[第9章]
不冒风险 焉得财富
倘若运用只在一半时间里正确的理论指导实践，还不如用抛掷硬币的办法来得经济实惠。
——乔治J.施蒂格勒（George J.Stigler）
《价格理论》（The Theory of Price）
现在，大概每位读者都已知道有风险就有回报。基于这个道理，长期以来，无论学术界还是华尔街都争先恐后地利用风险以获取更大收益。本章所涵盖的内容正是：创造测量风险的分析工具并运用相关知识获取更大的回报。
我们先概括地说一下现代投资组合理论。本人在第8章中已提到，该理论认为多样化投资不能消除所有风险——虽然多样化在本人虚构的海岛经济体中消除了所有风险，因为所有股票往往齐涨共跌，同喜同悲。因此，在投资实践中，多样化只会降低部分风险，而不是所有风险。三位学者——斯坦福大学前教授威廉·夏普（William Sharpe）、已故金融学家约翰·林特纳（John Lintner）和费希尔·布莱克（Fischer Black）将学术智慧聚焦于确定在证券风险中哪些风险可以通过多样化消除、哪些风险不能消除。他们的研究成果便是著名的资本资产定价模型。夏普因对此工作有突出贡献，于1990年和马科维茨共同荣膺了诺贝尔经济学奖。
资本资产定价模型背后的基本逻辑是：承担多样化可以分散掉的风险，不会获得任何溢价收益。因此，为了从投资组合中获取更高的长期平均收益，你得相应提高组合中多样化不能分散掉的风险的水平。根据这一理论，聪明的投资者通过运用一种风险测量工具来调整自己的投资组合，就可以战胜市场。这种工具便是声名远播的α（beta）。
α与系统风险
α？一个希腊字母何以现身于这种讨论中？无疑，这不是什么股票经纪人首先引入的。你能想象得出会有哪个股票经纪人说“我们可以合理地将任何证券（或投资组合）的总风险描述为该证券（或投资组合）收益率的总变动性（方差或标准差）”吗？不过，我们这些站在讲台的人倒常常这样说，并且还会说在总风险或总变动性中有一部分可以称为证券的系统风险，这种风险的产生源于两点：首先，一般说来，变动性是股票价格所具有的基本特征；其次，所有股票会随大市起伏，至少在某种程度上如此。股票收益中余下的变动性则被称为非系统风险，这种风险缘于特定公司的特有因素，如罢工、发现新产品等。
系统风险，也被称为市场风险，记录了单只股票（或投资组合）对市场整体波动的反应。有些股票和投资组合对市场的变动非常敏感，而有些则更为稳定。这种对于市场变动所具有的相对波动性或敏感性可以根据过去的数据估算出来，算出的结果，你猜对了，就是用众所周知的希腊字母α来表示。
现在，你马上就会获知你以前想知道但又不敢开口询问的关于α的一切。从根本上说，α就是对系统风险的数字描述。尽管其中涉及一些数学技巧，α测量法背后的基本思想就是将一些精确的数字置于资金管理者多年来所具有的主观感觉之上。计算α值，实质上就是将单只股票（或投资组合）的变动与市场整体的变动做一个比较。
计算开始时，先将一个涵盖范围广泛的市场指数的α值设定为1。如果某只股票的α值为2，那么平均而言，这只股票的波动幅度就是市场的两倍。如果市场上涨10%，那么这只股票往往上涨20%。如果这只股票的α值为0.5，那么当市场上涨或下跌10%时，它往往上涨或下跌5%。专业人士常把α值高的股票称为激进型投资品，而给α值低的股票贴上保守型标签。
现在，对于一件重要的事情，我们必须心中有数，就是系统风险不能通过多样化来消除。正因为所有股票都或多或少地沿着同一个方向变动，即它们的变动性中很大一部分是系统性的，所以即便是多样化的投资组合，也是有风险的。诚然，即使你通过购买一份整体股市指数（Total Stock Market Index）（其α值定义为1）来进行全面多样化，你的收益率仍然具有相当大的变动性（风险性），因为市场整体也会大幅波动。
非系统风险，是由特定公司的特有因素所引起的股票价格（进而引起股票收益）的变动性。签订新的大额合同、找到新的矿源、劳资纠纷、会计欺诈、发现公司财务人员贪污公款——凡此种种特有因素，都会使公司的股价独立于市场波动。与这种变动性相关的风险，才是多样化可以降低的风险。投资组合的全部要义在于，只要股票价格不总是同向变动，任何一只股票的收益变动往往会被其他股票的互补性收益变动所冲抵。
图9-1与图8-2相似，说明了多样化与总风险之间的重要关系。假设我们为自己的投资组合随机选择证券，并且平均而言这些证券与市场整体具有完全相同的波动性（投资组合中所有证券的平均α值等于1）。图9-1表明，当我们添入越来越多的证券时，投资组合的总风险便会下降，尤其是在开始添加的时候。
图9-1 多样化如何降低风险：投资组合风险（收益率标准差）
当我们为投资组合选定30只证券时，大量的非系统风险被消除了，而再进一步多样化，则进一步降低风险的成效就很小。当投资组合中有60只广泛多样化的证券时，非系统风险基本上被消除了，同时，我们的投资组合（α值为1）实际上倾向于与市场同起同落。当然，用平均α值为1.5的股票，我们也可以做同样的实验。我们将再次发现多样化会迅速降低非系统风险，但是，投资组合中余下的系统风险会更大。用平均α值为1.5的60只或更多只股票构建一个投资组合，其波动性会比市场高出50%。
现在，我们便涉及论证中的关键一步。无论金融理论家还是金融从业人员都一致认为投资者既然承担了更多风险就理应获得更高的预期收益作为补偿，因而，当人们感觉风险更大时，股票价格必须做出调整，以提供更高的收益来确保所有股票都有人愿意持有。显而易见，没有超额的预期收益，厌恶风险的投资者是不愿购买具有超额风险的股票的。但是，在确定因承担风险而享有的风险溢价时，并非单只证券的所有风险都是相关因素。总风险中的非系统风险，通过充分适当的多样化，能够轻而易举地加以消除。我们没有理由认为投资者由于承担了非系统风险将会获得额外的补偿。投资者从承担的所有风险中获得补偿的，仅为多样化无力消除的系统风险部分。所以，资本资产定价模型说的是，任何股票（或投资组合）的收益（和风险溢价）总是与α相关，即与多样化无法分散掉的系统风险相关。
资本资产定价模型
风险与回报有关，并不是什么新奇的观点。多年来，金融专家一致认为投资者因承担更多风险的确需要获得补偿。新投资技术的不同之处在于如何定义和测量风险。资本资产定价模型问世以前，人们认为每只证券的收益随着该证券内在总风险的变动而变动，还认为证券收益的变动随着其所产生收益的变动性或标准差的变动而变动。新的投资技术理论则认为每只证券的总风险并非相关因素。就超额收益而言，只有系统风险这部分才是至关重要的。
尽管新理论的数学证明高深难懂，其背后的逻辑却颇为简单。我们思考这样一种情形：有组1和组2两组证券，每组有60只证券。假设每只证券的系统风险（α值）为1，就是说，两组中的每只证券倾向于随市场同步上下波动。再假设由于组1中单只证券存在特有的影响因素，组1中每只证券的总风险显著地高于组2中的每只证券。我们可以想象一下，组1中的证券除了受一般市场因素影响之外，还会特别受到某些因素的影响，比如气候变化、汇率变动和自然灾害。因此，组1中每只证券的特有风险将会很高。反之，组2中每只证券的特有风险假定为很低，因此，其中每只证券的总风险会很低。将以上情形整理成表格，如表9-1所示。
表9-1 组1
现在，依据资本资产定价模型诞生之前人们普遍接受的旧有理论，由组1中各只证券构成的投资组合的收益应高于由组2中各只证券构成的投资组合，因为组1中每只证券的总风险更高，而我们知道有风险就有回报。学者在挥舞一番智识的魔杖之后，改变了这种想法。根据资本资产定价模型，这两个投资组合的收益应该相等。为什么？
首先，回想一下图9-1（健忘的读者可以再看一眼）。从该图中我们看到当投资组合中证券的数量接近于60时，组合的总风险便降至系统风险的水平。细心的读者会留意到在表9-1中投资组合的证券正好是60只。所有非系统风险基本上已被完全抵消，至于原因，比如说，一次意外恶劣天气带来的灾害，为汇率的一次有利变动所轧平，凡此种种，不一而足。投资组合中剩下的风险只是由每只证券各自的α值给定的系统风险。不过，在这两组中，每只证券的α值都是1，因此，尽管组1中证券的总风险比组2中的证券更高，由组1证券构成的投资组合与由组2证券构成的投资组合，在风险（标准差）方面的表现将完全相同。
新旧两种观点便在此正面交锋。按照旧有的一套估值方法，人们认为组1中的证券因风险更高会提供更高的收益，而资本资产定价模型认为如果组1中的证券处于多样化的投资组合中，持有这些证券是不会有更多风险的。的确，倘若组1中的证券提供更高的收益，那么理性的投资者便会偏爱组1中的证券而嫌弃组2中的证券，他们会力图重新调整自己的持股结构，以期从组1中捕获更高的收益。但是，在这一过程中，投资者会推高组1证券的价格，拉低组2证券的价格，直至出现他们不再想转换证券的均衡状态，此时，由每组证券构成的投资组合具有完全相等的收益，此收益与风险的系统性部分相关，而与包括非系统风险或特有风险的总风险无关。由于股票可以放在一起，构建投资组合来消除特有风险，所以只有不能分散的或系统性的风险才能要求风险溢价。投资者不会因承担可以分散掉的风险而获得报酬。这便是资本资产定价模型背后的逻辑。
资本资产定价模型（此后便以CAPM而知名，因为我们的经济学家爱用字母缩略词），其证明过程可以简括地这样陈述：倘若投资者因承担非系统风险便获得了额外收益（风险溢价），那么结果就是由具有大量非系统风险的股票构成的多样化投资组合，较之由具有较少非系统风险的股票构成的风险水平相同的投资组合，会带来更大的收益。投资者会争相抓住这个能够获取更高收益的机会，推高股价竞购非系统风险大的股票，同时抛售α值相等、非系统风险更低的股票。这一过程将会持续下去，一直到具有相同α值的股票的预期收益相等、投资者再也不能因承担非系统风险而获得任何风险溢价时为止。其他任何结果都将与有效市场的存在不相符。
图9-2 资本资产定价模型中风险与收益的关系①
①记得高中代数的人会想起来，任一直线都可用一个方程来表示。图中直线的方程如下：
收益率=无风险利率+α（市场收益率-无风险利率）
这个方程也可转换成风险溢价的表达式，换句话说，风险溢价等于任一股票组合或任一单只股票的收益率超过无风险利率的程度：
收益率-无风险利率=α（市场收益率-无风险利率）
这个方程的含义是，你在任何股票或投资组合上获得的风险溢价直接随着你接受的α值的上升而上升。有些读者可能想知道α与我们讨论投资组合理论时说到的协方差这一关键概念之间有什么样的关系。实际上，从本质上说，任何证券的α值与根据历史数据测算的该证券与市场指数之间的协方差，完全是一回事儿。
这个理论包含的核心关系显示在图9-2中。随着单只股票（或投资组合）的系统风险（α）不断增加，投资者可期待的收益率也不断上升。如果一位投资者持有的投资组合的α值为0，比如他将全部资金投放在由政府担保的银行储蓄存单上（因为存单的收益率完全不会随股票市场的波动而发生改变，所以α值为0），那么这位投资者将会获得一个适中的收益率，一般称之为无风险利率。然而，随着投资者承担更多的风险，收益率应会相应提高。如果投资者持有的投资组合的α值为1（比如持有一只投资于大型指数的基金时，α值便为1），那么他得到的收益率将等于普通股提供的平均收益率。从长期来看，这个收益率已超过了无风险利率，但同时，这样的投资也是有风险的。在某些时期，这类投资的收益率比无风险利率要低得多，投资者不得不承受重大损失。这正是风险的含义。
图9-2表明，只要调整投资组合的α值，就可以得到不同的预期收益率。比如说，假设投资者将一半资金放在储蓄存单上，一半资金购买一只代表大型股市的指数基金。在这种情况下，他得到的收益率将介于无风险收益率与市场收益率之间，他的投资组合的平均α值将是0.5【注：一般而言，投资组合的α值就是组合内各项资产α值的加权平均数】。然后，根据资本资产定价模型，要想获得更高的长期平均收益率，你就应提高投资组合的α值。投资者可以通过两个途径获得α值大于1的投资组合：或者买入α值高的股票，或者通过保证金交易买入具有平均波动性的股票（见图9-2及表9-2）。
表9-2 投资组合
①假设预期市场收益率为15%、无风险利率为10%。
②我们也可以直接使用图9-2所给的公式得出预期收益率的数值：
收益率=0.10+0.5（0.15-0.10）=0.125或12.5%
就像某些股票曾经大受欢迎一样，α在20世纪70年代初也风靡一时。享有盛名的《机构投资者》杂志，曾将多数篇幅用来实录专业资金管理人的业绩，对α风潮也大为赞许，在一期封面上将字母α置于一座神庙的顶端，第一篇文章的标题就是《时尚α——测量风险新方法！》。该杂志指出一些资金管理人的数学水平都不超过多位数除法，现在也“带着统计学博士才有的激情，整天翻来覆去地说α”，甚至连证券交易委员会也在它的《机构投资者研究报告》中，赞同把α作为一种风险测量的方法。
在华尔街，最早的α粉丝吹嘘说，他们只要买入一些α值高的股票，就可以赢得更高的长期收益率。自以为能把握市场时机的人，则认为还有更高明的办法。他们认为市场在向上走时，就买入α值高的股票，担心市场可能会下跌时，便转而持有α值低的股票。为了迎合对这种投资新观点的热情追捧，经纪券商迅速开展了大量的α测量服务；对于经纪券商来说，能够提供自己的α估计值是与时俱进的象征。如今，你既可以从像美林之类的券商那里得到α估计值，也可以从诸如价值线公司和晨星公司之类的投资咨询机构那里获取α估计值。华尔街狂热支持α的公司曾大肆贩卖自己的α产品，其情之狂纵，恐怕让致力于传播“α真理”的最热心的三流学者也惊诧莫名了。
让我们看一下记录
在莎士比亚的历史剧《亨利四世》第一幕中，格伦道尔（Glendower）向郝茨勃（Hotspur）夸口说：“我可以召唤幽深之处的魂灵。”“是吗？我也行，谁都能做到，”郝茨勃不为所动地答道，“可你真的去接时，他们会来吗？”对于市场如何运行，任何人都可以提出自己的理论。资本资产定价模型不过是众多理论当中的一个罢了。真正重要的问题是，它管用吗？
确实有很多机构投资者欣然接受了α这个概念。但别忘了，α毕竟是个学术产物。还有什么能比它更呆板呢？只是作为描述股票风险的一个数字被创造出来，看上去它几乎天生就不会产生预期效果。待在密室里的图表师喜欢它。即使你不相信α，也得用α说话，因为在全国各地的大学校园里，我和我的同行一直在源源不断地“制造”着博士和工商管理硕士，他们张口便说这个专门术语。他们现在把α当作一种方法，拿来评价投资组合经理的业绩。如果实现的收益率超过了根据投资组合α值预测的收益率，组合经理便被认为创造了超额收益（正数的阿尔法）。市场上有大量资金寻找可以带来最大阿尔法的组合经理。
但是，α用来测量风险果真有用吗？是否真如资本资产定价模型所言，α值高的投资组合与α值低的投资组合相比，会提供更好的长期收益？单单一个α就概括了一只证券所有的系统风险吗？或者说，我们还需要考虑其他因素吗？简而言之，运用α就真的会获得阿尔法吗？这些都是金融从业人员和学术界人士当下争得面红耳赤的问题。在1992年公布的一份研究报告中，尤金·法玛（Eugene Fama）和肯尼斯·弗伦奇（Kenneth French）根据1963~1990年的α测量值，将所有有交易的股票进行了十分位划分。第一个十分位包含α值最低的10%的股票，第十个十分位包含α值最高的10%的股票。如图9-3所示，研究结果令人吃惊，在这些十分位投资组合的收益率与其α值之间，实质上不存在任何关系。我在共同基金的组合收益率与组合α值之间的关系上，也发现了相似的结果。在股票或投资组合的收益率与其风险测量值α之间，确实不存在什么关系。
图9-3 1963~1990年的平均月收益率与α（法玛和弗伦奇的研究结果）
因为法玛和弗伦奇的研究涵盖了近30年的时间，涉及的范围非常广泛，所以他们下结论认为，收益与α之间的关系本质上是没有说服力的。α这一资本资产定价模型中至关重要的分析工具，在把握风险与收益的关系上，并不是一个有用的测量手段。于是，到了20世纪90年代中期，不但金融从业人员，甚至连很多学者，都把α当作废品扔进了垃圾堆。那些早先曾记录了α辉煌的财经媒体，纷纷以“α之死”“拜拜了α”“α败退”之类的标题发表专题文章。《机构投资者》杂志引用的一封信代表了时代对α的看法，来信者仅署名为“造诣精深的量化师”【注：量化师（quant）是华尔街给喜欢进行量化分析的金融分析师起的绰号，他们特别关注新投资技术】。信的开头这样写道：“眼下资金管理界风传一件惊天动地的大事，资本资产定价模型死了。”该杂志接着引述一位“弃暗投明的量化师”的话：“高等数学之于投资，将如泰坦尼克之于帆船运动。”于是，构成新投资技术的全套工具，甚至包括现代投资组合理论都笼罩在一片疑云之中了。
对证据的评价
我个人以为“弃暗投明的量化师”所持观点是错误的。找到资本资产定价模型的漏洞并不会导致人们在金融分析中放弃使用数学工具，也不会导致人们重拾传统的证券分析方法。此外，现在金融界也不太想立即给α写上一篇讣告。我想，因为存在很多原因，所以不能仓促下判断。
首先，很重要的是，要记住稳定的收益更加可取，也就是说，稳定的收益比波动很大的收益风险更小。显然，如果从钻井采油中获得的收益率与无风险政府债券带来的收益率完全一样，那么只有喜欢为赌博而赌博的人才会去钻井采油。倘若投资者真的一点儿也不担心波动性，数万亿美元的各类衍生证券市场恐怕也不会像现在这样火热了。因此，用来测量相对波动性的α，至少还是抓住了我们通常所认为的风险的某些方面。此外，通过对过去数据的统计分析获得的投资组合α值，在预测未来的相对波动性方面，确实表现相当不错。
其次，正如加州大学洛杉矶分校的理查德·罗尔（Richard Roll）所言，我们必须牢记在心，测量α要想获得精确值是十分困难的（实际上可能无法办到）。标准普尔500指数并不是“市场”。整个股票市场还包括成千上万只美国的其他股票，也包括更多的外国股票。此外，整个市场中还有债券、房地产、大宗商品以及其他各种资产，比如包括我们每个人都拥有的最为重要的一种资产——由教育、工作和人生经验构筑的人力资本。你用不同的方法衡量“市场”，决定了你可能得到很不一样的α值。明尼苏达大学的两位经济学家拉维·乔根纳森（Lavi Jagannathan）和王振宇（Zhenyu Wang）发现，如果市场指数（我们通过它来测量α值）被重新界定，并且包括人力资本，同时α被允许随经济周期性波动而变动，那么对资本资产定价模型以及α作为收益预测工具的支持就非常强了。
最后，投资者应该认识到，即便α与收益之间没有多大长期的相关关系，α仍然可以是一种有用的投资管理工具。假设α值低的股票的确能可靠地提供至少与α值高的股票一样的收益率（这确实是个很大的假设），那么α作为一种投资工具，甚至比资本资产定价模型（如果它有效的话）所认为的更有价值。投资者应该挖掘α值低的股票，在获得相对于市场整体来说同样有吸引力的收益的同时，可以承担少得多的风险。而那些确实希望通过承担更高风险以追求更高收益的投资者，应该通过保证金交易买入并持有α值低的股票，这样既增加了风险，也提高了收益。在第11章中，我们将看到为实现这一目的而设计的一些“聪明α”策略。不过，有一点非常清楚，按通常方式测出的α值并非大脑的替代品，不能作为未来长期收益的简单预测工具来依靠。无论怎样，据我判断，说α已彻底死亡的报道来得过早了。
量化分析师寻求更优风险测量方法：套利定价理论
如果说α作为测量风险的一种有效数量工具已遭到破坏，是否有什么东西可以取而代之呢？斯蒂芬·罗斯（Stephen Ross）是风险测量领域的先驱者之一，他发展了一套关于资本市场定价的理论，该理论被称为套利定价理论。要理解套利定价理论所蕴含的道理，我们必须记得资本资产定价模型有一个最重要的正确观点：在投资者承担的风险中，只有多样化不能消除掉的风险才应获得补偿。只有系统风险才要求得到风险溢价。但是，对特定股票和投资组合来说，影响其风险的系统性因素过于复杂，α测量值可能无法对这些因素加以反映——股票的变动往往与市场的变动或多或少地有所偏离。因为任何特定的股票指数都不能完全代表市场整体，所以这种偏离尤其会发生。因此，α可能无法反映若干重要的影响风险的系统性因素。
我们看一看影响风险的系统性因素中的其他几个因素。国民收入的变动可能对单只股票带来的收益产生系统性影响。我们在第8章中举例说明的简单海岛经济体就属于这种情况。此外，国民收入的变动也映射了个人收入的变动，因此，我们可以预期证券收益与薪资收入之间的系统性关系会对个人行为产生重大影响。比如，通用汽车某工厂的工人会发现持有通用汽车普通股风险特别大，因为遭到解雇和通用汽车股票带来的收益下跌可能同时发生。国民收入的变动也可能反映其他形式财产收入的变动，因而对机构投资者的投资组合经理来说也可能是相关因素。
利率的变动也会对单只股票带来的收益产生系统性影响，也是多样化投资不能分散掉的重要风险因素。利率上升时，股票往往会受到打击；从这个意义上讲，股票也是一种风险投资品，易受一般利率水平上升冲击的股票，更富有风险。因此，有些股票与固定收益投资品往往同向变动，这类股票也就无助于降低债券组合的风险。由于固定收益证券是很多机构投资者投资组合的重要组成部分，所以，利率变动这一系统风险因素对市场中一些最大的机构投资者来说尤其重要。
通货膨胀率的变动，也往往对普通股带来的收益产生系统性影响。原因至少有两点：第一，通货膨胀率上升往往导致利率上行，因而如刚才所讨论的，往往会导致某些股票价格下跌；第二，通货膨胀率上升可能会压低某些行业里公司的利润率。比如，公用事业公司经常发现费率的提高滞后于成本的上升。另外，通货膨胀可能会让自然资源行业的股票价格受益。这再一次说明在股票收益与经济变量之间存在着重要的系统性关系，而单靠简单的α风险测量，经济变量可能是无法充分反映出来的。
以上几个系统风险变量对证券收益的影响，已有统计方法加以检验，检验显示影响多少还是存在的。除了运用传统的α测量法之外，运用若干系统风险变量（如对国民收入、利率、通货膨胀率变动的敏感性）对风险进行测量，可以比资本资产定价模型更好地解释不同证券之间的收益差异。当然，资本资产定价模型中α测量法遭遇的问题，有一些也让套利定价风险测量法深受困扰。
法玛-弗伦奇三因素模型
尤金·法玛和肯尼斯·弗伦奇为了思考风险问题，提出了一个类似于套利定价理论的三因素模型（见表9-3）。他们除了使用α之外，还使用两个因素来描述风险。这两个因素源自他们所做的实证工作，那些实证工作显示收益与公司规模（以市值衡量）相关，也与市净率相关。法玛和弗伦奇认为，相对而言，规模较小的公司更有风险。一个可能的解释是，这类公司在经济衰退期间要撑持下去，会更加不易，因而相对于GDP的波动，可能会有更多的系统风险。法玛和弗伦奇还认为市净率低的股票在某种程度上会有“财务困难”。这些观点引起了热烈辩论，并非人人都认为法玛-弗伦奇三因素模型衡量出了风险。但是毫无疑问，说到2009年年初，当时大型银行的股票都以很低的市净率在交易，我们很难说投资者不认为他们有破产倒闭的危险。即便有些人认为低市净率股票由于投资者的不理性会提供较高的收益率，他们也觉得法玛-弗伦奇三因素风险模型不无益处。
表9-3 法玛-弗伦奇衡量风险的三因素
析师恐怕会在法玛-弗伦奇三因素风险模型中进一步加入其他变量。他们可能会加入势能因素，以反映上涨或下跌股票继续上涨或下跌的趋势。此外，流动性因素也可能被考虑进来，以反映这样一个事实：需要向投资者支付收益溢价，才能诱使他们持有流动性不强的股票。有人还建议进一步加入“公司品质”因素，这一因素由公司收益和销售增长的稳定性以及低债务之类的指标来衡量。现在，多因素分析模型已被广泛使用，以便衡量投资表现和设计“聪明α”投资组合，对此我们将在第11章中进行讨论。
小结
第8章和第9章是就资本市场现代理论展开的一次学术演习。股票市场看来是一个有效的系统，可以非常迅速地根据新信息进行调整。无论是研究股价过去走势的技术分析，还是研究单个公司和宏观经济前景等信息的基本面分析，似乎都不能产生持久的收益。如此看来，要获得更高的长期投资收益，唯一的出路就是承担更多的风险。
遗憾的是，并不存在完美的风险测量方法。资本资产定价模型采用的α风险测量法，从表面上看挺不错，是一种简单而容易理解的测量市场敏感度的手段。但很可惜，α也有缺陷。在20世纪各个长期时段里，α与收益之间的关系实际上和资本资产定价模型理论上所显示的并不相符。此外，单只股票的α值在长时间里也不稳定，对据以测量α值的市场指数非常敏感。
我在此已给出理由说明，任何单一的测量方法都不太可能充分恰当地捕捉各种系统风险因素对单只股票和投资组合产生的影响。股票收益对整个股票市场的波动、对利率和通货膨胀率的变动、对国民收入的变动，毫无疑问对其他经济因素的变动（如汇率）的波动都很可能会非常敏感。此外，一些证据显示市净率较低、公司规模较小的股票会带来更高的收益。神奇而完美的风险测量方法依然不在我们的掌握中。
那些不发表研究成果便前途晦暗的助理教授可以大大地松一口气了，因为在学术界仍然存在着诸多关于风险测量的争论，更多的实证检验也需要他们去完成。毋庸置疑，风险分析的技术仍将有很多进步，而风险测量的定量分析技术离死期还远得很。我猜想，未来的风险测量方法会更加复杂、成熟，而不是比现在的更加简单、粗糙。但无论如何，我们一定要当心，不能将α或任何别的测量方法当作捷径来评估风险、确定地预测未来收益。你应当了解新投资技术中现代投资技巧的精华，它们有时可能会提供有用的帮助，但永远也不会出现一个俊美的精灵来解决我们的所有投资难题。退一步说，即使他现身了，大概我们也会把事情弄糟，就像资本监护信托基金（Capital Guardian Trust）的罗伯特·科比（Robert Kirby）在下面一个他最喜欢的故事中描述的矮小老妇人一样：
她坐在养老院门廊上的摇椅里，突然一个小精灵闪现在眼前，对她说：“我已决定，准许你实现三个愿望。”
矮小的老妇人应道：“滚开，你这讨厌鬼！这一生中需要见的聪明人，我全都见识过了。”
精灵回答说：“听着！我可不是说着玩儿。这是真的，让我试试吧。”
她耸耸肩说：“好吧，试试。把我这摇椅变成纯金做的。”
扑哧一阵青烟过后，精灵做到了。老妇人显然来了兴趣。她说：“把我变成年轻貌美的未婚姑娘吧。”
扑哧一阵青烟过后，精灵又做到了。最后，老妇人说：“好吧，我的第三个愿望是把我的猫变成年轻英俊的王子。”
一眨眼，年轻王子出现了，他转过脸问老妇人：“你把我阉了，现在不觉得后悔吗？”