资产定价模型与市场有效性：基于机器学习解析股票市场异象 (中

英双语电子书） 电子书格式: pdf,epub 在金融领域，股票市场异象 —— 即无法被传统资产定价模型解释的超额收益现象 —— 长期以来是理论与实践的核心争议点。动量异象、规模异象等常见异象的存在，引发了关于市场有效性与投资者行为的持久辩论：这些异象是源于市场无效与投资者非理性，还是传统定价模型未能充分捕捉潜在风险因子？《资产定价模型与市场有效性：基于机器学习解析股票市场异象》一书直面这一核心问题，通过整合资产定价理论、机器学习方法与大规模实证检验，为这场辩论提供了突破性答案。 本书由四位跨学科学者联合撰写，团队兼具金融、统计、数学与机器学习领域的深厚积淀，其研究跨越美国与中国的学术体系，确保了理论深度与实证广度的平衡。书籍的核心使命的是：通过创新的资产定价模型，破解数百种股票市场异象的本质，厘清有效市场假说与行为金融理论的分歧。 全书结构清晰，分为五个核心部分。第一部分为导论，系统梳理了股票市场异象的兴起与争议，回顾了资本资产定价模型（CAPM）的理论基础与局限，并对比了有效市场假说与行为金融的核心观点。行为金融学派认为，认知偏差、过度自信等非理性行为是异象的根源；而有效市场支持者则主张，异象本质是未被充分度量的风险溢价。这一部分为后续的模型分析与实证检验奠定了理论框架。 第二部分聚焦异象投资组合本身，深入探讨了异象的持续性问题。学界对此存在广泛争议：部分研究认为异象在学术发表后会因投资者套利而消失，或源于数据挖掘与出版偏差；另一部分研究则证实，大量异象具有跨时间、跨市场的可复制性。本书通过对近 300 种异象的系统梳理，明确了真正具有经济意义的异象特征，为后续的模型测试划定了核心对象。 第三部分详细评述了主流的多因子资产定价模型，包括法玛 - 弗伦奇三因子、五因子、六因子模型，以及卡哈特四因子模型等。这些模型通过引入规模、价值、动量、盈利能力等因子，试图解释传统 CAPM 无法覆盖的异象，但随着异象数量激增（被戏称为 “因子动物园”），这些模型逐渐暴露出局限 —— 它们在样本外测试中难以稳定解释多样化的异象收益，且存在因子冗余、缺乏理论支撑等问题。 第四部分是全书的核心创新所在，提出了一种名为 ZCAPM 的新型资产定价模型。该模型以布莱克零贝塔 CAPM 为理论基础，创新性地引入两个核心因子：市场平均收益因子与市场收益离散度因子（即横截面收益率标准差），前者反映市场整体收益水平，后者捕捉市场内股票收益的分化程度。与传统模型采用的普通最小二乘法（OLS）不同，ZCAPM 运用期望最大化（EM）算法，通过机器学习技术估计隐藏的潜在参数 —— 即股票收益对市场收益离散度的正负敏感性概率。这种方法突破了传统线性模型的局限，能够更精准地捕捉资产的系统性风险。 第五部分与第六部分呈现了全面的实证检验结果。本书采用样本外测试方法（即通过 1 年日度数据估计模型参数，预测下一个月的收益），避免了数据挖掘偏差，更贴近真实投资场景。实证结果表明，ZCAPM 在解释 133 种、153 种异象组合，以及 47 个行业组合、日本市场 86 种异象时，均显著优于主流多因子模型：其样本外拟合优度（R²）常达到 80% 以上，远高于传统模型的 10%-30%；市场收益离散度因子的风险溢价具有极高的统计显著性，能够解释动量、规模、价值等传统模型难以覆盖的核心异象。这一发现有力支持了有效市场假说 —— 异象并非源于市场无效，而是传统模型未能充分度量风险，ZCAPM 所捕捉的市场收益离散度风险，正是多数异象背后的共性系统性风险。 本书的学术与实践价值显著。在理论层面，ZCAPM 以简约的双因子结构整合了 “因子动物园” 的核心信息，为资产定价理论提供了统一的分析框架，证明了有效市场假说在异象解释中的有效性；在方法层面，将机器学习的 EM 算法引入资产定价模型估计，为金融量化研究提供了新的技术路径；在实践层面，ZCAPM 的样本外预测能力为投资组合管理、风险定价提供了更可靠的工具，有助于提升投资决策的科学性与稳定性。 此外，本书还探讨了 ZCAPM 在顶级金融期刊中遭遇的接受困境，反思了学术领域可能存在的模型偏见问题，呼吁以科学的实证标准评估新理论。对于金融学者、量化分析师、投资管理者及相关专业学生而言，本书既是理解资产定价前沿理论的权威著作，也是掌握机器学习在金融领域应用的实用指南，为破解股票市场异象之谜、推动资产定价研究的进步提供了重要支撑。