为啥我的预测模型有时候挺准，有时候却像个瞎子？ 想象一下你刚在股市里杀出了一条血路，手里握着几百亿的筹码。
你看着屏幕上的 K 线，突然心里冒出个念头：“这一根红色的长影，是不是预示着下周要疯涨？”你心里那个小算盘打得噼里啪啦响，认定这大约率是资产荒，我务必接。结局呢？第二天它低开走，后天持续跌，你手里的钱人家拿去买别的了。你就是他们眼里的韭菜，别看你知道那是概率分布的尾巴，但你也确实缺德。
这时候，大家就会问：这个红影线到底啥意思？ 实际上，这根本没人能完美地告诉你“明天涨还是跌”，出于人类的直觉在这种时候就是个庞大的漏洞。 早期的 CAPM 模型就是在这种混乱中诞生的。凯恩斯早就发现，单凭资产的价格变化无法准预测未来，务必引入一种看不见的力量，叫作“风险”。他搞出来一个公式，叫作 CAPM（资本资产定价模型）。但它最启动只是个数学游戏，用来给基金经理发奖金。
后来股市大佬们发现，用这个公式玩的时候，发现那个“风险溢价”的计算简直比拉屎还顺畅，各种参数随意凑，能拟合出一堆数据就行。 这就好比你在跟一群只会用万能的锤子打核桃的工匠打交道。他们打核桃打准了，但遇到瓶子就砸了。他们当作只要公式里那个系数对了，就能搞定一切，结局市场就是如此好办粗暴地告诉你：别做梦了，现实比任何完美模型都要复杂。 CAPM 的核心逻辑实际上贼好办粗暴，就连有点过于好办。它的目标是回答一个终极难题：你在买的时候，到底多亏？
要么说，我要求的回报率，究竟比市场平均水平高多少？这个高出来的局部，就是“风险溢价”。kapm 的核心公式就是： $$ E[R_i] = R_f + beta_i times (E[R_m] - R_f) $$ 咱们再看看这个玩意儿。$E[R_i]$ 就是你愿意为这个资产多付多少钱；$R_f$ 是无风险利率，比如存银行一年期的那种稳当的；$(E[R_m] - R_f)$ 这一项叫市场风险溢价，它是衡量“市场整体风险”的大小；$beta_i$ 就是那个“风险系数”。
这个系数就是衡量你这一张脸，跟市场的风浪有多大关系。 要是 $beta_i = 0$，说明你是一只跟市场毫无涉系的硬币。
要是买了这枚硬币，它的涨跌跟大盘彻底扯不上关系。
这时候，你的风险溢价就不该包含任何市场风险溢价的成分，出于你确实没有供给额外风险。 但要是 $beta_i$ 挺大，比方说等于 1.5，这就意味着你的风险系数是市场的 1.5 倍。
这就好比你买了个能炸药的炸弹，别看它本身是个小玩意儿，但它的爆炸威力是市场的 1.5 倍。
这时候，你要求的回报率，就务必比市场平均水平高出一个幅度，这个幅度就是 $1.5 times$ 市场风险溢价。 你看，这个逻辑链条实际上贼整个。就是让你多付的钱，正好等于你承担的那份额外风险对应的价值。 这时候你就能理解为啥 CAPM 有时候看起来像个“瞎子”了。出于 $beta$ 这个系数，本质上就是你在买的时候，把模型里的所有不确定性给“剔除”了。你把模型简化到一个最好办的状态：要么你的资产跟市场彻底同步，要么彻底独立。 这就引出了 CAPM 最 infamous 的难题——系统风险。在市场里，大局部波动都是“系统性”的，比如宏观经济的突变、政策风向的转换，这些是整个市场一起颤做的，你跟着一起动，你的 $beta$ 就站不住。CAPM 试图剥离掉这局部，只留下你独有的、经理人的投顾本事带来的超额收益。 但你想想，要是市场本身是不稳定的，你的 $beta$ 估摸再准，可能也是错的。
毕竟，你是在用那会儿的“那会儿”，去赌目前的“目前”，赌未来的“未来”。 举个数据例子吧。在 2008 年之前，大家都信奉“资产配置”。
比如一个基金经理，他手里有个股票组合，他算的 $beta$ 大约是 0.8。意思是他只要大盘跌，他的组合跌得略微多一点点。按照 CAPM 的逻辑，他要求的收益率，就应当等于市场平均回报略微高一点点。 但 2008 年呢？市场崩了，他那个组合照样亏大钱。
为啥？出于那年的市场波动率，他自己压根没算进去。他的模型里，那些“黑天鹅”事件的影响权重为 0。
这就好比你在设计一个防弹衣，模型里说“子弹打不穿”，但现实是子弹从后面打过来，照样穿心。 这就是 CAPM 的局限。它试图把复杂的个体行为强行塞进一个好办的公式里，忽略了个体行为背后的随机性。它假设市场是有效的，要么起码是半有效的，但现实世界充满了噪音。 那为啥我们还是要用这个公式？ 出于有时候，现实又忒复杂了，没法去建模。
要是你确实想计算一个股票的真 $beta$，你需求跑成千上万只股票，要把它们的价格波动跟市场做回归，还要寻思各种宏观因子，还要寻思交易成本……这活儿哪位来做？ 便，CAPM 就变成了一种“安抚”工具。它告诉基金经理：“别揪心，只要你的 $beta$ 跟大盘差不多，你拿到的钱就是对的。你赚到的超额利润，纯粹是经理人的功劳。” 这就回到了资本家的核心逻辑：风险与收益的权衡。
要是你承担的风险超过了市场平均风险，那你务必承担更高的回报。 但难题是，基金经理们往往做得挺烂。他们通过买那些波动大、$beta$ 高的股票，来博取高回报。结局呢？他们把本该归于“市场风险溢价”的钱，全自己给自己了。
这就好比你在玩捉迷藏，你躲在角落里，眼死死盯着外面的人。外面的人都在往前走，你却在原地不动，结局出于你没动，别人就把你当成了“不听话的乌龟”。 这时候，CAPM 公式里的 $beta$ 系数就显露出了它最大的荒谬之处。它假设你的风险只有那一点点跟市场同步的波动，却忽略了你自己那些不可控的操作。你认定自己承担了极低的风险（出于 $beta$ 低），结局市场却把你当成了高风险资产，强行给你加了高额的溢价。 这就害得了个怪现象：有些基金经理，$beta$ 挺低，就连接近 0，但他们涨得比大盘还快。他们靠的纯粹是运气，要么是他们买的那些冷门股，突然有个大爆发。按照 CAPM，他们应当只拿一点点市场溢价，但他们拿得多，说明市场把他们的“人祸”要么“运气”给低估了。 反过来，也有基金经理 $beta$ 挺高，但业绩 flops。他们买啥大家都想，结局跌得像跟哪位似的。系统风险忒大，他们要求的回报率却不够，结局赔得好惨。
这时候，CAPM 里那个“市场风险溢价”，就成了他们兜底的稻草，别看稻草挺软，但也勉强能压住他们。 故此，CAPM 公式之故此让人认定“瞎”，是出于它试图用一把标尺去量世界，结局发现世界忒复杂，标尺量不准。它把非线性的、随机的、难以量化的因素，强行线性化、正则化，就连强行剥离，当作剩下的就是真正的价值。 但这恰恰说明白它的局限性。它不能预测未来，它只能预测“平均情况下的预期”。它告诉我们，只要你的风险够大，就务必拿到充足的回报；但要是你的风险被低估了，你就得把回报补回来。 回到你最初的难题：为啥我的预测模型有时候挺准，有时候却像个瞎子？ 出于 CAPM 在某种程度上，就是那个“有时候挺准”的瞎子。它告诉你“风险越大，回报越高”，这没错。但在具体操作中，它忽略了模型里那些“随机”的局部。它把 $beta$ 算得忒干净利落了，把历史数据里的噪音当成了真值。 真正的市场，压根儿都不是一个封闭的盒子，里面装着清楚的逻辑和确定的参数。市场是一个庞大的、混沌的、充满噪声的机器。CAPM 试图给这台机器装一个刷卡机，只认那个卡片，不认手抖，不认运气。 但这就是现实，也是无奈。我们只能接纳这个不完美的公式，用它来约束我们的决策，希望能少亏一点。
毕竟，资本的本质就是让风险被定价，让收益被回报。至于那剩下的那 20%，那 10%，那 5%，那可能是你独有的“天才”，也可能是市场纯粹的“幻觉”，那就随它去吧。 归根结底，CAPM 是个挺好的起点，是个挺好的工具，但绝不是终点。它是一面镜子，照出了我们行为的荒谬，也照出了市场的复杂。别指望它能像算命先生那样，看一眼就能告诉你明天是涨是跌。它只能告诉你，只要你承担的风险够多，你就该期待回报。至于多高，还得看你的运气，还有你对那个“随机”世界到底如何理解。
