2020/3/26 Ri=E（Ri）+βih+βi2+F2+ei
通过数学计算，可以推算出均衡定价的条件：
R(ri)= βifjE（rfl）
式中：ri—证券i高于无风险利率的超额回报；βifj——第i种 证券对第j个因素的敏感性；rfj—第j个系统性因素的高于无风 险利率的超额回报，这一回报可以看作第j个系统性风险的价格 （或风险溢价）。
将βP=X代入到上式中，有： E（Rp）=(1-βp)·RJ+βP·E（RM）
或E（Rp）=RJ[E（RM）-RJ] 2020/3/2该6 公式就是资产定价模型。
CAPN模型通常还用“风险溢价”或“超额回报” 形式表示。风险溢价形式通常等于回报率减去无风险 回报率。假如资产组合的预期收益分别为E(rp)和E(rm) 并有：
2020/3/26
目录
4.1 资产组合理论 4.2 资本资产定价模型（CAPM） 4.3 多因素CAPM定价模型
2020/3/26
4.1 资产组合理论
2020/3/26
投资收益率
投资者投资于一项资产组合的目的，就是在愿意接受 风险的条件下，寻求预期收益最大化。对于一项组合资 产而言，其在某一特定时期的资产组合的收益，等于资 产组合的变化加上资产组合的收益（股息、利息等）， 再除以资产组合的最初价值。用公式表示为：
0.71
4.6
0.79
0.62
0.68
4.2
0.85
0.72
0.69
4.0
0.88
0.77
0.67
3.9
0.89
0.80
2020/3/26
图4-2 系统性和非系统性风险
个别证券的风险
证券收益=系统性收益+非系统性收益 由于系统收益是市场性收益的一定比例，它可用一 个符号β乘以市场收益（RM）来表示。符号β有时 称为β值，表明了系统收益对市场收益水平变动的 敏感性，因此有时也称为“市场敏感指数”。 非系统性收益通常用ε表示，这样证券收益可以表 达成：
E(Rp)=R1P1+R2P2+…+RnPn
或
n
E(RP ) Pj Rj
j 1
式中：Rj—可能收益；Pj—相应的概率；n—可能收入 的个数。
2020/3/26
预期收益的可变性
2020/3/26
现在需要选择一个测量收益率总变动的指标。最常用的测 量标准是收益率的方差、标准差。
（1）收益率的方差。组合的方差，以σp2表示，为：
❖ 第二，我们不能根据这一公式对一个月期的投资和 一年的组合投资的收益率进行比较，对于收益率的比较， 必须以单位时期来表示，如一年。
2020/3/26
实践中我们处理这两个问题的方法是，首先计算在一个合 理的较短的单位时期内也许一个季度或更短的收益率。而跨越 若干相关的单位时期收益率，则由对单位时期的收益率进行平 均而求得。计算方法有三：算术平均收益率、时间加权收益率 和货币加权收益率。其计算公式是：
或
n
P X i i i 1
式中：Xi—证券I在资产组合中所占的比重；N—资产组合 中证券的种数。
2020/3/26
表4—3 包含20种股票的资产组合标准差和预测的极限值的关系
股票组 别
A+
含20种股票的资产组 合的标准差
3.94
各组股票的平均 β值
0.74
极限值
3.51
A
4.17
0.80
3.80
2020/3/26
资产组合 中的
股票数量
1 2 3 4 5 10 15 20
A+组股票风险与多样化 1960年6月—1970年5月
平均收 益率
收益率 标准差
与整个股市场的相关度
R
R2
0.88
7.0
0.54
0.29
0.69
Hale Waihona Puke 5.00.630.40
0.74
4.8
0.75
0.56
0.65
4.6
0.77
0.59
将公式扩展为H个影响因素，i个证券，则有如下关系式：
E(ri)= βif1E（rfl）+βif2E（rf2）+βifj E（rfj）
这个公式即APT模型。
2020/3/26
研究证据普遍表明，已实现的收益率和 系统风险之间存在着明显的正相关关系
风险与收益的关系为线性关系
2020/3/26
关于试图评估系统性风险和非系统性风险作 用的验证，没有得到确定的结果
4.3 多因素CAPM定 价模型
2020/3/26
多因素CAPM定价模型
穆顿推导的模型被称为 “多因素CAPM”（Nultifactor CAPM）。该模型又表示如下：
4.4 套利定价理论模型
2020/3/26
套利定价理论模型
为了描述APT模型，在这里我们假定一个资产组合中包括 了三种证券，这三种证券受两种因素的影响。其中：
Ri为证券i（i=1,2,3,）的随机收益率 E（Ri）为证券i（i=1,2,3,）的预期收益 βih为第i种证券对第h个因素的敏感性指数 Fn为影响三种证券共同的第n种影响因素 ei为证券i 的非系统性收益 这样，根据APT模型，证券的随机收益率有如下的关系：
R=βRM+ε
2020/3/26
该公式给出的证券收益模型通常换一种写法，以使 余项ε的平均值等于0。其中ε是一段时期内平均值 为0的非系统性收益。这样上述公式可表示如下：
R=a+βRM+ε
式中，R—证券收益；ε—长期平均值为0。
2020/3/26
这个公式通常被称为“市场模型”。从式中可以看 出，它可以在坐标系中用一条直线来表示（见图4—3）。 依据方程画出的下线有时称为“资本市场线”。
由于CAPM包括广义的资产组合，因此，实证验证 可以建立在对个别证券和组合证券两种证券进行验证 的基础上。对个别证券进行验证而得到的风险收益替 代关系的估计，并不是最好的方法，原因主要有二：
“基础不同的错误”
“收益偏差效果”
2020/3/26
在20世纪的70年代和80年代，对CAPM模型进行 的证实研究的主要结果可以概括如下：
2020/3/26
（3）货币加权收益率：
V 0(1 C R 1D )(1 C R 2 D )2 L(C 1 KR D V )N N
式中：RD—货币加权收益率；V0—资产组合期初市场 价值；VN—资产组合期末市场价值；Ck—资产组合在 K期间的净现金流量（现金流入减现金流出，K=1，2， 3，4，5，…，N）。
系统性风险=m 非系统性风险t
有了个别证券系统性风险的计量模型，就可以计算出资 产组合的系统性风险。它等于资产组合的βp因子乘以市场风 险指数σm。即：
资产组合系统风险性=βpσm
2020/3/26
资产组合的β值则可以通过单个证券的β值及在资产组 合中每项资产所占的比重予以确定：
βp=X1β1+ X2β2+…+Xnβn
A-
4.52
B+
4.45
0.89
4.22
0.87
4.13
2020/3/26
B B-及C
5.27 5.32
1.24
5.89
1.23
5.84
β值的计算
一个证券或一个资产组合的β值只能 通过回归统计历史数据的方法才能得到。
线性回归方程可由作图法求得。 在计算β值时，也可以用最小二乘法 找出一条最佳拟合回归线。
E(rp)=βPME(rm)+βpflE(rfl)+ βpf2E(rf2)+…+βpfkE(rfk)
式中：K—市场外在风险的因素数量；βpfk—第K项 因素对资产组合影响的敏感性系数；E（rfk）—第K项 因素的预期收益减去无风险利率。所以，超市场因素 风险等于：
2020/3/26
βpflE(rfl)+ βpflE(rf2)+…+βpflE(rfk)
RP
V1
V0 D1 V0
式中：V1—期末的资产组合的市场价值；V0—期初的资 产组合的市场价值；D1—在一定时期投资者得到的收益 （股息、利息等）。
2020/3/26
从理论上讲，这种计算收益率的方法可以用于任何 一段时期，比如1个月或10年。但是这会引发如下问题： ❖ 第一，显然这种方法若用于长期，如多于几个月， 则不太可靠，因为其基本假定之一是所有的现金支付和 资金流入都发生在期末，若两笔投资收益率相同，则支 付较早的一笔的收益就被低估了；
2020/3/26
4.2 资本资产定价模型（ CAPM）
2020/3/26
资本资产定价模型
根据原理，我们可以得出复合的资产组合的预期 收益，由于资产组合的预期收益同样也是预期收益 的加权平均值，所以有：
E（RP）=（1-X）RJ+XE（RM）
式中：E（RP）和E（RM）—资产组合的预期收益 和市场的预期收益；RJ—无风险利率。
（1）算术平均收益率：
R AR P 1R P2R N P 3LR P N
式 中 ： RA— 算 术 平 均 收 益 率 ； RPK—K 期 间 资 产 的 收 益 率 （K=1，2，3…，N）；N—期间数。
2020/3/26
（2）时间加权收益率： RT=[（1+RP1）（1+ RP2）…（1+RPN）]1/N-1 式中：RT—时间加权收益率；RPk—K期间资产收益 率；N—期间数。
图4—3证券收益率市场模型 β：市场灵敏度指标，是直线的斜率。 α：收益率残值的平均值，是证券收益率轴的截距。 E： 收益率残值，是实际收益率点到直线的垂直距离。