指数与个股的关系：贝塔
一句话速览
你的持仓收益里有多少来自大盘、多少来自这家公司，这个拆分能算出来。
这节课要你带走的
贝塔是什么、怎么算，以及用它把持仓收益拆成大盘部分和公司部分。
你的持仓涨了 10%，其中有多少是因为大盘涨了？ 这个拆分能算出来，而且它会改变你对自己判断力的评价。
贝塔是什么
它衡量一个标的相对大盘的波动放大倍数
贝塔 1.3 意味着大盘涨 1%，这个标的平均涨 1.3%， 跌的时候同理。
注意是「平均」：它描述的是统计关系，不是每天都成立。
一个实测例子
| 项目 | 数值 |
|---|---|
| 纳斯达克综指相对标普500 的贝塔 | 1.31 |
| 两者的相关系数 | 0.96 |
| 纳指日收益标准差 | 1.27% |
| 标普日收益标准差 | 0.93% |
数据来源：腾讯财经公开行情接口。样本区间 2023-06-30 至 2026-09-04，
共 799 个交易日。贝塔按 cov(y,x) ÷ var(x) 计算，
y 为纳斯达克综指日收益，x 为标普500 日收益。
取数日期 2026-09-06，计算脚本为 build/us_stats.py，可重跑验证。
这里用两个指数而不是个股来演示，是为了在不涉及任何具体公司的前提下说明算法。
相关系数 0.96 说明两者几乎同向， 而贝塔 1.31 说明纳指的幅度更大。 这两个数一起才描述完整：方向一致，幅度不同。
这个拆分改变什么
一、对自己水平的评价
持有高贝塔标的，在上涨年份收益会很好看。 但那部分收益在下跌年份会以同样的放大倍数还回去。
二、对基准的选择
如果你的组合贝塔是 1.3， 拿它跟大盘直接比是不公平的， 应该跟「1.3 倍大盘」比（见 U1-5）。
贝塔的两个局限
一、它是历史统计，会变。 公司业务变化、市场结构变化都会改变它。
二、它只解释系统性部分。 公司自己的事件（财报、诉讼、管理层变动） 完全不在贝塔的解释范围内， 而那部分往往才是单只票最大的风险来源。
做
今天就做这一件事
用组件把你今年的收益拆一次。
把贝塔按 1.3 填（多数偏成长的持仓在这个量级）。
看剩下的超额部分有多少。
带走这一条：贝塔衡量相对大盘的波动放大倍数，实测纳斯达克相对标普是 1.31、相关系数 0.96。用它可以把持仓收益拆成大盘贡献和超额部分，高贝塔持仓在牛市里的漂亮收益大部分不是自己的功劳。它改变对自己水平的评价、对基准的选择、对仓位的计算。两个局限是它是会变的历史统计，且只解释系统性部分，公司自己的事件不在其中。