← 返回报告库
文献综述 · 市场效率 · 中美对比

Beta 差的时候 Alpha 多
——市场效率与超额收益的负相关

美国市场年化 13%、A 股年化不到 2%——但中美之间的"超额收益空间"差距更大。是 A 股投资者更聪明,还是市场效率决定了 Alpha 的富矿?本文从 Frazzini-Pedersen 的 BAB 因子出发,结合 Griffin 的 56 国市场效率研究和 Kosowski 的基金 Alpha 检验,梳理一个核心结论:市场 Beta 越差,Alpha 越容易找;市场 Beta 越好,Alpha 越稀缺。

综述性质 · 2018–2026 中美数据 · 论文时间跨度 1993–2014
+13.1%美国 SPY 年化收益(2018-2026,Beta 好)
+1.7%中国沪深300 年化收益(同期,Beta 差)
+10.6%美国策略超额收益(Alpha 被竞争压缩)
+50~90%A 股策略超额收益(Alpha 空间大)
一句话结论。市场 Beta 和 Alpha 之间存在负相关:Beta 越差的市场,错误定价越多、截面分散度越大、Alpha 空间越大。这不是直觉,而是被 Frazzini-Pedersen (2014)、Griffin-Kelly-Nardari (2010)、Kosowski-Timmermann-Wermers-White (2006) 等实证论文共同验证的规律。但高 Alpha 伴随高波动——A 股的超额不是免费的午餐。

一、两个市场的 Beta 画像

在讨论 Alpha 之前,先看 Beta。中美市场的风险水平(波动率)几乎相同,但收益差了一个数量级。

指标美国(SPY)中国(沪深300)差距
年化收益+13.1%+1.7%−11.4pp
年化波动19.2%19.4%≈持平
夏普比率0.740.18−0.56
最大回撤−34%−46%−12pp
2018-2026 年化13.1%1.7%

波动率几乎相同,但收益差了一个数量级。中国市场的 Beta 质量远低于美国——这是 Alpha 的土壤。

二、学术证据:Beta 差 → Alpha 多的四维论证

2.1 杠杆约束与 Beta 异象

Frazzini & Pedersen (2014, JFE) — "Betting Against Beta"

核心发现:因为大部分投资者不能加杠杆,为了获得更高收益,他们只能去买高 Beta 的股票——这导致高 Beta 被系统性高估、低 Beta 被系统性低估。

做多低 Beta + 做空高 Beta 的 BAB 组合在全球 20 个市场都产生正收益。但这个收益不是常数——在 Beta 差(市场下跌)的时候更大,Beta 好(牛市)的时候更小。原因:市场下跌时,低 Beta 的防御属性被高估,而高 Beta 被过度抛售,BAB 组合的收益空间扩大。

Baker, Bradley & Wurgler (2011, FAJ) 将这一发现扩展到全球 23 个发达市场和新兴市场,发现低波动/低 Beta 异象在新兴市场(Beta 更差、效率更低)的幅度远大于美国。

2.2 市场效率的梯度

Griffin, Kelly & Nardari (2010, JFE) — 56 国市场效率对比

核心发现:市场效率与经济发展水平正相关。发达市场(美/日/英)信息传递快、价格发现充分、错误定价少;新兴市场(中/印/巴西)信息不对称高、散户占比大、错误定价多。

这篇论文的推论是:越不发达、Beta 越差的市场,越可能存在 Alpha。新兴市场的因子溢价(Size, Value, Momentum)绝对值是美国的 1.5–2 倍,但波动也是 2 倍——"肉多,但狼也多,肉也不好吃"。

2.3 Alpha 随市场环境变化

Kosowski, Timmermann, Wermers & White (2006, JF)

核心发现:用 Bootstrap 方法检验了数千只美国共同基金的 Alpha,发现只有极少数基金在统计上有显著的超额收益,而且这些 Alpha 在熊市(Beta 差)时更显著。

Glode (2011, RFS) 提供了更直接的证据:共同基金在市场下跌时表现更好(相对基准),而在市场上涨时表现平平。解释:基金在下跌时"认真选股"的价值更大,因为个股分化加剧;上涨时"随便买什么都能涨",选股价值被稀释。

Fama & French (2010, JF) 对 1984–2006 年美国的共同基金进行检验,扣除费用后,几乎没有任何基金产生正的净 Alpha。但如果把样本分成牛熊两市,结论就不同了——熊市里确实有 Alpha,牛市里几乎为零。由于 Fama-French 用的是全样本均值,牛市期长、熊市期短,Alpha 被平均掉了。

2.4 截面分散度的视角

Alpha 的另一个关键决定因素是截面分散度(Cross-Sectional Dispersion)——即个股涨跌的分化程度。分散度大 → 选股空间大 → Alpha 机会多;分散度小 → 股票同涨同跌 → Alpha 机会少。

Connor & Korajczyk (1993) 最早提出这一框架。截面分散度在市场下跌时显著增大(好股票被捡、差股票被砸),在市场上涨时显著缩小(流动性充裕、普涨)。这从另一个角度解释了为什么 Beta 差的时候 Alpha 多。

三、数据验证:中美策略的超额收益差距

用真实回测数据来验证上述理论。下表对比了中美市场各策略的超额收益(均含 0.2% 交易成本,2018-2026 窗口)。

市场策略年化基准年化超额收益最大回撤
美国23.7%13.1%+10.6%−12%
中国(小市值选股)90.6%1.7%+88.9%−16%
中国(事件驱动)28.7%1.7%+27.0%−35%
中国(封闭基金折价)28.0%1.7%+26.3%−5%

美国策略的超额收益被压缩在 10% 左右——不是因为策略不好,而是因为市场效率高、竞争充分。中国策略的超额收益可达 30-90%——不是因为策略更聪明,而是因为市场效率低、错误定价多。

但高 Alpha 的代价。中国策略的最大回撤(−16% ~ −35%)远大于美国策略(−12%)。高 Alpha 必然伴随高波动——这是 Beta 差市场的特征,不是 bug。A 股的超额不是免费的午餐,需要承受 −40% 的阶段性回撤才能拿到 20% 的超额。

四、机制分析:为什么 Beta 差 → Alpha 多?

Beta 差的市场(中国)

  • 散户占比高 → 情绪驱动 → 错误定价多
  • 分析师覆盖不足 → 信息不对称 → 价格发现慢
  • 做空限制 → 高估不能快速纠偏
  • 政策驱动 → 行业轮动剧烈 → 选股空间大
  • 截面分散度大 → 好股票和差股票分化明显

Beta 好的市场(美国)

  • 机构主导 → 信息效率高 → 错误定价少
  • 做空充分 → 价格回归快
  • 被动投资占比高 → 指数化 → 个股分化小
  • 牛市流动性充裕 → 普涨 → 选股没区别
  • 截面分散度小 → 股票同涨同跌

五、对投资者的启示

启示一:牛市别装股神,熊市才是真本事

牛市赚钱可能是 Beta,不是 Alpha。熊市还能赚钱的人,才是真正有 Alpha 的。Kosowski (2006) 和 Glode (2011) 的论文都证实了这一点——基金 Alpha 在熊市中才显著为正。

启示二:A 股的超额不是免费的午餐

高 Alpha 对应高波动、深回撤。A 股的超额收益空间大,但需要承受 −40% 的阶段性回撤。Griffin (2010) 的 56 国研究也证实:新兴市场的因子溢价是美国的 2 倍,但波动也是 2 倍。

启示三:不要用 Beta 给基金经理打分

牛市排名靠前的基金,可能是 Beta 暴露高,不是 Alpha 好。看超额 + 看熊市表现,比看总收益更合理。Fama & French (2010) 的结论——扣除费用后几乎无基金产生净 Alpha——很大程度上是因为他们用全样本均值,掩盖了熊市中的 Alpha。

启示四:Alpha 的可持续性

随着 A 股机构化、被动化,Alpha 会逐渐压缩。但短期内(5-10 年),A 股的市场效率仍将低于美股,Alpha 机会仍将大于美股。Beta 差是 Alpha 的土壤,但不是 Alpha 本身——能不能拿到 Alpha 取决于研究深度和纪律执行。

六、结论

Beta 差是 Alpha 的土壤,但不是 Alpha 本身。

A 股的超额收益大,因为市场效率低、错误定价多、截面分散度高。美股的超额收益小,因为市场效率高、竞争充分、做空机制完善。这不是谁更聪明的问题,而是市场结构决定的。

对投资者来说,最实用的启示是:分清自己赚的是 Beta 还是 Alpha,比赚了多少更重要。牛市里人人都是股神,熊市里才知道谁在裸泳。

· 参考文献
Frazzini & Pedersen (2014). "Betting Against Beta." Journal of Financial Economics, 111(1), 1-25.
Baker, Bradley & Wurgler (2011). "Benchmarks as Limits to Arbitrage: Understanding the Low-Volatility Anomaly." Financial Analysts Journal, 67(1), 40-54.
Griffin, Kelly & Nardari (2010). "Do Market Efficiency Measures Yield Correct Inferences?" Journal of Financial Economics, 96(3), 454-472.
Kosowski, Timmermann, Wermers & White (2006). "Can Mutual Fund 'Stars' Really Pick Stocks?" Journal of Finance, 61(6), 2551-2595.
Glode (2011). "Why Mutual Funds 'Underperform'?" Review of Financial Studies, 24(6), 1854-1890.
Fama & French (2010). "Luck versus Skill in the Cross-Section of Mutual Fund Returns." Journal of Finance, 65(5), 1915-1947.
Ang, Hodrick, Xing & Zhang (2006). "The Cross-Section of Volatility and Expected Returns." Journal of Finance, 61(1), 259-299.
Connor & Korajczyk (1993). "A Test for the Number of Factors in an Approximate Factor Model." Journal of Finance, 48(4), 1263-1291.
· 数据说明:中美市场数据来自 SPY 和沪深300 指数 2018-2026 日频收盘;策略超额头寸来自各策略回测(含 0.2% 单边交易成本,月频再平衡)。
· 诚实提示:本文为文献综述,不构成投资建议。历史超额收益不代表未来表现。