第 33 章 · Alpha 和 Beta 是什么

把市场暴露、模型外收益、运气和成本分开，理解赚钱为什么不等于有 Alpha。

现实故事

Intuition · 赚得更多，可能只是承担得更多

一位虚构经理宣布自己的组合一年赚了 14%，高于市场的 10%，因此证明自己选股出色。但这个组合对市场的敏感度比普通指数高。另一位经理赚得较少，却可能用了更少市场风险。

评价之前，需要先问：比较的是哪个市场，承担多少风险，回报是否扣除了成本？Alpha 不是“赚钱”的同义词，Beta 也不是一笔保证到账的收益。下面全部数字是教学输入，不评价任何真实经理或产品。

一个冲突

新闻常把跑赢指数的百分点直接叫 Alpha。这样会把更高的市场暴露、行业倾斜或其他风险因子误认为能力。反过来，某期亏钱也未必意味着相对风险模型表现更差：市场可能跌得更多。

单期结果还同时含有运气。即使把可观察暴露都调整过，一次正的剩余收益仍不能证明长期技巧。需要把模型、数据和统计不确定性一起写出来，而不是先找出赢家再给它讲故事。

你来决定

先算风险基准，再谈超额

设同一年的无风险回报为 2%，市场总回报为 10%，组合 Beta 由题设固定为 1.5，组合毛回报为 14%。用单市场模型计算风险基准回报，再与组合毛回报比较。若费用按期初资产的 1% 于期末支付，净回报是多少？

本题不估计 Beta，也不把实际市场回报等同于事前预期；先做一次事后归因。无风险回报与其他回报必须具有相同期间和币种。费用安排是特定算例，不代表基金真实计提方法。

推演结果

风险基准为 2%+1.5×(10%−2%)=14%。组合虽然比市场多赚 4 个百分点，恰好与题设暴露相匹配，毛回报相对模型的剩余为零。

项目	回报
市场总回报	10%
组合模型基准	14%
组合毛回报	14%
扣题设费用后的净回报	13%
净回报减模型基准	−1 个百分点

本金 100 时，费用前价值 114，支付费用 1 后为 113。不能把“毛收益跑赢市场”直接当作投资者获得了净 Alpha。

若其他条件相同、组合毛回报改为 16%，单期毛剩余是 +2 个百分点，净剩余为 +1 个百分点。这仍是一条归因观察，不是已经统计识别出长期 Alpha 为 1%。

建立金融模型

Model · Beta 是敏感度，Alpha 是模型中的截距

单市场超额回报回归可写成：

Rp − Rf = α + β × (Rm − Rf) + ε

Rp 是组合回报，Rf 是同期间无风险回报，Rm 是市场回报。β 描述组合超额回报与市场超额回报的线性关系；α 是截距；ε 是各期无法由截距和市场项解释的扰动。在标准回归设定下，扰动的条件或总体均值需要相应假设，不是每一期都为零。

有截距的单因子最小二乘估计中，Beta 等于组合超额回报与市场超额回报的协方差，除以市场超额回报方差。分母不能为零。Beta=1.5 表示拟合线的斜率，并不保证市场每涨 1% 组合就一定涨 1.5%，更不是年收益率 150%。

CAPM 是关于预期回报的模型，其关系为 E(Rp)=Rf+β×[E(Rm)−Rf]。它与用实现回报做事后归因有联系，但预期和实现不能互换。在本章单期表中，回报减风险基准其实包含 α 与当期扰动，不能只凭一行将两者拆开。

Professional · 换模型，剩余也可能改变

Factor 是描述共同回报来源的变量。若经理持续偏向某种风格，单市场模型未覆盖的风格收益可能进入 Alpha；加入相应因子后，原来的剩余可能缩小。多因子模型并不天然正确，也需要解释因子为何适用、是否可投资以及样本是否可靠。

例如另一组假设中，组合超额回报为 8%，市场项贡献 6%，原剩余为 2 个百分点；加入一个风格因子，其暴露 0.5、当期因子回报 4%，增加解释 2 个百分点后，剩余变为零。这只是归因算术，不是证明该因子造成了每一笔交易收益。

Skill 与 Luck 需要跨期证据区分。检查样本长度、估计误差、策略改变、幸存者偏差和重复试验：在许多随机策略中挑最漂亮的一条，也可能得到看似优秀的历史记录。训练期拟合好并不等于样本外有效，回测还应排除未来信息与不可成交价格。

Cost 包括管理费、交易成本、点差和适用的其他费用；税的影响取决于账户和地区。必须说明毛净口径，不能拿组合毛回报与可投资指数基金净回报比较后宣称优势。Beta 调整也不能代替对杠杆、流动性或尾部风险的检查。

学习专业术语

术语	含义	检查点
Beta	相对模型市场因子的敏感度	基准、样本、频率是否明确？
Alpha	指定模型中的截距或风险调整表现	不是单纯跑赢指数
Index Investing	按指数规则获得一组暴露	指数范围、权重与成本
Active Investing	主动偏离既定基准的决策	偏离是否产生可验证净收益？
Factor	多项资产共同变化的模型变量	是否遗漏或重复暴露？
Skill / Luck	可持续能力 / 随机结果	需要超出单期的证据
Cost	实现策略的费用与交易摩擦	毛净口径、计提方式

指数投资并不等于没有风险；跟踪行业指数可能很集中。主动投资也不是一定失败或一定有 Alpha，必须结合基准、约束与成本判断。一个经理选择高 Beta，可能符合授权，但不能把暴露本身包装成选股技巧。

连接真实市场案例

SEC Investor.gov 的指数基金说明解释指数跟踪，以及费用、交易成本和跟踪误差可能造成的差异。查阅日期：2026-09-24。研究真实产品时应读取跟踪对象和费用披露，指数数字本身并不是投资者必然得到的净收益。

1990 年经济学奖官方说明介绍 Sharpe 等人发展的 CAPM 及预期风险溢价与 Beta 的关系。发布日期：1990-10-16；查阅日期：2026-09-24。模型解释框架不能被改写成“承担风险必然获得正回报”。

数据实验

输入：Rf=2%、Rm=10%、β=1.5，毛回报分别为 14% 和 16%，费用为期初本金的 1%。操作：计算市场超额、风险基准、毛剩余和净剩余。输出：两行归因表。核验：模型基准都为 14%，毛剩余 0/+2 个百分点，净剩余 −1/+1 个百分点。

再做独立小样本：三期市场超额分别为 −4%、0%、4%，组合超额为 −5%、1%、7%。操作：算均值 0% 和 1%，对去均值偏差计算协方差与市场方差的比值。核验：β=1.5、截距 1%，三期残差恰为零；这是刻意构造的直线，不是现实能力证据。

不将三期直接说成年化数据。若用月度回报估计，截距也首先是月度口径；年化方法及复利处理需要另行说明。

AI Lab

对单期表和三期小样本分别做归因与回归。区分实际回报、预期回报、模型截距和单期残差。列出基准、因子、费用或样本改变后结论可能变化的原因，不替任何经理证明持续能力。

你必须自己验证：来源是否提供完整总回报与费用；时间是否统一频率、币种及区间；计算是否使用超额回报且正确扣费；假设是否忽略选样、杠杆和随机扰动。不使用 AI 时可直接画三个点并手算斜率，再检查每期预测与实际的差额。

Rf=2%、Rm=10%、β=1.5 时，模型基准是多少？
毛回报 14% 跑赢市场 4 个百分点，是否足以证明 Alpha？
本金 100、毛回报 16%、费用按期初 1%，净剩余多少？
三期小样本的 Beta 与截距分别多少？
为什么加入适用风格因子可能降低估计 Alpha？
市场 −10%、题设 β=1.5、Rf=2%，组合 −15% 的单期毛剩余多少？

参考答案与解析

第 1 题：14%，使用市场超额回报 8%。
第 2 题：不能，题设风险基准也是 14%，还未扣费。
第 3 题：+1 个百分点，净回报 15% 减基准 14%。
第 4 题：1.5 与每期 1%，仅是构造样本的拟合结果。
第 5 题：原先未解释的部分可能来自该因子暴露。
第 6 题：+1 个百分点，−15% 减去基准 −16%。