股票的阿尔法和贝塔怎么求，知道α和β的范围如何求α-β的范围?如α属于π到π/2，β属于π到π/2，则α-β的范围

一、知道α和β的范围如何求α-β的范围?如α属于π到π/2，β属于π到π/2，则α-β的范围

α∈(π/2，π)，①β∈(π/2，π)  ②-β∈(-π，-π/2)③①+③α-β∈(-π/2，π/2)如果您认可我的回答，请点击“采纳为满意答案”，祝学习进步！

二、如何求α－β范围？

α所以 α-β<；
0 0-π/2<；
-β<；
0 相加，得 0+(-π/2)即-π/2所以 -π/2<；
0

三、股票中的β系数如何解释（贝塔系数）?

其绝对值越大，显示其收益变化幅度相对于大盘的变化幅度越大；
绝对值越小，显示其变化幅度相对于大盘越小。
如果是负值，则显示其变化的方向与大盘的变化方向相反；
大盘涨的时候它跌，大盘跌的时候它涨。
由于我们投资于投资基金的目的是为了取得专家理财的服务，以取得优于被动投资于大盘的表现情况，这一指标可以作为考察基金经理降低投资波动性风险的能力。
在计算贝塔系数时，除了基金的表现数据外，还需要有作为反映大盘表现的指标。
 贝塔系数(Beta coefficient)是一种评估证券系统性风险的工具，用以度量一种证券或一个投资证券组合相对总体市场的波动性。
在股票、基金等投资术语中常见。
 β = 0表示没有风险，β = 0.5表示其风险仅为市场的一半，β = 1表示风险与市场风险相同，β = 2表示其风险是市场的2倍。
 贝塔系数反映了个股对市场(或大盘)变化的敏感性，也就是个股与大盘的相关性或通俗说的“股性”。
可根据市场走势预测选择不同的贝塔系数的证券从而获得额外收益，特别适合作波段操作使用。
当有很大把握预测到一个大牛市或大盘某个不涨阶段的到来时，应该选择那些高贝塔系数的证券，它将成倍地放大市场收益率，为你带来高额的收益；
相反在一个熊市到来或大盘某个下跌阶段到来时，你应该调整投资结构以抵御市场风险，避免损失，办法是选择那些低贝塔系数的证券。
 为避免非系统风险，可以在相应的市场走势下选择那些相同或相近贝塔系数的证券进行投资组合。
 更多股票学习内容请访问棒槌网！

四、一道计算股票价值的题目！贝塔系数！

哦，原来是这个意思。
你说的平均风险收益率就是风险溢酬，也就是已经把Rm+Rf的和算好了，我还以为只是市场的风险收益率Rm。
所以才有原先的算法，不过和答案里的方法都是一样的。
注意！你计算的是必要收益率，而不是预期收益率！不过公式是对的。
必要收益率 k=无风险收益率+beta * 风险溢价。
其中风险溢价（也就是你写的那个“平均风险收益率”）=市场风险收益率+无风险收益率。
你还是系统的学习下吧，这些其实都是corporate finance里面的最基本的内容。

五、如何用回归直线法求资产的系统风险系数β

从本世纪七十年代以来，西方学者对CAPM进行了大量的实证检验。
这些检验大体可以分为三类： 1.风险与收益的关系的检验 由美国学者夏普（Sharpe）的研究是此类检验的第一例。
他选择了美国34个共同基金作为样本，计算了各基金在1954年到1963年之间的年平均收益率与收益率的标准差，并对基金的年收益率与收益率的标准差进行了回归，他的主要结论是： a、在1954—1963年间，美国股票市场的收益率超过了无风险的收益率。
 b、 基金的平均收益与其收益的标准差之间的相关系数大于0.8。
 c、风险与收益的关系是近似线形的。
 2.时间序列的CAPM的检验 时间序列的CAPM检验最著名的研究是Black，Jensen与Scholes在1972年做的，他们的研究简称为BJS方法。
BJS为了防止β的估计偏差，采用了指示变量的方法，成为时间序列CAPM检验的标准模式，具体如下： a、利用第一期的数据计算出股票的β系数。
 b、 根据计算出的第一期的个股β系数划分股票组合，划分的标准是β系数的大小。
这样从高到低系数划分为10个组合。
 c、采用第二期的数据，对组合的收益与市场收益进行回归，估计组合的β系数。
 d、 将第二期估计出的组合β值，作为第三期数据的输入变量，利用下式进行时间序列回归。
并对组合的αp进行t检验。
 其中：Rft为第t期的无风险收益率 Rmt为市场指数组合第t期的收益率 βp指估计的组合β系数 ept为回归的残差 BJS对1931—1965年间美国纽约证券交易所所有上市公司的股票进行了研究，发现实际的回归结果与理论并不完全相同。
BJS得出的实际的风险与收益关系比CAPM 模型预测的斜率要小，同时表明实际的αp在β值大时小于零，而在β值小时大于零。
这意味着低风险的股票获得了理论预期的收益，而高风险股票获得低于理论预测的收益。
 3.横截面的CAPM的检验 横截面的CAPM检验区别于时间序列检验的特点在于它采用了横截面的数据进行分析，最著名的研究是Fama和Macbeth（FM）在1973年做的，他们所采用的基本方法如下： a、根据前五年的数据估计股票的β值。
 b、 按估计的β值大小构造20个组合。
 c、计算股票组合在1935年—1968年间402个月的收益率。
 d、 按下面的模型进行回归分析，每月进行一次，共402个方程。
 Rp=g0+g1bp+g2bp2+g3sep+ep 这里：Rp为组合的月收益率、 βp为估计的组合β值 bp2为估计的组合β值的平方 sep为估计βp值的一次回归方程的残差的标准差 g0、g1、g2、g3为估计的系数，每个系数共402个估计值 e、对四个系数g0、g1、g2、g3进行t检验 FM结果表明： ①g1的均值为正值，在95%的置信度下可以认为不为零，表明收益与β值成正向关系 ②g2、g3在95%的置信度下值为零，表明其他非系统性风险在股票收益的定价中不起主要作用。
 1976年Richard·Roll对当时的实证检验提出了质疑，他认为：由于无法证明市场指数组合是有效市场组合，因而无法对CAPM模型进行检验。
正是由于罗尔的批评才使CAPM的检验由单纯的收益与系统性风险的关系的检验转向多变量的检验，并成为近期CAPM检验的主流。
最近20年对CAPM的检验的焦点不是 ，而是用来解释收益的其它非系统性风险变量，这些变量往往与公司的会计数据相关，如公司的股本大小，公司的收益等等。
这些检验结果大都表明：CAPM模型与实际并不完全相符，存在着其他的因素在股票的定价中起作用。

参考文档