资产的收益和风险之间的关系一直是金融市场中最为重要的问题之一,一方面研究它们可以实现学术上的突破,另一方面收益和风险之间的关系会影响到市场上投资者的投资行为。资产定价模式可以解释资产收益率和风险的关系,对于金融市场来说,资产定价具有十分重要的意义。根据CAPM模型,金融市场是完美的,任何投资者都可以根据无风险利率去借款或者贷款,从而得到一个效用最大的资产组合。但是Frazzini和Pedersen（2014）证明了在美国股票市场和MSCI里面的其他19个发达国家中,由于借贷利率不一样,借出资金的利率往往低于借入资金的利率,并且投资者的借贷行为会因为信用因素而受到约束,导致风险偏好较大的投资者去更多买入高贝塔的资产,进而导致了高风险资产的低阿尔法现象。这里就存在了一个BAB套利因子,即做多低贝塔资产并且做空高贝塔资产的投资组合,他们证明了1)美国股票市场的SML线要比理论上更加平坦,2)贝塔高的投资组合的阿尔法和夏普比率往往比贝塔低的投资组合更低,3)BAB因子可以带来显著的超额收益。但是他们选取的样本只包括了发达国家的股票市场,没有对中国的A股市场进行研究。因此本文利用A股市场2000年1月至2019年12月一共20年的非金融非ST股票数据去构造BAB因子并进行相关研究,集中解释以下几个问题,在A股市场上BAB因子是否可以带来超额收益?SML线是否和美股市场一样比理论上更加平坦?低贝塔资产是否意味着高阿尔法和高夏普比率?筹资流动性对于BAB因子的收益率有什么影响?本文首先根据贝塔的定义,利用420交易日滚动数据计算出相关系数,根据120交易日滚动数据计算出收益率标准差,得出了加权预期贝塔。接着我们每个月都对所有的股票按照贝塔大小分为两组,用低贝塔投资组合的特雷诺比率减去高贝塔投资组合的特雷诺比率就得出了BAB因子。接下来我们构造出市场因子、市值因子、账面市值比因子和动量因子来对BAB因子进行检验。本文先对五个因子的相关性采用Pearson相关系数分析、Spearman秩相关系数分析检验,得出五个因子之间相关性比较弱,可以用来检验BAB因子。然后我在CAPM模型中依次加市值因子、账面市值比因子、动量因子以及BAB因子,发现经过不管是经过自己构造的四因子还是国泰安数据库里的四因子调整后,BAB因子都依然可以贡献显著的超额收益。接下来本文按照贝塔大小将所有股票分成10组,观察这10组资产的超额收益,发现差距非常小,说明中国股票市场也会有SML线比理论上更加平坦的情况。另外在10个分组的CAPM模型、三因子模型和四因子模型中,出现了低贝塔组的阿尔法和夏普比率低于高贝塔组的情况,虽然由于中美股票市场成熟度和制度差异等原因,A股市场上的表现并没有美国股票市场那么明显,但是和其他19个发达国家一样,A股市场也出现了该趋势。接着我们利用TED利差以及银行间同业拆借利率作为衡量筹资流动性的指标,发现BAB因子的收益率和它们均呈负相关关系,说明市场的筹资流动性状况会影响BAB因子的收益率。本文的研究结论验证了起初的假设,在学术方面和实际投资方面均有一定的意义。在学术上,本文说明了在A股市场上SML线比理论上更加平坦,同时说明了BAB因子在A股市场也是有效的,可以在今后国内股票市场的研究提供了潜在的新因子。在实际投资上,由于BAB因子可以带来显著的超额收益,因此投资者可以考虑将该因子纳入量化交易的策略中并获得收益。