# 套利定價理論 APT：多因子預期報酬

理解套利定價理論如何把股票預期報酬與多個系統性因子、因子 beta 和風險溢價連結起來。

標準網址: https://wiki.fcontext.com/zh-tw/stocks/arbitrage-pricing-theory/
事實查核日期: 2026-07-14

> 僅供教育參考，不構成投資建議

<a id="answer"></a>

## 直接答案

套利定價理論（APT）是一種把資產預期報酬與多個系統性風險因子連結起來的框架。它不認為只有一個市場 beta 解釋預期報酬，而是允許市場風險、利率衝擊、通膨意外、信用環境、規模、價值或統計共同因子等多個來源同時起作用。

常見表達為：

`E(Rᵢ) = Rf + βᵢ₁λ₁ + βᵢ₂λ₂ + ... + βᵢₖλₖ`

`βᵢⱼ` 衡量資產 `i` 對因子 `j` 的敏感度；`λⱼ` 是承擔一單位該因子暴露所要求的風險溢價。APT 是定價框架，不是一張保證可交易因子的清單。

<a id="mechanism"></a>

## 套利邏輯如何運作

APT 區分可分散的公司特有風險和系統性因子風險。單家公司產品失敗可以透過持有多家公司來降低；衰退、利率衝擊或信用收緊會同時影響許多公司，因此投資人可能要求補償。

這裡的套利是一種一致性約束。如果兩個充分分散的組合具有相同因子暴露，卻有不同預期報酬，投資人可以做多高報酬組合、做空低報酬組合。這種壓力應推動價格回到預期報酬與因子暴露一致的關係。

現實並不無摩擦。真實組合會遇到交易成本、放空限制、借貸成本、稅收、beta 變化和模型誤差。APT 解釋為什麼大而持久的誤定價會受到約束，但不意味著每個表面價差都是無風險交易。

<a id="example"></a>

## 範例

假設使用兩個因子：

- 無風險利率：`4%`
- 經濟成長意外因子溢價：`3%`
- 利率意外因子溢價：`-2%`

某景氣循環股的成長 beta 為 `1.5`，利率 beta 為 `-0.5`：

`必要報酬率 = 4% + 1.5×3% + (-0.5)×(-2%)`

`必要報酬率 = 4% + 4.5% + 1.0% = 9.5%`

某防禦股的成長 beta 為 `0.4`，利率 beta 為 `0.2`：

`必要報酬率 = 4% + 0.4×3% + 0.2×(-2%)`

`必要報酬率 = 4% + 1.2% - 0.4% = 4.8%`

景氣循環股必要報酬率更高，是因為模型認為它承擔了更多被補償的風險。這不自動表示它更便宜或更好；投資人仍要把預期現金流、估值和因子暴露一起比較。

<a id="risks"></a>

## 實務檢查

- 先定義因子，再擬合模型。避免只因為某因子在一個樣本中有效就採用。
- 匹配資料頻率。不要隨意用日度股票報酬回歸季度宏觀變數。
- 在適當情況下使用意外變化或因子報酬，而不是已知水準。
- 檢查因子 beta 在不同時間、環境和產業中是否穩定。
- 注意多重共線性。高度相關的因子會讓係數不穩定。
- 區分估計 beta 和估計因子風險溢價。
- 將 APT 輸出與 CAPM、業務基本面、估值和壓力情境比較。

<a id="misconceptions"></a>

## 常見誤解

**「APT 會告訴你正確因子。」** 它允許多個因子，但不會唯一指定應使用哪些因子。

**「套利意味著現實市場裡的無風險利潤。」** 在 APT 中，套利是一種理論定價壓力；執行會有成本和風險。

**「因子越多模型越好。」** 額外因子可能過度擬合歷史資料，並降低可解釋性。

**「必要報酬率高說明股票有吸引力。」** 它可能只是說明股票承擔了更多系統性風險。

<a id="related"></a>

## 相關主題

- [資本資產定價模型 CAPM](/zh-tw/stocks/capm/)
- [Beta](/zh-tw/stocks/beta/)
- [股權風險溢價](/zh-tw/stocks/equity-risk-premium/)

<a id="sources"></a>

## 權威來源

- [The Arbitrage Theory of Capital Asset Pricing](https://www.jstor.org/stable/1913835) — Journal of Economic Theory（2026-07-14）
- [Common risk factors in the returns on stocks and bonds](https://doi.org/10.1016/0304-405X(93)90023-5) — Journal of Financial Economics（2026-07-14）
- [Description of Fama/French Factors](https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library/f-f_factors.html) — Kenneth R. French Data Library（2026-07-14）