投研知识库

CAPM

Properties2
tagsinvestment, valuation, 概念卡
aliases资本资产定价模型, Beta, 股权成本, 自下而上Beta

15分钟阅读

CAPM（资本资产定价模型）

定义

E(R) = Rf + β × (Rm − Rf)

它给的是股权成本——投资者承担这只股票的系统性风险所要求的最低回报率。

链条：CAPM → 股权成本 → WACC → DCF 的折现率 r → 估值。所以它是整个估值体系的最上游。

三个前置概念

达摩达兰把风险分析拆成三步，缺一步这个模型就用错：

① 从谁的眼睛看风险：边际投资者

一家公司常有几千个投资者，视角各不相同。风险必须从边际投资者（marginal investor，最可能在任一时点交易这只股票的人）的角度衡量。

估值的目标是衡量资产对给那些定价的人的价值。要忠于这个目标，就得考虑设定股价的那批人的视角。

这条常被忽略：你自己怎么看风险不重要，重要的是定价的边际投资者怎么看。

② 风险 = 实际回报与预期回报的偏离

买 5% 收益的一年期国债，一年后实际就是 5%——分布是一根竖线，这是无风险。买股票，你研究后预期 30%，实际几乎肯定不是 30%，可能高得多也可能低得多——分布展开了，这就是风险。

③ 只有市场风险被补偿

风险分两类：

  • 公司特有风险（firm-specific）——主要影响这家公司
  • 市场风险（market risk）——影响很多或全部公司

在边际投资者充分分散的市场里，只有后者会被补偿。 这是 β 只测系统性风险的理由，也是 适度分散 在定价层面的对应物。

β 由什么决定

三个变量：

决定因素方向
业务类型对市场环境越敏感 β 越高。周期性公司（房地产、汽车）高于非周期（食品加工、烟草）。产品的可选性也算：奢侈品（Gucci）高于日用必需品（宝洁的尿布）
经营杠杆固定成本占比越高，β 越高
财务杠杆负债越高，股权 β 越高

自下而上 β：不用回归也能算

达摩达兰的招牌方法，不需要这家公司的历史股价。

关键性质：两个资产组合的 β 是各自 β 的市值加权平均——所以一家公司的 β 就是它所有业务 β 的加权平均。

五步：

  1. 确定公司经营哪些业务
  2. 找每个业务里的其他上市公司，取它们的回归 β，算平均
  3. 用平均（或中位）债务/股权比给平均 β 去杠杆，得到该业务的无杠杆 β

    优先「先平均再去杠杆」而不是「先各自去杠杆再平均」——给一个错误的回归 β 去杠杆会放大误差

  4. 按各业务占公司价值的比重加权，得到公司的自下而上无杠杆 β（无市值数据时用营业利润或收入作权重）
  5. 用公司自身的债务/股权比重新加杠杆

这个方法对新上市公司、业务重组过的公司、以及回归 β 噪音太大的小公司特别有用。

为什么 CAPM 还活着

达摩达兰列了一堆替代品：套利定价模型（APM）、多因子模型（Chen-Roll-Ross 用工业产出、违约溢价、期限结构、非预期通胀、实际利率变化）、以及对均值-方差框架本身的三类质疑——

  • 肥尾：曼德博认为股价有太多极端值，不像正态分布，更像幂律分布（方差无限、长期价格依赖）
  • 不对称：正态分布的对称性不符合实际收益分布
  • 跳跃：风险度量应考虑价格跳跃的概率与幅度

达摩达兰的结论值得原样记住：

CAPM 是这些模型里最简单的——它只需要一个公司层面的输入（β），而且可以从公开信息中直接估出来。

要用别的模型替代它，我们需要的证据是在未来预测上有实质改进，而不只是在解释历史回报上更好。

CAPM 作为现实世界默认风险模型的存活，既证明了它的直觉吸引力，也证明了更复杂的模型未能带来实质改进。

审慎地使用 CAPM、不过度依赖历史数据，在多数情况下仍是估值中处理风险最有效的方式。

机构实操视角：把 CAPM 当高估低估的尺子

达摩达兰用 CAPM 算折现率；部分量化机构直接用它算目标价。同一个公式，两种完全不同的用法——这一节是后者。

判据

不看基本面绝对价格，只比两个数：

关系结论
实际涨幅 < CAPM 预期回报低估，还有潜在空间
实际涨幅 > CAPM 预期回报高估，是潜在卖出对象

它不用巴菲特那套”这股票值多少钱”，而是从机会成本出发：全球资金是逐利且流动的（股、债、其他金融产品），这笔风险值不值得承担，取决于风险溢价够不够补偿。

特斯拉实算（参数取 2025-10-03 收盘）

参数取值来源
Rf（无风险利率）4.1%10 年期美债收益率当日收盘
β2.09雅虎财经（免费可查）
E(Rm)10%见下方说明
市场风险溢价 = 10% − 4.1%          = 5.9%
β × 风险溢价  = 2.09 × 5.9%        = 12.331%
E(R_TSLA)     = 4.1% + 12.331%     = 16.431%
目标价        = 403.84 × 1.16431   ≈ 470.19

实盘对照：特斯拉在 470 附近毫无征兆被抛售——触发了量化的卖出线。这批卖单突然增加了供应，而上方原本没有压力，散户（特斯拉散户占比高）跟着恐慌砸盘，价格向下寻找新的平衡点（400–408 区间）。

必须理解成区间，不是点位。 讲者自己的数据库 β≈2.4，算出约 480；不同参数得到的区间是 460–485/490。470 这个精确度只是巧合。

为什么 E(Rm) 用 10% 而不是历史 8.7%

1956–2025 标普长期平均约 8.7%，常见保守取值 7%–9%。机构把它上调到 10% 是有意的：

算出来的是上限。 上限定出来后，在接近上限之前就有动作——所以真实的卖压会出现在算出的目标价之下。

反向也成立：遇到标普持平或衰退周期，机构会前瞻下调到 7% 以下（6.5%、6.7%、6.8%，取决于衰退幅度）。同一只股票、同样的 β，算出的目标价完全不同——这就是熊市在定价层面的推动机制。

所以”标普前瞻预期如何”直接决定全市场的风险计价。回归本质仍是看企业增长能力，只是换了一个量化角度。

适用性边界（这一节最容易被跳过）

情形适用？理由
EPS 衰退（去年赚 10 今年赚 8）❌风险与收益不匹配。哪怕算出来还有 50–60% 涨幅也不适用
未盈利但营收增长（负 EPS 的 AI 概念股）✅高风险匹配高收益，看营收增长即可
已盈利但营收不增长❌同样不匹配
β < 1❌不适用动态调整；β 回到 1 以上才重新适用

两条否决线合起来是：业绩衰退的不用，营收不增长的不用。

β 正循环：为什么横盘股业绩一改善就加速上涨

最后那条 β<1 的限制反过来解释了一个常见现象：

业绩重大改善 → 资金小幅进场 → β 上升 → 机构预期回报（E(R)）提升
    → 判定为低估、需求增加 → 更大资金进场 → β 继续上升 → …

这是一个自我强化的正反馈。 所以长期阴跌/横盘的低波动股，一旦财报给出前瞻改善，涨得不只是一天快，而是持续快，且”一改往日颓势”。

案例是 MU 美光：从消费级存储降价的逆风期 → AI 爆发 → 不确定期 → OpenAI 投资后的大幅增长与涨价预期，β 一路大幅上升。

但要业绩验证

故事只是引爆点，不是循环本身。 讲得圆、并且后续真有业绩验证，正循环才成立；只有故事没有验证，β 上升会回落。 这条正好是 叙事识别 的定量对应面——叙事能启动循环，只有业绩能维持它。

常见误用

  • 用回归 β 而不检查它。回归 β 噪音大、受估计窗口和基准选择影响，小公司尤甚。用自下而上 β 交叉验证。
  • 忘了 β 会因杠杆变化。公司改变资本结构，β 就变了——不能拿五年前的 β 用到今天。
  • 拿 β 当”波动性”。β 测的是相对市场的敏感度，不是总波动（那是标准差，见 风险调整收益）。
  • 在 A 股直接套美股参数。Rf、市场风险溢价、可比公司集合全都不同。
  • 把算出的目标价当精确点位。它是 460–490 这种区间，且机构在触线之前就动手。
  • 在 EPS 衰退股上用它找便宜。适用性边界里的第一条否决线，算出来的涨幅空间是假的。
  • 忽略 E(Rm) 的前瞻调整。牛熊切换时机构改的就是这个参数，你用固定 10% 会系统性看多。
  • 过度依赖历史数据——达摩达兰特意强调的那句。历史 β 描述过去的敏感度，估值需要的是未来的。
  • 因为 CAPM 有缺陷就换个更复杂的模型。判据是未来预测精度是否改进，不是理论是否更漂亮。

相邻概念

WACC · DCF · 估值 · ROIC · 风险溢价 · 风险调整收益 · 波动率 · 适度分散 · 股票供需 · 叙事识别

来源

待补

  • Ilmanen《Expected Returns》—— Fama-French 之后的现代批评（仍缺）

待验证问题

  • 给我的核心持仓做一次自下而上 β，和券商给的回归 β 差多少？
  • A 股用什么做 Rf 和市场风险溢价？（10 年期国债 + 什么口径的 ERP）
  • 我持仓里经营杠杆最高的是哪只？它的 β 是不是被低估了？
  • 达摩达兰说「不过度依赖历史数据」——具体怎么做？前瞻性调整 β 的方法是什么？
  • 给核心持仓各算一遍 CAPM 目标价区间，和我按估值分位定的档位差多少？两套尺子给出矛盾结论时听哪个？
  • A 股/港股哪里能拿到可信的 β？（雅虎对美股免费，A 股口径不同）
  • 我持仓里有几只落在”EPS 衰退”或”营收不增长”的不适用区？

Graph View

反向链接