资本资产定价模型的数学推导

一、资产收益的分布与风险因素建模

资本资产定价模型（CAPM）的核心假设是资产收益的分布具有特定特征。在数学推导中，首先需建立资产收益的统计模型。假设存在多个资产，其收益率服从正态分布，且各资产的收益存在系统性风险（即市场风险）。模型通过协方差矩阵描述资产间的收益相关性，具体公式为：
$$ \sigma_{ij} = \text{Cov}(r_i, r_j) $$
其中，$ \sigma_{ij} $ 表示资产i和j的协方差，$ r_i $、$ r_j $ 分别为资产i和j的收益率。通过协方差矩阵，可量化资产间的风险对冲潜力，为后续的数学推导奠定基础。

二、β系数的数学推导与风险溢价的计算

β系数是衡量资产系统性风险的指标，其数学推导基于资产收益与市场收益率的线性关系。假设市场收益率为$ r_m $，资产i的收益率为$ r_i $，则模型通过回归分析确定β系数：
$$ \beta_i = \frac{\text{Cov}(r_i, r_m)}{\text{Var}(r_m)} $$
该公式表明，β系数等于资产i与市场收益率的协方差除以市场收益率的方差，反映了资产对市场整体波动的敏感程度。在数学推导中，需进一步证明β系数的非负性（$ \beta_i \geq 0 $），并验证其与资产风险溢价之间的关系：
$$ \text{Risk Premium}_i = E[r_i] - r_f - \beta_i \sigma_m $$
其中，$ r_f $ 为无风险利率，$ \sigma_m $ 为市场收益率的标准差。这一公式揭示了资产的预期收益由两部分构成：风险补偿（无风险利率）和风险溢价（β系数与市场风险的乘积）。

三、方差最小化与最优投资组合的确定

CAPM的数学推导还涉及投资组合的优化问题。假设投资者可选择多个资产的组合，其总方差为：
$$ \sigma^2_{\text{portfolio}} = \sum_{i=1}^n \sum_{j=1}^n \frac{1}{n^2} \sigma_{ij} w_i w_j $$
其中，$ w_i $ 为资产i的权重，$ \sigma_{ij} $ 为资产i和j的协方差。通过最小化方差，投资者可找到风险与收益平衡的最优组合。数学推导中，需证明当β系数固定时，方差最小化问题转化为对权重的约束优化，最终得出投资组合的权重满足：
$$ w_i = \frac{\sigma_j^2}{\sum_{k=1}^n \sigma_{ik}^2} $$
这一结果体现了资本资产定价模型在投资决策中的核心地位，即通过风险对冲实现收益最大化。

四、模型的验证与实际应用

CAPM的数学推导需通过实证数据验证其有效性。例如，使用历史收益率数据计算β系数，并与实际市场波动率对比，可检验模型的预测能力。此外，模型在资产定价、风险评估和投资策略制定中广泛应用。例如，通过计算每个资产的β值，投资者可判断其风险敞口，从而调整投资组合。
在数学推导中，需进一步探讨模型的局限性，如假设资产收益服从正态分布、忽略非线性关系等。然而，CAPM作为经典模型，其理论框架仍为现代金融学提供重要参考，尤其在资产定价理论中占据核心地位。

五、结论

资本资产定价模型的数学推导揭示了资产收益与风险之间的内在关系，通过协方差矩阵、β系数和方差最小化等数学工具，构建了资产定价的理论基础。模型的验证表明，其在理论与实践中均具有高度可靠性，为投资者提供科学的决策依据。未来研究可进一步拓展模型至非线性收益分布、多因子模型等方向，以应对日益复杂的金融环境。