冷暖自知：Total Beta、民间借贷，与市场量不出的风险

致新思2026/8/4大约 18 分钟

引言 · 同一笔钱，银行要 5%，你为什么要 20%

明上座！不思善，不思恶，正与么时，那个是明上座本来面目？……如人饮水，冷暖自知。 ——《景德传灯录》

慧明追至大庾岭，六祖以「本来面目」相示，慧明言下大悟，说：这就像喝水一样，是冷是暖，只有喝的人自己知道，说给别人听是说不明白的。

金融学花了七十年，试图把「冷暖」变成一个可以说清楚、可以标价、可以交易的数。〈曲突徙薪：保险、黄金与负 β 资产为什么「注定亏钱」还值得买〉讲的就是这套工程最漂亮的那一段：把一个资产全部的风险结构，压成一个叫 $\beta$ 的数，然后按它定价。

但那篇文章的每一步推导，都站在一个从未被大声念出来的前提上：你已经充分分散了。

一旦这个前提松动，事情立刻变得古怪。同一笔一年期、五十万的借款，同一个借款人，同一份还款能力：银行开出年化 5% 就肯放，而你作为一个私人出借方，会觉得低于 20% 完全不值得冒这个险。两个数字差了整整四倍，可现金流是同一份。

按 CAPM 的世界观，这不该发生——价格应该由资产的 $\beta$ 决定，而 $\beta$ 是资产的属性，与谁持有无关。

本文要说的正是这个「无关」的破产。我们会看到：

标准 $\beta$ 到底藏了什么前提，以及一个没有分散的人该用什么数替换它；
民间借贷那个高得吓人的利率，能不能被完整地拆解出来；
为什么私募债、民间借贷这类资产实测出来的 $\beta$ 几乎为零，而这个「零」是彻头彻尾的假象；
从 CAPM 到 APT 再到 Fama-French，我们把因子加到三个、五个之后，量到的到底是什么；
以及一个更沮丧的事实：所有这些 $\beta$ ，都是从后视镜里读出来的。

橘越淮而为枳，水土异也。同一份现金流在不同人手里长成不同的东西，这件事没法靠往模型里再塞几个因子解决。

一、标准 β 的隐藏前提

回到 $\beta$ 的定义式，把它拆成两个因子：

\beta_i = \frac{\mathrm{Cov}(R_i, R_m)}{\sigma_m^2} = \rho_{im} \cdot \frac{\sigma_i}{\sigma_m}

右边这个分解值得盯着看一会儿。资产自己的总波动是 $\sigma_i$ ，但进入定价的只有 $\rho_{im}\sigma_i$ 这一截——被相关系数打了折。折掉的那部分 $\left(1 - \rho_{im}\right)\sigma_i$ 去哪了？

它被假定「已经在别处被抵消掉了」。在 CAPM 的世界里，每个投资者都持有整个市场组合，任何一家公司的特异冲击都会被另外几千家公司的反向冲击稀释干净，所以市场不为它付一分钱补偿。

这是一个关于持有人的假设，不是关于资产的。而它一旦不成立：

一个把全部身家投进自家餐馆的老板；
一个把两百万现金借给远房表弟的出借人；
一个把 90% 净资产押在一套房产上的家庭；
一个持有大量未行权本公司期权、同时靠这家公司发工资的员工。

对他们来说，被折掉的那 $\left(1 - \rho_{im}\right)\sigma_i$ 不是被抵消了，而是结结实实地压在自己身上。餐馆倒闭时，标普 500 的另外 499 家公司不会替他分担一分钱。

β 不是资产的属性

这是全文的题眼。 $\beta$ 描述的是资产与一个特定组合之间的关系，而 CAPM 默认这个组合是市场组合。当持有人的组合不是市场组合时，同一份现金流对应的定价参数就变了。

橘生淮南则为橘，生于淮北则为枳。变的不是橘，是水土。

二、Total Beta：未分散者的定价

修正的思路直接得近乎粗暴：既然这个人承担的是全部波动，那就别打那个折。

对充分分散的投资者，资产 $i$ 带来的实际风险敞口是 $\beta_i \sigma_m = \rho_{im}\sigma_i$ ；对一个把全部财富压在这一个资产上的人，敞口就是 $\sigma_i$ 本身。两者的比值是 $1/\rho_{im}$ 。于是把这个倍数直接乘回去：

\beta_{\text{total}} = \frac{\beta_i}{\rho_{im}} = \frac{\sigma_i}{\sigma_m}

这就是 Damodaran 在私人公司估值里用的 Total Beta（总贝塔）。注意它的第二个等号：总贝塔里相关系数完全消失了，只剩下两个波动率之比。这很合理——一个完全不分散的人，根本不关心自己的资产和大盘像不像，他只关心自己会不会归零。

代进 CAPM，得到未分散投资者要求的收益率：

\mathbb{E}[R_i] = r_f + \frac{\beta_i}{\rho_{im}}\left(\mathbb{E}[R_m] - r_f\right)

来算一个数。设某民营小厂：年化波动 $\sigma_i = 60\%$ ，与大盘相关系数 $\rho_{im} = 0.3$ ；市场 $\sigma_m = 16\%$ ，无风险利率 $r_f = 4\%$ ，市场风险溢价 $5\%$ 。

市场 $\beta$ ：

\beta_i = 0.3 \times \frac{0.60}{0.16} = 1.125 \quad\Longrightarrow\quad \mathbb{E}[R_i] = 4\% + 1.125 \times 5\% \approx 9.6\%

总 $\beta$ ：

\beta_{\text{total}} = \frac{1.125}{0.3} = 3.75 \quad\Longrightarrow\quad \mathbb{E}[R_i] = 4\% + 3.75 \times 5\% \approx 22.8\%

9.6% 和 22.8%。同一家厂，同一份现金流，同一年。 差别只在于问的是谁：一个持有三千只股票的养老金，还是一个把全部积蓄砸进去的人。

分散化是一种购买力

换个角度看， $1/\rho_{im}$ 这个倍数就是分散化的价格。分散得越好的资金，对同一份现金流愿意付的价格越高——因为它要求的回报更低。

这解释了很多现实中的资产流向：为什么创始人愿意在 B 轮以远低于自己心理价位的估值卖掉一部分股份（他在买分散化），为什么私募基金能靠「组合化」持有一堆单独看极贵的资产，为什么保险公司敢承接你不敢自留的尾部风险。分散化本身就是一门生意，卖的就是这个折扣。

三、一张五十万的借条

现在可以拆开引言里那个 5% 与 20% 的差距了。

银行放贷时，它面对的不是这一笔借款，而是一个由几十万笔借款构成的组合。单笔违约在它的报表上是核销科目里的一个小数点，被大数定律和拨备覆盖率吸收掉。它要求的补偿因此接近市场 $\beta$ 那一档：资金成本，加上按违约概率算出来的预期损失，加上运营成本和资本回报。商业银行三张表如何把这件事记账、净息差怎么构成，〈一叶知秋：从银行财报读宏观经济〉里拆得很细。

而你借出去的这五十万，是你全部流动资产的九成。把利率拆成四层：

r_{\text{民间}} = \underbrace{r_f}_{\text{时间价值}} + \underbrace{\text{EL}}_{\text{预期损失}} + \underbrace{\beta_{\text{total}} \cdot \text{MRP}}_{\text{无法分散的风险补偿}} + \underbrace{\text{IP}}_{\text{流动性与信息溢价}}

预期损失 $\text{EL} = \text{PD} \times \text{LGD}$ 。假定违约概率 8%、违约后能追回四成，则 $\text{EL} = 0.08 \times 0.6 = 4.8\%$ 。这一层只是把「平均要赔掉的钱」补回来，它不是收益，是成本——一个只收 $r_f + \text{EL}$ 的出借人，长期看是白干。
不可分散的风险补偿。银行在这一项上几乎不用付钱，你要付满额：你的组合就是这一张借条， $\rho \to$ 无从谈起，总贝塔巨大。
流动性与信息溢价。这笔债没有二级市场，你中途急需用钱也变不了现；你也没有征信系统、贷后管理和批量诉讼的能力，信息完全不对称。

四层加起来，20% 一点都不夸张，甚至偏保守。民间借贷的高利率不是放贷人贪婪，是没有分散化的人在为同一份现金流付出的真实成本。 反过来说，如果你把这五十万拆成五十笔一万块借出去，你的定价就该向银行那一档靠拢——只是你没有银行的贷后能力，做不到这件事。

四、债权就是卖出一份 Put

上一节的拆解里有个东西被藏在了 $\text{EL}$ 里，值得单独拎出来：债权的收益是极端不对称的。

借款人经营得再好，你也只能拿回本金加约定利息，一分钱多的都没有；借款人垮了，你可能血本无归。上行封顶，下行开放。

Merton 在 1974 年给了这件事一个精确的期权表达。把公司总资产记为 $V$ ，债务面值 $F$ ，到期日 $T$ 。到期时：

若 $V_T \geq F$ ：债权人拿走 $F$ ，股东拿走 $V_T - F$ ；
若 $V_T < F$ ：股东有限责任，直接弃权走人，债权人拿走 $V_T$ 。

债权人的收益因此是 $\min(V_T, F) = F - \max(F - V_T, 0)$ 。这个式子右边第二项，正是一份以公司资产为标的、以债务面值为行权价的看跌期权。于是：

D_0 = \underbrace{F e^{-r_f T}}_{\text{无风险债券}} - \underbrace{P(V_0, F, T)}_{\text{卖出的看跌期权}}

当债主，就是买了一张国债，同时卖出了一份看跌期权。 而股东持有的是 $\max(V_T - F, 0)$ ——一份看涨期权。整个资本结构是同一份标的资产上的期权拆分（期权收益结构的不对称，见〈一日看尽长安花：期权〉；用期权静态复制任意收益曲线的一般方法，见〈VIX指数构造：如何在金融市场找基函数〉）。

这个表达式立刻能推出一个后果。债权对公司资产价值的敏感度是

\frac{\partial D}{\partial V} = -\frac{\partial P}{\partial V} = \Delta_{\text{put}}^{-} \in [0, 1]

公司经营良好时（ $V \gg F$ ），这份看跌期权深度虚值， $\partial D / \partial V \approx 0$ ——债权几乎对公司的死活不敏感，看上去像一笔固定收益。而当 $V$ 逼近 $F$ ，看跌期权走向平值， $\partial D/\partial V$ 迅速趋近 1——债权在这一刻变得和股权一样敏感。

用 $\beta$ 的语言说：债权的 $\beta$ 不是常数，它是 $V$ 的凸函数，在太平年月接近零，在出事前夜急剧膨胀。

4.1 「实测 β ≈ 0」的假象

这就解释了实务中一个著名的困惑：拿民间借贷、私募债、非上市股权的历史收益去跑回归，算出来的 $\beta$ 常常接近零，甚至为负。难道这些资产真的没有系统性风险？

当然不是。这个零由三件事共同伪造：

其一，期权结构本身。 如上所述，样本里绝大多数时期公司都活着，你观察到的是一串平稳的利息收入， $\beta$ 自然测不出来。真正的系统性暴露集中在极少数尾部时点，而回归对二阶矩的估计几乎不受这些点主导——除非样本恰好跨越一次危机。

其二，估值的平滑。 这类资产没有连续市价，估值靠评估、靠成本法、靠摊余成本。评估价天然滞后且平滑，人为地压低了实测波动率与同期协方差。结果是夏普比率虚高、 $\beta$ 虚低——不是风险小，是尺子钝。

其三，报告的滞后。 私募资产的估值更新往往落后市场一到两个季度，用同期市场收益回归，协方差被系统性低估。Dimson（1979）给出的修正是把滞后期的市场收益一起放进回归，再把系数加总：

R_{i,t} = \alpha + \sum_{k=0}^{K} \beta_k \, R_{m,t-k} + \varepsilon_t, \qquad \beta_{\text{sum}} = \sum_{k=0}^{K}\beta_k

对流动性差的资产， $\beta_{\text{sum}}$ 常常是同期 $\beta_0$ 的两到三倍。

低波动率不等于低风险

把这三件事叠起来，就得到了资产管理行业里最贵的一个错觉：一条平滑的净值曲线。

它可能来自真正的低风险，也可能来自「用钝尺子量」加「风险全部堆在尾部」。二者在样本内长得一模一样，直到那一次尾部到来——那时净值不是波动，是跳变。用波动率和 $\beta$ 去管理这类资产，等于用体温计测量地震。

五、一个 β 不够时：APT 与 Fama-French

如果单因子不够用，多加几个因子行不行？这是资产定价理论后来四十年走的路。

APT（套利定价理论，Ross 1976）放弃了「市场组合」这个唯一解释变量，改为假定收益由 $k$ 个共同因子驱动：

R_i = \mathbb{E}[R_i] + \sum_{k} b_{ik} f_k + \varepsilon_i \quad\Longrightarrow\quad \mathbb{E}[R_i] = r_f + \sum_{k} b_{ik}\lambda_k

它的推导比 CAPM 更硬气：不需要人人持有市场组合，也不需要收益服从正态，只需要「近似套利机会不能长期存在」。但它有一个致命的空白——理论不告诉你那 $k$ 个因子是什么。

Fama-French 三因子（1993）把这个空白用实证填上：

\mathbb{E}[R_i] - r_f = \beta_{i,M}\left(\mathbb{E}[R_m] - r_f\right) + \beta_{i,S}\,\mathbb{E}[\text{SMB}] + \beta_{i,H}\,\mathbb{E}[\text{HML}]

SMB 是小市值组合减大市值组合的收益差，HML 是高账面市值比（价值股）减低账面市值比（成长股）的收益差。三个因子的横截面解释力，从 CAPM 的七成左右提升到九成以上。后来的五因子模型又补上盈利能力与投资风格两项。

这条路走得很成功。但对本文的问题，它给出的帮助为零。

因为无论因子加到三个、五个还是三百个，它们描述的都是同一件事：在横截面上被广泛持有、因而能被市场定价的共同风险。SMB 之所以有溢价，正是因为无数投资者都同时暴露在「小市值」这个维度上。因子模型永远在测量市场的平均口味。

而你借给表弟的那五十万，不在任何一个因子的载荷里。它的风险不是「小市值风险」，是「就这一笔」的风险——是集中度，是不可交易，是无从分散。因子模型不是量错了，是根本没有一个刻度对准它。

因子的边界

判断一个风险能否被因子模型定价，只需问一句：这个风险能不能被很多人同时持有？

能，它就会形成一个因子，有价格，可以被对冲，可以做多做空。不能，它就永远留在残差 $\varepsilon_i$ 里——而残差在模型里的定义就是「期望为零、无需补偿」。集中持有的人得不到任何补偿，不是因为他没承担风险，而是因为模型规定这类风险不该存在。

六、后视镜：所有 β 都刻在已经行过的船舷上

还有一层更基础的困难：就算我们接受 $\beta$ 这个概念，它到底怎么被观测出来？

答案是回归。取过去五年的月度收益，跑一条最小二乘：

R_{i,t} - r_{f,t} = \alpha_i + \beta_i\left(R_{m,t} - r_{f,t}\right) + \varepsilon_{i,t}

斜率就是 $\beta$ 。而这段数据，全部来自过去。我们用一段已经走完的历史，去估计一个用来折现未来的参数。

这在结构稳定时问题不大，但结构从不稳定：一家公司卖掉重资产业务、加了两倍杠杆、从周期股变成现金牛，它的 $\beta$ 会整段改变，而回归窗口里还塞着旧业务的痕迹。样本越长，估计越稳，也越陈旧；样本越短，越及时，也越是噪音。这是个无解的取舍。

行业里的补丁不少，但每一个都在承认同一件事：

Blume 调整——历史 $\beta$ 有向 1 回归的经验倾向，于是把估计值向 1 收缩： $\beta_{\text{adj}} = \frac{1}{3} + \frac{2}{3}\beta_{\text{hist}}$ 。这是纯粹的经验规律，没有理论保证。
Dimson 求和 $\beta$ ——如上节所述，用于修正流动性造成的滞后。
前瞻性 $\beta$ ——从期权市场反推：用个股与指数的隐含波动率，配合隐含相关性，得到风险中性测度下的 $\beta^{\mathbb{Q}} = \rho^{\mathbb{Q}}\sigma_i^{\mathbb{Q}} / \sigma_m^{\mathbb{Q}}$ 。这是唯一真正前瞻的做法，代价是它测的是风险中性测度、混入了风险溢价本身（期权市场如何把恐惧标价，见〈空穴来风：借券费、Put-Call Skew 与期权市场的倒影〉）。

舟已行矣，而剑不行。我们所有的 $\beta$ ，都是刻在已经行过的那一段船舷上的。

七、房价：当分子分母都是大盘的函数

最后一个案例，把前面所有的困难同时聚齐。

用 CAPM 加 DCF 给房子估值，标准做法是资本化率公式：

P = \frac{\text{NOI}}{r - g}

其中 NOI 是净营运收入（租金扣掉运营成本）， $r$ 是要求回报率（由 CAPM 给出）， $g$ 是 NOI 的长期增长率， $r - g$ 就是资本化率（cap rate）。

问题立刻来了：租金本身就是宏观经济的函数。经济好，就业强，租金涨，NOI 上升；同时经济好，央行收紧， $r_f$ 上升， $r$ 也上升。分子分母同向变动，谁占上风？

对公式两边取对数微分，把拉锯写清楚：

\frac{dP}{P} = \frac{d\,\text{NOI}}{\text{NOI}} - \frac{d(r - g)}{r - g}

第一项是基本面的改善，第二项是估值倍数的压缩。要判断方向，得把 $r$ 再拆一层：

r = r_f + \beta \cdot \text{MRP}

于是「经济变好」这件事在三个地方同时起作用，而它们方向不一致：

变量	经济变好时	对房价
NOI（租金）	上升	推高
$g$ （增长预期）	上升	推高（缩小 $r-g$ ）
$r_f$ （无风险利率）	上升	压低
MRP / 信用利差	收窄	推高

结论因此取决于一个更精细的问题： $r_f$ 的上升，是因为实际增长，还是因为通胀与紧缩？

若 $r_f$ 的上升源于实际增长，那么 $g$ 会同步上升， $r - g$ 大体不变，价格跟着 NOI 走——这是「基本面驱动的牛市」，估值倍数稳定。
若 $r_f$ 的上升源于通胀与货币紧缩，而实际增长并未同步（甚至因紧缩而放缓）， $g$ 不动而 $r$ 上冲， $r - g$ 扩大，倍数压缩。此时即使租金在涨，房价照样下跌——2022 年就是这个剧本的完整演出。

而 $r-g$ 越小，这个杠杆越可怕。设 $r - g = 4\%$ ， $r_f$ 上行 100bp 且 $g$ 不变，则 $r-g$ 变成 5%，估值倍数从 25 倍掉到 20 倍，价格下跌 20%——租金一分没少。资本化率的倒数本身就是久期量级的东西， $r-g$ 越窄，久期越长，对利率越敏感（长久期资产对实际利率的指数级敏感性，〈有美玉于斯〉第三节有专门推导；而 $r_f$ 本身由谁、按什么机制决定，见〈无中生有：一个人的央行模拟器〉）。

这是 CAPM 最深的裂缝

标准估值流程默认分子和分母可以分开估计：先预测现金流，再套一个折现率。但在房产上，二者由同一批宏观变量驱动，还是反向驱动的。

这不是参数估得准不准的问题，是模型的可分离性假设本身失效。民间借贷是同一个病：借款人的违约概率和你自己的收入下滑，往往由同一场衰退触发——你最可能拿不回钱的时候，正是你最需要这笔钱的时候。协方差不在资产之间，而在资产与你之间，而 CAPM 的坐标系里根本没有「你」这一维。

结语 · 冷暖自知

把这一整篇收成一句话： $\beta$ 是关系，不是属性。

CAPM 给出的是一个持有市场组合的、无限可分散的、只关心二阶矩的抽象投资者的定价。它极其漂亮，也极其有用——〈曲突徙薪〉整篇都在展示这套框架能推出多么违反直觉又完全正确的结论。但它测的始终是市场的平均冷暖。

而真实的人有真实的水土。他的钱有具体的来处，他的风险有具体的形状，他的破产有具体的时点。他借出去的那五十万，恰好在他自己也失业的那个季度收不回来；他持有的那套房，恰好在他要换工作的城市里；他的公司股票，恰好和他的工资来自同一张损益表。这些东西不进入任何一个因子的载荷，不在任何一条 SML 上，不被任何一个模型补偿——不是因为它们不存在，而是因为模型在开头就假定它们已经被稀释掉了。

橘生淮南则为橘，生于淮北则为枳，叶徒相似，其实味不同——所以然者何？水土异也。

模型能告诉你橘子该值多少钱。至于你手里这一个到底是橘是枳，如人饮水，冷暖自知。