基于历史数据的资产定价公式的局限——过去不代表未来
（1）投资者对证券的未来风险的衡量取决于理性预期而不是历史波动性。
要求收益率k的作用在于反映投资者愿意持有某项资产所要求的风险溢价（当然还要加上无风险利率才等于k），即“要求收益率k=无风险利率+风险溢价”，而根据资本资产定价模型或指数模型，要求收益率k取决于β系数。之前说过了β系数是用历史数据计算的，我认为以历史波动性和相关性计算β的出发点是错误的，遵循“过去如此，未来也将如此”原则的众多经济学模型已被证明是与“理性经济人”这一经济学的基本公设不相符的，这是基于这样一个事实——经济主体会根据当前最新信息迅速调整预期。真实的要求收益率应该取决于对未来风险的理性预期，而不是由历史波动性决定，未来的相关性不能用过去的相关性简单替代。举个例子，投资者最初购买中诚信托发行的诚至金开煤矿信托产品的收益率为11%，这就是他们最初的要求收益率，当传出该项目可能违约的消息后，难道投资者的要求收益率还是11%吗？恐怕收益率高达50%也没有人愿意冒这个风险。这个例子充分说明要求收益率由理性预期决定，而不是由历史波动性决定。
对于所有热门股和题材股而言，如果使用最近的历史数据建立回归方程形式的指数模型，那么所有这些股票都会具有很小的正B值（风险很小），从而使得要求收益率k很低，那么即使股价很高也是合理的。很显然，热门股和题材股的风险一点也不小，一旦出现机构的派发行为，这些股票的价格跌得最厉害。因此似乎是很精妙的数学运算从现实直观的角度看来却是不切实际的。指数模型可以概括为一句话：如果一只股票过去几年涨得很好，那么它的风险很低（即β值很低）。这明显是错误的。
（2）宏观因素模型无法测量单个证券风险。
事实上所有的宏观因素模型（指数模型也属于一种宏观因素模型）都具有这个缺点—一不能跟踪公司基本面的变化。对于单个股票而非分散化的组合而言，价格风险不可能只有宏观风险而没有公司基本面的风险，事实上后者所起作用更大。宏观因素模型将公司基本面所产生的超额收益全部综合为a值（阿尔法值），在所有的宏观因素模型中（包括指数模型）a被假设为一常量，不会变动，因此也就不可能跟踪公司基本面的变化，将a假设为常量是指数模型最失败的地方。微观因素模型（加入公司基本面因素）相对于宏观因素模型之所以更有效，正是因为前者从公司层面跟踪因果关系的变化，可以断言，对于单个股票而言，如果能够找到恰当的代理变量，所有的微观因素模型都必然比任何宏观因素模型更有效。虽然如此，由于公司基本面如此复杂，实际情况的变化肯定会超出预先设置的代理变量的应对范围，所以证券分析工作不能只交给计算机解决。2013年8月发生的光大“乌龙指”事件就是由依赖计算机和因素模型的量化交易策略造成的。
（3）如果认同公司生命周期假说的话，那么对股票而言描述相关性的β也是可变的。
因此，要求收益率k也是可变的，需要将这种可变性考虑进模型中，这使得历史数据在很大程度上失去了参考意义。
综上所述，基于历史数据的资本资产定价模型和指数模型并不适用于计算单个股票等风险资产的要求收益率。
