套利定价理论 APT
概述
套利定价理论（Arbitrage Pricing Theory, APT）由 Stephen Ross 于 1976 年提出，是 CAPM 的重要替代框架。与 CAPM 依赖均值-方差优化和市场组合不同，APT 建立在无套利（No-Arbitrage）原则之上，允许多个系统性因子影响资产收益。
多因子模型（Multi-Factor Model）
APT 假设资产收益由 \(K\) 个共同因子驱动：
其中：
- \(E(R_i)\) 为资产 \(i\) 的预期收益
- \(b_{ik}\) 为资产 \(i\) 对因子 \(k\) 的因子载荷（Factor Loading / Sensitivity）
- \(F_k\) 为第 \(k\) 个因子的意外变动（均值为零）
- \(\epsilon_i\) 为资产特有风险（Idiosyncratic Risk），与因子及其他资产的特有风险不相关
与 CAPM 的比较
CAPM 是 APT 的特殊情形——当唯一的系统性因子为市场收益时，APT 退化为 CAPM。APT 不要求市场组合的存在，假设更少、适用性更广。
套利组合（Arbitrage Portfolio）
APT 的核心逻辑：如果资产定价偏离因子模型的预测，就存在套利机会。
构建套利组合需满足三个条件：
- 零投资（Self-financing）：\(\sum_{i} \Delta w_i = 0\)
- 零因子风险：\(\sum_{i} \Delta w_i \cdot b_{ik} = 0, \quad \forall k\)
- 正预期收益：\(\sum_{i} \Delta w_i \cdot E(R_i) > 0\)
套利示例
假设两只股票有相同的因子载荷 \(b = 1.2\)，但预期收益分别为 12% 和 10%。买入高收益股票、卖出低收益股票，构建零投资零因子风险的组合，可获得 2% 的无风险利润。市场套利行为将消除这一定价偏差。
当充分多的投资者进行套利时，错误定价被纠正，均衡定价关系成立。
APT 定价公式
在无套利均衡下，资产的预期收益为：
其中 \(\lambda_k\) 为第 \(k\) 个因子的风险溢价（Factor Risk Premium），即单位因子载荷所获得的超额收益。
因子风险溢价的估计
因子风险溢价可通过截面回归（Cross-Sectional Regression）估计：
- 第一步（时间序列回归）：对每个资产回归得到因子载荷 \(\hat{b}_{ik}\)
- 第二步（截面回归）：用因子载荷解释资产预期收益，回归系数即为 \(\hat{\lambda}_k\)
这就是经典的 Fama-MacBeth 两步回归法。
常见因子
APT 未指定具体因子，实务中常用的因子包括：
| 因子类别 | 具体因子 |
|---|---|
| 宏观因子 | GDP 增长率、通胀率、利率期限利差、信用利差 |
| 统计因子 | 主成分分析（PCA）提取的因子 |
| 基本面因子 | 市值（Size）、价值（Value）、盈利（Profitability） |
| 技术因子 | 动量（Momentum）、波动率（Volatility） |
Chen-Roll-Ross 模型
Chen, Roll 和 Ross（1986）提出了五个宏观经济因子：
- 工业产出增长率的意外变动
- 预期通胀的变动
- 非预期通胀
- 信用利差（低评级与高评级债券收益率之差）
- 期限利差（长期与短期国债收益率之差）
APT 的优势与局限
优势：
- 假设少于 CAPM，不依赖市场组合
- 允许多个风险来源，更贴近现实
- 基于无套利原则，逻辑更为严谨
局限：
- 未明确指定因子数量和身份
- 因子的选择具有主观性
- 严格的 APT 只保证"近似"定价，对个别资产可能存在偏差
因子动物园
学术文献中已发现数百个可能的定价因子，被称为"因子动物园"（Factor Zoo）。过多因子可能源于数据挖掘（Data Mining），投资者需关注因子的经济逻辑和样本外表现。