我们身处一个宏观环境剧变的时代——通胀、利率、地缘政治等宏观因素的冲击方式变得不可预测。

由于这种“宏观定价不确定性”，传统的资产定价模型（如CAPM、三因子模型）正逐渐“没那么好用”，最明显的信号是，传统模型无法解释的“残差”部分变得越来越大。

以下是杨光的具体思考：

1、问题：

越来越大的“残差项”说明什么？

想象一下，你用一把旧钥匙（传统模型）去开一把不断变化的锁（现代市场）。钥匙可能还能插进去，但越来越难转动，发出刺耳的噪音。这个“噪音”就是模型中的残差项（ε）。

在传统模型中，资产收益被归结为：

收益 = α + β * 因子 + ε

我们过去认为 ε 是随机的、无关紧要的“噪音”。但现在，ε 变得越来越大，还有一定规律。这说明：有什么重要的东西被我们遗漏在了 ε 里。这个东西，就是由宏观环境剧烈波动带来的、不确定的定价风险。

2、根源：

宏观因子定价的“不确定性”

为什么宏观因素变得难以捕捉？

同样加息1%，在去年可能对科技股是轻微利空，在今年却可能是剧烈冲击。因子和资产收益之间的关系（β）本身不再固定。

这使得基于历史数据回归得到的「平均β」在预测未来时极其“危险”。传统模型无法捕捉这种动态的传导机制，导致其对宏观冲击的预测力在关键时刻（如政策转向期）可能归零。

传统模型假设资产对因子的暴露（β）是常数。但现实是，β本身就是宏观状态的函数：β_it = f(宏观状态_t)

例如：

a. 金融状况的影响： 在流动性充裕时，加息对高估值成长股的冲击（β）可能较小；但在流动性紧张时，同样的加息可能会触发其β值的急剧放大（“久期杀”）。

b. 企业杠杆率的影响： 同一加息行为，对高负债公司和零负债公司的β值截然不同，而企业整体的杠杆水平是随时间变化的。

在不确定时期，投资者可能会恐慌性地抛售任何他们“看不透”的资产，这种抛售行为本身就成了新的系统性风险。

残差项（ε）的膨胀，正是这种“宏观定价不确定性”在传统模型下的集中体现。

3、解决方案：

一个简化的新思路

我们不一定需要极度复杂的模型来应对，新的思路需要抓住两个关键升级：

传统模型是“一把钥匙开所有锁”，新模型是“不同锁用不同钥匙”。

新公式：收益 = α + β(S) * 因子 + ε‘

这里的 S 代表不同的“经济状态”，比如衰退期和扩张期。β(S)意味着资产对同一个因子的风险暴露，会根据经济状态S的不同而动态变化。

举例：一家奢侈品公司的股票。

在经济扩张期（S=1），它的表现对消费信心因子（β）非常敏感，β 值很大。

在经济衰退期（S=2），大家都不怎么消费了，它对消费信心因子的敏感度（β）就会降低，甚至失效。

这个简单的改动，就有望捕捉到大量过去被丢进 ε 里的规律性风险。

当大家都不确定未来会怎样时，“不确定性”本身就是非常可怕的风险。我们也应该把它加入到模型中。

新公式：收益 = α + β * 因子 + γ * ΔU + ε‘

这里的ΔU代表“不确定性冲击”（例如，一个意外的高通胀数据或地缘冲突事件）。γ 是资产对不确定性冲击的敏感度。

逻辑在于，如果一只股票的γ值很大且为负数，那么当不确定性（ΔU）上升时，它可能就会暴跌。如果投资者持有它，就需要更高的收益来补偿这种“不确定性风险”。

4、新公式的潜在价值

这个简化后的新思路，有望实现：

(1)更准确的风险管理：我们能更清楚知道资产在“衰退期”或“不确定性飙升期”会如何表现，从而更好地保护投资组合。

(2)更深刻的洞察：新的残差项 ε‘ 会比旧的 ε 小得多、也更随机。这意味着我们可以将“可解释的系统性风险”从噪音中分离出来。

(3)更现实的视角：它承认市场并非一台永恒运转的精密机器，而更像是一个会随环境呼吸和心跳的有机体。

5、结论

残差项的膨胀（即越来越大），是传统资产定价模型送给我们宝贵的警示。我们不能再依赖静态的、确定性的旧地图去穿越动态的、不确定的新世界。

新的思路并不一定意味着数学上的更加复杂化，而是思维上的根本转变：从追求固定的规律，转向理解和量化动态的变化与不确定性。通过引入“状态依赖”和 “不确定性定价”这两个简洁而强大的工具，或许可以绘制出一幅更贴近现实、也更有效的新定价蓝图。