跑赢了指数，功劳该算给谁？

研究做完以后，蛙兄又打开了那份摘要。

他把“超过同期沪深300”圈了出来，准备补上一句：九拍还是有点本事的。

“虽然没赚到钱，但至少比大盘强吧？”

“比大盘强，这个结果我们已经看到了。”蛙博士说，“不过，你准备把功劳全算给九拍？”

“不然呢？”

“我们还选了行业，有些时候也没持有股票。这些有没有影响？”

蛙兄看了看那句话，暂时没有按下保存。

这一次，我们不是怀疑程序有没有算错。我们想多问一句：账户跑出了这个结果，可能与哪些事情有关？

跑赢了，不等于已经分清了功劳

先想一个很简单的情况。

如果某段时间市场一直下跌，一个大部分时间拿着现金的账户，也可能比一直持有股票少跌一些。它超过了指数，却未必是因为找到了特别准的买点。

反过来，市场整体上涨时，一个账户赚到了钱，也未必全是选股的功劳。

再回到我们的研究：选定的教学行业有没有影响？账户什么时候持仓、什么时候空仓，有没有影响？九拍规则在其中又起了什么作用？

这些都是可以继续检查的方向。目前我们并没有算过它们各自贡献多少，不能挑一个听起来合理的解释，就当成已经查明的原因。

“那之前与沪深300的比较，白做了？”

没有。它回答了“这段时间，我们比沪深300多赚了，还是少亏了”。现在，我们想进一步解释这个表现。

成绩已经有了，功劳还没分完。

模型，不一定负责预测明天

“听起来得上模型了。”蛙兄说，“是不是又要训练一个AI？”

先不用搬出这么大的阵仗。

我们可以先提出一种简单的解释办法：账户收益的一部分，可能与市场整体的涨跌有关。把账户与市场在同一段时间里的收益记录放在一起，看看它们之间有没有相对稳定的关系。

比如，把“市场涨跌多少，账户通常跟着变化多少”写成一个简单公式，再拿记录检查它解释得怎么样。这就是一种模型的做法。

它可以很简单，也可以考虑更多因素，比如行业。重要的不是公式看起来多厉害，而是：它考虑了什么，省略了什么，准备回答什么问题。

所以，模型不一定是预测明天涨跌的机器。它也可以帮助我们解释已经发生的事情。

就像这里，我们不是让模型报出“明天买哪只”，而是请它帮助检查“这份收益与市场有什么关系”。

先看看，它跟着市场动多少

市场涨跌时，不同账户的反应可能不同。

有的账户与市场的起伏联系比较紧，市场一波动，它往往也跟着明显起伏；有的账户与市场同方向变化，但幅度小一些。

用来描述这种“跟着市场动多少”的一个常见数值，叫 Beta（贝塔）。这里说的市场，需要选一个具体的比较对象，比如沪深300。Beta描述账户与它的涨跌关系，不是给账户全部风险打一个总分。CFA Institute：认识投资风险中的常见指标

先记住它在问什么就好：市场动的时候，这套办法通常跟着动多少？

这里的“通常”很重要。它描述一段数据里的关系，不是每天照着执行的涨跌合同。

算这笔账之前，先想想另一种选择：不买股票，把钱存银行拿利息。

这能帮助我们理解无风险收益：模型里那份假定不用承担风险，也能拿到的基础回报。存银行只是一个方便理解的比方，不是说任何存款都绝对没有风险。

接下来用一个虚构的小例子。为了少算一步，先把这份基础回报设为0%。这只是算例的假设，不是说现实中的利息都是零。

再假设某个账户的Beta为0.5。在这个简单模型里，与市场一起变化的那部分收益，先按市场涨跌幅度的一半来算。市场赚了10%，模型算出的比较标准就是5%。后面我们把这个标准叫作“模型参照”。

这个0.5是例子预先给定的条件。实际研究要根据多次收益记录来估计，不能拿某一天的账户收益除以市场收益，就宣布算出了Beta。

“所以它最后一定赚5%？”

当然不是。5%只是按这个模型算出来、用来比较的数字，不是承诺。实际结果可能高于它，也可能低于它。

同一个8%，为什么会有两种评价？

继续刚才那个例子。假设这个账户实际赚了8%。

先与市场比：市场赚了10%，账户赚了8%，少了2个百分点。

再与刚才的模型参照比：模型给出的参照是5%，账户实际赚了8%，多了3个百分点。

这整组数字都是简化示意，不是我们的九拍实验结果。 所有收益使用同一时期，Beta假设为0.5，无风险收益假设为0%。

“它到底是表现好，还是表现不好？”

两句话没有矛盾。第一句直接比谁赚得多；第二句先考虑这个账户通常跟着市场动多少，再看它有没有多赚一些。

第二种比较，引出了 Alpha（阿尔法）。

在这个例子里，我们不是拿8%直接减去市场的10%，而是减去模型给出的5%。多出的3个百分点，就是按这个模型算出的Alpha。它回答的是“比模型给出的标准，多赚了多少”，不是“比指数多赚了多少”。CFA Institute：了解这种Alpha的计算思路

这里只用一段收益，让两种比较一眼可见。真正评价策略时，还要看多次记录：是偶尔多赚了一次，还是这样的额外表现反复出现？一次正数，还回答不了这个问题。

想看看这里的5%怎么算？可以展开

这个简单模型的计算思路是：

模型参照收益 = 无风险收益 + Beta ×（市场收益 − 无风险收益）

无风险收益，就是前面借“存钱拿利息”理解的那份基础回报，不是沪深300的收益。例子把它设为0%，因此得到：

0% + 0.5 ×（10% − 0%）= 5%

这类关系来自资本资产定价模型，简称CAPM。实际收益减去它给出的参照，通常称为Jensen’s Alpha。名字不用背；以后查资料时，知道我们讲的是哪一种比较方法就好。

实际选用无风险收益时，要考虑收益使用的货币和对应的期限，不能随手找一个存款利率就套进去。正文借存钱帮助理解，不是在指定计算时应该使用哪种存款。CFA Institute：收益比较中的货币与期限

研究者常用一段时间内的多次收益记录来估计Alpha，同时留出每次偶然波动的部分。所以，某一天模型没解释的涨跌，不能全算成稳定的Alpha。

正的Alpha，也不是一张奖状

“明白了。”蛙兄说，“那让AI给九拍算个正的Alpha，就可以颁奖了？”

先别给AI安排好答案。

模型可能漏掉了重要因素。比如，只考虑市场整体涨跌，却没有考虑某个行业的特点。看起来多出来的表现，换一种解释方法以后，可能就不一样了。

选哪个指数来比较、看哪段时间，也都会影响评价。即使算出了正数，还需要继续检查它是不是稳定、是不是偶然。

所以，Alpha不是从所有收益里自动筛出来的“纯本事”。模型让解释变得更具体，但看见两者的变化有关联，还不等于证明这些收益就是某条买卖规则带来的。

回到我们的账户，目前可以保留“跑赢同期沪深300”的原结论。但我们还没有给它做本课讨论的模型评价，也没有证据把功劳全记给九拍。

“奖牌先收起来。”蛙兄说，“这个问题还能继续查。”

如果好奇，可以从哪里继续问？

你可以在Codex或WorkBuddy里，先请AI看看已有的账户记录，讨论哪些解释值得检查。

不必一上来就说“帮我算Alpha”，更不必要求它证明策略厉害。可以先从一句更具体的话开始：

和 AI 讨论账户归因

复制

我的账户有一部分时间持有现金。我想了解，这可能怎样影响它与市场指数的比较？请先结合项目里的已有记录，区分能确认的事实和还需要验证的解释。找不到记录就问我。先讨论可以怎样检查，不运行新实验，也不修改原结果。

它如果提出一个模型，就继续追问：这个模型考虑了什么，又遗漏了什么？

听明白以后，再决定是否值得动手。不是每多认识一个指标，就必须给项目加一个新文件。

蛙兄没有删掉“跑赢指数”，只在旁边添了一个问号：“为什么？”

还有另一件事，他也想再看一眼。

就算两个账户最后赚得一样多，中途的经历会不会差很多？一个平稳些，另一个让人天天想关掉屏幕，只看最后那行收益，恐怕看不出区别。

下一课，我们就沿着账户曲线，看看这一路是怎么走过来的。