阿尔法(alpha)与贝塔(beta)
阿尔法与贝塔的意义在证券投资中，我们交易的是什么？是风险。
承担了被低估的风险获得正收益。反之，获得负收益。
所以，关键问题是对风险定价。
资本市场中有各种各样的风险。如何将完全不同的风险，统一到同一个价格体系中，是一个复杂的问题。
但是，我在伟大的知乎上找到了答案。
提问：如何优雅地测量一只猫的体积，而不使其感到惊恐或受到伤害？
@王福霖：我们可以直接定义这只猫的体积为1喵升。。。
是的，就是这个方法，定义1喵升……哦，不，是1单位风险。
要对A风险定价，已知它与B风险是等价的，如果知道B风险的价格，也就知道A风险的价格。
如果从历史数据分析结果看，A的价格与B的价格呈现线性相关关系，那么我们就可以认为A和B风险是等价的。
所以，关键问题是找到合理的B。我们把B称为A的Benchmark。
Benchmark的好坏，取决于与A的相关程度，以及Benchmark交易价格的合理程度。
我们一般都找指数作为Benchmark。因为根据有效市场理论，市场价格是合理的。
有了以上的逻辑，我们就可以对A、B的价格进行回归分析：
容易知道，如果Benchmark上涨1%，投资收益就会增加b%。b就是β。
把Benchmark看作一个系统，β代表承担系统风险带来的收益。β越高，承担的系统风险越高。
投资组合的β值是由投资者无差异曲线决定的。所以，单纯的β值并不能体现基金经理对系统风险的管理能力。根据对系统风险的判断，合理的调整β，才体现了基金经理的对系统风险的管理能力。
如果A是一个组合，投资者在持有过程中，有权限主动调整组合中某些标的的权重，但这种调整并不足以改变β。
Benchmark上涨1%，投资收益最终增加了(b+Δ)%。Δ就是α。
α体现了主动调整投资组合带来的收益。但是，这种调整并不改变系统风险。也就是说，α体现了对非系统风险的管理能力。
被动管理型策略几乎没有α，其目的是跟踪Benchmark的收益。α越小，跟踪误差越小。
α大于0，且越大越好。当α很大时，投资策略可能更偏向主动管理，而非被动管理。因为，α属于回归分析的残差项，与β收益不在一个数量级。
一个实例以深证成指（399001）为Benchmark，我们来分析一下广发证券（000776）自2010年2月12日开始的月收益率。
可以看出来，000776与399001的相关性比较稳定，在0.8附近。
2015年4月起，β值稳定在2附近。回归分析和CAPM模型计算的收益率与实际收益率基本没有误差。说明000776的收益率都是系统风险带来的，基本没有非系统风险。
阿尔法策略阿尔法策略利润来源于对非系统风险的主动管理，例如选股。对系统风险，可以采用被动管理、部分对冲，或者完全对冲。
举个简单的例子：
F国的一个基金经理A的选股能力可以带来稳定的正阿尔法。但其投资经验局限在F国资本市场。
D国有一个基金B，如果既想获得A的阿尔法，又不想承担F国的系统风险，需要怎做呢？
基金B通过F国的衍生品市场，对冲掉A持有头寸的贝塔，就可以获得单纯的阿尔法。
贝塔策略贝塔策略利润来源于对系统风险的管理能力。
既可以专注于一个市场：基金经理在市场牛市时，通过投资高贝塔的标的，承担更大的系统风险，来获得更高的收益。反之，在熊市中就降低贝塔。
也可以跨市场，例如全球宏观对冲策略。