常见的说说：

• 过度拟合——我曾经为了追求高夏普比，往模型里塞了20多个因子。回测曲线漂亮得像假的一样。结果实盘一个月就崩了。后来我才明白，回测是历史，实盘是未来，这两者之间隔着一条叫「过拟合」的河。
• 忽视交易成本——很多新手回测时年化收益30%，一算手续费和滑点，直接腰斩。我建议你从一开始就把双边千分之三的成本算进去，别问为什么，问就是亏过。
• 幸存者偏差——用现在的股票池回测过去，结果当然好看。但那些退市的、ST的股票呢？它们才是真正的风险来源。记得用全样本回测，别偷懒。

1.4 课程路线图：这30章我们怎么走？

整个课程分成四个模块，对应上面那张全景图的四层：

1. 理论基础（第1-5章）：把CAPM、APT、Fama-French这些核心理论讲透，附带Python实现
2. 因子工程（第6-15章）：从因子挖掘到因子检验，手把手教你搭建因子库
3. 组合构建（第16-22章）：打分法、优化器、风险控制，把选股信号变成投资组合
4. 实战落地（第23-30章）：回测框架、绩效归因、实盘部署，打通最后一公里

每一章我都会配上完整的Python代码。你跟着敲一遍，跑一遍，再改一遍——三遍下来，基本就吃透了。

好了，导论就到这里。下一章咱们直接上手——用Python实现CAPM模型，看看beta到底怎么算。准备好了吗？

---

公众号:蓝海资料掘金营，微信deep3321