本文将CAPM视为结构因果模型,指出传统同期CAPM中市场收益与个股收益间的beta系数非因果传递,而是因共同驱动因素Z的代理变量,强调beta-中性组合无法完全消除对宏观及行业冲击的暴露,实证美国大盘股数据支持此结论,建议投资和归因应基于明确因果路径重新定义alpha和对冲。
报告标题:《Rethinking Beta: A Causal Take on CAPM》
作者:Naftali Cohen(独立研究者)
发布日期:未明(最新数据涵盖到2025年)
主题:对资本资产定价模型(CAPM)中“贝塔”参数的因果解读,针对同期市场收益对个股收益的影响机制进行系统因果分析及实证检验。
本文针对传统CAPM模型中回归系数“贝塔”的因果含义展开研究,核心问题是:同一时间点的市场收益Rm,t对单只资产收益Ri,t是否构成真实的因果影响,亦即标准CAPM回归中隐含的“Rm,t→Ri,t”箭头是否合理。作者提出了“聚合矛盾”(Aggregator Contradiction)概念,揭示市场指数Rm作为成份股收益的加权总和,同期市场收益作为解释变量同时受到指数中被解释资产的影响,导致因果方向的不一致和同时性问题。
文章以结构因果模型(Structural Causal Model, SCM)为框架,抽象出驱动因子Z(宏观、行业及其他非市场因素)、市场回报Rm和个股回报Ri三节点图,系统探讨可接受的因果图形结构,并用大盘美国股票数据和数值模拟验证理论。结论强调:CAPM回归系数贝塔不能简单视为“市场对个股的因果效应”,而是市场暴露的一个代理指标,因而基于标准CAPM的“贝塔中性”对冲无法消除所有相关风险。作者倡导资产组合管理和风险归因应转向显式基于因果关系的模型,重新定义“阿尔法”概念。
总体上,本报告对传统CAPM的解读提出了根本性修正,并借助因果推断工具,指出几何级数的现实操作及理论背后的误读,具有针对市场实证数据的严谨理论支撑。,1,2]
作者指出传统中,CAPM回归被视为市场收益对个股收益的即时因果关系:
[ R_i = \alpha + \beta R_m + \epsilon, ]
其中,OLS估计的β当作市场冲击对个股回报的边际因果效应。实际上OLS回归仅呈现统计关联:
[ \beta_\mathrm{OLS} = \frac{\mathrm{Cov}(R_m, R_i)}{\mathrm{Var}(R_m)}, ]
而因果效应需要操作性干预定义:
[ \beta_{\mathrm{causal}} = \frac{\partial}{\partial r} \mathbb{E}[R_i | \mathrm{do}(R_m = r)], ]
两者等价需满足一定图结构前提:无后门路径、无同时反馈、正确时间索引等。但由于市场指数Rm,t定义为成分股加权值:
[ R_{m,t} = \sum_j w_{j,t-1} R_{j,t}, ]
同一时点Rm,t与Ri,t形成双向依赖,违反因果无环假设,造成经典同时性悖论。该问题由经济学早期文献(Haavelmo 1943,Cowles Commission等)系统揭示,但金融学对此辨识有限。持续存在的实证资产定价模型识别争议部分源于此逻辑矛盾。
作者提出以三节点因果模型(Z,Rm,Ri)为核心:
构建结构方程模型(SCM):
[ Z := f_Z(U_Z), \quad X := f_X(U_X), \quad Y := f_Y(X,Z,U_Y), ]
其中X≡Rm, Y≡Ri。在无箭头Z→X且满足无环条件下,OLS回归斜率β可被理解为因果路径系数。但实际的同时期采样中,Rm已内嵌Ri,故不能将Rm,t→Ri,t作为符合无环和时间因果先后顺序的边。
文章形式化“聚合矛盾”:若同时间段内存在Rm,t→Ri,t,则需满足三个条件之一:
无法满足时,系数β必为零,违背市场与个股的因果路径假设。作者进一步细致枚举七类可能的三节点因果图,并通过经济解释和图形逻辑排除不合理图式,确定以共同驱动器Fork模型Z→{Rm,Ri}最具经验支持。,3,4,5,6]
作者系统地提出七种可行有向无环图(DAG)配置,涵盖市场、个股与外部驱动三者相互作用。主要模型包括:
文中强调,只有符合时间优先、无环、存在合理传导机制,并满足干预剔除的结构才能被视为实际因果路径。
这一区分有助于明确风险暴露和对冲策略的因果基础,指导实证检验,包括检验时间滞后效应、留一市场构造对β的敏感性、以及添加Z代理变量对市场斜率的影响。,7,8]
作者通过模拟验证理论差异,定义两种线性高斯SEM:
[ X = a Z + U_X, \quad Y = b Z + U_Y, ]
回归系数为:
[ \beta_\mathrm{fork} = \frac{a b \sigma_Z^2}{a^2 \sigma_Z^2 + \sigma_X^2} = \frac{b}{a} \times \lambda, ]
其中λ为信号噪声比(∈(0,1)),表现出经典“误差-in-变量”衰减效应。beta对冲后,残差依然与Z相关,即未能除去Z驱动。
[ X_t = a Z_{t-\Delta} + U_{X,t}, \quad Y_t = c X_{t-\Delta} + U_{Y,t}, ]
OLS回归可精确恢复因果效应c,并且beta对冲后残差与Z无关,完美消除因果机制。
模拟结果(图3)显示Fork模型下β随着X的代理噪音加大而下降,残差加载Z增加;Chain模型β不受噪音影响,残差不载入Z。这揭示标准CAPM的beta更像一个信号噪声条件下的代理变量。,9,10]
数据采用2015-2025年期间约100只美国大市值股票及SPY指数,宏观因子代理包括VIX波动率变动、10年期美债收益率变化(DGS10)、美元指数(DXY)及行业ETF收益,重点选取如消费者物价指数(CPI)发布日等外生“冲击日”。
主要发现(Pillar 1):
主要发现(Pillar 2):
上述检验高度吻合作者所提Fork模型的因果预期,实证支持“贝塔是共同驱动器代理”而非因果路径。,11,12]
总结全文,作者强调:
此外,作者指出自己的研究范式局限于线性三节点模型、日频数据和常规公开因子;更细粒度的交易微观结构因素及机构机制尚需更精细建模。总体上,报告为资产定价因果理解提供了一个方法论范式转变的基础。
描述:6个子图:
解读:显示市场斜率非稳健、显著受外部驱动影响,beta对冲外仍无法消除系统性宏观风险,违背稳定因果机制的预期。
联系文本:实证验证Fork模型的关键假设,即市场-个股收益的同期关系为Z驱动的关联,不为直接因果。
溯源:
本报告未涉及传统意义上的估值分析(如DCF估值、市盈率倍数估值等),而聚焦于回归系数的因果意义和统计识别问题,因此不存在估值方法和目标价讨论。(这反映本文属于理论建模与实证方法论范畴,而非公司估值报告)。
虽然报告集中于理论模型与实证验证,但核心风险思想是:
报告未给出明确缓解方案,但建议通过明确的因果结构识别、时间序列滞后利用和留一法等技术减少因果识别偏误。
总体上,报告对传统CAPM及其实证解读提出了颠覆性挑战,且证明了因果推断方法在资产定价领域应用的开拓性意义。
本文以结构因果模型为工具,系统揭示了传统CAPM中市场指数作为自我成分总和的“聚合矛盾”,导致同一时间点市场收益对单只资产收益的直接因果解释无法成立。相反,基于三节点因果图的Fork模型,即外部宏观驱动Z共同作用于市场和资产,提供了更为合理且实证支持的解释框架。
通过数值模拟和涵盖近十年美股大盘数据的实证检验,作者显示:
该发现挑战了传统基于CAPM的市场中性组合构造和风险管理范式,提示基金经理及量化研究人员必须:
图表深入支持了以上结论,清晰显示了不同因果图模型下β估计及对冲残差的截然不同表现,印证了因果建模的实用性。
总体而言,本文以严谨的理论建构、丰富的实证分析和清晰的数值示例,完整地解构了CAPM中贝塔的因果内涵,具有重要的学术和实践启示价值。
文末详尽列明了大量经典文献,包括Sharpe(1964)、Lintner(1965)、Roll(1977)、Haavelmo(1943)、Pearl(2009,2016)、Fama & French(1992,1993)、Merton(1973)、Engle(2016)等,为本研究提供坚实理论基础和方法论支持。
注:以上分析严格依据报告内容及其附图进行,结构清晰,重点突出,充分诠释了文章的理论贡献、实证发现与实践启示,符合专业资深金融分析师的深入解读标准。
2509.05760.pdf