阶段1因子与定价●●●●●

什么是Alpha？为什么它是量化行业的"圣杯"？

我的掌握程度：

q-007精讲

先掌握这个答案

Alpha（α，阿尔法）= 实际收益 − 基准/Beta解释的应得收益。詹森的原版定义： α = Ri − [Rf + β×(Rm − Rf)] 直觉版：Alpha = 剔除"搭电梯"之后的净贡献。α>0：创造了超额收益；α<0：跑输了风险对应的应有水平。业界实践中Alpha被进一步净化——剔除市场、行业、市值等一切风格暴露后剩下的、属于主动能力的部分。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

跑赢基准还不是能力证明

简单超额是策略与基准收益之差；Jensen Alpha是相对于指定风险模型的截距。未解释的收益也可能来自遗漏暴露、运气或估计误差，需说明模型、区间、费用与显著性。

本阶段实战方法 · 把行情数字变成可比较的收益

看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。

选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。

使用边界

不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。

不懂的术语：Beta（贝塔）Alpha（阿尔法）Alpha 信号（Signal）基准（Benchmark）

背景 · 从一个困惑说起

CAPM诞生后，1968年博士生迈克尔·詹森研究共同基金时发现一个新现象：两个基金经理买的是同一批股票池里的公司，年末一个赚钱一个亏钱——明明都搭了同一部市场电梯（Beta相同），结果却不同。

由此产生的问题

Beta只能解释"市场给的收益"，但基金实际收益与CAPM预测之间总有个差额，可正可负也可能是运气。有没有一个指标，能衡量基金经理"真正创造的、无法用市场解释的收益"？

核心概念

为什么需要它

①它是"能力"的最接近度量：Beta人人可买（买指数基金），Alpha必须靠研究和信息优势挣——这正是"主动投资"存在的全部理由；②它是量化行业的KPI：因子研究员的日常工作就是挖因子，因子的本质就是"能产生Alpha的信号"；③定价：私募收20%业绩报酬，客户付钱买的不是Beta（那只要付0.5%的指数基金费率），是Alpha。

实际应用场景

一只量化指增产品宣传"年化超额15%"，意思是：比基准多赚的、可归因于选股能力的部分年均15%；你在WorldQuant BRAIN上写的每个表达式（阶段9）都是一个Alpha候选；面试时被问"你的因子Alpha衰减怎么办"（阶段5）——整个行业的语言体系都建立在这个概念上。

与之前知识的联系

至此完成本阶段最重要的概念闭环：收益率（q-001）→ 提供度量；指数（q-004）→ 提供基准；风险（q-005）→ 提供代价维度；Beta（q-006）→ 剥离市场贡献；**Alpha（本题）→ 剩下的就是你创造的价值**。口诀：Beta是坐轿子的钱，Alpha是抬轿子的钱——量化研究的目标，就是持续、稳定、大规模地生产Alpha。

⚠ 常见误解

超额收益=Alpha：严格说还要剔除行业、风格等暴露（阶段5的"中性化"就是干这个），只跑赢指数可能只是押对了小盘风格
Alpha恒定存在：Alpha会衰减（众所周知后就消失）、会拥挤（大家一起赚就一起踩踏），所以量化要持续挖新因子
高Alpha一定好：还要看统计显著性和稳定性（阶段3的假设检验/ICIR），一段时期的漂亮Alpha可能只是运气

🤖 AI导师

导师会先检查你的前置知识（收益率、基准指数、Beta），再用案例、公式和代码帮助理解。此功能需要先启用服务。