在经济学的不同领域中，金融是一个比较特殊的领域，它介于理论与实证之间。本书的目的是介绍金融理论以及对这些理论的经验检验，集中分析资本市场中与投资者的投资组合决策以及证券定价相关的金融领域，可以说是一本“金融学导论”。实证研究采用的数据是从1926年2月到1968年6月，所有纽交所普通股的月度收益率。
本书的前四章是统计学基础，包括概率分布及样本特征及用这些概念对普通股收益率和投资组合收益率的关系进行验证。本书的核心部分是第5章到第9章，介绍了资本市场有效性理论及其证据、投资组合理论、预期收益率与风险关系的理论及其证据。作者后得出结论：在一个有效的资本市场中，证券价格“反映了”可得信息。
2013年诺贝尔经济学奖获得者尤金 法玛主要关注投资者的组合决策以及资本市场的证券价格，因提出“有效市场假说”闻名。正是在本书中，法玛首次系统地提出了“有效市场假说”。
在经济学的不同领域中，金融是一个比较特殊的领域，它介于理论与实证之间。本书的目的是介绍金融理论以及对这些理论的经验检验，且阅读本书需要的前期数学知识较少，一般读者也可以接受。
尤金 法兰西斯 法玛(Eugene Francis Fama)，美国经济学家，芝加哥经济学派成员之一。专长于现资组合理论与资产定价理论，因提出“有效市场假说”闻名。因为对资产价格实证分析方面的贡献，获得2013年诺贝尔经济学奖。现任教于芝加哥大学布斯商学院。
1 股票市场收益率行为 1.1 若干统计学概念 1.2 收益率的定义 1.3 市场收益率指数或投资组合 1.4 平均收益率和变异性：快速浏览 1.5 收益率变异的历史 1.6 股票市场收益率的分布 1.7 结论 2 投资组合收益率的分布 2.1 作为证券收益率函数的投资组合收益率 2.2 投资组合收益的均值和方差 2.3 投资组合风险和证券风险 2.4 结论 3 市场模型：理论和估计 3.1 证券收益的多元正态分布 3.2 二元正态性和市场模型 3.3 估计量 3.4 估计量的抽样分布 3.5 估计量的性 3.6 结论 4 市场模型：估计 4.1 估计市场模型：一个详细的例子 4.2 NYSE普通股的风险或市场敏感度的证据 4.3 结论 5 有效资本市场 5.1 有效资本市场：引言 5.2 有效资本市场：正式的讨论 5.3 四个市场均衡模型 5.4 结论及一些理论要点 6 作为通货膨胀指标的短期利率 6.1 美国短期国库券市场 6.2 票据市场的通货膨胀和效率：理论 6.3 市场均衡模型 6.4 当均衡期望真实收益恒定时，市场有效性可检验的含义 6.5 数据 6.6 一个月期票据的主要结果 6.7 △，的行为 6.8 更长期限票据的检验结果 6.9 作为通货膨胀指标的利率：与其他结果的比较 6.10 将研究结果拓展至价格控制时期 6.11 结论 7 两参数投资组合模型 7.1 引言 7.2 正态分布、风险规避和有效集 7.3 有效集的几何形状 7.4 投资组合风险、证券风险以及多样化效应 7.5 结论 8 两参数环境下的资本市场均衡 8.1 引言 8.2 有效投资组合中期望收益与风险的关系 8.3 无风险借贷时预期收益与风险的市场关系 8.4 卖空正方差证券不受约束时的预期收益与风险的市场关系 8.5 卖空正方差证券不受约束时市场均衡模型的变体 8.6 对各种市场均衡两参数模型的比较和评判 8.7 不存在无风险证券且禁止做空正方差证券时的市场均衡 8.8 市场均衡：数学处理 8.9 结论 9 两参数模型：实证检验 9.1 引言 9.2 模型检验：一般讨论 9.3 具体方法 9.4 结果 9.5 测度的风险一收益率关系的一些应用 9.6 结论 参考文献
根据Fama(1965)的表1和表3得到的表1.2，给出了在股票变动较小的时段，通常是从1965年年末到1957年9月26日期间，道 琼斯工业指数的30家股票中，以连续复利计算的每只股票日收益率的频率分布。第1列给出了30个样本中每只股票的日收益率T。第2列和第3列是在区间R－0.5s(R)≤R≤R 0.5s(R)内，也就是说，与样本平均收益率偏离0.5个样本标准差以内的收益率的期望值和真实值。“期望”频率的计算是基于这样一个假设：日收益率是从正态分布中独立抽样的，该正态分布的均值和标准差等于每只证券的样本估计均值和样本估计标准差。第4—9列给出了与R左右相差0.5s(R)的收益率的总期望值和真实值。例如，第4列和第5列给出了联合区间R－1.0s(R)
从表1.2可以明显看出，日收益率的频率分布在其中间和两端的观测值要多于正态分布的数量。对每只股票而言，偏离样本平均收益率0.5个标准差以内的日收益率的真实值要大于其期望值。每只股票偏离其平均收益率3个标准差以上的样本观测值，也要多于正态分布的情况；除了一只股票外，其他股票都偏离其均值4个标准差以上；除了两只股票外，其他股票都偏离其均值2个标准差以上。
用更形象的术语来表述，就是说如果日收益率是从正态分布中抽取的，那么，对任意股票而言，每隔50年，就会出现一次日收益率偏离其均值4个标准差以上的情况。这种极端的日收益率大约每5年可以观测到4次。类似地，在正态性假设下，对于任意给定的股票，每7000年会出现一次日收益率偏离其均值5个标准差以上的情况。似乎每三到四年就会出现这种观测值。
大家都知道，概率与相关频率之和必须等于1。如果股票日收益率的经验分布在均值附近比正态分布更具峰态，而且如果极端观测值出现的频率也比正态分布中的大，那么，在均值附近一定存在一些区间，其观测到的频率要小于从正态分布中得到的频率。在表1.2中，30只股票中有24只股票，其偏离平均收益率0.5—1.0个标准差的观测值个数，要少于正态分布的情况。一般而言，日收益率偏离均值0.5—2.0个标准差的实际个数要少于正态假设的情况。
尽管表1.2看起来有足够的证据反对如下假设，即股票日收益率是从正态分布中抽取的，但是，利用概率来检验这种假设的表述会更好。也就是说，频率分布如日收益率的频率分布，在多大程度上来自于正态分布？为了回答这一问题，表1.3给出了DJIA30指数中，每只股票日收益率的较大值、最小值和学生化极差(SR)。从表1.9可以发现，从正态分布中重复抽取1000个样本，大于或等于7.99的SR值在每200个样本中仅可能出现一次。由于这样的SR值在正态分布的样本中很少见，因此，当真实的数据样本出现大于7.99的SR值时，我们可以认为，该样本并非来自正态分布。在表1.3中，只有2个SR值小于7.99，而且大部分都大于10。
学生化极差允许我们拒绝日收益率的正态性假设，但正如SR值依赖于每只股票的两个极端收益率一样，在寻找其他分布的过程中，SR值本身并没有包含太多信息。
