KNOWECON WIKI

ARTICLE

资产收益率

资产收益率 (Rate of Return on Assets) 资产收益率 (Rate of Return on Assets)，也称资产报酬率，是金融学与经济学中衡量一项资产在特定持有期内所产生经济回报比率的统称。它由两部分构成：资产市场价值的变化（资本利得或资本损失）与持有期间产生的收入流（如股息、利息、租金），两者之和除以初始投入资本，以百分比表示。

浏览 3 更新 2026-05-25

资产收益率 (Rate of Return on Assets)

资产收益率 (Rate of Return on Assets)，也称资产报酬率，是金融学与经济学中衡量一项资产在特定持有期内所产生经济回报比率的统称。它由两部分构成：资产市场价值的变化（资本利得或资本损失）与持有期间产生的收入流（如股息、利息、租金），两者之和除以初始投入资本，以百分比表示。与侧重企业层面账面效率的会计指标 资产回报率 (ROA) 不同，资产收益率是一个更宽泛的市场概念，是资产定价理论、投资组合理论与风险管理的共同基础。

基本计算公式

对于任意资产，单期简单收益率 (Simple Rate of Return) 定义为：

Rt=Pt−Pt−1+DtPt−1R_t = \frac{P_t - P_{t-1} + D_t}{P_{t-1}}

其中 PtP_t 为期末资产价格，Pt−1P_{t-1} 为期初价格，DtD_t 为持有期内收到的全部现金流。该公式将总回报分解为资本增值（价格变动）与收入收益（股息或利息）两个来源。例如，期初以 \$100 买入股票，期末市价 \$108，期间派息 \$2，则 Rt=(108−100+2)/100=10%R_t = (108 - 100 + 2) / 100 = 10\%。

在连续复利框架下，常使用对数收益率 (Log Return)：

rt=ln⁡(Pt+DtPt−1)=ln⁡(1+Rt)r_t = \ln\left(\frac{P_t + D_t}{P_{t-1}}\right) = \ln(1 + R_t)

对数收益率的核心优势在于时间可加性：多期总对数收益率等于各期对数收益率之和，r0→T=∑t=1Trtr_{0\to T} = \sum_{t=1}^{T} r_t，大幅简化了时间序列分析中的统计建模。当收益率较低时，rt≈Rtr_t \approx R_t。

对于包含 nn 项资产的资产组合，组合收益率为各资产收益率的加权平均：

Rp=∑i=1nwiRi,∑i=1nwi=1R_p = \sum_{i=1}^{n} w_i R_i, \quad \sum_{i=1}^{n} w_i = 1

其中权重 wiw_i 为第 ii 项资产在组合中的市值占比。组合收益率的方差（即风险度量）不仅取决于各资产自身方差，更取决于两两之间的协方差，这是马科维茨均值-方差优化框架的核心出发点。

与资产回报率 (ROA) 的严格区分

两者在中文语境中常被混淆，但本质不同：

  • 资产收益率是金融市场概念：基于市场价格变动与持有收入计算，既有事后（已实现，Realized）亦有事前（预期，Expected）维度，适用于任何单一资产或资产组合。
  • 资产回报率 (ROA)是财务会计指标：公式为净利润除以平均总资产，全部数据来自资产负债表与利润表，衡量企业管理层利用全部资产创造会计利润的效率，属于事后评价。

关键区别有三：第一，资产收益率反映市场价值变动，ROA 反映账面价值效率；第二，资产收益率受市场供求、投资者风险偏好与宏观预期驱动，ROA 受折旧方法、存货计价等会计政策影响大；第三，资产收益率可对任意资产单独计算，ROA 仅适用于具有完整财务报表的企业实体。在资本预算与公司估值中，两者互为补充，但不可相互替代。

理论框架：风险与收益的权衡

资产收益率是理解金融学核心命题——风险与预期收益正相关——的逻辑起点。

预期收益率与实际收益率

预期收益率 E(R)E(R) 是事前概率加权平均值：

E(R)=∑s=1SπsRsE(R) = \sum_{s=1}^{S} \pi_s R_s

其中 πs\pi_s 为状态 ss 的发生概率（∑πs=1\sum \pi_s = 1），RsR_s 为该状态下的条件收益率。预期收益率是决策变量，引导投资者在不同资产间配置资金。实际收益率 (Realized Return) 是事后观测值，两者之差构成意外收益 (Unexpected Return) εt=Rt−E(Rt)\varepsilon_t = R_t - E(R_t)，其方差 Var(εt)\text{Var}(\varepsilon_t) 是风险量化的核心对象。

CAPM 框架下的资产收益率

资本资产定价模型 (CAPM) 由 Sharpe (1964) 与 Lintner (1965) 独立提出，将资产预期收益率与系统性风险（不可通过分散化消除的风险）以线性关系联系：

E(Ri)=Rf+βi[E(Rm)−Rf]E(R_i) = R_f + \beta_i \left[ E(R_m) - R_f \right]

其中 RfR_f 为无风险利率（通常以短期国债收益率代理），βi=Cov(Ri,Rm)/Var(Rm)\beta_i = \text{Cov}(R_i, R_m) / \text{Var}(R_m) 衡量资产 ii 对市场组合收益率 RmR_m 的敏感度，E(Rm)−RfE(R_m) - R_f 为市场风险溢价。该方程将资产预期收益率分解为两部分：时间价值（RfR_f，延迟消费的补偿）与风险补偿（β\beta 乘以每单位系统性风险的价格）。β=1\beta = 1 的资产具有市场平均风险水平；β>1\beta > 1 为进攻型资产（如成长股），预期收益更高但波动更大；0<β<10 < \beta < 1 为防御型资产（如公用事业股）。

名义收益率与实际收益率

通货膨胀侵蚀货币购买力，因此需区分名义与实际收益率。Fisher 方程给出精确关系：

1+Rreal=1+Rnominal1+π1 + R_{\text{real}} = \frac{1 + R_{\text{nominal}}}{1 + \pi}

其中 π\pi 为同期通货膨胀率。当 RnominalR_{\text{nominal}} 与 π\pi 均较小时，可用近似形式 Rreal≈Rnominal−πR_{\text{real}} \approx R_{\text{nominal}} - \pi。例如，名义收益率 6%6\%，通胀率 2%2\%，则实际收益率约 4%4\%。实际收益率剔除了购买力侵蚀效应，是跨期消费决策与长期投资规划的真实基础。

应用度量维度

时间标准化：

  • 持有期收益率 (Holding Period Return, HPR)：直接反映特定持有期的总回报。
  • 年化收益率：将不同期限收益标准化为年率以利横向比较： \[ R_{\text{annual}} = (1 + R_{\text{HPR}})^{1/T} - 1 \] 其中 TT 为持有年数。
  • 算术平均 vs 几何平均：算术平均 1T∑Rt\frac{1}{T}\sum R_t 适用于单期预期；几何平均 [∏(1+Rt)]1/T−1\left[\prod (1+R_t)\right]^{1/T} - 1 反映实际复合增长，后者始终不超过前者，两者之差随波动率增大而扩大。

风险调整后收益：

  • 夏普比率 (Sharpe Ratio)：(Rp−Rf)/σp(R_p - R_f) / \sigma_p，衡量单位总风险的超额回报，适用于评价非完全分散化的投资组合。
  • 特雷诺比率 (Treynor Ratio)：(Rp−Rf)/βp(R_p - R_f) / \beta_p，仅考虑系统性风险，适用于评价已充分分散化的组合。
  • Jensen's Alpha：αp=Rp−[Rf+βp(Rm−Rf)]\alpha_p = R_p - [R_f + \beta_p (R_m - R_f)]，衡量超越 CAPM 预测的超额收益，正值表示经风险调整后的真实超额表现。

局限性与注意事项

  1. 历史不预示未来：收益率分布受经济结构、政策制度与技术冲击影响，存在结构性突变 (Structural Break)，历史参数估计可能系统性偏离未来真实分布。
  2. 非正态性：实际资产收益率常呈肥尾 (Fat Tail) 与负偏态，基于正态假设的均值-方差框架会低估极端事件的频率与幅度，2008 年全球金融危机即为教训。
  3. 数据频率敏感：日度、月度、年度收益率在波动率估计、自相关结构与ARCH效应上差异显著，分析时须明确频率并做相应调整。
  4. 生存偏差 (Survivorship Bias)：研究所用数据通常仅包含存活至今的资产，已退市、破产或被并购的资产被排除，导致历史收益率被系统性高估——这一偏差在股票长期溢价 (Equity Premium) 估计中尤为突出。
  5. 无风险利率的模糊性：实践中不存在真正无风险的资产，国债收益率仅为近似代理，且不同期限（3 个月 vs 10 年）的选择会显著影响超额收益的计算结果。

前沿拓展：行为金融学将前景理论与投资者情绪因子纳入预期收益率建模，修正了理性预期假设下的系统性偏差；机器学习方法（如LSTM、梯度提升树）被广泛用于高维收益率预测与非线性因子挖掘；ESG 因素对长期收益率的非线性影响及其在资产定价中的嵌入方式成为活跃研究领域。