不會吧?

為了比賽回去讀財管，發現有很多問題，這大概是為什麼教財務的教授沒辦法靠它發財的原因，因為裡面的假設和模型與現實出入太大，用這些理論往下走，只是在象牙塔自嗨，在象牙塔裡自嗨最有代表性的就是經濟學，假設多到寫不完，歷史上發大財的經濟學家沒幾個，現代我只知道凱因斯，他厲害的地方不只是提出模型，而是把全世界變成他的形狀，以美國為首，強制使用凱因斯學派來解釋總體經濟，世界都照著他的如意算盤走，蒿吐露斯阿

CAPM簡短假設如下

不符現實的地方
1.無風險利率借貸存在，但是銀行會跟你收手續費和超出無風險利率的利息阿，而且借貸利率通常是依照信用評價來決定要偏高還是低
2.證券無法切到1股以下，不過影響不大
3.有延遲性，相對於內線，消息傳到媒體的時候已經過很久了
4.有交易成本和稅負，只要直接加價就可以解決，麻煩的是會影響人們的決策
5.並沒有
6.同上
7.同上
567假設全部人都是理性而且有足夠的知識，然而在現實世界，有知識的人靠知識不對稱，賺沒知識的人錢，俗稱智商稅，這個行為也可以是一種割韭菜

關於風險，為了方便計算和假設，現代財管使用統計裡的標準差（跟預期的差距程度）來衡量風險（約等於波動），但是我個人用預期不賺錢的機率做風險，原因很簡單，我才不管是不是會跟預期差很多，只要能賺錢就好，賺多賺少有其他的量化方法，波動=風險👎，賠錢=風險👍

以統計的視角來看，CAPM有根本上的問題，因為他是來自計量經濟的迴歸模型，必須符合樣本獨立、常態分佈等假設，然而現實中的股票報酬率為瘦高厚尾非常態分佈，樣本（每天的股價）前後之間存在依存性，跑出來的結果一定不準，特別是受到厚尾影響，會有離群值和極端值跑出來，迴歸線會被這些點影響，如果排除掉這些點，雖然可以在普通時候大致準確，但是不考慮意外就等著完蛋，樣本間的依存性可以是好處也可以是壞處，好處是預測起來下一期大概就在某個範圍內，壞處是遠期預測會出問題，超過一期以後就是發散，殘差未能隨機，迴歸解釋力下降

計算資產報酬看起來就不適合用線性迴歸，但是礙於當年的技術問題（1970），這已經是最接近的了，但是現今有更多統計工具被發展出來，期待未來有學者用更新的統計方法提出更好的模型解釋資產和報酬率的關係

另一個APT長得很像CAPM，他是拿各種因子來試圖解釋報酬率，我覺得他比CAPM準一點，不過因為結構相似，也有一樣的問題，而且因為因子太多，大家還是喜歡用較簡單的CAPM（os:但是不準的東西就是不能用啊）

雖然問題很多，但是他們依然有一些論點是值得參考的，「多角化策略分散掉非系統性風險；風險與報酬間的關係，更多的系統性風險，應提供更高的預期報酬」，以此做為現代投資學的根基