在上一篇文章中，我们讨论了的基础概念以及分类，还提到了我个人在股票中更偏向于选择指数（被动型）的原因。今天，我们将进一步探讨股票中的两大类型：主动与被动，并进行详细对比。
在之前的文章中，我分享了自己投资的主动型——国泰估值优势混合的表现，过去一年半的收益并不理想。这让我们不得不思考一个问题：主动的表现真的不如指数吗？这是否意味着我们应该放弃主动，转向指数？
要回答这个问题，首先我们得明白如何评估的收益。假设一个主动的收益为5%，我们该如何判断这是否优秀呢？如果这是在2018年，那么5%的回报率其实已经相当不错，毕竟大盘指数下跌了这么多；但如果是在2017年，这个收益则显得相当平庸。
从这个例子中，我们可以看出，评估一个的好坏，不能单纯看它的绝对收益，而是要有一个比较的标准，通常我们会选择与市场大盘指数（如上证指数或沪深300指数）进行对比。
这样的比较虽然大致可行，但并不完全准确。为了深入理解的表现，我将介绍一个经典的资产定价模型——CAPM模型（资本资产定价模型）。通过这个模型，我们可以更科学地分析的收益表现。
理解CAPM模型
CAPM模型中，β值代表了一个资产相对于整体市场的风险。简单来说，β值是衡量该资产相对于市场波动性的一种指标，风险越大（β值越大），我们期望的回报也应该越高。CAPM模型的第一个公式可以简单理解为：一个资产的期望收益溢价，与其风险成正比，同时也与市场整体的风险溢价相关。
β值大于1：意味着该资产的波动性高于市场，风险更大，期望回报也应该更高。典型的高β值资产包括一些中小盘股、科技股，或者类似纳斯达克、创业板这样的指数。
β值小于1：说明该资产的波动性低于市场，风险较小，期望回报也较低。通常这种资产包括一些大蓝筹股，如上证50指数等。
通过CAPM公式，我们还可以进一步得出该资产的“α收益”。α收益指的是实际收益与期望收益之间的差额。如果一个的实际回报高于期望回报，那么它的α收益就是正的，反之则为负。
主动与指数的收益差异
基于CAPM模型，我们可以将一个的收益拆分为两部分：β收益和α收益。
β收益：即该跟随市场整体走势所获得的收益。
α收益：即该相对于市场的超额收益，也就是经理通过主动选股所带来的额外收益。
例如，假设某年沪深300指数的收益为10%，无风险利率为3%，那么根据CAPM模型，这个的期望收益应为：
3% + 1.3 * (10% - 3%) = 12.1%。也就是说，只有当该的实际收益达到12.1%，才算与其所承担的风险相匹配。
高收益通常意味着高风险。如果一项投资的收益远高于其预期回报（即α收益为负），那么我们就要小心谨慎，看看它是否真的符合自己的投资目标。
主动的表现如何？
根据我的调查数据，在不同市场环境下，主动的α收益表现如下：
震荡市场（2015年1月1日-2019年5月17日）：主动整体表现优于指数。
下跌市场（2018年1月26日-2019年5月17日）：主动的表现仍然优于指数。
上升市场（2019年1月3日-2019年5月17日）：主动再次超过了指数。
有趣的是，在震荡和下跌的市场环境中，混合型（也是主动）表现得比股票型要强得多，这可能是因为混合型通常能够在不同市场中调整配置，降低风险。
为什么选择指数？
尽管在某些市场条件下，主动的表现优于指数，但选择指数的理由并不单纯是因为它的收益更高。以下是我个人选择指数的两大原因：
基于统计分析的平均收益：虽然平均来看，主动在某些市场环境下表现较好，但普通投资者并不总是能购买到“平均”收益的。主动的表现与经理的能力密切相关，而我们对经理的了解有限，很多时候我们难以判断其真实能力，导致投资决策不稳定。
透明度和数据可得性：与主动不同，指数的信息公开透明。我们可以轻松获取有关指数的各类数据，包括技术面数据、基本面数据等。以深证F60指数为例，它的成分股、权重分配以及相关的技术指标都可以公开查阅，投资者可以根据这些公开数据来构建自己的交易策略。
深证F60是由深市A股中非ST股票和非暂停上市股票中筛选出的60只基本面最强的股票构成的。我们可以根据这些数据进行自定义的分析，甚至自己计算出F60的指数值和相关的技术面数据（如均线走势、金叉银叉等）。
结论
指数的最大优势在于其公开透明的特性，使得投资者能够获得更多的信息，自主判断和分析。而主动由于信息的不对称，使得普通投资者在选择时容易受限于经理的能力，且无法获取足够的透明数据。
接下来，我们会在未来的文章中详细探讨如何利用指数的数学原理，构建适合自己的交易系统，选取合适的指数并进行买卖操作。通过数学分析，我们可以更精准地把握市场动向，优化投资策略。
如果对以上内容感兴趣，可以参考相关链接，进一步了解α、β的定义及其在投资中的应用。也可以在平时的投资中尝试用这些方法来指导自己的决策。