定義

Alpha（α）是策略相對於大盤的超額報酬：把市場漲跌貢獻的部分（Beta × 市場報酬）扣掉之後，剩下的年化報酬差距。 Alpha = 5% 表示扣掉大盤貢獻後，策略一年還多賺 5%。大盤上漲時人人都會賺錢，Alpha 回答的問題是「同樣的市場環境下，這套選股方法有沒有多創造價值」，因此它衡量的是選股能力本身，與衡量市場連動程度的 Beta 互補：兩者合起來，把一段報酬拆成「市場給的」與「選股賺的」。

公式與計算

依資本資產定價模型（CAPM），Alpha 的完整公式是：

Alpha = 策略實際報酬 −〔無風險利率 + Beta ×（市場報酬 − 無風險利率）〕

手算一次：假設策略年報酬 20%、Beta 為 1.2、市場報酬 10%、無風險利率 1%。市場貢獻 = 1% + 1.2 ×（10% − 1%）= 1% + 10.8% = 11.8%；Alpha = 20% − 11.8% = 8.2%。驗算：8.2% + 11.8% = 20%，還原策略實際報酬，計算成立。也就是說這 20% 的年報酬裡，11.8% 來自市場曝險，真正靠選股多賺的是 8.2%。短期利率接近零時，實務上常用簡化式 Alpha ≈ 策略報酬 − Beta × 市場報酬。

台股真實實例

FinLab 在 00733 富邦台灣中小 ETF 選股邏輯回測中，用 finlab 重現該 ETF 的高 Alpha 動能選股：50 檔市值加權、季度換股的重現版本，回測年化報酬 24%、Alpha 為 0.09（相對基準指數多出 9% 的超額回報）、Beta 1.19；把持股集中到權重最大的五檔後，年化報酬提高到 42%、Alpha 升至 0.27，Beta 只微升到 1.24，多出來的報酬主要來自選股集中，市場曝險僅小幅增加。

反面例子見回測是什麼引用的法人策略實測：「外資賣超就反向買進」年化僅 +8.8%，遠低於同期 0050 含息的 +20.6%，承受與大盤相當的回撤、報酬卻不到一半，是「有市場曝險、沒有超額報酬」的典型樣貌。

用 finlab 計算

以個股 2330 相對加權報酬指數為例，先估 Beta、再扣掉市場貢獻（finlab 會自動引導登入）：

      
        
        顯示程式碼
        
      
      import finlab
from finlab import data
 
finlab.login()
 
# 還原股價與市場基準（發行量加權股價報酬指數，含息）
adj_close = data.get('etl:adj_close')
benchmark = data.get('benchmark_return:發行量加權股價報酬指數').squeeze()
 
# 個股與市場的日報酬
stock_ret = adj_close['2330'].pct_change().dropna()
market_ret = benchmark.pct_change().reindex(stock_ret.index)
 
# Beta = 共變異數 ÷ 市場變異數；扣掉市場貢獻後年化，即為 Alpha
beta = stock_ret.cov(market_ret) / market_ret.var()
alpha_annual = (stock_ret.mean() - beta * market_ret.mean()) * 252
print(round(beta, 2), round(alpha_annual, 4))
    

把 adj_close['2330'] 換成策略淨值序列（report.creturn），就能算策略的 Alpha。想看把滾動 Alpha 直接當成選股條件的應用，00733 回測文有用 talib.BETA 實作的完整版本。

常見陷阱

**沒扣成本會高估 Alpha。**台股買賣手續費 0.1425%、賣出證交稅 0.3%，高周轉策略若不內扣成本，算出來的 Alpha 會明顯虛高；finlab 的 sim() 預設已內扣這兩項（口徑見 EPS 與 ROE 選股實測）。周轉與成交價差的影響，另見周轉率與滑價。
**把 Beta 收益誤認成 Alpha。**多頭年裡高 Beta 策略幾乎一定跑贏大盤，但那是放大市場曝險的結果；只比絕對報酬、不扣市場貢獻，會把市場行情當成選股能力。評估時應同時看 Alpha 與 Beta，或搭配夏普比率等風險調整指標。

定義

公式與計算

台股真實實例

用 finlab 計算

常見陷阱

相關詞條與延伸閱讀