1.3 金融经济学原理：超额收益从哪里来

1.3 金融经济学原理：超额收益从哪里来

本节摘要：本节回答一个策略立项时绕不开的问题——你打算赚的这笔钱，凭什么存在。有效市场假说给出市场的基准智商，资本资产定价与多因子模型给出收益的会计框架，行为金融则补充人的非理性如何留下可捕食的痕迹。前两节给了对象与量具，本节给的是收益来源的合法性审查：来源讲不清的策略，在评审会上活不过三分钟。

一个反例开场

设想一个回测：某策略在十年样本里年化跑赢基准一大截，回撤也不深。研究者 Happy 极了，直到评审会上有人问了三个问题：这收益是在承担什么风险？如果是在利用某个异象，异象为什么没被别人搬空？费用与税之后还剩多少？三个问题一个都答不上来，项目当场搁置。这个场景几乎每天都在发生。它说明的不是回测没用，而是回测只回答了一半问题——统计学告诉你规律是否存在，经济学告诉你规律为什么存在、以及它还会存在多久。

有效市场：不是判决书，而是刻度尺

有效市场假说常被读成"没人能战胜市场"，这是个误读。它真正说的是：价格已经反映了当前信息集，想靠这个信息集赚钱，你得比别人更快、更便宜，或者掌握不同的信息。弱式有效针对历史价格——图表规律里没有免费午餐；半强式针对公开信息——财报公布后的快速定价让"看新闻炒股"变得昂贵；强式有效连内幕信息都定价了，这一形态现实里从未完全成立。对策略研究者的实用读法是：有效市场划定了哪类信息红利已经被竞争吃干，你的策略必须证明自己站在信息处理链的某个未被吃干的位置上——更快的执行、更干净的数据、更独特的另类信号，或者别人受制度约束而不敢做的交易。

定价模型：给收益记账的会计框架

资本资产定价模型（CAPM）把资产收益拆成两部分：无风险收益加上一个贝塔系数乘以市场超额收益。它的经济学含义很直白——只有承担不可分散的系统性风险才该获得补偿，可分散掉的特有风险不配溢价。CAPM 现实中并不精确，但它提供了审查策略的第一张试纸：把策略收益对市场收益做回归，如果贝塔接近零而收益显著为正，你才真正握有所谓的"阿尔法"；如果贝塔很高，你的收益很可能只是穿着策略外衣的市场暴露——牛市里人人都是股神，熊市里原形毕露。

现实中的收益异象远超 CAPM 的解释力，于是多因子模型登场：规模、价值、动量、盈利、投资等因子被逐一收纳为新的"风险维度"。多因子框架对量化研究的意义是双重的：它既是选股策略的构建语言（第三章 3.3 节的主角），也是业绩归因的裁判——一个策略的收益若能被已知因子组合完全解释，它的超额部分就是零。

这张表值得反复使用。立项评审时，把候选策略放进某一行的同时，顺手检查最右列：这个来源正在以什么速度被竞争消耗？答案决定策略的预期寿命。

行为金融：非理性留下的痕迹

如果市场真的大幅有效，量化就只剩下零和的技术军备。行为金融补上了另一半故事：投资者会锚定旧价格、追涨杀跌、对亏损持仓恋恋不舍，机构同样受制于考核周期与资金流约束。这些系统性偏差在价格上留下可重复的痕迹——反应不足孕育动量，过度反应孕育反转——这就是第三章里两大策略族的行为学地基。但要保持清醒：偏差型收益天然脆弱。当足够多的人知道这个偏差并系统性利用它，偏差本身会被削弱甚至反转。研究者的正确姿态是把行为异象当作有时效的红利，而不是永恒的规律。

⚠️ 常见坑：把因子暴露当成阿尔法向投资人汇报。用多因子模型做一次归因，很多"超额收益"会现出原形——那不过是价值暴露或小市值暴露在样本期恰好顺风。

深入一步：给一个真实故事做来源鉴定

用 1.3 的框架鉴定一个经典故事：某团队发现低波动股票组合的长期表现优于高波动组合，立项"低波动策略"。来源鉴定第一步，风险溢价检查——低波动异象的一种解释是"资金约束"：加杠杆受限的投资者只能通过买高波动股票来放大收益，把高波动股票的价格推得偏贵，低波动股票因此成了被冷落的便宜货。若如此，这属于结构性约束的溢价，耐用性取决于约束是否持续。第二步，行为解释检查——另一种解释是"彩票偏好"：投资者高估暴富概率，系统性追逐高波动股票。若如此，这属于行为偏差捕食，耐用性取决于偏好何时被认知。第三步，暴露检查——低波动组合在行业与市值上往往有系统性偏斜（集中在公用事业与大市值），不加中性化的话，所谓超额可能只是这些暴露的别名。三步之后结论就变得立体：这是一个真实但脆弱性已知的溢价，它的仓位与预期都应按"结构性红利、缓慢衰减"来设定。这个鉴定的价值不在结论本身，而在它把一个模糊的"我发现个规律"变成了一份有来源、有边界、有预期寿命的立项文件。

常见疑问

问：如果市场长期有效，量化基金为什么还存在？ 有效市场说的是信息被快速定价，而"快速"依赖一群专业化的参与者持续做定价工作——量化机构正是这个定价机制本身的一部分。它们赚的是提供定价服务的报酬与边际信息处理优势，这与其说违背有效市场，不如说是有效市场的运营成本。

问：行为异象被写进教科书之后，为什么还没有消失？ 一部分确实衰减了，学术界观察到已发表异象的收益在其论文公开后普遍走低；但另一部分与投资者的结构性约束绑定（考核周期、资金性质、可投资域），约束不消失，异象就不消失。判断标准是看异象的收益来源绑在人性的哪个环节：绑在认知偏差上的衰减快，绑在制度约束上的衰减慢。

问：多因子模型会不会把所有收益都解释掉，让量化无事可做？ 恰恰相反，多因子框架每收纳一个异象，就给研究者腾出一双眼睛去找残差里的新结构。归因模型是竞争的计时器，不是研究的终点——它的存在让无效的说法更难混下去，让有效的发现更快被承认。

本节要点回顾

• 有效市场是刻度尺不是判决书：它告诉你哪类信息红利已被吃干，策略必须找到未被吃干的位置；
• CAPM 是第一张试纸：回归贝塔区分真阿尔法与市场暴露，牛市神话多经不起这一步；
• 多因子模型双重身份：既是策略构建语言，也是收益归因的裁判；
• 收益来源要能填进表格：风险溢价、流动性服务、行为捕食、结构约束，四选一并评估其衰减速度；
• 行为异象有时效：偏差被认知后会削弱甚至反转，异象红利要有到期意识。

💡 关键直觉：评审一个策略时，最有杀伤力的问题从来不是"收益多少"，而是"这钱是谁付给你的、他为什么会一直付下去"。

收益来源的合法性审查通过之后，第二章正式进入研发流水线——从数据工程开始，把想法变成可检验的工程品。