---
title: "套利定價理論 APT：多因子預期報酬"
description: "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。"
image: "https://wiki.fcontext.com/og.png"
---

> Documentation Index
> Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 套利定價理論 APT：多因子預期報酬

> 僅供教育參考，不構成投資建議；投資可能產生損失。

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

## 直接答案

套利定價理論（APT）是一種無套利框架，把資產的預期報酬與其對多個系統性因子的暴露連結起來。與單因子 CAPM 不同，它允許多個共同報酬來源。理論本身不會指定這些因子：研究者可以使用可交易因子報酬、總體經濟意外或潛在統計因子，但這些選擇代表不同模型，必須分別論證。

常見表達為：

`E(Rᵢ) = R₀ + βᵢ₁λ₁ + βᵢ₂λ₂ + ... + βᵢₖλₖ`

`βᵢⱼ` 衡量資產 `i` 對因子 `j` 的敏感度；`λⱼ` 是一單位因子暴露對應的預期報酬溢價。在允許按無風險利率借貸的版本中，截距 `R₀` 可以等於無風險利率；其他版本則使用零 beta 報酬率或常數。因子單位很重要：縮放或旋轉因子會改變各自的 beta 和溢價，即使擬合的預期報酬不變。

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

## 套利邏輯如何運作

APT 從大型資產集合的近似因子結構出發。在充分分散的投資組合中，公司特有的殘差風險可以變得很小，而共同因子暴露仍然存在。單家公司的產品失敗可能被分散；景氣衰退或廣泛信用緊縮則會同時影響許多持倉。

這裡的套利是一項定價一致性約束。如果一個充分分散、近乎零投資的組合幾乎沒有因子風險和殘差風險，卻能可靠地產生正的預期報酬，投資人就會試圖買入它。在 Ross 的大型市場設定中，排除這類機會會使預期報酬近似成為因子負荷的線性函數。這並不等於證明任意兩檔估計 beta 相近的股票能夠構成精確的無風險交易。

現實執行並非無摩擦。真實組合會遇到交易成本、放空和槓桿限制、借貸成本、稅負、beta 變化及模型誤差。APT 在其假設下給出理論限制；它不保證估計出的定價誤差可以被捕捉，也不保證每個表面價差都是套利。

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

## 範例

假設一個虛構的雙因子模型，意外變數及其 beta 均採用明確且固定的單位，並假設截距等於無風險利率：

- 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%`

按這組算例輸入，模型賦予景氣循環股較高的必要報酬率。利率因子帶來正貢獻，是因為負 beta 乘以負溢價；這不是關於利率敏感型股票的普遍規律。這些數字只用於說明計算，並非實證估計或報酬預測。必要報酬率較高本身也不代表股票更便宜或更好。

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

## 實務檢查

- 先定義因子，再配適模型。避免只因為某個因子在一個樣本中有效就採用它。
- 說明每個因子的建構、單位、正負方向、可投資性和經濟依據。總體經濟意外與可交易多空組合報酬不是同一種變數。
- 配合資料頻率。不要隨意用季度總體變數解釋日度股票報酬。
- 在適當情況下使用意外變化或因子報酬，而不是市場早已知道的水準值。
- 分開估計 beta 和橫斷面因子溢價，並量化兩個階段的不確定性。
- 檢查殘差分散程度、定價誤差、beta 穩定性，以及跨時間、環境、產業和樣本外的表現。
- 注意多重共線性和因子旋轉。等價的不同因子表示可能使單一係數看似不穩定。
- 防範前視偏誤、存活者偏誤、資料探勘和遺漏因子。
- 在把價差稱為套利前，計入交易成本、放空和槓桿限制、流動性、稅負及因子擁擠。
- 將模型隱含的必要報酬率與 CAPM、業務基本面、估值和壓力情境比較，不要把它當作實際報酬預測。

<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。

**「每個模型殘差都是無風險利潤。」** APT 的限制針對模型假設下充分分散的組合；估計殘差可能來自雜訊、遺漏風險和交易摩擦。

**「因子越多，模型越好。」** 額外因子可能過度配適歷史資料，並降低可解釋性。

**「必要報酬率高代表股票有吸引力。」** 它可能只是代表股票承擔了更多系統性風險。

**「Fama–French 因子就是 APT 指定的因子。」** 它們是有影響力的實證因子建構。APT 既不會唯一選擇它們，也不保證其溢價在每個市場或樣本中都存在。

<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://doi.org/10.1016/0022-0531(76)90046-6) — Journal of Economic Theory（2026-08-07）
- [Common risk factors in the returns on stocks and bonds](https://doi.org/10.1016/0304-405X(93)90023-5) — Journal of Financial Economics（2026-08-07）
- [Description of Fama/French Benchmark Factors](https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/Data_Library/f-f_bench_factor.html) — Kenneth R. French Data Library（2026-08-07）

Source: https://wiki.fcontext.com/zh-tw/stocks/arbitrage-pricing-theory/index.mdx