漫步华尔街 · 第 9 课 / 共 14 章

富贵险中求：用 β 给风险定价

第九章 · Reaping Reward by Increasing Risk  |  来源:书 p250–283

一句话抓住本章

系统性风险才值钱，β 没死但不够用——CAPM 是不完整的真理，而非完整的谎言。

上一课马科维茨教我们用相关性把「篮子」搭好，但他没回答一个更根本的问题：承担了风险，到底该拿多少回报？这一章，威廉·夏普用一条优雅的直线给出了答案——证券市场线（SML），也就是大名鼎鼎的 CAPM。

本章是「新投资技术」三部曲的第二章。阅读建议：先吃透两类风险的区别，再理解 β 是什么，最后看 CAPM 为什么既有用又不够用。数学公式是点缀，直觉是主食。
在这个领域，一项理论只要没有明显的错误，便会被推到极致。 —— 马尔基尔，第九章开篇

① 风险的两张脸：可分散 vs. 不可分散

第八章说分散化能降低风险，但它能降到零吗？答案是不能。风险天然分为两类，性质截然不同。

维度 非系统性风险
Unsystematic / Specific Risk		 系统性风险
Systematic / Market Risk
又叫 个股风险、可分散风险 市场风险、不可分散风险
来源 CEO 离职、工厂火灾、产品召回、诉讼 经济衰退、利率上升、战争、通胀
能被分散掉吗？ 能。持有 20 只不同股票后基本消除 不能。全市场都跌，跑不掉
市场给你补偿吗？ 不给。你自己能消除的风险，市场不付钱 给。这是唯一会得到风险溢价的风险
核心逻辑：市场是个精明的讨价还价机器。你能自己免费消除的风险（多买几只股票），它不会额外付你钱。只有那些无论如何分散都甩不掉的风险，才值得被定价补偿。

那么，「多少只股票才算分散充分？」实验数据给出了一个惊人的临界值：

20 只股票临界效应

持有 1 只股票时，你承担全部个股风险 + 市场风险。随着持仓数量增加，非系统性风险迅速下降。到约 20 只随机挑选的股票时，非系统性风险已接近消除，组合风险曲线趋于平坦——剩下的就只有系统性风险了。从 20 只增至 100 只，风险进一步降低的空间极其有限。

这意味着：指数基金 vs. 20 只精选股，在分散化效果上差距不大；但 5 只 vs. 20 只，天壤之别。

② β：给系统性风险装上刻度盘

既然系统性风险才是市场定价的对象，我们就需要一把尺子来量它。这把尺子叫 β（贝塔）。

β 衡量的是：当整个市场动 1%，这只股票平均动多少？ —— 本章核心概念的白话版

可以把 β 理解成放大倍数：

β 标尺：读法示例
β = 2
放大 2× 市场跌 10%，它跌约 20%；市场涨 10%，它涨约 20%
β = 1
随市走 与大盘同步。大多数指数基金 β ≈ 1
β = 0.5
减半 市场跌 10%，它只跌约 5%。公用事业、消费必需品常见
β = 0
免疫 与市场完全无关。国债、现金类资产
β 是历史统计量，不是物理常数。它会随时间变化，对未来的预测力有限。这一点后文会深挖。

③ 套利检验：高 β 真的给更多钱吗？

理论上 β 越高、风险越大，回报应该越高。书中用一个两组实验来验证这件事，同时也揭示了 CAPM 的一个隐藏漏洞。

组 I：同 β，不同个股风险

两只股票 β 相同，但一只个股波动大（非系统性风险高），另一只个股波动小。

结论：两只回报几乎相同。市场不补偿你持有的多余个股风险——这正是「分散可消除」的部分。

组 II：不同 β，相近总波动

两只股票总波动率（标准差）相近，但一只 β 高、另一只 β 低（靠高个股风险凑出同等波动）。

结论：高 β 那只回报更高。市场只补偿系统性风险（β），不管你的总波动有多大。

这个实验是 CAPM 最有力的经验支持之一：市场确实在给 β 付钱，而不是给「总风险」付钱。

④ CAPM 公式与证券市场线（SML）

将上述逻辑写成一条公式，就是 CAPM：

CAPM 公式

预期回报 = 无风险利率 + β × （市场回报 − 无风险利率）

E(R) = Rf + β × (Rm − Rf)

类比：你借给朋友钱，最低拿银行利息（无风险利率）；朋友的生意越不稳定，你要求的额外风险奖金越高；β 就是这份不稳定的量化系数。

具体数字示例

假设：无风险利率 5%，市场回报 10%，风险溢价 5%。

β 资产类型举例 无风险利率 风险奖金（β × 5%） 预期总回报
0 短期国债 5% 0% 5%
0.5 公用事业股 5% 2.5% 7.5%
1.0 大盘指数 5% 5% 10%
1.5 科技成长股 5% 7.5% 12.5%
2.0 高杠杆小盘股 5% 10% 15%

把这张表的每一行点在「β 为横轴、预期回报为纵轴」的图上，连成一条直线——这就是证券市场线（SML）。

α（超额回报）藏在哪里？
如果某只股票的实际回报高于 SML 上对应 β 的预测值，超出的部分就叫 α（阿尔法）。α > 0 意味着「跑赢风险调整后的基准」。听起来很诱人，但全书的核心立场是：稳定且持续的正 α 极为罕见，大多数时候是运气，不是能力。

⑤ β 狂热史：从神坛到质疑

如果 β 能完美预测回报，那市场先生就该把证券分析师全部解雇了。 —— 本章语气

1970 年代，CAPM 和 β 风靡华尔街。养老金、机构投资者纷纷把 β 纳入风险管理核心指标，「低 β 防御、高 β 进攻」成为行业共识。然而好景不长，实证研究陆续发现异常：

β 狂热背后还有一个人性陷阱：一旦某个指标被广泛使用并纳入绩效考核，它就开始被「优化」——基金经理可以通过时间窗口选择、行业配置来操弄账面 β，而实际风险并未降低。

⑥ 法玛-佛朗奇的挑战：β 死了吗？

β，作为衡量股票风险的唯一指标，已经死了。 —— 尤金·法玛 & 肯尼思·佛朗奇，1992 年论文

1992 年，法玛与佛朗奇发表了一篇震惊学界的论文。他们对 1963–1990 年美股数据进行大规模检验，结论令人不安：在控制其他因素后，β 与股票未来回报之间几乎没有关系。

他们发现真正能解释回报差异的是另外两个因子：

规模效应（Size）

小市值股票长期跑赢大市值股票，超出幅度超过单纯 β 差异所能解释的范围。

价值效应（Value）

低市净率（B/M 高）股票长期跑赢高市净率股票，这也无法用 β 解释。

这就是著名的法玛-佛朗奇三因子模型的前身：市场风险（β） + 规模因子（SMB）+ 价值因子（HML）。更多细节将在下一课展开。

马尔基尔的四点辩护

面对「β 已死」的宣判，马尔基尔没有完全倒向批评者。他给出了四点反驳：

  1. 数据窗口问题：1963–1990 年是一个特殊时期，结论不一定普遍适用
  2. 幸存者偏差：小公司样本中，已破产退市的公司被剔除，使小盘股表现看起来更好
  3. 法玛-佛朗奇自己也承认：他们的因子可能是风险的代理变量（value trap、小公司脆弱性），而不是真正否定了「风险-回报」的权衡关系
  4. 实践中 β 仍有用：用于组合风险管理（而非选股）时，β 仍是有价值的工具
马尔基尔的立场是折中的：β 是不完整的风险度量，但「系统性风险值得被补偿」这个核心逻辑没有被推翻。CAPM 是不完整的真理，而非完整的谎言。

⑦ APT：多因素的世界

如果股票回报真的只由一个因素（市场）决定，套利机会就不会存在。但现实中套利空间偶尔存在，说明有其他因素在起作用。 —— 斯蒂芬·罗斯，套利定价理论（APT）核心直觉

罗斯（Stephen Ross）提出的套利定价理论（APT）是 CAPM 的多因素推广。它不假设市场只有一个系统性风险来源，而是承认：

都可以是独立的系统性风险因子，每个因子都有自己的 β 和对应的风险溢价。

通用汽车工人的人力资本案例

APT 还揭示了一个 CAPM 经常被忽略的盲点：你的人力资本也是资产，也有 β。

通用汽车工人案例

假设你在通用汽车工作。你的工资、职业稳定性深度绑定了汽车行业和美国制造业的兴衰——你的人力资本 β 极高，且与通用汽车股票高度相关。

如果你再把退休金全部买入通用汽车股票，你的总风险敞口就被双重集中了：经济下行时，你同时面临失业（人力资本贬值）和持股亏损（金融资本贬值）。

APT 的启示：评估组合风险时，不能只看金融资产的 β，还要把人力资本纳入考量。对于高行业集中度职业的人，金融资产应刻意配置相关性低的资产来对冲。

这正是「把所有鸡蛋放在同一艘船上」的最危险版本——船本身就是你的职业。2008 年金融危机期间，雷曼兄弟员工持有大量公司股票并于危机中失业，就是这个道理的现实版本。

对你意味着什么

实践要点

检索练习

为什么市场只补偿系统性风险，不补偿非系统性风险？
因为非系统性风险可以通过持有多只股票免费消除（分散化）。市场是竞争性的——如果个股风险也被定价，任何人只需多买几只股票就能「骗」走溢价。均衡状态下，只有无法被分散的系统性风险才值得被定价补偿。
β = 1.5 是什么意思？它是一个好还是坏的特征？
β = 1.5 意味着当市场涨/跌 10%，该资产平均涨/跌约 15%，是市场波动的 1.5 倍。好坏取决于你的目的：在牛市中高 β 放大收益；在熊市中高 β 放大损失。对风险承受能力强、投资期限长的人，高 β 可能适合；临近退休或风险承受力低的人，应选低 β 资产。
CAPM 公式 E(R) = Rf + β × (Rm − Rf) 中，每个变量代表什么？
Rf（无风险利率）= 不承担任何风险的基础回报，通常用短期国债收益率；(Rm − Rf)（市场风险溢价）= 承担整个市场风险所获得的额外回报，历史上约 5%–7%；β = 该资产系统性风险相对市场的倍数。三者合在一起：你的基础收入 + 承担市场风险的奖金 × 你的风险暴露程度。
法玛-佛朗奇的研究为什么被称为「β 之死」？马尔基尔如何回应？
法玛-佛朗奇（1992）检验了 1963–1990 年美股数据，发现控制规模（小市值）和价值（低市净率）因子后，β 与未来回报几乎没有关系，得出「β 已死」的结论。马尔基尔的四点回应：①数据窗口特殊；②幸存者偏差夸大了小盘股表现；③法玛-佛朗奇因子本身可能代表更广义的风险；④β 用于风险管理仍有价值。
什么是 α？为什么全书认为稳定正 α 极为罕见？
α 是股票实际回报超出 SML（证券市场线）预测值的部分——即风险调整后的超额回报。稳定正 α 罕见，原因有三：①市场有效性使公开信息很快被价格吸收；②每个「正 α」策略传播后会被套利掉；③大多数历史上的正 α 回顾后发现是承担了未被计入的隐性风险（如流动性风险、尾部风险）。
通用汽车工人案例教会我们什么投资启示？
人力资本（职业收入）是你最大的资产之一，它也有 β——与所在行业高度相关。如果你又把金融资产集中在同一行业（如买雇主股票），你的整体风险敞口被双重集中：经济下行时同时失业和亏损。启示：金融资产配置应与职业风险相关性低的资产，实现人力资本 + 金融资本的整体分散化。
下一课（第 10 课）预告：法玛-佛朗奇三因子模型正式登场——规模溢价（SMB）、价值溢价（HML）究竟是真实的风险补偿，还是市场的历史偶然？「因子投资」的黄金年代与套利困境。