跳转到内容
← 返回知识库
投资学约 15 分钟阅读

资本资产定价模型：风险与收益的数学语言

Capital Asset Pricing Model — The Mathematics of Risk and Return

CAPM贝塔风险溢价资产定价系统性风险投资组合理论

1964年，威廉·夏普在《金融杂志》发表一篇仅二十余页的论文，彻底改变了我们对投资风险的理解。这篇论文提出的资本资产定价模型（Capital Asset Pricing Model，CAPM）用一个优雅的方程式回答了一个古老问题：承担风险应该得到多少回报？

这个问题看似简单，却让金融学在此之前摸索了数十年。CAPM的核心洞见在于：不是所有的风险都应该获得补偿——只有那些无法通过分散投资消除的风险，才值得市场为其支付溢价。

两种风险：系统性与非系统性

理解CAPM的第一步，是区分两类根本不同的风险。

非系统性风险（Idiosyncratic Risk）是特定于某家公司或某个行业的风险：苹果公司CEO突然辞职，某药厂新药临床试验失败，特定地区的洪水导致制造商停产。这类风险是"可分散的"——当你的投资组合持有足够多种类的资产，一家公司的坏消息通常会被另一家的好消息抵消。持有50支股票的投资者，受单一公司风险的冲击远小于持有1支股票的投资者。

系统性风险（Systematic Risk）则是整个市场都无法逃脱的风险：经济衰退、全球利率上升、重大地缘政治冲突、流行病。无论你如何分散投资组合，如果美联储宣布大幅加息，几乎所有股票都会下跌。这类风险无法被分散消除，因此市场必须为承担它提供补偿。

CAPM的核心论断：在有效市场中，只有系统性风险获得风险溢价；非系统性风险没有溢价，因为理性投资者会通过分散化消除它。

CAPM公式的解剖

CAPM的核心方程极为简洁：

E(Ri)=Rf+βi⋅(E(Rm)−Rf)E(R_i) = R_f + \beta_i \cdot (E(R_m) - R_f)

各变量含义： - E(Ri)E(R_i)：资产 $i$ 的预期回报率 - RfR_f：无风险利率（通常以短期国债收益率代理） - βi\beta_i：资产 $i$ 的贝塔系数（系统性风险的度量） - E(Rm)E(R_m)：市场投资组合的预期回报率 - E(Rm)−RfE(R_m) - R_f：市场风险溢价（Market Risk Premium，MRP）

以一个具体例子说明：假设10年期美国国债收益率（无风险利率）为4.5%，标普500指数的历史年均回报率为10%，则市场风险溢价约为5.5%。若某股票的贝塔系数为1.3，则按CAPM，该股票的预期回报率为：

E(R)=4.5%+1.3×5.5%=4.5%+7.15%=11.65%E(R) = 4.5\% + 1.3 \times 5.5\% = 4.5\% + 7.15\% = 11.65\%

这11.65%就是投资者持有这只股票所要求的最低回报率——也就是该股票的权益资本成本。

贝塔系数：市场敏感性的度量

贝塔系数 β\beta 是CAPM最重要的参数，衡量资产收益率与市场整体收益率的协动程度：

βi=Cov(Ri,Rm)Var(Rm)\beta_i = \frac{\text{Cov}(R_i, R_m)}{\text{Var}(R_m)}

  • β=1\beta = 1：资产与市场同步波动，如标普500指数基金
  • β>1\beta > 1：高波动性资产。β=1.5\beta = 1.5 意味着市场上涨10%时，该资产预计上涨15%；市场下跌10%时，预计下跌15%。科技成长股通常具有高贝塔
  • β<1\beta < 1：低波动性资产。公用事业股、消费必需品股通常贝塔低于1，提供相对稳定的回报
  • β<0\beta < 0：极罕见，资产与市场负相关。黄金在特定时期表现出负贝塔特征，充当"避险资产"

从历史数据来看，截至2023年，亚马逊的贝塔约为1.2，强生公司约为0.7，富国银行约为1.1（来源：Bloomberg终端数据）。这些数字并非固定，贝塔系数会随时间变化。

证券市场线（SML）：定价有效的直观呈现

将CAPM的逻辑可视化，得到证券市场线（Security Market Line，SML）。SML是以贝塔为横轴、预期回报率为纵轴的一条直线，斜率等于市场风险溢价。

在均衡状态下，所有资产应位于SML上。实践中： - 位于SML上方的股票：实际回报率高于CAPM预测 → 被低估（阿尔法为正） - 位于SML下方的股票：实际回报率低于CAPM预测 → 被高估（阿尔法为负）

这里引出了"阿尔法"（α\alpha）的概念——超额回报。主动基金经理们的工作，正是寻找阿尔法为正的资产。然而大量实证研究表明，长期持续产生正阿尔法极为困难，这也成为支持指数投资的重要论据。

从马科维茨到夏普：模型的历史渊源

CAPM不是突然从真空中诞生的。它建立在哈里·马科维茨1952年《投资组合选择》论文的基础上（Markowitz, 1952）。马科维茨证明了投资者可以通过分散化降低给定回报水平下的风险，提出了有效前沿（Efficient Frontier）概念。

但马科维茨的框架有一个实用缺陷：要优化一个N只股票的投资组合，需要估计 $N$ 个预期回报、$N$ 个方差和 $N(N-1)/2$ 个协方差——对一个1000只股票的组合，需要约50万个参数估计，计算量巨大且估计误差积累严重。

夏普（Sharpe, 1964）、林特纳（Lintner, 1965）和莫辛（Mossin, 1966）独立推导出CAPM，将这个问题简化为只需估计每只股票对单一市场因子的敏感度（即贝塔），大幅降低了实用难度。威廉·夏普因此获得1990年诺贝尔经济学奖。

CAPM的假设：模型的边界条件

CAPM建立在一系列强假设之上，理解这些假设是评估模型适用性的前提：

  1. 投资者是理性的均值-方差优化者：只关心预期回报和方差，不考虑高阶矩（偏度、峰度）
  2. 单期模型：所有投资者的投资期限相同，模型为单期静态模型
  3. 无摩擦市场：无交易成本、无税收、资产无限可分
  4. 同质预期：所有投资者对资产的预期回报、方差和协方差有相同的预期
  5. 存在无风险资产：投资者可以以无风险利率无限借贷
  6. 市场投资组合包含所有可投资资产：包括股票、债券、房地产、人力资本等

这些假设在现实中显然不成立。这既是CAPM受到批评的理由，也是后续金融理论发展的起点。

实证证伪与争议

CAPM发布后数十年间，大量实证研究发现了所谓"异象"（anomalies）——与CAPM预测不符的系统性规律。

规模效应（Size Effect）：1981年，班兹（Banz）发现小市值股票的实际回报率系统性高于CAPM预测（Banz, 1981）。小公司股票承担了额外的非CAPM风险，或者市场对小公司存在系统性定价偏差。

价值效应（Value Effect）：高账面市值比（B/M）股票（所谓"价值股"）的回报率系统性高于低B/M（"成长股"），这也无法被贝塔解释（Fama & French, 1992）。

动量效应（Momentum）：过去6-12个月表现强劲的股票，在接下来的6-12个月倾向于继续跑赢市场（Jegadeesh & Titman, 1993）。

这些发现催生了多因子定价模型。法马-弗伦奇三因子模型（1993）在CAPM的市场因子基础上增加了规模因子（SMB）和价值因子（HML）：

E(Ri)−Rf=βm⋅MRP+βs⋅SMB+βv⋅HMLE(R_i) - R_f = \beta_m \cdot MRP + \beta_s \cdot SMB + \beta_v \cdot HML

卡哈特（Carhart, 1997）进一步加入动量因子，形成四因子模型。法马-弗伦奇（2015）最终提出五因子模型，增加了盈利能力（RMW）和投资强度（CMA）因子。

这场从单因子到多因子的演化，是CAPM被"部分证伪、全面超越"的历程——原始CAPM过于简化，但其核心直觉（系统性风险需要溢价、分散化消除非系统性风险）至今仍是资产定价的基础。

CAPM在企业实践中的应用

尽管在学术层面争议不断，CAPM仍是企业财务实践中最广泛使用的权益资本成本估算工具。

加权平均资本成本（WACC）是企业进行投资决策的折现率基准：

WACC=EV⋅Re+DV⋅Rd⋅(1−Tc)WACC = \frac{E}{V} \cdot R_e + \frac{D}{V} \cdot R_d \cdot (1 - T_c)

其中 ReR_e（权益资本成本）通常用CAPM计算，RdR_d 为债务成本，TcT_c 为企业所得税率，$E/V$ 和 $D/V$ 分别为权益和债务占总价值的比例。

WACC是NPV（净现值）分析的折现率：

NPV=∑t=1TCFt(1+WACC)t−I0NPV = \sum_{t=1}^{T} \frac{CF_t}{(1+WACC)^t} - I_0

只有当项目的预期回报率高于WACC时，项目才值得投资。这是CAPM从学术理论转化为商业决策工具的核心链条。

麦肯锡2020年的调查显示，超过80%的CFO（首席财务官）使用CAPM计算权益资本成本（Koller, Goedhart & Wessels, 2020）。

结语：一个"错误但有用"的模型

CAPM是经济学中最具教育意义的例子之一：一个在现实中存在严重缺陷、已被大量实证否定的模型，却因其直觉清晰、结构简洁而至今无法被完全取代。

它告诉我们：在一个近似有效的市场中，投资者只为系统性风险付薪；分散化是获取风险溢价的基础工具；资产的预期回报率应该与其对市场组合的贡献成比例。

这些洞见，无论多因子模型如何修正，都构成了现代金融学的思维地基。

CAPM在指数投资与主动管理之争中的位置

CAPM对投资实践的最深远影响，是为被动投资（Passive Investing）提供了理论基础。如果市场投资组合是所有理性投资者的最优选择，那么按市值加权持有全市场（即指数基金）就是无法被系统性超越的基准。

约翰·博格尔（John Bogle）于1976年创立了世界上第一只面向散户的指数基金（先锋500指数基金），正是基于CAPM和EMH的逻辑：主动管理产生的超额成本（基金管理费、交易成本）通常超过其超额回报（阿尔法）。这一判断被此后数十年的数据广泛支持：标普500指数在20年滚动期内，跑赢超过85%的主动管理大盘股基金（S&P SPIVA报告，2023年数据）。

然而，多因子模型的发展在某种意义上挑战了这一纯被动论断：如果规模、价值、动量等因子提供了可靠的风险溢价，则系统性地"倾斜"到这些因子（Smart Beta）或许可以在不预测个股的情况下，提供优于市值加权指数的长期回报。这使得主动与被动投资的边界变得模糊——Smart Beta本质上是一种规则化的"主动选择"。

市场风险溢价的估算：历史与前瞻

CAPM的一个关键参数是市场风险溢价（E(Rm)−RfE(R_m) - R_f），即持有市场组合相对于无风险资产的预期超额回报。估算这一参数有两种主要方法，两者给出的答案有时差异显著：

历史平均法：用过去长期的平均超额回报代表未来预期。迪姆森、马什和斯坦顿（Dimson, Marsh & Staunton, 2002）收集了全球16个国家1900年至今的股票市场数据，发现全球年化几何均值权益风险溢价约为3.2-4.5%（相对于国债），美国约为5%。

隐含风险溢价法（前瞻）：由达莫达兰（Aswath Damodaran）等人推广，基于当前股市估值和预期盈利增长，反推市场隐含的风险溢价。截至2024年初，美国股市的隐含权益风险溢价约为4.5-5%（Damodaran, NYU，每月更新）。

两种方法之间的差异，以及风险溢价本身随时间的波动（在危机时期上升，在泡沫时期下降），使得CAPM在任何特定时点的应用必然包含相当大的不确定性。这不是批评CAPM的理由，而是提醒使用者：精确的公式形式并不等于精确的估值结果。

跨域连接

  • 风险与不确定性：模型的核心断言是风险分两类，只有不可分散的那一类拿溢价。因此"波动越高、回报越高"是错的推论——波动里可分散的部分不该被补偿。推论是：把个股波动率当风险来定价，等于替可分散风险付钱。
  • 向量空间：贝塔是把资产收益向市场收益做投影得到的系数，残差就是被定义为可分散的那部分。所以"只有系统性风险被定价"在数学上就是"只有投影分量被定价"。推论是换一组基就会改变哪部分算系统性——这正是多因子模型在做的事，而不是发现了新风险。
  • 流行病学：小市值与价值股的高回报，可能是风险补偿，也可能是定价错误，用同一份历史数据既无法确认也无法排除——这是典型的混杂问题。推论是：区分二者需要外生变化，而资产定价里几乎没有可操作的随机化。
  • 主成分分析：多因子模型实质是给收益的协方差矩阵找低维表示，而因子个数没有客观标准，加因子必然提高样本内解释度。推论是：不能用"三因子比单因子解释力强"来判定它更真，唯一有效的判据是样本外表现。
  • 可证伪性：一个被反复证伪却仍在使用的模型，其地位靠的不是真值，而是作为公共语言的协调价值。推论是：评价它要问"替代它的代价有多大"，而不是"它的假设是否成立"——后者早有答案，前者才决定它该不该被弃用。

参考文献

  • Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium Under Conditions of Risk. 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. Review of Economics and Statistics, 47(1), 13-37.
  • Fama, E. F., & French, K. R. (1992). The Cross-Section of Expected Stock Returns. Journal of Finance, 47(2), 427-465.
  • Markowitz, H. (1952). Portfolio Selection. Journal of Finance, 7(1), 77-91.
  • Koller, T., Goedhart, M., & Wessels, D. (2020). Valuation: Measuring and Managing the Value of Companies (7th ed.). Wiley.