1 CAPM 的基本概念
1.1 资本资产定价的核心目标
资本资产定价模型（CAPM）旨在建立一种将“期望收益”与“风险”联系起来的可操作规则。其核心观点是：在其他条件相近、投资者关注风险的前提下，资产的期望收益主要取决于它在系统性风险上的暴露，而与可通过分散消除的风险无关。
1.2 风险分解：系统性与非系统性
CAPM将风险区分为两类：
- 非系统性风险：与单个资产或少数资产相关的扰动，通常可通过构建充分分散的投资组合而降低。
- 系统性风险：影响市场整体的冲击，分散化难以完全消除，因此会要求额外的风险报酬。
模型用“市场因子暴露”来刻画系统性风险，并把对应的补偿称为风险溢价。
1.3 机会集与市场组合的角色
CAPM通常以“市场组合”作为基准：把所有可投资资产按某种代表性权重组合起来，形成一个覆盖面广的总体投资组合。机会集的含义在于：投资者在无风险资产与市场组合之间进行配置，以获得不同的风险水平与收益期望。该设定使得风险溢价能通过市场表现被度量并用于定价。
2 CAPM 的数学表达与要素
2.1 期望收益方程：安全资产与风险资产
在CAPM框架下，风险资产的期望收益通常写成“无风险利率 + 风险溢价×风险暴露”的形式。无风险利率用于刻画时间价值与确定性收益水平；风险资产的额外收益由其系统性风险暴露决定。该关系体现为：同一市场环境中，风险暴露越高，要求的期望收益越高。
2.2 资本市场线（CML）
资本市场线（CML）描述在“无风险资产 + 市场组合”两基金组合框架下的有效组合。它给出组合风险（通常以整体波动衡量）与期望超额收益之间的线性关系。CML的斜率对应单位风险带来的额外回报，代表市场对系统性风险的定价强度。
2.3 特征线与贝塔（β）的定义
衡量单个资产对市场波动的敏感度通常通过贝塔系数（β）实现。β可从资产收益与市场收益之间的回归关系得到；在经典形式中，资产收益与市场收益的线性关系被称为“特征线”，其斜率即为β。β越大，资产对市场上行或下行的反应幅度通常越强。
2.4 市场价格的风险（风险溢价）
CAPM中的“市场价格的风险”可以理解为：在给定市场条件下，每单位系统性风险暴露需要多少额外收益。它与市场整体的预期超额收益及其波动风险相关。该量把市场表现转化为可用于定价的参数，从而让模型从“解释性描述”走向“可计算的定价规则”。
3 系统性风险：β 的度量与解读
3.1 β 的统计估计方法
β常通过历史数据进行回归估计，例如使用资产收益与市场收益的时间序列进行线性回归。估计过程中需要选择：
- 数据频率（周度、月度、日度等）
- 样本起止区间
- 回归窗口长度与是否滚动更新
这些选择会影响β估计的稳定性与代表性。
3.2 β 的经济含义：对市场波动的敏感度
β并不等同于“风险大小”的直观感觉，而更具体地指向对市场因子的暴露强度。β大意味着当市场收益偏离无风险水平时，该资产的收益通常同步放大；β小则表示反向或较弱的随动程度。β因此可用于解释资产为何在市场情绪变化时表现更强或更弱。
3.3 估计误差与样本周期影响
β的估计存在统计不确定性，样本长度越短通常方差更大，越长可能受到结构性变化影响。市场在不同阶段的波动特征也可能导致回归关系随时间改变。实践中常见的做法包括更换估计窗口、采用稳健估计或对估计结果进行区间评估，以降低单一估计值带来的脆弱性。
3.4 β 的稳定性与“换挡时刻”
在现实市场中，资产的经营模式、行业地位、资本结构与交易结构可能发生变化，使β出现阶段性迁移。这里的“换挡时刻”可用来轻度调侃：当估计周期跨越显著的公司与市场状态变化时，历史回归得到的β可能不再适配当前定价。对β的动态性进行关注，能避免把“旧数据算出的斜率”直接当作“永远正确的性格”。
4 CAPM 的应用场景
4.1 资产预期收益的估计与定价
CAPM可用于把β转化为预期收益。给定无风险利率、市场预期超额收益或风险溢价，并获得资产的β后，即可得到该资产的期望收益估计值。该估计常被用作定价输入：例如判断某资产当前价格隐含的收益是否与模型给出的水平一致。
4.2 公司估值中的贴现率使用（如 WACC 思路）
在公司估值中，贴现率用于将未来现金流折现为现值。CAPM常被用于估计权益资本成本的一部分；随后结合债务成本、资本结构权重等形成综合贴现率的思路（例如与常见的加权平均框架相配合）。在这类应用中，关键在于口径一致：同一时期、同一风险度量与与现金流相匹配的期限结构应尽量统一。
4.3 投资组合的预期收益与风险权衡
当投资者构建或调整组合时，可以利用CAPM把每项资产的β汇总成组合层面的系统性风险暴露，并进而估计组合的期望收益。由此可以在风险—收益之间形成直观权衡：更高的市场暴露通常对应更高的期望超额回报需求，便于进行配置决策与敏感性分析。
4.4 绩效评估中的基准设定
CAPM也可用于绩效评价：将“相同系统性风险暴露”作为比较基准，评估某组合或策略是否获得了与β相匹配的回报水平。相比仅看历史收益率，这种方式更强调风险调整后的对比，能减少“收益来自承担更多市场风险”的误判。
5 假设条件与理论边界
5.1 理性投资者与均值-方差框架
CAPM的推导通常依赖投资者在均值-方差意义下做选择：投资者偏好更高的期望收益且更低的方差（或波动风险）。在这一框架中，资产被概括为其期望收益与方差，以及它们与市场组合之间的协同结构。
5.2 完全市场与可投资性要求
理论上还需要可投资性与市场充分性假设，例如资产可自由交易、市场没有摩擦以及投资者能够以无风险利率进行借贷等（具体表述随推导版本而变化）。这些条件决定了无风险资产与市场组合之间的组合效率与线性关系能否成立。
5.3 单期/多期设置的差异
CAPM常以单期（或以期限为单位的设定）描述，但在多期环境中，风险溢价与风险暴露的动态演化会更复杂。不同期限的收益与波动特征、信息到达节奏，以及再平衡策略差异，都可能使“单期直觉”在实务中需要谨慎调整。
5.4 无套利与均衡定价的逻辑
CAPM的均衡含义可以从无套利角度理解：若某资产的定价与其风险暴露不一致，理论上可能引发套利机会，从而推动价格回到均衡附近。该逻辑为模型参数如何在市场中形成提供了约束，但现实中交易摩擦、做空限制与税费结构会削弱无套利的理想化强度。
6 实证检验与常见争议（不涉及敏感政治议题）
6.1 经验有效性与样本偏差
大量研究检验CAPM的预测能力，但结果并不完全一致。样本偏差可能来自：样本选择、存活者偏差、回归周期不匹配以及市场代理变量误差等。不同研究使用的数据频率、估计窗口与处理方式不同，也会影响结论稳定性。
6.2 “β 解释不足”的现象
一个常见争议是：仅靠β解释资产截面收益的能力可能有限。即使市场风险暴露为同一水平，不同资产的实际收益表现仍可能出现系统性差异。该现象提示市场定价可能受到除单因子之外的额外信息维度影响。
6.3 市场代理变量选择问题
CAPM中“市场收益”通常用某种市场指数或组合作为代理。选择不同的指数（覆盖范围、行业构成、再平衡规则等）会改变估计到的β以及风险溢价，从而影响模型拟合程度。若代理与真实“市场组合”的差距较大，检验结果会受到牵连。
6.4 时变风险溢价与非平稳性
风险溢价可能随宏观状态、估值水平与风险偏好而波动，收益序列也可能呈现非平稳性。此时用固定参数的CAPM进行估计可能造成系统性偏差。实践上需要考虑滚动估计、加入时间变化结构或与更灵活的模型结合，以更贴近现实变化。
7 与多因子风险定价的关系
7.1 因子思想的延展：从单因子到多因子
CAPM可视为“单因子风险定价”的代表：市场作为唯一系统性因子。多因子框架则认为，除了市场暴露外，还存在其他可解释收益差异的因子（例如规模、价值或盈利相关的风险维度）。在逻辑上，这是一种将“信息维度扩展”的建模路径。
7.2 与 Fama-French 等框架的对比思路
在对比思路上，多因子模型通常通过因子回归检验来观察：在控制市场因子后，其他因子是否仍能解释截面收益。若额外因子仍具有显著解释力，则表明CAPM的单因子约束可能不足以捕捉全部定价来源。需要注意的是，不同模型的因子构造口径与样本覆盖会影响比较结论。
7.3 把 CAPM 作为基准模型的用法
CAPM常被当作基准（benchmark）而非唯一解释：在预算、风控或估值中，它提供了简洁、可沟通的风险—收益映射，用于建立第一版贴现率或风险调整测度。随后可用多因子或稳健估计对关键参数进行升级，从而兼顾可用性与解释力。
7.4 由因子分解到风险溢价的路径
从工程化角度，多因子模型可以被看作把“风险暴露”分解到多个因子上，再由每个因子的风险价格形成预期收益。相较之下，CAPM相当于把全部系统性风险压缩到市场因子这一维度。两者差异因此主要体现在“因子维数”和“风险价格的结构”上。
8 计算示例与实操流程
8.1 输入参数准备：无风险利率、市场收益
实操通常首先确定无风险利率口径（例如与评估期限相匹配的收益率）以及市场收益或市场预期超额收益的估计方法。市场收益的估计可来自指数回报序列；风险溢价可由历史均值、前瞻估计或情景设定给出。
8.2 估计 β 并计算预期收益
接着对目标资产进行β估计，完成后代入CAPM的期望收益公式。得到的结果是“在模型假设下的期望收益估计”，可与资产当前隐含回报对照，用于评估是否存在偏离或需要调整其他参数（例如无风险利率与风险溢价）。
8.3 情景分析：风险溢价变动
由于风险溢价可能随市场状态波动，常用情景分析检验结果对参数的敏感性。例如设定风险溢价上升或下降的区间，观察预期收益与估值结论的变化方向与幅度。该步骤有助于把不确定性显式纳入决策。
8.4 结果校验与敏感性检查
最后需要做交叉校验：检查β估计是否稳定、回归残差表现是否合理、以及关键输入是否与现金流期限与估值频率匹配。敏感性分析可以帮助识别模型结果主要受哪几个参数影响，从而指导进一步的数据清洗或方法升级。
9 常见误区与“CAPM 使用指南”
9.1 把相关性误当作风险定价关系
误区之一是把“与市场同涨同跌”的统计相关性直接等同于定价逻辑，而忽视了CAPM关注的是系统性风险的补偿与均衡含义。相关不必然意味着风险价格确定、也不等同于跨资产的期望收益关系。
9.2 过度依赖历史估计
仅使用单一历史区间估计β和风险溢价可能导致结论脆弱。市场结构与资产属性随时间变化，过度相信某段历史会使预测在新环境下失真。
9.3 忽略流动性与期限结构差异
CAPM的经典形式并不直接刻画流动性溢价或期限结构差异。若在估值中把短期限无风险利率、长期现金流贴现混用，或忽略资产流动性差异导致的交易成本，将可能引入系统误差。
9.4 参数口径不一致导致的偏差（轻度梗：别把“同一个β”换一套数据就当同一个答案）
另一个常见问题是参数口径不一致：例如用不同频率、不同指数代理或不同样本区间得到“看起来相同”的β，但实际上它们对应的回归关系并非同一对象。轻度梗式提醒：别把“同一个β”换一套数据就当同一个答案；至少要确认口径与区间的一致性。
10 相关条目
10.1 均值-方差有效前沿
描述在均值与方差约束下可获得的最优风险收益组合集合，为资本配置与有效组合讨论提供几何视角。
10.2 风险溢价与套利定价思想
讨论风险补偿如何通过市场定价形成，并与套利约束联系起来，是资产定价理论的重要中介概念。
10.3 多因子模型与因子回归
用于解释收益差异的更一般框架，通过多个因子暴露与因子价格刻画风险定价来源。
10.4 资产定价的参数估计方法
涵盖回归估计、滚动窗口、稳健标准误与替代分布假设等内容，用于提高参数估计可靠性。