A. beta收益和alpha收益是什么意思一般用于投资领域
Alpha:投资组合的超额收益，表现管理者的能力；Beta:市场风险，最初主要指股票市场的系统性风险或收益。换句话说，跑赢大盘的就叫Alpha，跟着大盘起伏就叫Beta。80年代，大家的认知基于CAPM模型PortfolioReturn可分解为beta(和基准完全相关)和alpha(和基准不相关)。90年代，人们不再局限于市场这个单一因子，APT模型和Barra多因子模型扩大了人们选择因子的范围，包括地区/行业因子等。
拓展资料
使用简单公式计算 Beta 系数
1、 确定无风险利率。
这是投资者在无风险投资上预期可获得的收益率，例如以美元投资的美国国库券，以欧元交易和投资的德国政府债券等。该数字通常以百分比表示。
2 、分别确定股票收益率、市场（或代表性指数）收益率。
这些数字也以百分比表示。通常情况下，需要使用若干个月的时段数据计算收益率。
3 、用股票的收益率减去无风险利率。如果股票的收益率为 7%，无风险利率为 2%，则二者的差为 5%。
在计算 Beta 系数时，通常（尽管不是必需的）要使用待计算股票所处市场的代表性指数。对于美国股市，标准普尔 500 是经常使用的指数，但分析工业股时最好使用道琼斯工业平均指数。对于在国际范围内交易的股票，MSCI EAFE（代表欧洲、澳大利亚和远东地区）是一个合适的代表性指数。对于中国 A 股，可以使用上证指数。
4、用股票收益率减无风险利率的差除以市场（或指数）收益率减无风险利率的差。
得出的即为 Beta 系数，通常用小数表示。在上例中，Beta 系数为 5 除以 6，得到 0.833。从定义上可以得出，市场或其代表性指数本身的 Beta 系数为 1.0，这是因为市场与其自身作比较的话，任何非零数除以本身结果都等于 1。Beta 系数小于 1 表示股票比市场整体的波动率低，Beta 系数大于 1 表示股票比市场整体的波动率高。Beta 系数可以小于零，表示投资该股票出现亏损，但市场整体盈利（此可能性较大）；或者投资该股票盈利，但市场整体亏损（此可能性较小）。
B. 聪明的“贝塔”真的聪明吗
聪明贝塔（Smart Beta）是最近几年投资界比较引人注目的一个热门话题。今天就专门来讲讲这个聪明贝塔。
在这里我要提醒一下读者，这篇文章的内容稍微有点偏金融专业。如果读者朋友们不是金融背景出身，可能会碰到一些不太熟悉的概念和术语。但是你也不用太害怕，在这些专业术语的背后，其逻辑并不复杂。我会尽量用简单易懂的语言来把这个问题说清楚。
讲完了提供因子指数的指数编制公司，再来介绍一下追踪这些指数的基金经理。这些基金经理的工作是根据指数编排的规则，去复制这些指数，从而给予投资者和指数类似的回报。回报当然是越和指数回报接近越好，但在实际中做不到。因为指数不考虑交易成本和基金的管理费用。
在这个领域做的比较超前的有这么几家公司。首先是Blackrock IShares。2009年Blackrock以135亿美元的价格并购了BGI，同时也购买到了IShares这个品牌。在Blackrock IShare旗下，有比较全的因子指数基金，比如上面表格中的价值，动量，低波动等基金。这些基金的总费用率大概在0.15%左右，但需要注意他们绝大多数都仅限于美国市场。
先锋，Vanguard，是指数基金领域另外一大巨头。先锋在因子指数方面提供的产品不多，只有红利，低波动和小股票指数基金，且仅限于美国市场。当然如果这个领域是未来发展的方向，相信各大公司会相继推出更多的产品。
Invesco Powershare和Charles Schwab也提供不少因子指数基金。缺点是他们的费率都比较高，一般介于0.25%-0.6%之间（如上图所示）。Arnott的Fundamental Index (基本面指数）指数基金由Charles Schwab管理，费率为每年0.32%，也就是说该指数需要每年至少战胜标准普尔0.28%左右（先锋的标准普尔500指数基金费率为0.05%）才可能让投资者获得好处。
总结
关于股票因子回报的分析，是金融界一大创新和进步。该研究最大的贡献，是让投资者了解到可能提供超额回报的源头，并且让普通投资者以比较低廉的价格（通过因子指数基金）去获得这些因子回报。在没有因子指数基金的世界（比如中国），投资者想要获得这些因子回报，只能通过投资基金经理，并付出比较高的费用（可能是每年1.5%-2%，在有些私募基金还需要外加15%-20%的利润分成）。而这些因子指数基金，只收取0.15%-0.6%左右的总费用，没有利润分成，对于投资者来说确实是一大好消息。
因子回报研究的另一大贡献是，它向广大投资者们提供了设计自己的对冲基金策略的可能性。在绝大部分股票型对冲基金中，基金经理做的工作无非是买多某些因子，卖空另外一些因子。如果市场上有了基于因子的指数基金，并且可以卖空的话，对于我们广大投资者来说，自己去交易自己设计的对冲基金策略就不再是个梦了。
当然，科技的进步永远不会停止。我相信中国市场中的因子指数基金迟早也会出现。到时候广大的中国投资者也会有更大的投资选项。
希望对大家有所帮助。
C. 概述资本资产定价模型（CAPM）的基本内容及其实践意义。
资本资产定价模型（CAPM）的基本内容是研究证券市场中资产的预期收益率与风险资产之间的数量关系，即为了补偿某一特定程度的风险，投资者应该获得多少的报酬率，以及均衡价格是如何形成的。
资本资产定价模型的实践意义是应用于资产估值、资金成本预算以及资源配置等方面，是现代金融市场价格理论的支柱。CAPM模型在证券理论界已经得到普遍认可，该模型主要对证券收益与市场组合收益变动的敏感性作出分析，帮助投资者决定所得到的额外回报是否与当中的风险相匹配。
(3)股票风险因子beta扩展阅读：
按照CAPM的规定，Beta系数是用以度量资产系统风险的指针，用来衡量一种证券或一个投资组合相对总体市场的波动性。β表示的是相对于市场收益率变动、个别资产收益率同时发生变动的程度，是一个标准化的度量单项资产对市场组合方差贡献的指标。
也就是说，如果一个股票的价格和市场的价格波动性是一致的，那么这个股票的Beta值就是1。如果一个股票的Beta是1.5，就意味着当市场上升10%时，该股票价格则上升15%；而市场下降10%时，股票的价格亦会下降15%。通过统计分析同一时期市场每天的收益情况以及单个股票每天的价格收益来计算出。
D. 若给你1000万资金如何配置用capm和TRV模型分析
摘要 资本资产定价模型公式
E. 贝塔系数怎么计算 具体
贝塔系数的计算
贝塔系数利用回归的方法计算。贝塔系数为1即证券的价格与市场一同变动。贝塔系数高于1即证券价格比总体市场更波动。贝塔系数低于1（大于0）即证券价格的波动性比市场为低。
贝塔系数的计算公式
公式为：
其中ρam为证券a与市场的相关系数；σa为证券a的标准差；σm为市场的标准差。
据此公式，贝塔系数并不代表证券价格波动与总体市场波动的直接联系。
不能绝对地说，β越大，证券价格波动（σa）相对于总体市场波动（σm）越大；同样，β越小，也不完全代表σa相对于σm越小。
甚至即使β = 0也不能代表证券无风险，而有可能是证券价格波动与市场价格波动无关（ρam= 0），但是可以确定，如果证券无风险（σa），β一定为零。
拓展资料
1、贝塔系数概述
贝塔系数（Beta Coefficient）是一种评估证券系统性风险的工具，用以度量一种证券或一个投资证券组合相对总体市场的波动性。在股票、基金等投资术语中常见。
贝塔系数是统计学上的概念，它所反映的是某一投资对象相对于大盘的表现情况。其绝对值越大，显示其收益变化幅度相对于大盘的变化幅度越大；绝对值越小，显示其变化幅度相对于大盘越小。如果是负值，则显示其变化的方向与大盘的变化方向相反；
大盘涨的时候它跌，大盘跌的时候它涨。由于我们投资于投资基金的目的是为了取得专家理财的服务,以取得优于被动投资于大盘的表现情况，这一指标可以作为考察基金经理降低投资波动性风险的能力。 在计算贝塔系数时,除了基金的表现数据外,还需要有作为反映大盘表现的指标。
2、贝塔系数应用
贝塔系数反映了个股对市场（或大盘）变化的敏感性，也就是个股与大盘的相关性或通俗说的“股性”。可根据市场走势预测选择不同的贝塔系数的证券从而获得额外收益，特别适合作波段操作使用。
当有很大把握预测到一个大牛市或大盘某个大涨阶段的到来时，应该选择那些高贝塔系数的证券，它将成倍地放大市场收益率，为你带来高额的收益；相反在一个熊市到来或大盘某个下跌阶段到来时，你应该调整投资结构以抵御市场风险，避免损失，办法是选择那些低贝塔系数的证券。
为避免非系统风险，可以在相应的市场走势下选择那些相同或相近贝塔系数的证券进行投资组合。比如：一支个股贝塔系数为1.3，说明当大盘涨1%时，它可能涨1.3%，反之亦然；但如果一支个股贝塔系数为-1.3%时，说明当大盘涨1%时，它可能跌1.3%，同理，大盘如果跌1%，它有可能涨1.3%。
贝塔系数是反映单个证券或证券组合相对于证券市场系统风险变动程度的一个重要指标。通过对贝塔系数的计算,投资者可以得出单个证券或证券组合未来将面临的市场风险状况.通常贝塔系数是用历史数据来计算的，而历史数据计算出来的贝塔系数是否具有一定的稳定性，将直接影响贝塔系数的应用效果。利用CHOW检验方法对我国证券市场已经实现股份全流通的上市公司进行检验后发现，大部分上市公司在实现股份全流通后，其贝塔系数并没有发生显着的改变，用贝塔系数进行系统风险的预测可靠性还是相当高的。
F. “聪明基金“Smart beta策略能赚大钱吗
自2000年以后，股票已经经历了两轮大熊市，而现在又开始有走软迹象。养老基金，保险公司以及捐献基金寻找新的回报来源就没什么奇怪的了。“smart-beta”正是最新的基金管理业的术语。
“Alpha”是选择单个标的资产超越大盘的技能。
“beta”则是资产组合相对于整体市场(如以某个指数基金为代表)的相对收益。
传统的“市值加权”法，是投资者按市值等比例购买股票或者债券的方法，
而“smart beta”则是尝试在跟踪某一大类资产的同时，调整成份证券权重，以获取增强性收益的投资方法。
[Smart Beta]
众所周知，beta在CAPM模型中衡量了相对于持有整个市场所带来的风险溢价（risk premium）的大小。整个市场通常用市场投资组合（market portfolio）或市场指数基金（market index fund）来表示。市场指数通常都是市值加权（market capitalization weighted）。如果把市场指数换成按非市值加权的指数或投资组合，其得到的beta即为smart beta，又被称为alternative beta或exotic beta。理由是因为这些新指数的权重是由某些量化算法得出的，看上去比最普通简单的市值加权要更“聪明”些。
现在比较流行的算法有：
等权重加权（Equal Weight, EW）:
等风险加权（Risk Parity），可以看作是调节波动率后的等权重
等风险贡献加权（Equal Risk Contribution ，ERC），可以看作是考虑了资产回报率之间协方差后的risk parity
最小方差加权（Minimum Variance, MV
最大多样化加权（Maximum Diversification，MD
如下图所示，从左至右，这些加权法需要的参数逐渐增加。ERC，MV，和MD都属于“robust risk parity”因为它们把协方差考虑在内。最经典的均值-方差优化法（mean-variance optimization）需要知道预期回报，方差与协方差，因为此优化法同时使风险最小化，预期回报最大化，不过，这里涉及到因子对准问题（Factor Alignment Problem, FAP），下文中会提到。smart beta策略只考虑波动率与协方差，所以，我们把它们看作只关注风险（risk-based）而不关注预期回报（return-based）的策略。
[随机折现因子，SDF]
事实上，CAPM模型是资产定价模型（asset pricing model）的一个比较有名的特例，因为广义的随机折现因子（stochastic discount factor，SDF）在CAPM中被狭义的市场投资组合所代表了。
按资产定价模型的定义：p = E(mx)，任何资产的价格就是折现后所得回报的期望，其中x是资产在未来的回报，m就是随机折现因子SDF。利用协方差的定义，我们得到
所以，任何资产的价格等于用无风险率折现后所得回报的期望再加上一个风险溢价（risk premium），而这个溢价是SDF与未来回报的协方差。
按照芝加哥大学经济学教授John Cochrane的说法，投资者的状态有‘好’和‘坏’之分（good vs. bad times）。‘坏’的状态一般指个人财富降低，导致其发生的原因可以是由于个人负债过高，或收入降低等等造成的。而SDF是定义这个状态‘坏’时的指标，状态越‘坏’，指标越高。由于大部分资产在状态‘好’时，回报很高，所以这个协方差通常为负。更重要的是，如果一个资产的回报与个人状态好坏无关，即与SDF无关（风险中性状态，risk-neutral），那它的价格只能由无风险率决定（协方差为零）。
把上式写成预期回报率（expected return）的形式，会更直观些
进一步推导得到预期资产回报率的“beta表达式”
换句话说，人们只有承担系统性风险（systemic risk，与SDF相关）才能取得收益。如果承担非系统性风险（idiosyncratic risk），则无任何益处。
由此可见，SDF作用很重要，但是它只存在于理论中。人们千方百计地在真实世界里寻找替代品，即所谓的风险因子（risk factor）。所以，我们也可以这样认为：人们承担的（系统性）风险越大（尤其在状态‘坏’时），作为补偿的因子风险溢价（factor risk premium）也越大（尤其在状态‘好’时）。高风险的资产必须有足够高的预期回报率，即足够低的价格，才能吸引人们来购买并持有它。
[多因子模型]
由于我们在CAPM中假设SDF只与市场投资组合回报有关，所以市场投资组合是CAPM中唯一的因子。在此基础上，我们也可以进一步假设SDF与多个因子线性相关
由此得到多因子模型。因子不同，对投资者状态‘坏’时的定义也不同，由此承担的风险敞口以及获得的溢价也会不同。Fama-French三因子模型是多因子模型中的经典代表。诺奖得主Gene Fama和Dartmouth大学教授Ken French通过对大量股票中某些共同特征进行筛选，从而得到有别于大盘因子的两个新因子：规模与价值（HML，SMB）用以组成三因子模型。这个模型恰好能很好地解释股票的预期回报。后来，该模型又加上了动量因子（momentum），遂成四因子模型。从结构上讲，这与Stephen Ross提出的套利定价理论（arbitrage pricing theory）相似。唯一不同的是，APT直接从统计的层面入手，假设资产回报率可以由一系列因子表示。
[基于因子的资产配置策略]
前面啰里啰唆说了这么多，我只想强调因子的重要性。需要指出的是，上文中提到的广义资产定价模型与风险因子不只局限于股票市场，而是适合任何资产和资本市场。可以这么说，风险因子才是资产之间联动的根本原因，资产配置实际上是因子的配置。
我们可以把各种资产比作各种食物，把各种因子比作各种营养，比如维生素。理论上来说，我们既可以通过摄取不同食物来获得不同维生素，也可以通过直接服用维生素来获得所需营养。比如，为了治疗脚气，人们即可以多吃谷物，猕猴桃，蓝莓等富含维生素B1的食物，也可以直接服用维生素B1药片。
如同某一食物含有多种营养一样，买入并持有某一个资产可能会带来不同的因子风险敞口（factor risk exposure）。比如，在美国NASDAQ上市的网络，它的股票价格即包含了科技板块的风险，也包含了中小版块的风险，另外，由于公司的总部在中国，它还包含了中国经济发展的风险。当然，还可能包括一些其他未知风险。这也是多因子模型中资产表现评估（performance assessment）的精髓。
同样道理，如果我们只想要某单一风险，如同维生素B1药片，我们就要巧妙选取资产来达到此目的。在上文提到的Fama-French三因子模型中，Fama和French为我们很好地展示了如何对大量股票进行筛选，把具有共性的多支股票组合在一起，构造出所需要的因子（factor mimicking portfolio）。人们根据不同的风险偏好选择不同因子，以获得不同的因子风险敞口从而赚取不同的因子风险溢价，比如，动量因子，基本面指数。
至于如何发现新的有用的风险因子，则不在本帖讨论范围内。不过，下图展示了资产配置策略的发展过程与新风险因子的发现密不可分。这些新因子现在已被大众广泛应用于投资中了
70年代，人们开始将投资组合用于主动投资管理中（active management）。
80年代，市场指数基金的流行使人们更加便捷且廉价地投资整个市场，因为CAPM模型让他们意识到只有承担系统性风险（systemic risk）才能取得收益，其风险及收益的大小由beta来衡量。而那些市场超额回报则由alpha来衡量。
90年代，人们不再局限于市场这个单一因子，APT和Barra多因子模型扩大了人们选择因子的范围，其中包括国家地域因子，行业因子，宏观因子等。
2000年之后，人们对因子的认识又扩展到了新领域：风格因子与策略因子。比如，Fama-French三因子及Carhart四因子模型中的规模，价值，和动量因子。新的因子又比如carry，低波动率，流动性（liquidity），基本面因子，以及本帖介绍的smart beta策略等。更重要的是，人们意识到之前他们认为的alpha，其中有很大一部分是非传统的beta。那些业内人士把这些beta包装成alpha在推销（sell beta as alpha，见下文“另类投资”部分）。
随着ETF的流行，人们能够越来越方便地接触到不同因子并直接应用于投资中，尤其是应用于被动投资中。与对冲基金，共同基金，期货等相比，ETF的优点是更透明，成本更低，进入市场的门槛更低。一些较受欢迎的因子ETF或smart beta ETF包括：RSP（标准普尔500等权ETF），SPLV（标准普尔500低波动率ETF），FNDB（Schwab美国基本面指数ETF）等等。
[全天候式投资组合（All-weather Portfolio）]
上文中提到了宏观因子（macro factors），就不得不提一下与之有关的资产配置策略：全天候式投资组合（All-weather Portfolio）。此策略是美国知名对冲基金Bridgewater的负责人Ray Dalio长期研究的成果，其核心观点是将宏观因子，经济情景（economic scenario），和上文中提到的等风险权重（risk parity）结合在一起。
宏观因子与资产回报之间的相关性很低，尤其是在短期，但使用经济情景可以在长线投资中弥补这个不足。另外，由于一般投资者不喜欢借钱来投资（leverage aversion），这造成了投资组合中股票等高风险资产的权重高于理论中的最优值。使用等风险权重可以纠正这一偏差。
这里，宏观因子主要考察的是经济增长和通货膨胀，并由此定义四种经济情景：
（1）经济增长上升，通胀上升
（2）经济增长上升，通胀下降
（3）经济增长下降，通胀上升
（4）经济增长下降和通胀下降。
然后，从历史数据中找出资产价格的变化与这些经济情景的关系，从而确定可投资的资产以及相应的权重，使得投资组合在每个经济情景中分配到的风险相等（如下图所示）。这样，随着时间的推移，该投资组合能够经受住各种宏观风险的冲击，“全天候式”的名称由此而来
不过，全天候式投资组合在2013年遇到了些小麻烦。在标准普尔500指数增长30%的情况下，Ray Dalio旗下的全天候式投资组合基金的回报率为-3.9%。于是，全天候式投资这个概念也遭受了质疑 。但我认为资产配置的重要功能之一就是帮助保护投资者的财富，防范风险。所以其分散风险的优势要在长线投资中才能显现出来，人们不应该太在意短期的失利，下文中会提到。
[耶鲁模式 Yale Model]
耶鲁大学捐赠基金（Yale Endowment）由于其在同行中长期傲人的投资表现，已经被视为是资产配置行业的一个榜样，简称耶鲁模式（Yale Model）或常春藤投资组合（Ivy Portfolio）。耶鲁模式之所以能取得不错的收益，主要得益于其在另类投资（alternative investment）中的高配置，包括各种私募基金，对冲基金，风险资本（venture capital），房地产等。近年来，其占整个投资组合的比重高达60%。耶鲁基金从上世纪90年代就开始投资当时颇具神秘色彩的私募基金和对冲基金了。这些基金的特点是乏人问津，投资准入门槛高，因此其收益可以说是来源于价值因子和低流动性因子。
虽然，这些因子给耶鲁基金带来了可观的回报，但在08金融危机中，由于人们的恐慌性抛售，低流动性资产重创了该基金。从理论上来讲，这符合上文中提到的因子投资的特性，即人们承担的（系统性）风险越大（尤其在状态‘坏’时），作为补偿的因子风险溢价（factor risk premium）也越大（尤其在状态‘好’时）。
然而08金融危机过后，在标准普尔500屡创新高的情况下，耶鲁基金的资产始终没有超过08年的最高点。一个很重要的原因是因为耶鲁基金的成功模式开始被不少养老金机构和规模较小的大学捐赠基金效仿，导致了在另类投资中的风险溢价大幅减少。耶鲁基金在其年报中也承认了这一点。但它近年来仍能在投资表现上对同行保持微弱的优势，其成功的关键在于它能够找到最优秀的基金经理来管理投资，这在其年报中也提到了。可惜的是，这些最优秀的基金经理中的大部分都已不接受新的资金。因此，这个成功的关键只适用于耶鲁自己而无法被他人复制。
由此可见，耶鲁基金在可预见的未来仍可能继续领跑这个行业，但它作为一种已被大众所熟悉的投资模式不可能在短期内重塑辉煌。
[另类投资不另类]
随着耶鲁基金的成功，那些往日不为人知的另类投资（alternative investment）也掀开了它们神秘的面纱。以其中的对冲基金为例，其高回报及低相关性吸引了人们来研究它。
研究结果显示对冲基金的回报能提供的alpha非常有限，而有很大一部分是来自各种beta，我有一个帖子专门讨论了这个现象。除去少数明星基金，大部分对冲基金能取得回报的一个重要原因并不是因为它们能提供下行风险的对冲（protection on downside risk），恰恰相反，而是因为它们在市场下行的时候回报足够糟糕，也就是说它们对尾部风险（tail risk）的敞口很大。这与我们之前的认知不太一样，但符合因子投资的特征。
大家可能都知道股神巴菲特与另类投资公司Protege Partners之间的十年赌约吧。巴菲特在2008年初跟对方打赌说“an index fund will beat a fund of hedge funds over ten years”。那到目前为止（2014年）结果怎样呢？有“好事”者把两者做了一个比较，发现巴菲特建议的投资暂时领先（见下图）
进一步的研究发现，如果我们把指数基金降低杠杆并收取费用，我们竟然得到了与对冲基金同样的收益！（见下图）
另一方面，如果想要得到私募基金的回报，我们只有增加杠杆并收取费用即可。由此可见，另类投资行业经常把已知的beta当成alpha来推销。然而，随着因子研究的不断深入，人们对另类投资的理解也越来越深刻。另类投资已变得不再另类。
[重新审视Smart Beta]
在了解了因子与资产之间的关系后，我们现在再来重新审视一下Smart Beta策略，看看它们是不是有特别之处呢？回答是否定的。
研究显示这些Smart Beta策略其实都是某些因子的组合。比如，等权重加权法偏向于规模因子。这个很容易理解，因为这种加权法使小盘股获得与大盘股同样的权重。又比如，最小方差加权法偏向于低beta因子与低波动率因子。然而，等风险加权法与等风险贡献加权法更偏向于低beta因子和规模因子。
如下图所示，Smart Beta策略与上文中提到的其他因子策略同属一个均值-方差框架内，但正如上文中提到的，Smart Beta策略的着重点是风险，而其他因子策略的着重点是预期回报（risk-based vs. return-based）。不过，最后的效果是相似的，都具有某些因子偏向（factor tilt）
更令人意想不到的是，与Smart Beta正好反向操作的策略竟然也能赚钱。究其原因，原来这些反向策略仍就偏向规模与价值因子。即使是随机投资组合（random portfolio，即着名的“猩猩掷飞镖选股法”，在《漫步华尔街》一书中屡次被提及）也有类似的因子偏向（factor tilt，下图所示）。由此可见，Smart Beta策略能跑赢大盘就不足为奇了，因为它们承担了一定的因子风险。
既然谈到了均值-方差优化框架，这里就顺便提一下因子对准的问题（Factor Alignment Problem）。此问题的出现是因为在均值-方差优化法中的预期回报，风险与优化问题的约束条件（optimization constraints）三者所侧重的因子有时不尽相同（misalignment）。比如，在预测预期回报中使用的因子可能在风险模型中没有被使用到。当我们运用优化算法时，更恶化了这个问题，因为我们可能低估了那部分因子的风险，从而在使预期回报最大化的过程中，高估了与风险模型无关的那部分因子的预期回报。庆幸的是，Smart Beta策略和其他因子策略都只侧重均值-方差优化法中的一部分，从而避免了此问题。
虽然Smart Beta策略只是普通的因子配置，但它如此受欢迎有它的道理。我认为主要原因有下列几个：
（1）美联储的QE大幅降低了固定收益类资产的回报，使得投资者不得不寻找其他投资门道来增加收益。
（2）08金融危机中的恐慌和之后美联储的QE都影响了市场对各种资产的真实定价功能，资产与资产间原有的联系减弱了。取而代之的是，大部分资产都随着美联储的货币政策起舞。“risk-on/off”模式使得传统的资产分散化投资（diversification）失灵了。
（3）投资者们仍然对08金融危机时财富大幅缩水记忆犹新，所以比起资产的预期回报，他们更注重风险的控制，更偏爱能控制风险的策略。
（4）08金融危机后，投资者希望在投资中减少人为操纵的因素，更偏爱透明度高，原理简单的投资产品。
（5）依照某些算法或规则产生的投资策略（rule-based strategy）可以大大降低由于人们行为上的偏差（behaviour bias）而造成的损失。
（6）传统的对冲基金和共同基金的高费用一直受人诟病。
因此，这些主题明确，成本更低，且看上去能控制风险的Smart Beta策略在经过精心包装后迅速受到了大众的追捧。目前掌握着金融市场大部分资金的机构投资者（institutional investors），比如养老基金，大学捐赠基金，资产管理公司，保险公司等都在往这个方向发展，这股趋势对人们投资理念的影响深远。
[市场与因子风险溢价]
虽然因子投资有种种优点，但是，我们没有任何理论可以保证某一个因子策略可以始终跑赢市场。
事实上，我们经常看到的是这样的情形：某一个策略或资产在某一段时间内的表现持续地领先整个市场，通过媒体的报道和业界专业人士的包装，普通投资者们立刻对它们趋之若鹜。于是，这些策略中对应的资产价格井喷式地被抬高，预期回报大幅降低，直到泡沫破裂，重新回归长期均线为止。这样的例子比比皆是，比如90年代的增长型股票策略，08金融危机前的新兴市场策略，危机后的黄金，低波动率策略，高股息策略等等。
投资者持有资产时因为包含了风险因子才会得到风险溢价，用以补偿他们所承担的某一种系统性风险，我们知道风险溢价是随时间变动的（time varying），我们不知道何时能够得到补偿。这也是为什么股神巴菲特不断鼓励人们不要在意一时的得失也不要随意改变投资风格，而要做长线投资。只有这样获得溢价补偿才是大概率事件。巴菲特本人就用他大半生的经历来证明这个理念的正确性。如果我们用多个因子构造出一个投资组合，我们就可以利用它们之间稳定的低关联性等优点进行分散化投资，以避免上述单因子策略出现的损失。美国着名对冲基金AQR就巧妙地利用了因子的这些优点构造投资组合并取得了持久且不错的收益。
市场是个零合游戏（zero-sum game），任何异于市场的投资，必定有一个与之对应的反向投资，而它们在长期都将回归到市场这个动态的均衡点上（equilibrium）。任何想跑赢市场的投资策略（包括因子策略，择时策略等）只适用于一部分人，因为这需要另一部分人反向操作来支持他们。如果市场内的大部分人都采用同一种策略，那新的市场均衡点就形成了，投资策略也就失去了意义。这也是为什么包括对冲基金在内的另类投资在被大众熟悉后就失去了往日的光环。
有人担心如果市场上大量的资金流向指数基金和被动投资策略，主动投资的交易减少会导致市场失去发现资产真实价值的功能。我倒不这么认为，因为从本帖的分析中我们了解了，只有长期持有整个市场投资组合才是真正的被动投资。除此之外的其它异于市场权重加权的策略或指数都是主动投资，因为它们都具有某些因子的偏向。为了保持这些因子敞口，人们要定期地主动地进行再平衡调整（rebalance，即始终持有对某个因子偏向最强的资产，抛弃偏向最弱的资产）。只不过，主动投资的控制权不在投资者而在指数或ETF管理公司那里。无论如何，主动投资仍是市场中的大多数。
另一方面，传统意义上的主动投资（包括共同基金，对冲基金）从长远看并不会消失。尽管主动投资的表现不尽如意，收费也较高。如下图所示，以代表对冲基金整体水平的指数HFRX已经连续十年跑输仅由股票和债券组成的简单投资组合了
但是投资者们寄希望于将来能够选到更优秀的基金经理来跑赢被动投资，而且主动投资的参与者越少，能跑赢的概率越大，因此，投资者们仍然坚守着自己的主动投资仓位尽管有一些下降。投资者的这个看似愚蠢的决定其实是经过理性思考后做出的。
这就是主动投资与被动投资之间此消彼长的辩证关系，假设在极端情况下，资产的价格反映了所有信息，那么人们就没有动力去主动寻找新的信息。大家都被动接受信息的结果是整个市场没有信息。那么，这时候主动寻找新信息就可以占得先机。此关系可以看作是对有效市场假说（EMH）的一个注解。所以，完全有效的市场是不稳定的均衡点，永远不可能达到。市场始终处在半informative 半uninformative的状态，两者的人数多少取决于信息的成本和市场本身的结构。比如，在像中国这样不成熟市场中，由于种种原因使得获得信息的成本较高，从而使主动投资者更可能取得较高的回报。不过，随着市场的不断完善，获得信息的成本降低，越来越多的投资者会加入到被动投资的阵营中。
[结语]
总而言之，风险因子才是资产之间联动的根本原因，它描述了资产间某些共同特征。资产配置的实质是因子的配置。大规模的资产配置投资很难不涉及到某些因子敞口，而且，因子投资的特性会不断激励人们挖掘新的因子。随着资产定价理论的不断发展，我们不知道的beta会越来越少。
G. 公司理财上说权益资本成本的计算R=无风险利率+β*风险溢价。
按照资本资产定价模型，普通股资本成本（即权益资本成本）等于无风险利率加上风险溢价。
根据模型，必须估计无风险利率、股票的贝塔系数以及市场风险溢价。
1、无风险利率的估计。
a.通常认为，政府债券没有违约风险，可以代表无风险利率。在具体操作时，选择长期政府债券的利率比较适宜，最常见的做法是选用10年期的政府债券利率作为无风险利率的代表。
b.选择上市交易的政府长期债券的到期收益率（而非票面利率）作为无风险收益率的代表。
c.选择名义无风险利率（而非真实无风险利率）。
2、股票贝塔值的估计。
a.选择有关预测期间的长度。原则：宁短勿长。
b.选择收益计量的时间间隔。周/月收益率。
虽然贝塔值的驱动因素很多，但关键的因素只有三个：经营杠杆、财务杠杆和收益的周期性。如果公司在这三方面没有显着改变，则可以用历史的贝塔值估计股权成本。
3、市场风险溢价的估计。最常见的方法是进行历史数据分析。
a.选择时间跨度。应选择较长的时间跨度。
b.权益市场平均收益率选择算数平均数还是几何平均数。算数平均数是在这段时间内年收益率的简单平均数，而几何平均数是同一时期内年收益率的复合平均数。多数人倾向于采用几何平均法。
希望以上回答，能帮助到您！