资本资产定价模型(Capital Asset Pricing Model, CAPM)是现代金融学的核心基石之一。由威廉·夏普(William Sharpe, 1964)、约翰·林特纳(John Lintner, 1965)和简·莫辛(Jan Mossin, 1966)分别独立提出,CAPM 第一次用数学语言精确描述了风险与预期收益之间的线性关系:资产的预期超额收益仅由其系统性风险(Beta)决定,非系统性风险可通过分散投资消除,因此不获得风险溢价补偿。
CAPM 的提出彻底改变了资产定价、投资组合管理和公司金融的实践方式。夏普也因该模型获得了 1990 年诺贝尔经济学奖。
E(Ri)=Rf+βi[E(Rm)−Rf]
| 符号 |
含义 |
典型取值 |
| E(Ri) |
资产 i 的期望收益率 |
待求解 |
| Rf |
无风险利率 |
通常取 10 年期国债收益率 |
| βi |
资产 i 的 Beta 系数 |
取决于资产与市场的协方差 |
| E(Rm) |
市场组合期望收益率 |
通常用宽基指数(如 S&P 500)的年化收益率 |
| E(Rm)−Rf |
市场风险溢价 |
历史均值约 4%–8%(美国市场) |
CAPM 说:你投资某只股票获得的回报,等于「存银行能拿到的无风险收益」加上「承担额外风险所要求的补偿」。
这个额外补偿的大小取决于两个因素:
- 市场的整体风险溢价——投资人当前要求多少额外回报才愿意进入股市
- 该股票对市场波动的敏感度——Beta 越大,要求的补偿越高
具体数值例子:假设当前无风险利率 Rf=3%,市场预期收益率 E(Rm)=10%,某股票的 β=1.5。
E(Ri)=3%+1.5×(10%−3%)=3%+10.5%=13.5%
即该股票的年化预期收益应为 13.5%。如果分析师估算其实际预期收益低于 13.5%,则认为该股票被高估。
timeline
title CAPM 理论发展历史时间线
1952 : Harry Markowitz 发表《Portfolio Selection》
: 现代投资组合理论诞生
1958 : James Tobin 提出分离定理
: 风险资产与无风险资产的分离
1964 : William Sharpe 发表 CAPM 论文
: 《Capital Asset Prices》发表于 Journal of Finance
1965 : John Lintner 独立发表 CAPM
: 《The Valuation of Risk Assets》
1966 : Jan Mossin 独立发表 CAPM
: 《Equilibrium in a Capital Asset Market》
1972 : Black-Jensen-Scholes 实证检验
: 发现 Beta 与收益正相关但 SML 更平缓
1973 : Robert Merton 提出 ICAPM
: 跨期资本资产定价模型
1979 : Douglas Breeden 提出 Consumption CAPM
: 用消费增长替代市场收益
1990 : William Sharpe 获诺贝尔经济学奖
: 与 Markowitz 和 Miller 共同获奖
1992 : Fama & French 发表三因子论文
: 《The Cross-Section of Expected Stock Returns》
1993 : Fama-French 三因子模型正式提出
: 规模因子和价值因子加入
1997 : Carhart 提出四因子模型
: 增加动量因子
2014 : Frazzini & Pedersen 发现低 Beta 异象
: 《Betting Against Beta》
| 学者 |
年份 |
核心贡献 |
与 CAPM 的关系 |
| Harry Markowitz |
1952 |
均值-方差分析框架 |
CAPM 的理论基础 |
| James Tobin |
1958 |
分离定理 |
CAPM 的核心逻辑前提 |
| William Sharpe |
1964 |
首次完整 CAPM 推导 |
主要创始人,1990 年诺贝尔奖 |
| John Lintner |
1965 |
独立推导 CAPM |
哈佛商学院教授 |
| Jan Mossin |
1966 |
独立推导 CAPM |
挪威经济学家 |
| Fischer Black |
1972 |
零 Beta CAPM |
无风险资产不存在时的扩展 |
| Robert Merton |
1973 |
ICAPM |
多期动态投资框架 |
| Eugene Fama |
1992-1993 |
三因子模型 |
CAPM 的主要挑战者 |
| Kenneth French |
1992-1993 |
三因子模型 |
与 Fama 共同提出 |
CAPM 建立在一系列严格的假设之上。理解这些假设对于正确使用模型和认识其局限性至关重要。
| 假设 |
内容 |
现实偏离 |
| 投资者理性 |
所有投资者都是风险厌恶的,追求均值-方差有效 |
行为金融学证明投资者存在诸多偏差 |
| 无摩擦市场 |
无交易成本、无税收、无买卖价差 |
实际交易成本 0.01%–0.5% |
| 完全信息 |
所有投资者同时获得相同信息 |
信息不对称普遍存在 |
| 同质预期 |
所有投资者对收益分布的预期一致 |
分析师预测差异巨大 |
| 可无限借贷 |
可以 Rf 无限制借入或贷出资金 |
个人借贷成本远高于国债利率 |
| 单一周期 |
所有投资者有相同的单期投资期限 |
实际投资是多期动态决策 |
| 资产无限可分 |
可以购买任意小数量的资产 |
ETF 和共同基金部分解决了此问题 |
一个简单的思想实验:若以上假设全部成立,所有投资者都会持有相同的风险资产组合(即市场组合),只是根据风险偏好调整无风险资产和风险资产的比例。这就是 CAPM 的 分离定理(Separation Theorem)——投资决策(买什么)和融资决策(借多少钱)可以分离考虑。
βi=Var(Rm)Cov(Ri,Rm)=σm2σi,m=ρi,m⋅σmσi
其中 ρi,m 是资产 i 与市场的相关系数,σi 是资产 i 的收益标准差,σm 是市场标准差。
假设我们有股票 A 的月度收益率数据(共 12 个月):
| 月份 |
股票A收益率 RA |
市场收益率 Rm |
偏差积 |
| 1 |
+5.2% |
+3.1% |
0.00153 |
| 2 |
-2.1% |
-1.5% |
0.00051 |
| 3 |
+3.8% |
+2.0% |
0.00068 |
| 4 |
-4.5% |
-2.8% |
0.00098 |
| 5 |
+1.2% |
+0.5% |
0.00009 |
| 6 |
+7.0% |
+4.2% |
0.00252 |
| 7 |
-3.3% |
-1.0% |
0.00055 |
| 8 |
+2.5% |
+1.8% |
0.00038 |
| 9 |
-0.8% |
-0.2% |
0.00003 |
| 10 |
+4.1% |
+2.5% |
0.00086 |
| 11 |
-1.5% |
-0.8% |
0.00021 |
| 12 |
+6.3% |
+3.5% |
0.00189 |
计算:
- RˉA=1.49%, Rˉm=0.94%
- Cov = 求和偏差积 / (n - 1) = 0.01023 / 11 = 0.00093
- Var(Rm) = 对市场收益率偏差求平方和 / (n - 1) = 0.00063
- βA = 0.00093 / 0.00063 = 1.48
结论:股票 A 的 Beta 约为 1.48,意味着市场每变动 1%,该股票平均变动 1.48%。
| Beta 范围 |
分类 |
含义 |
实际例子 |
| β=0 |
无风险 |
收益与市场无关 |
短期国债 |
| 0<β<1 |
防御型 |
波动小于市场 |
公用事业股(β≈0.5–0.7) |
| β=1 |
中性 |
与市场同步 |
宽基 ETF(β≈1) |
| β>1 |
进攻型 |
波动大于市场 |
科技成长股(β≈1.2–2.0) |
| β<0 |
反向 |
与市场负相关 |
黄金、VIX 相关 ETF 偶尔出现 |
常见 Beta 值举例(基于 S&P 500 近 5 年日频数据):
| 股票 |
Beta |
行业 |
含义 |
| 可口可乐(KO) |
0.54 |
消费品 |
防御型,市场跌 10%,它约跌 5.4% |
| 微软(MSFT) |
0.93 |
科技 |
接近市场 |
| 特斯拉(TSLA) |
2.01 |
电动车 |
进攻型,市场涨 10%,它约涨 20% |
| NVIDIA(NVDA) |
1.65 |
芯片 |
进攻型 |
| 沃尔玛(WMT) |
0.48 |
零售 |
高度防御型 |
| 行业板块 |
平均 Beta |
典型范围 |
行业特征 |
代表性公司 |
| 公用事业 |
0.45 |
0.30–0.60 |
防御型、受监管、稳定现金流 |
杜克能源、南方公司 |
| 消费品(必需) |
0.55 |
0.40–0.70 |
防御型、需求刚性 |
宝洁、可口可乐 |
| 医疗保健 |
0.70 |
0.50–0.90 |
防御型、研发周期长 |
强生、辉瑞 |
| 电信服务 |
0.75 |
0.60–0.90 |
防御型、高股息 |
Verizon、AT&T |
| 房地产 |
0.85 |
0.70–1.00 |
利率敏感、周期性 |
西蒙地产、安博 |
| 金融 |
1.05 |
0.90–1.20 |
顺周期、杠杆高 |
摩根大通、伯克希尔 |
| 工业 |
1.10 |
0.95–1.25 |
经济周期敏感 |
波音、卡特彼勒 |
| 科技 |
1.25 |
1.00–1.50 |
高成长、高波动 |
苹果、微软、谷歌 |
| 能源 |
1.30 |
1.10–1.50 |
大宗商品价格敏感 |
埃克森美孚、雪佛龙 |
| 原材料 |
1.35 |
1.15–1.55 |
全球经济周期敏感 |
力拓、必和必拓 |
| 非必需消费品 |
1.40 |
1.20–1.60 |
经济周期敏感、可选消费 |
亚马逊、特斯拉 |
| 半导体 |
1.60 |
1.30–2.00 |
极高波动、技术周期 |
英伟达、AMD |
假设一个投资组合包含以下资产:
| 资产 |
权重 wi |
个股 Beta βi |
加权贡献 wi×βi |
| 苹果(AAPL) |
25% |
1.20 |
0.300 |
| 微软(MSFT) |
20% |
0.93 |
0.186 |
| 可口可乐(KO) |
15% |
0.54 |
0.081 |
| 特斯拉(TSLA) |
10% |
2.01 |
0.201 |
| 美国国债 ETF |
20% |
0.00 |
0.000 |
| 黄金 ETF |
10% |
-0.05 |
-0.005 |
| 组合总计 |
100% |
— |
βp=0.763 |
组合 Beta 计算公式:
βp=i=1∑nwi⋅βi=0.25×1.20+0.20×0.93+0.15×0.54+0.10×2.01+0.20×0.00+0.10×(−0.05)=0.763
分析:该组合 Beta = 0.763,属于防御型组合。当市场上涨 10% 时,组合预期上涨约 7.63%;当市场下跌 10% 时,组合预期下跌约 7.63%。适合稳健型投资者。
证券市场线(Security Market Line, SML)是 CAPM 的图形化表示:
E(Ri)=Rf+β×市场风险溢价
xychart-beta
title "证券市场线(SML)示意图"
x-axis "Beta (系统性风险)" [0, 0.5, 1.0, 1.5, 2.0]
y-axis "期望收益率 E(R)" [0, 5, 10, 15, 20]
line "SML" [3, 6.5, 10, 13.5, 17]
line "被低估资产 A" [1.2, 13]
line "被高估资产 B" [1.2, 9]
annotation "SML 上方 = 被低估(买入)"
annotation "SML 下方 = 被高估(卖出)"
| 资产位置 |
含义 |
操作建议 |
| SML 上方 |
实际期望收益 > CAPM 理论值 |
被低估,应买入 |
| SML 下方 |
实际期望收益 < CAPM 理论值 |
被高估,应卖出 |
| SML 线上 |
实际期望收益 = 理论值 |
合理定价 |
数值例子:
- 假设 Rf=3%, E(Rm)=10%, 市场风险溢价 = 7%
- SML 方程:E(R)=3%+β×7%
- 对于 β=1.2 的股票,理论收益 = 3%+1.2×7%=11.4%
- 如果你估算该股票的实际预期收益为 13%,则股票在 SML 上方,被低估,建议买入
- 如果实际预期收益为 10%,则股票在 SML 下方,被高估,建议卖出
CAPM 最常见的应用是估算 WACC(加权平均资本成本)中的权益成本:
Ke=Rf+βe×(E(Rm)−Rf)
实战案例:某上市公司 Beta = 1.2,10 年期国债利率 = 3.5%,市场风险溢价 = 6%
| 参数 |
取值 |
来源 |
| Rf |
3.5% |
10 年期国债收益率 |
| βe |
1.2 |
回归分析(60 个月数据) |
| 市场风险溢价 |
6% |
伊博森年鉴(Ibbotson Associates) |
| Ke |
3.5% + 1.2 x 6% = 10.7% |
CAPM 计算 |
假设某公司的资本结构和参数如下:
| 参数 |
数值 |
说明 |
| 股权市值 |
70 亿元 |
流通股 × 股价 |
| 债务市值 |
30 亿元 |
短期债 + 长期债 |
| 总资本 |
100 亿元 |
股权 + 债务 |
| 股权权重 we |
70% |
股权 / 总资本 |
| 债务权重 wd |
30% |
债务 / 总资本 |
| 无风险利率 Rf |
3.5% |
10 年期国债收益率 |
| 股权 Beta βe |
1.2 |
60 个月回归 |
| 市场风险溢价 |
6% |
历史均值 |
| 债务成本 Kd |
5.0% |
公司债收益率 |
| 所得税率 Tc |
25% |
法定税率 |
计算步骤:
第一步:计算权益成本 Ke
Ke=Rf+βe×(E(Rm)−Rf)=3.5%+1.2×6%=10.7%
第二步:计算税后债务成本
Kd×(1−Tc)=5.0%×(1−25%)=3.75%
第三步:计算 WACC
WACC=we×Ke+wd×Kd×(1−Tc)=70%×10.7%+30%×3.75%=7.49%+1.125%=8.615%
结论:该公司的 WACC 约为 8.62%,可作为 DCF 估值中的折现率。
| 估值方法 |
权益成本计算方式 |
适用场景 |
优点 |
缺点 |
| CAPM |
Ke=Rf+β×(Rm−Rf) |
上市公司、有 Beta 数据 |
简单、标准化、广泛使用 |
单一因子、Beta 估计误差 |
| Fama-French 三因子 |
Ke=Rf+βm×MRP+s×SMB+h×HML |
需要更精确估计 |
解释力更强 |
计算复杂、数据要求高 |
| DCF 隐含成本 |
从股价反推 Ke |
验证 CAPM 结果 |
市场一致性 |
依赖股价有效性 |
| 债券收益率加成 |
Ke=Kd+股权风险溢价 |
非上市公司 |
简单直观 |
主观性强 |
| 历史平均回报 |
长期股票平均收益率 |
长期战略分析 |
数据驱动 |
后视偏差、不稳定 |
| 套利定价理论(APT) |
多因子模型 |
多因子风险分析 |
理论基础扎实 |
因子选择主观 |
| 指标 |
公式 |
含义 |
例子 |
| 夏普比率 |
(Rp−Rf)/σp |
单位总风险的超额回报 |
SR = 0.5 表示每承担 1% 波动得到 0.5% 超额收益 |
| 特雷诺比率 |
(Rp−Rf)/βp |
单位系统性风险的超额回报 |
仅考虑不可分散风险 |
| 詹森 Alpha |
α=Rp−[Rf+βp(Rm−Rf)] |
超出 CAPM 理论的超额收益 |
α>0 表示基金经理有选股能力 |
数值对比案例:两支基金业绩评价
| 指标 |
基金 A |
基金 B |
| 年化收益 Rp |
15% |
12% |
| 无风险利率 Rf |
3% |
3% |
| βp |
1.4 |
0.8 |
| 市场收益 Rm |
10% |
10% |
| CAPM 理论收益 |
3% + 1.4x(10%-3%) = 12.8% |
3% + 0.8x(10%-3%) = 8.6% |
| 詹森 Alpha |
15% - 12.8% = +2.2% |
12% - 8.6% = +3.4% |
| 标准差 σp |
22% |
12% |
| 夏普比率 |
(15%-3%)/22% = 0.55 |
(12%-3%)/12% = 0.75 |
| 特雷诺比率 |
(15%-3%)/1.4 = 8.6% |
(12%-3%)/0.8 = 11.3% |
结论:尽管基金 A 的绝对收益更高,但经风险调整后基金 B 的表现更优(更高的夏普比率和特雷诺比率)。
flowchart TD
A[投资者风险偏好评估] --> B{年龄与收入阶段}
B -->|25-35岁| C[进取型: Beta 1.0-1.5]
B -->|35-50岁| D[稳健型: Beta 0.7-1.0]
B -->|50-65岁| E[保守型: Beta 0.3-0.6]
B -->|65岁+| F[防御型: Beta 0.2-0.4]
C --> G[高配科技股/成长股]
D --> H[均衡配置股债]
E --> I[高配债券/公用事业]
F --> J[国债/高股息股票]
G --> K[定期再平衡]
H --> K
I --> K
J --> K
K --> L[监控组合Beta]
L --> M[根据市场调整]
| 投资者类型 |
目标组合 Beta |
配置策略 |
| 保守型(退休人群) |
0.3–0.6 |
高配债券、公用事业股 |
| 稳健型(中年投资者) |
0.7–1.0 |
均衡配置股债 |
| 进取型(年轻投资者) |
1.0–1.5 |
高配成长股、科技股 |
| 激进型(专业投资者) |
1.5+ |
杠杆 ETF、小盘成长股 |
| 市场 |
国家/地区 |
股票年化回报 |
国债年化回报 |
风险溢价 |
数据来源 |
| 美国 |
美国 |
10.0% |
5.0% |
5.0% |
Ibbotson Associates |
| 英国 |
英国 |
9.0% |
5.2% |
3.8% |
Dimson, Marsh & Staunton |
| 日本 |
日本 |
8.5% |
4.8% |
3.7% |
Dimson, Marsh & Staunton |
| 德国 |
德国 |
8.8% |
5.5% |
3.3% |
Dimson, Marsh & Staunton |
| 法国 |
法国 |
8.2% |
5.0% |
3.2% |
Dimson, Marsh & Staunton |
| 中国 A 股 |
中国大陆 |
12.5% |
3.5% |
9.0% |
沪深 300 指数 |
| 印度 |
印度 |
13.0% |
7.0% |
6.0% |
Sensex 指数 |
| 巴西 |
巴西 |
14.0% |
8.5% |
5.5% |
Bovespa 指数 |
| 澳大利亚 |
澳大利亚 |
9.5% |
5.8% |
3.7% |
ASX 200 |
| 新兴市场 |
多国 |
12.0% |
6.5% |
5.5% |
MSCI Emerging Markets |
| 因素 |
对风险溢价的影响 |
说明 |
| 市场成熟度 |
新兴市场 > 成熟市场 |
制度风险、流动性差异 |
| 经济波动性 |
高波动 > 低波动 |
GDP 增长不稳定 |
| 政治风险 |
高政治风险 > 低风险 |
政策不确定性 |
| 通货膨胀 |
高通胀 > 低通胀 |
货币贬值风险 |
| 市场流动性 |
低流动性 > 高流动性 |
交易成本 |
| 投资者结构 |
散户为主 > 机构为主 |
行为偏差 |
| 特征 |
描述 |
对 CAPM 的影响 |
| 散户占比高 |
个人投资者占比约 60% |
行为偏差、非理性交易频繁 |
| 涨跌停板制度 |
±10%(ST 股 ±5%) |
价格发现受限、Beta 估计偏差 |
| T+1 交易制度 |
当日买入次日卖出 |
流动性约束、套利受限 |
| 市场分割 |
A 股/B 股/港股 |
同股不同价、市场非完全整合 |
| 政策干预频繁 |
窗口指导、国家队入市 |
市场均衡假设不成立 |
| 做空机制有限 |
融券标的少、成本高 |
无风险套利难以实现 |
| 研究 |
年份 |
样本 |
主要发现 |
| 陈浪南等 |
2000 |
1993-1998 |
Beta 与收益正相关但不显著 |
| 靳云汇等 |
2002 |
1995-2001 |
拒绝 CAPM 线性关系 |
| 李和金 |
2005 |
1995-2003 |
Beta 无法解释横截面收益 |
| 杨忻等 |
2008 |
1995-2006 |
规模效应、价值效应显著 |
| 刘维奇等 |
2010 |
1997-2008 |
流动性因子比 Beta 更重要 |
| 最新研究 |
2020 |
2010-2020 |
三因子模型解释力优于 CAPM |
| 参数 |
推荐做法 |
理由 |
| 市场指数 |
沪深 300 或中证 800 |
覆盖大盘蓝筹,代表性强 |
| 数据频率 |
周频或月频 |
日频受涨跌停影响大 |
| 时间窗口 |
3-5 年 |
市场结构变化快,过长窗口失效 |
| 无风险利率 |
10 年期国债收益率 |
与成熟市场一致 |
| 风险溢价 |
6%-9% |
A 股历史溢价较高 |
| Beta 调整 |
向 1 回归 |
降低估计误差 |
| 研究 |
年份 |
发现 |
| Black, Jensen & Scholes |
1972 |
Beta 与收益正相关,但 SML 比 CAPM 预测更平缓 |
| Fama & French |
1992 |
Beta 几乎无法解释横截面收益差异 |
| Fama-French 三因子模型 |
1993 |
规模因子(SMB)和价值因子(HML)比 Beta 解释力更强 |
| Frazzini & Pedersen |
2014 |
低 Beta 异象——低 Beta 股票实际风险调整收益更高 |
| CAPM 预言 |
实证发现 |
| Beta 唯一决定收益 |
规模、价值、动量等因子也重要 |
| SML 斜率为市场风险溢价 |
SML 比预测的更平缓(低 Beta 股票收益偏高) |
| 市场组合可观测 |
理论上应包括所有资产(含人力资本、房地产等) |
| Rf 可自由借贷 |
实际借贷利率高于 Rf,且各投资者不同 |
E(Ri)−Rf=βi[E(Rm)−Rf]+si⋅SMB+hi⋅HML
| 因子 |
含义 |
CAPM 忽略该因子的后果 |
| 市场因子 (Mkt-RF) |
市场风险溢价 |
— |
| 规模因子 (SMB) |
小市值公司超额收益 |
CAPM 低估小盘股收益 |
| 价值因子 (HML) |
高账面市值比公司超额收益 |
CAPM 低估价值股收益 |
三因子 vs CAPM 对美股的解释力对比:
| 指标 |
CAPM |
三因子模型 |
| 横截面 R-squared |
约 2%–5% |
约 90%+ |
| 关键显著变量 |
Beta |
Beta + 规模 + 价值 |
| Carhart 扩展 |
— |
增加动量因子后 R-squared 更高 |
- 单一因子不足:Beta 无法囊括所有风险来源
- 市场组合不可观测:理论上应包含全球所有资产,实践中只能近似
- 静态假设:Beta 随时间变化,但 CAPM 假定其为常数
- 行为偏差:投资者并非完全理性
| 模型 |
提出者 |
关键改进 |
| ICAPM |
Merton (1973) |
引入多期消费投资决策,加入额外风险因子 |
| Consumption CAPM |
Breeden (1979) |
用消费增长代替市场收益 |
| Fama-French 三/五因子 |
Fama & French (1993, 2015) |
规模、价值、盈利、投资因子 |
| Carhart 四因子 |
Carhart (1997) |
增加动量因子 |
| 条件 CAPM |
Jagannathan & Wang (1996) |
Beta 随时间变化 |
| 下行 Beta |
多种研究 |
区分上行/下行市场中的 Beta |
| 参数 |
常见做法 |
理性建议 |
| 数据频率 |
日频(250 个交易日) |
月频(60 个月)更稳健,受噪音影响小 |
| 时间窗口 |
3–5 年 |
5 年较好,兼顾稳定性和时效性 |
| 市场指数 |
本市场宽基指数 |
沪深 300、S&P 500、日经 225 等 |
| 无风险利率 |
10 年期国债 |
短期用 1 年期国债收益率 |
| Beta 调整 |
向 1 回归(Bloomberg 方法) |
调整后 Beta = 0.67 x 原始 Beta + 0.33 x 1 |
import numpy as np
import pandas as pd
import yfinance as yf
from scipy import stats
tsla = yf.download('TSLA', start='2019-01-01', end='2024-01-01')
sp500 = yf.download('SPY', start='2019-01-01', end='2024-01-01')
tsla_ret = tsla['Close'].pct_change().dropna()
sp500_ret = sp500['Close'].pct_change().dropna()
combined = pd.concat([tsla_ret, sp500_ret], axis=1, join='inner')
combined.columns = ['TSLA', 'SPY']
beta, alpha, r_value, p_value, std_err = stats.linregress(
combined['SPY'], combined['TSLA']
)
adjusted_beta = 0.67 * beta + 0.33 * 1
print(f"原始 Beta: {beta:.4f}")
print(f"调整后 Beta: {adjusted_beta:.4f}")
print(f"R-squared: {r_value**2:.4f}")
print(f"Alpha (年化): {alpha * 252:.2%}")
mindmap
root((CAPM 资本资产定价模型))
核心思想
收益 = 无风险收益 + 风险溢价
只有系统性风险获得补偿
非系统性风险可分散化
核心公式
E(Ri) = Rf + βi × (E(Rm) - Rf)
线性关系
单一因子模型
关键参数
无风险利率 Rf
市场风险溢价 MRP
Beta 系数
理论基础
Markowitz 均值方差
Tobin 分离定理
有效市场假说
主要应用
估算权益成本
投资组合评估
资产配置
DCF 估值
实证检验
Beta 与收益关系
SML 斜率检验
多因子挑战
现代扩展
Fama-French 三因子
Carhart 四因子
条件 CAPM
消费 CAPM
局限性
单一因子不足
市场组合不可观测
静态假设
行为金融挑战
flowchart LR
A[确定目标公司] --> B[收集市场数据]
B --> C[计算 Beta]
C --> D[确定无风险利率]
D --> E[估算市场风险溢价]
E --> F[计算权益成本 Ke]
F --> G[确定债务成本 Kd]
G --> H[确定资本结构]
H --> I[计算 WACC]
I --> J[预测未来现金流]
J --> K[折现现金流]
K --> L[企业估值]
style A fill:#f9f,stroke:#333
style F fill:#bbf,stroke:#333
style I fill:#bfb,stroke:#333
style L fill:#fbb,stroke:#333
timeline
title CAPM 实证检验关键发现
1972 : Black-Jensen-Scholes
: Beta 与收益正相关
: 但 SML 比理论更平缓
1980s : Roll 批评
: 市场组合不可观测
: CAPM 无法被真正检验
1992 : Fama-French 重磅论文
: Beta 几乎无法解释收益
: 规模和价值效应显著
1993 : 三因子模型诞生
: SMB 和 HML 因子
: 解释力大幅提升
1997 : Carhart 四因子
: 增加动量因子
: 基金绩效评估工具
2014 : Frazzini & Pedersen
: 低 Beta 异象
: Betting Against Beta
2015 : Fama-French 五因子
: 增加盈利和投资因子
: 进一步扩展模型
- 核心思想:资产的预期收益 = 无风险收益 + Beta x 市场风险溢价。只有系统性风险对应回报,非系统性风险可通过分散化消除
- Beta 的经济含义:Beta 衡量资产与市场的联动敏感度。Beta = 1.5 意味着市场收益率每变化 1%,该资产平均变化 1.5%
- SML 是投资决策图:落在 SML 上方的资产被低估(买入信号),下方的被高估(卖出信号)
- 实践价值:CAPM 是估算股权成本最常用的方法,广泛用于 DCF 估值和 WACC 计算
- 局限性:单一因子不足以解释所有收益差异,Fama-French 三因子模型在实证中表现更好
- 仍在用但需谨慎:尽管有大量批评,CAPM 仍是投资行业最基础的标准模型,理解它是学习一切现代资产定价理论的前提
CAPM 就像金融界的「牛顿力学」——它在很大程度上是正确的简化,足够应对大多数实务场景,但在某些极端条件下需要更高级的理论(如 Fama-French 的「相对论」)来修正。
- Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The Journal of Finance, 19(3), 425-442.
- Lintner, J. (1965). The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. The Review of Economics and Statistics, 47(1), 13-37.
- Mossin, J. (1966). Equilibrium in a capital asset market. Econometrica, 34(4), 768-783.
- Fama, E. F., & French, K. R. (1992). The cross-section of expected stock returns. The Journal of Finance, 47(2), 427-465.
- Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33(1), 3-56.
- Black, F., Jensen, M. C., & Scholes, M. (1972). The capital asset pricing model: Some empirical tests. Studies in the Theory of Capital Markets, 79-121.
- Carhart, M. M. (1997). On persistence in mutual fund performance. The Journal of Finance, 52(1), 57-82.
- Merton, R. C. (1973). An intertemporal capital asset pricing model. Econometrica, 41(5), 867-887.
- Breeden, D. T. (1979). An intertemporal asset pricing model with stochastic consumption and investment opportunities. Journal of Financial Economics, 7(3), 265-296.
- Frazzini, A., & Pedersen, L. H. (2014). Betting against beta. Journal of Financial Economics, 111(1), 1-25.
- Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of Financial Economics, 116(1), 1-22.
- Jagannathan, R., & Wang, Z. (1996). The conditional CAPM and the cross-section of expected returns. The Journal of Finance, 51(1), 3-53.
- Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1), 77-91.
- Tobin, J. (1958). Liquidity preference as behavior towards risk. The Review of Economic Studies, 25(2), 65-86.
- Roll, R. (1977). A critique of the asset pricing theory's tests Part I: On past and potential testability of the theory. Journal of Financial Economics, 4(2), 129-176.