现代投资学核心理论深度解析 - BlueCapital

一、投资组合理论（Portfolio Theory）

1.1 马科维茨均值-方差模型

1952年，哈里·马科维茨（Harry Markowitz）在《Journal of Finance》发表了开创性论文《Portfolio Selection》，提出了均值-方差分析框架，奠定了现代投资组合理论（Modern Portfolio Theory, MPT）的基础。马科维茨因此获得1990年诺贝尔经济学奖。

（1）核心假设

投资者是风险厌恶的（risk-averse），在相同预期收益下偏好风险较低的组合
投资者根据投资组合在单一持有期内的预期收益率和收益率方差（或标准差）进行决策
金融市场不存在摩擦成本（无交易费用、无税收）
所有资产可以无限细分
资产收益率服从正态分布（或投资者效用函数为二次函数）

（2）两资产组合的期望收益与风险

设投资组合由资产A和资产B组成，权重分别为w_A和w_B（w_A + w_B = 1），则：

组合期望收益率：E(R_p) = w_A·E(R_A) + w_B·E(R_B)
组合方差：σ²_p = w²_A·σ²_A + w²_B·σ²_B + 2·w_A·w_B·σ_A·σ_B·ρ_AB

其中ρ_AB为资产A和B的相关系数（-1 ≤ ρ ≤ 1）。

（3）分散化效应

当ρ_AB < 1时，组合的标准差σ_p < w_A·σ_A + w_B·σ_B，即组合风险小于各资产风险的加权平均——这就是分散化效应。相关系数越低，分散化效果越显著。当ρ = -1时，可以构建一个零风险组合。

1.2 有效前沿（Efficient Frontier）

在期望收益-标准差坐标系中，所有可能的投资组合构成一个可行集（feasible set）。有效前沿是可行集中，在相同风险水平下期望收益最高、或在相同期望收益下风险最低的投资组合的集合。

（1）最小方差组合（Minimum Variance Portfolio, MVP）

有效前沿上风险最低的组合，其权重计算公式为：

w_A = (σ²_B - σ_A·σ_B·ρ_AB) / (σ²_A + σ²_B - 2·σ_A·σ_B·ρ_AB)

（2）最优风险组合（Tangency Portfolio）

从无风险利率点向有效前沿做切线，切点即为最优风险组合。该组合在夏普比率（Sharpe Ratio）意义上是最优的：

Sharpe Ratio = [E(R_p) - R_f] / σ_p

1.3 资本配置线（Capital Allocation Line, CAL）

引入无风险资产后，投资者可以在无风险资产和最优风险组合之间进行配置，形成的所有组合在期望收益-标准差坐标系中构成一条直线——资本配置线（CAL）。

CAL的方程为：E(R_C) = R_f + [E(R_P) - R_f] / σ_P × σ_C

CAL的斜率即为最优风险组合的夏普比率。CAL越陡峭，说明风险补偿越高，投资效率越好。

二、资本资产定价模型（CAPM）

2.1 模型推导

1964年，威廉·夏普（William Sharpe）、约翰·林特纳（John Lintner）和简·莫辛（Jan Mossin）分别独立推导出资本资产定价模型（Capital Asset Pricing Model, CAPM）。夏普因此获得1990年诺贝尔经济学奖。

（1）核心假设

所有投资者具有同质预期（homogeneous expectations），即对所有资产的期望收益、方差和协方差的估计完全一致
所有投资者都是价格接受者，单个投资者的交易不影响市场价格
存在无风险资产，投资者可以按无风险利率自由借贷
不存在税收和交易成本
所有资产可以无限细分且完全可分
信息完全且免费可得

（2）证券市场线（Security Market Line, SML）

CAPM的核心结论是：在均衡状态下，任何资产i的期望收益率满足：

E(R_i) = R_f + β_i × [E(R_m) - R_f]

其中：

R_f：无风险利率
E(R_m)：市场组合的期望收益率
[E(R_m) - R_f]：市场风险溢价（Market Risk Premium）
β_i = Cov(R_i, R_m) / Var(R_m)：资产i的系统性风险系数

2.2 贝塔系数（β）

（1）定义与含义

β = 1：资产与市场同步波动
β > 1：资产波动大于市场（进攻型资产）
β < 1 且 β > 0：资产波动小于市场（防御型资产）
β = 0：资产无系统性风险（如无风险资产）
β < 0：资产与市场反向变动（罕见，如某些黄金ETF）

（2）β的估计方法

通常通过对历史收益率数据进行OLS回归估计：

R_i,t - R_f,t = α_i + β_i × (R_m,t - R_f,t) + ε_i,t

实务中通常使用过去3-5年的月度数据或过去1-2年的周数据进行估计。

2.3 阿尔法系数（α）

阿尔法系数衡量资产的实际收益率超过CAPM预测收益率的部分：

α_i = R_i - [R_f + β_i × (R_m - R_f)]

α > 0：资产被低估（实际收益高于预期），值得买入
α = 0：资产定价合理
α < 0：资产被高估（实际收益低于预期），应当卖出

2.4 CAPM的应用与局限

（1）应用

资本成本估算：企业的股权资本成本 = R_f + β × (R_m - R_f)，用于DCF估值
绩效评估：通过α判断基金经理是否创造了超额收益
资产配置：根据β调整投资组合的系统性风险暴露

（2）局限

假设条件过于严格（同质预期、完美市场等）
市场组合不可观测（Roll批判，1977）
β并非唯一影响收益率的因素（规模效应、价值效应等）
实证检验结果不一致（Fama & French, 1992）

三、套利定价理论（APT）与多因子模型

3.1 套利定价理论

1976年，斯蒂芬·罗斯（Stephen Ross）提出套利定价理论（Arbitrage Pricing Theory, APT），作为CAPM的替代模型。

（1）核心思想

资产的期望收益率受多个系统性风险因子影响，而非仅受市场因子影响。如果资产价格偏离均衡，套利者将通过构建无风险套利组合推动价格回归均衡。

（2）APT模型公式

E(R_i) = R_f + β_i1·λ₁ + β_i2·λ₂ + ... + β_ik·λ_k

其中：β_ij为资产i对因子j的敏感度，λ_j为因子j的风险溢价。

3.2 Fama-French三因子模型

1993年，尤金·法玛（Eugene Fama）和肯尼斯·弗伦奇（Kenneth French）提出三因子模型：

R_i - R_f = α_i + β_i,MKT·(R_m - R_f) + β_i,SMB·SMB + β_i,HML·HML + ε_i

因子	全称	含义	构建方法
MKT	Market	市场风险溢价	市场组合收益率 - 无风险利率
SMB	Small Minus Big	规模因子	小市值组合收益率 - 大市值组合收益率
HML	High Minus Low	价值因子	高账面市值比组合 - 低账面市值比组合

3.3 Carhart四因子模型

1997年，马克·卡哈特（Mark Carhart）在三因子基础上增加动量因子（MOM）：

R_i - R_f = α_i + β_i,MKT·MKT + β_i,SMB·SMB + β_i,HML·HML + β_i,MOM·MOM + ε_i

MOM = 过去12个月（剔除最近1个月）赢家组合收益率 - 输家组合收益率。该模型广泛用于基金业绩归因分析。

3.4 Fama-French五因子模型（2015）

2015年，Fama和French进一步扩展为五因子模型：

MKT：市场风险溢价
SMB：规模因子
HML：价值因子
RMW（Robust Minus Weak）：盈利能力因子——高盈利能力组合 - 低盈利能力组合
CMA（Conservative Minus Aggressive）：投资风格因子——保守投资（低资产增长率）组合 - 积极投资（高资产增长率）组合

四、有效市场假说（EMH）

4.1 三种有效形式

1970年，尤金·法玛（Eugene Fama）系统提出有效市场假说（Efficient Market Hypothesis, EMH），将市场效率分为三种形式：

形式	价格反映的信息	无法获利的策略	可获利的策略
弱式有效	全部历史交易信息（历史价格、成交量等）	技术分析	基本面分析、内幕信息
半强式有效	全部公开可用信息（财报、公告、宏观经济数据等）	技术分析、基本面分析	内幕信息
强式有效	全部信息（包括内幕信息）	任何策略均无法持续获得超额收益	无

4.2 市场异象（Market Anomalies）

大量实证研究发现市场存在与EMH矛盾的系统性异象：

日历效应：一月效应（小盘股1月超额收益）、星期一效应（周一收益偏低）、假日效应
规模效应：小盘股长期跑赢大盘股（Banz, 1981）
价值效应：低市盈率、低市净率股票长期跑赢高估值股票（Fama & French, 1992）
动量效应：过去3-12个月表现好的股票在未来3-12个月继续表现好（Jegadeesh & Titman, 1993）
反转效应：极短期（1周以内）和极长期（3-5年）存在价格反转（De Bondt & Thaler, 1985）
低波动异象：低波动率股票的风险调整后收益高于高波动率股票（Ang et al., 2006）
盈余公告后漂移（PEAD）：盈余超预期公告后，股价在后续60-90天继续漂移（Ball & Brown, 1968）

五、期权定价理论

5.1 Black-Scholes模型

1973年，费希尔·布莱克（Fisher Black）和迈伦·斯科尔斯（Myron Scholes）提出Black-Scholes期权定价模型。斯科尔斯和罗伯特·默顿（Robert Merton）因此获得1997年诺贝尔经济学奖（布莱克已于1995年去世）。

（1）基本假设

标的资产价格服从几何布朗运动（Geometric Brownian Motion）：dS = μS·dt + σS·dW
无风险利率恒定且已知
标的资产在期权有效期内不支付股息
市场无摩擦（无交易费用、无税收、资产无限可分）
不存在无风险套利机会
证券交易连续进行

（2）欧式看涨期权定价公式

C = S·N(d₁) - K·e^-rT·N(d₂)

其中：

d₁ = [ln(S/K) + (r + σ²/2)·T] / (σ·√T)
d₂ = d₁ - σ·√T
S = 标的资产当前价格
K = 期权执行价格
r = 无风险利率（连续复利）
T = 期权到期时间（年）
σ = 标的资产收益率的波动率
N(·) = 标准正态分布的累积分布函数

（3）欧式看跌期权定价公式（由Put-Call Parity推导）

P = K·e^-rT·N(-d₂) - S·N(-d₁)

5.2 希腊字母（Greeks）

希腊字母衡量期权价格对各参数的敏感度，是风险管理的核心工具：

希腊字母	符号	衡量对象	计算公式	实务意义
Delta	Δ	标的资产价格变动1单位时期权价格变动	∂C/∂S = N(d₁)	方向性风险对冲
Gamma	Γ	标的资产价格变动1单位时Delta的变动	∂²C/∂S²	Delta对冲的凸性风险
Theta	Θ	时间流逝1天时期权价格变动	∂C/∂t	时间价值衰减速度
Vega	ν	波动率变动1%时期权价格变动	∂C/∂σ	波动率风险暴露
Rho	ρ	无风险利率变动1%时期权价格变动	∂C/∂r	利率风险暴露

5.3 二叉树模型

1979年，考克斯（Cox）、罗斯（Ross）和鲁宾斯坦（Rubinstein）提出二叉树期权定价模型（Binomial Tree Model），为美式期权和复杂路径依赖期权提供了数值计算方法。

基本思路：将期权有效期分为n个时间段，在每个时间段内标的资产价格只有两种可能——上涨至S·u或下跌至S·d。通过风险中性定价原理，从到期日倒推计算每个节点的期权价值。

六、行为金融学

6.1 前景理论（Prospect Theory）

1979年，丹尼尔·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）提出前景理论，挑战了传统期望效用理论。卡尼曼因此获得2002年诺贝尔经济学奖。

（1）核心发现

参考依赖：人们根据相对于参考点的得失（而非绝对财富水平）做出决策
损失厌恶：等量损失带来的痛苦约为等量收益带来的快乐的2-2.5倍
敏感度递减：得失的边际效用随金额增大而递减（价值函数呈S形，在参考点处弯折）
概率加权：人们不是按客观概率评估事件，而是按主观决策权重。表现为高估小概率事件、低估大概率事件

6.2 投资者认知偏差

偏差类型	表现	投资影响	应对方法
过度自信	高估自己的判断能力，交易频率过高	过度交易导致交易成本增加，收益率下降	记录投资决策日志，定期回顾决策质量
心理账户	将资金按来源和用途分为不同"账户"	对工资收入和意外之财采取不同的投资策略	建立统一的资金管理框架
锚定效应	过度依赖某一参考值（如买入价）	不愿在亏损时卖出，错失更好的投资机会	基于基本面而非买入价做决策
羊群效应	跟随大众行为而非独立判断	追涨杀跌，加剧市场波动	建立系统化投资决策流程
确认偏差	只关注支持自己观点的信息	忽视风险信号，持仓集中度过高	主动寻找反面论据，多元化信息来源
近因偏差	过度重视近期事件	牛市过度乐观，熊市过度悲观	回顾长期历史数据，使用长期视角

6.3 行为金融学与市场异象

行为金融学为传统金融学无法解释的市场异象提供了行为学解释：

动量效应：投资者对新信息反应不足（保守主义偏差），导致价格缓慢调整
反转效应：投资者对信息过度反应，导致价格偏离基本面后回归
规模效应：小盘股信息不对称更严重，行为偏差影响更大
价值效应：投资者过度外推成长股的过去业绩，导致成长股被高估、价值股被低估

七、现代投资组合管理实务

7.1 资产配置策略

（1）战略性资产配置（Strategic Asset Allocation, SAA）

根据投资者的风险偏好和长期投资目标，确定各类资产的长期配置比例。SAA的核心是确定股票、债券、现金、另类资产等大类资产的目标权重。

（2）战术性资产配置（Tactical Asset Allocation, TAA）

在SAA基础上，根据短期市场判断适度偏离目标权重，以获取超额收益。TAA的偏离幅度通常有限制（如股票权重偏离不超过±5%）。

（3）动态资产配置（Dynamic Asset Allocation）

根据市场状况持续调整资产配置比例，包括：

恒定混合策略：定期再平衡至目标比例（如每季度调整一次）
投资组合保险策略：设定最低资产价值底线，低于底线时降低风险资产比例
恒定比例策略：风险资产投资额 = 乘数 × (总资产 - 底线价值)

7.2 再平衡方法

方法	触发条件	优点	缺点
日历再平衡	固定时间间隔（季度/年度）	操作简单，交易成本可预测	不能及时响应市场大幅波动
阈值再平衡	资产权重偏离目标超过预设阈值（如±5%）	及时响应市场变化	交易时点不可预测，可能频繁交易
混合再平衡	日历检查 + 阈值触发	兼顾操作性和及时性	规则设计较复杂

7.3 业绩归因分析

（1）Brinson归因模型

Brinson-Fachler（1985）和Brinson-Hood-Beebower（1986）模型将投资组合的超额收益分解为三个来源：

资产配置效应：因超配/低配某类资产而获得的超额收益
证券选择效应：因选择表现优于基准的个券而获得的超额收益
交互效应：资产配置与证券选择的交互作用

（2）多因子归因

基于多因子模型（如Fama-French五因子模型），将基金经理的超额收益归因于各风险因子的暴露：

市场因子暴露（β）带来的收益
规模因子暴露（SMB）带来的收益
价值因子暴露（HML）带来的收益
盈利因子暴露（RMW）带来的收益
投资因子暴露（CMA）带来的收益
α（真正的选股能力）