什么是贝塔β？
β系数是一种风险指标，用来衡量单只基金或股票相对于整个市场的价格波动情况。β的绝对值越大（上限是1），表示其收益变化与市场的变化关联越紧密。
β系数取值范围是-1到1，如果为负是什么意思呢？这种情况下，表示这只基金或股票与市场行情相反，大盘上涨，它下跌，反之亦然。
什么是阿尔法α？
要弄明白α，需要先简单了解一下资本资产定价模型，这个模型比较简单：
期望收益率＝无风险回报率＋β*（整体股市回报率－无风险回报率）
其中，无风险回报率一般取央行公布的一年期定期存款利率（默认存在银行是无风险的）。
根据这个模型，在知道单只基金或股票的β系数、整体股市回报率、无风险利率的情况下，那么它的预期收益率也就可以计算出来了。
但是我们知道，如果现实的资本市场能够由一个公式定义，那也就没有套利空间，股价也不可能随时变动了。如果这只基金真实的收益率是15%，那上面计算出来的预期收益率10.4%该如何自处呢？预测不准，经济学家好尴尬，于是就发明了一个阿尔法α，来表示两者的差值，阿尔法α=15%-10.4%=4.6%。
仔细想想，这个阿尔法α指标也有现实的意义。α越大，是不是表示这只基金超过大家对它期望（根据β、大盘整体回报率等计算得到的）的收益越多呢？毫无疑问，如果一只基金的α越大，它的基金经理肯定会受到追捧。
如何计算？
β=单只股票或基金与整体市场的协方差/市场的方差
α=单只股票或基金实际收益率-无风险回报-β*（整体股市回报率－无风险回报率）
Python实践环节
1、读取数据
读取深证的指数数据df_index=_csv('data/399300.')df_()2、计算Beta
深证市场的方差sigma=df_index['pct_chg'].cov(df_index['pct_chg'])prod函数是将某一列数据连乘计算单只基金的收益率df_[:,'pct_chg']/=100df_[:,'pct_chg']+=1single_fund_yeild=df_fund['pct_chg'].prod(axis=0)-1single_fund_yeild
10.267164717193765
计算alphaalpha=single_fund_yeild-(rf+beta*(market_yeild-rf))alpha
10.1048
