低贝塔不等于低风险：股票贝塔、相关性与阿尔法怎么计算

一只股票的贝塔只有0.4，能否据此认为它比市场安全？不能。如果它的年化波动率为40%，市场为20%，两者相关系数为0.2，算出的贝塔恰好就是0.4。它对这个市场基准的线性敏感度较低，却可能比市场波动更大。

判断一张股票或基金风险表，关键不是把贝塔、相关系数、阿尔法都记成“越大越好”或“越小越好”，而是先问：这项指标解释哪部分收益，遗漏哪部分风险？下面从可复算的数据出发，把这种区别落实到实际判断。

贝塔衡量相对敏感度，不是最大跌幅

设每期股票收益减去同一期无风险收益为y，基准收益减去该期无风险收益为x。带截距的单因子线性回归写作y=α+βx+ε：β是贝塔，α是截距，ε是该期模型没有解释的残差。这里使用超额收益，不要混入股票价格水平或不同周期的利率。

估计贝塔的公式是β=Cov(x,y)/Var(x)，也等于ρ×σy/σx。协方差与方差必须使用同一组有效观测和同一种分母。相关系数ρ衡量线性联系的紧密程度，贝塔还乘上波动率之比，因此贝塔可以大于1，相关系数不可以。

开头的股票满足0.2×40%/20%=0.4。在带截距的单解释变量回归中，样本R²=ρ²，因此这个例子的R²只有4%。这意味着基准解释的样本波动比例很低，不意味着“未来下跌概率为4%”，也不意味着剩余风险已经得到分散。

贝塔也不是涨跌倍率的逐日承诺。市场跌1%，贝塔1.2的股票并非必然跌1.2%。盈利预警、融资变化、行业冲击或流动性事件，可能让当期残差远大于市场分量。

四期数据，复算出贝塔1.2和阿尔法0.2%

以下为四个等长月份的假设超额收益，单位均为百分比。无风险收益已按月扣除，股票与基准采用同币种、同时间截点、含分配再投资的总收益口径。样本只用于展示算法，不代表任何真实产品，更不足以判断管理能力。

x的平均值为0，y的平均值为0.2%。将百分比数值视为百分点，Σ(x−均值x)²=10，Σ(x−均值x)(y−均值y)=12，因此β=12/10=1.2；α=均值y−β×均值x=0.2%。α是每月0.2个百分点，不是20%，也不是全年收益。

拟合值依次为−2.2%、−1.0%、1.4%、2.6%，残差为1%、−1%、−1%、1%。残差合计为0；残差与x的乘积合计也为0。这是带截距最小二乘拟合应满足的核对关系，不是预测能力的证据。

股票围绕均值的平方和为18.4，拟合解释部分为14.4，残差平方和为4。于是R²=14.4/18.4≈78.26%，相关系数约0.8847。市场样本标准差为√(10/3)≈1.8257%，股票为√(18.4/3)≈2.4766%。贝塔1.2、相关0.8847和总波动2.4766%回答的是不同问题。

四个点留下的残差自由度只有2。即便α为正、R²看起来较高，也不能据此宣称存在稳定超额收益。可靠评估还需要更长且有代表性的样本、估计不确定性，以及未被用于挑选模型的观察期。

跑赢基准，不一定就是阿尔法

在某一个月，假设基准超额收益为5%，股票超额收益为6%。它跑赢1个百分点，但如果适用的贝塔为1.2，市场暴露本身已对应1.2×5%=6%。这1个百分点的原始相对收益，并不能单独证明选股创造了额外价值。

回归中的阿尔法是选定模型和样本下的截距。换成更合适的行业、规模或风格因素后，原本记在阿尔法名下的收益可能变成因子暴露。不能为了得到正阿尔法，事后不断更换基准、起止日期和费用口径。

费用也会改变投资者得到的结果。假设费用每月准确扣减0.1个百分点且完全固定，上例y整体下移0.1个百分点，贝塔和残差不变，阿尔法降至0.1%。现实费用若随资产规模、换手或业绩变化，关系不会如此简单。税前毛收益的阿尔法不能直接当作税后净收益。

历史回归截距还应与前瞻定价假设分开。若仅为演示，假设年无风险利率3%、预期市场收益8%、贝塔1.2，资本资产定价模型给出的预期收益为3%+1.2×(8%−3%)=9%。其中8%本来就是假设，不是模型发现的未来事实；也不能再无条件加上四个月样本中的月度阿尔法。

基准、频率和持仓变化会让同一只股票出现不同贝塔

先核对基准是否对应资产的实际风险来源。科技股相对宽基指数、行业指数和海外指数得到不同结果，并不一定是哪家数据源算错。它们提出了不同的问题。跨市场比较还应统一币种；只转换一边会把汇率变化混进结果。

其次核对观测区间与频率。日度、周度、月度回归受到交易不同步、停牌、低流动性和价格更新延迟的影响不同。海外市场不同时收盘时，硬把同一个日历日配成一对，可能压低当期协方差。不能直接把缺失收益填零来凑齐数据。

再看企业与组合是否已经变化。并购、业务转型、财务杠杆调整，或基金持仓换仓，都可能使旧样本不再代表当前暴露。滚动估计可以暴露不稳定性，却不保证最近的窗口最能预测未来；必须事先确定窗口规则，避免只挑最有利的一段。

最后区分正常波动和压力情景。若机械保留四期例子的α=0.2%、β=1.2，在基准超额收益−5%时，拟合值为−5.8%。若另有−6个百分点的残余冲击，结果就是−11.8%。这只是明确假设下的压力算例，不是损失上限或概率预测；它说明忽略残差会漏掉什么。

读风险表时，按问题选择指标

如果问题是“对这个股票市场有多敏感”，查看贝塔，同时要求基准、频率、期间、样本量与估计区间。如果问题是“持有它可能经历多大波动”，还要看总波动、回撤、集中度与具体压力损失，不能用低贝塔替代。

如果问题是“加入组合后能否分散风险”，需要在现有持仓中重新计算相关性、协方差与风险贡献。单只股票相对一个指数的贝塔，不能代替整个组合的风险预算。历史负贝塔也不保证危机时始终对冲有效。

如果问题是“管理人是否创造了价值”，先区分原始跑赢、因子暴露和净费用后的截距，再检查不确定性与样本外稳定性。正阿尔法是进一步调查的起点，不是能力已经得到证明的终点。

一份可用的风险报告，应该让读者沿着原始收益序列复算结果，并看清哪些条件会使判断失效。只给一个没有基准、日期和误差范围的贝塔数值，信息不足以支撑安全或危险的结论。