期望回报率

期望回报率（Expected Rate of Return）是指投资者在不确定条件下，将各种可能回报率按对应概率加权平均后得到的预期收益率。它是现代金融理论中最基础的概念之一，是资本资产定价模型（CAPM）、套利定价理论（APT）、投资组合优化和公司金融中资本成本估计的核心输入变量。与事后实现的实际回报率不同，期望回报率是一种事前预期的度量，反映了市场参与者在给定信息集下对资产未来收益的合理估计。在有效市场中，资产的期望回报率与其系统性风险水平正相关，这一关系构成了资产定价的理论基石。期望回报率的高低直接决定了投资决策的吸引力，也是衡量投资机会成本的关键参照指标。

数学定义与基本性质

对于离散的回报率状态集合 $\{r_1, r_2, \dots, r_n\}$，各状态发生的概率为 $\{p_1, p_2, \dots, p_n\}$，期望回报率的定义为：

在连续情形下，若回报率的概率密度函数为 $f(r)$，则期望回报率为 $\mathbb{E}[r] = \int r f(r) dr$。期望算子具有线性性质，即对于任意常数 $a, b$ 和任意两个资产的回报率 $r_1, r_2$，有 $\mathbb{E}[a r_1 + b r_2] = a\mathbb{E}[r_1] + b\mathbb{E}[r_2]$。这一线性性质使得投资组合的期望回报率可以表示为各资产期望回报率的加权平均，权重即各资产在组合中的投资比例。

期望回报率的估计面临根本性的均值-方差权衡（Mean-Variance Tradeoff）。根据马科维茨投资组合理论，投资者在给定期望回报率水平下追求方差最小化，或在给定方差水平下追求期望回报率最大化。有效前沿（Efficient Frontier）上的每一组投资组合都对应特定的期望回报率与风险水平。资产的期望回报率与市场组合期望回报率之间的关系由证券市场线（Security Market Line, SML）描述：

其中 $r_f$ 为无风险利率，$\beta_i$ 为资产 $i$ 的系统性风险度量，$\mathbb{E}[r_m]$ 为市场组合的期望回报率。这一关系是资本资产定价模型的核心结论，表明在均衡状态下，资产的期望回报率仅由其系统性风险决定，非系统性风险不获补偿。

期望回报率的估计方法

实务中估计期望回报率的方法主要分为三类。第一类是历史平均法，即使用资产过去一段时期的平均历史回报率作为期望回报率的无偏估计。这一方法的假设前提是回报率服从平稳分布且历史样本足够大。然而，金融时间序列通常呈现波动率聚集（Volatility Clustering）和分布肥尾等特征，使得历史均值的估计效率下降。此外，样本期的选择对估计结果影响显著——选取牛市时期或熊市时期得到的估计值可能相差甚远。

第二类是隐含资本成本法（Implied Cost of Capital），通过将当前股价与预期未来现金流的现值相等来倒推出市场隐含的期望回报率。其基本公式为 $P_0 = \sum_{t=1}^{\infty} \frac{\mathbb{E}[D_t]}{(1 + r)^t}$，其中 $P_0$ 为当前股价，$\mathbb{E}[D_t]$ 为第 $t$ 期的预期股息，$r$ 即为隐含的期望回报率。这一方法的优势在于它完全基于当前市场信息，不依赖历史数据。常用的模型包括戈登增长模型、剩余收益模型（Residual Income Model）和 Ohlson 模型等。

第三类是因子模型法，利用多因子模型将期望回报率分解为多个风险因子的溢价之和。法马-弗伦奇三因子模型将期望回报率分解为市场因子溢价、规模因子溢价和价值因子溢价；Carhart 四因子模型在此基础上加入动量因子。套利定价理论进一步放宽了 CAPM 的严格假设，允许多种系统性风险来源同时定价。因子模型的优势在于能够解释横截面上不同资产期望回报率的差异，但其局限性在于因子本身的选择缺乏统一的理论指导。

期望回报率与资产定价

期望回报率是资产定价理论的核心因变量。在无套利框架下，任何资产的当前价格等于其期望未来现金流经适当折现后的现值，而折现率正是该资产的期望回报率。因此，理解期望回报率的决定因素就是理解资产价格的形成机制。跨期资本资产定价模型（ICAPM）将期望回报率与宏观经济状态变量联系起来，投资者不仅关心财富的期末水平，还关心投资机会集随时间的变化。消费资本资产定价模型（CCAPM）则将期望回报率与消费增长率的协方差相联系，资产的期望回报率取决于其对消费边际效用的影响。

期望回报率在实证金融中面临诸多挑战。股权溢价之谜（Equity Premium Puzzle）指出，美国股市的历史平均回报率远高于基于消费平滑动机理论的合理水平，即实际观测到的期望回报率远大于理论预测值。这一谜题促使学者引入习惯形成、损失厌恶、模糊厌恶等行为金融因素来解释期望回报率的跨期变化。此外，波动率之谜（Volatility Puzzle）和可预测性之谜（Predictability Puzzle）也表明，期望回报率并非恒定不变，而是随时间推移呈现均值回复特征。基于股息收益率的预测回归、基于市盈率的预测回归以及基于期限利差的预测回归均发现，期望回报率具有显著的时变特征。

期望回报率在投资决策中的应用

在投资组合管理中，期望回报率是资产配置决策的首要输入参数。根据布莱克-利特曼模型（Black-Litterman Model），投资者将先验均衡期望回报率（由逆向优化推导得出）与对特定资产的主观观点相结合，得到后验期望回报率估计，进而生成最优投资组合权重。这一方法有效解决了传统均值-方差优化中对输入参数过度敏感的问题。在企业金融领域，期望回报率被用作资本预算中的折现率，其高低直接决定了净现值的正负和投资项目的可接受性。加权平均资本成本（WACC）的计算中，权益资本成本正是股东对企业权益的期望回报率。在公司并购估值中，期望回报率的微小变动将导致目标企业评估价值的大幅波动，体现出其在实际决策中的关键地位。

综上所述，期望回报率作为连接风险与收益的枢纽概念，贯穿于现代金融理论的各个分支。从资产定价到投资组合优化，从资本成本估计到风险管理，期望回报率的准确估计始终是理论研究和实务操作的核心议题。对期望回报率的深入理解，是掌握现代金融分析方法的必要前提。