本文導覽
一條熟悉的迴歸,兩個不同的模型市場模型:描述報酬如何一起變動CAPM:解釋不同資產為什麼有不同的期望報酬同樣叫 beta,什麼時候才是同一個 beta?CAPM 加上的限制:alpha 應該是多少?每一期 CAPM 都成立,合在一起就成立嗎?跑出 beta 之後,還要問什麼?延伸閱讀一條熟悉的迴歸,兩個不同的模型
「我們用個股報酬對市場報酬跑迴歸,估計 CAPM。」在財金課堂、研究報告與論文中,這是一句很常見的話。
把個股報酬放在左邊,市場指數報酬放在右邊,跑出一個 beta,似乎就完成了 CAPM 的估計。但仔細想想:這條迴歸究竟描述了什麼?CAPM 又對它提出了什麼要求?
市場模型(market model)與資本資產定價模型(CAPM),是性質不同的模型。前者是統計模型,描述報酬在時間序列上的共同變動;後者是經濟均衡模型,解釋不同資產的期望報酬,為什麼應該隨其市場風險而異。
兩者可以連結,但連結需要條件。若只因公式裡都出現 beta,就把它們當成同一件事,便容易把「描述資料」誤認為「解釋定價」。
時間序列的描述
報酬如何一起變動?同一資產,在不同時點,與選定指數報酬的統計關係。
橫斷面的定價限制
風險應得到多少報酬?同一投資期間,不同資產的期望報酬與市場 beta 的均衡關係。
市場模型:描述報酬如何一起變動
先刻意不用 beta,將市場模型寫成:
例如,蒐集某檔股票與台灣加權股價指數的月報酬,便可以估計:指數報酬較高的月份,這檔股票的報酬平均會高出多少?這是時間序列上的統計關係,並不表示指數變動必然是個股報酬變動的原因。
若將它理解為理論上的線性投射,在變異數有限且指數變異數大於零時,斜率為:
這個係數可以在 CAPM 不成立時照樣存在。選定的指數,也未必要是理論上的市場投組;它可以是股票市場指數,甚至是產業指數。只是改變基準,係數的意義也跟著改變。
線性投射的殘差平均為零,且與該指數報酬不相關,是投射本身的性質;它不會因此自動成為「沒有被定價的風險」。也不能單憑這一條迴歸,就假設不同股票的殘差彼此不相關。
CAPM:解釋不同資產為什麼有不同的期望報酬
CAPM 問的是另一個問題:在均衡中,投資人承擔什麼風險,應該得到多少期望報酬?其基本關係是:
這裡比較的是不同資產:某檔股票的 beta 較高,CAPM 要求它具有較高的期望報酬,前提是市場風險溢酬為正。這是橫斷面的定價限制,不是說每一期實現報酬,都必須落在證券市場線上。
因此,「某個月市場漲了1%,這檔股票平均跟著變動多少」,與「這檔股票應該提供多少期望報酬」,是不同的問題。市場模型回答前者;CAPM 對後者提出理論主張。[1]
同樣叫 beta,什麼時候才是同一個 beta?
容易混淆的原因,是我們通常也把市場模型的斜率寫成 beta。但這並不只是符號巧合:當基準投組、報酬期間與資訊條件一致時,兩者在理論上確實可以使用同一個共變異數比率。
問題在於,從歷史資料估計出的係數,不能省略條件,就直接當成理論中的風險衡量。我們至少需要把以下幾件事對接起來:
| 連結條件 | 需要釐清的問題 |
|---|---|
| 相同的市場投組 | 迴歸所用的指數,是否就是 CAPM 中的市場投組? |
| 相同的期間與資訊條件 | 月報酬與年報酬、條件與無條件 beta,不能直接混用。 |
| 可用歷史資料估計的環境 | 樣本是否能代表所研究的分配?參數與報酬關係是否足夠穩定? |
| CAPM 的定價限制成立 | 共同變動的係數,是否真的能解釋資產之間的期望報酬差異? |
理論上的市場投組涵蓋模型內所有風險資產;實務上常用的股票指數,是它的代理,而不是定義上的同義詞。另一方面,歷史時間序列要能估計理論中的期望值與共變異數,需要適當的抽樣與跨期假設,例如平穩性、遍歷性或其他可支持估計一致性的條件;不必一律要求報酬獨立同分配或服從常態。
換句話說:市場模型本身不需要 CAPM;有了適當的對接條件,CAPM 才能對市場模型施加定價限制。
CAPM 加上的限制:alpha 應該是多少?
為了把這個連結看得更清楚,改用超額報酬。令 x_{it} = R_{it} − r_{f,t} ,也就是扣除該期事前已知無風險報酬的資產報酬,估計:
在一致的無條件分配下,如果 CAPM 成立,而且使用的確實是市場投組,則 b_{i} 就對應該分配下的市場 beta。對迴歸式取期望值,再與 CAPM 比較,可以得到:
市場模型允許截距自由取值;CAPM 則要求,在適當條件下,超額報酬迴歸的理論截距為零。這個截距通常稱為 Jensen’s alpha。這也是橫斷面定價關係,能透過時間序列迴歸檢驗的原因。[1]
但如果使用的是原始報酬,且無風險利率固定,CAPM 對截距的限制是 a_{i} = (1 − \beta _{i} )r_{f} ,通常並不等於零。談 alpha 之前,先確認迴歸左右兩邊到底放了什麼。
每一期 CAPM 都成立,合在一起就成立嗎?
還有一個容易被忽略的問題:CAPM 原本描述某個投資期間的均衡,我們卻常用好幾年的月資料,估計一個固定 beta。中間跨過了什麼?
最簡單的處理,是假設相關關係在估計期間足夠穩定。但現實中,公司的營運與財務槓桿會變,市場風險溢酬也會隨經濟環境變動。即使 CAPM 每期在給定當時資訊後都成立,也未必能直接推出全樣本固定係數迴歸的 alpha 為零。條件 CAPM 文獻,便正面處理 beta 與風險溢酬隨時間變動的問題。[2]
進一步看:為什麼跨期平均會產生差異?
若條件 CAPM 為 E_{t} (x_{i,t+1} ) = \beta _{i,t} \lambda _{t} ,其中 \lambda _{t} = E_{t} (x_{M,t+1} ),取無條件期望便得到:
平均乘積不一定等於平均值的乘積。此外,全樣本線性投射的斜率,也不一定等於條件 beta 的簡單平均。因此,上式中的共變異數項不能直接當作全樣本 alpha;它說明的是,條件關係跨期加總後,需要重新推導。
所以,「CAPM 在一段時間內成立」還需要說清楚:成立的是每期的條件關係,還是整段樣本所對應的無條件關係?參數固定是方便的充分條件之一,並非唯一可能的連結方式。
跑出 beta 之後,還要問什麼?
研究者可以先用時間序列迴歸估計各資產的 beta,再比較不同資產的平均報酬與 beta 是否符合 CAPM;也可以在相應假設下,檢驗超額報酬迴歸的 alpha 是否共同為零。前者與後者,都是把理論轉換成可檢驗限制的方法。
但迴歸的 R² 很高,不代表 CAPM 成立。它只表示基準報酬能解釋較多的時間序列變動;CAPM 關心的定價限制,仍可能不成立。反過來說,R² 不高,也不直接推翻 CAPM,因為未被解釋的波動,未必具有非零的期望超額報酬。
樣本 alpha 不為零,也不能立刻歸因於經理人的能力或市場無效率。抽樣誤差、基準投組不適當、參數變動,以及定價模型本身的不足,都可能影響結果。
因此,下次看到「我們用市場模型估計 CAPM」時,不妨多問一句:你估計的是報酬的共同變動,還是在檢驗共同變動如何被定價?
跑出一個 beta,是統計估計的結果。讓這個 beta 具有 CAPM 的經濟意義,則需要把理論與資料之間的橋梁交代清楚。