如何计算股票阿尔法？
1.阿尔法值是一个相对值，相对于哪个样本空间来计算的收益率？是相对于整个样本计算还是只相对于某一个子样本？ 答：一般来说，对于有效前沿的每一个点，我们都认为其代表了市场最优的组合选择（市场组合作为风险中性测度下的基准）。这样，针对每个点的阿尔法值就可以通过下式计算得到： Rp=\sum_{i=1}^{N}{R_i^*}\psi_i+\sum_{j=1}^{m}{\theta_j^*}\eta_j 其中： \begin{aligned} &R_i^*=r_i-r_b \\ &\theta_j^*=\theta_j-\theta_b \end{aligned} r_i和\theta_j分别是第i种资产和第j种资产的预期收益率； r_b 和\theta_b 则分别表示整个样本和子样本身的期望收益率和方差。 利用以上公式，我们可以根据给定的历史数据来计算任一主动投资策略的阿尔法值。但是，这里的样本数据必须是完整的历史数据，包含至少一个牛市和一个熊市。另外，由于本文假设了各期收益率之间相互独立，因此算术平均的预期收益率和协方差矩阵都是正确的。否则的话，还需要对样本进行加总处理才能得到结论。
2.怎么判断某个阿尔法值的合理性？是不是越大越好呢？ 答：从统计意义上看，给定样本容量N，单个阿尔法的估计量是有偏差的，所以不能单独判断其是否合理。我们通常需要参考整个有效前沿的情况来进行综合评判。如果某个阿尔法位于有效性边界之内，则说明它的估计方法是合理的、有统计学意义的。当然，如果某个阿尔法位于有效性边缘，那么我们有理由质疑其估计方法的可靠性。
一般情况下，我们更愿意将注意力集中到某个特定策略的阿尔法值的大小上。这个时候，我们会把该值与相同期限的预期收益率作比较。如果预期收益率低于阿尔法值，说明策略是有效的；反之，则是无效的。需要注意的是，这里所说的“效用”是指“预期收益率”而不是实际收益率。因为策略的预期收益率总是小于或等于实际收益率。 值得注意的是，当策略的阿尔法值很大时，不意味着它就一定能带来可观的收益。这是因为，即使策略的有效性得以维持，其收益也很有可能为负（参见有效投资组合的风险特征）。只有当策略的阿尔法值较小且足够大的时候，才有可能获得正的收益。从这个意义上说，策略的阿尔法值并不是越大越好。
3.有没有可能构造出具有确定期望收益和风险的证券组合？ 答：在标准的市场模型中，市场的有效性使得任何带有确定期望收益和风险的证券组合都成为不可能实现。这相当于要求市场中不存在任何信息。尽管我们不能直接从理论上证明市场的信息率总是高于0，但实证分析却显示市场对信息的反应往往相当迅速而强烈。也就是说，一旦市场上出现了某种新的信息，市场价格将会立即调整以反映这种信息。这意味着，带有确定期望收益和风险的证券组合是难以实现的。唯一的例外是，当我们引入期权时，某些类型的期权策略可以实现上述目标。例如，对于执行价格接近于零的看涨期权来说，其期望收益可以由标的资产的当前价格和到期日市场价格来近似决定。此时，期权策略就成了一个有价值的研究对象。