 Meskipun model penetapan harga aset klasik, dengan model penetapan harga aset

modal (CAPM) (Sharpe, 1964; Lintner, 1965) sebagai eksponen utamanya, menikmati
pengakuan tinggi dan secara luas digunakan dalam praktik untuk berbagai tugas
keuangan, keberhasilan empiris mereka telah secara tradisional kecil. Bersama
dengan kesulitan mengukur variabel yang mudah berubah seperti pengembalian
pasar (Black, Jensen, & Scholes, 1972; Fama & MacBeth, 1973; Miller & Scholes,
1972), temuan pada berbagai anomali pasar yang terdokumentasi dengan baik
mengungkapkan kelemahan yang parah. dalam CAPM. Anomali ini tidak hanya
menyebabkan peningkatan kesenjangan antara beta dan pengembalian yang
diharapkan, tetapi dalam banyak kasus mereka juga menghasilkan pola terbalik
antara kedua variabel. Hebatnya, Cochrane (2011) menunjukkan bahwa CAPM
bekerja dengan benar sebelum tahun 1963, dengan tepat menangkap efek nilai (lihat
Gambar A1 dari makalahnya), yaitu, menghasilkan beta yang lebih tinggi untuk
portofolio nilai dan beta yang lebih rendah untuk portofolio pertumbuhan.
Sebaliknya, untuk periode 1963–2009, penulis menunjukkan bahwa yang terjadi
justru sebaliknya. Karena pola pengembalian yang diharapkan tetap ada (yaitu, nilai
saham masih memberikan pengembalian yang diharapkan tertinggi, dan sebaliknya),
ini benar-benar merusak kinerja CAPM.
 Secara khusus, APT mengasumsikan bahwa kesalahan yang diberikan oleh regresi
hasil aset (yaitu, pengembalian, pengembalian berlebih, dll.) pada faktor tidak
berkorelasi di seluruh aset. Oleh karena itu, APT pada dasarnya merupakan
karakterisasi statistik dari hasil aset, yang tidak memerlukan asumsi ekonomi yang
ketat terkait dengan ICAPM. Namun, pada kenyataannya pembayaran aset tidak
mengikuti struktur faktor yang sempurna, sehingga hukum satu harga, dengan
sendirinya, dapat memberikan hasil yang salah secara sewenang-wenang (Cochrane,
2005, hlm. 177). Secara umum, ini memaksa model untuk menanamkan beberapa
batasan ekonomi, biasanya dalam bentuk batasan pada rasio Sharpe dari portofolio
faktor dan hasil aset.
 Bagaimanapun, efek ukuran dan nilai bekerja seperti yang diharapkan, sehingga,
secara umum, semakin kecil ukuran dan semakin tinggi rasio BE/ME, semakin tinggi
pengembalian rata-rata, dan sebaliknya. Berkenaan dengan faktor, perlu dicatat
bahwa rata-rata pengembalian RMRF sebesar 12,46%, yang merupakan nilai yang
 relatif tinggi dibandingkan dengan pasar saham lainnya. Faktanya, rasio Sharpe dari
RMRF berjumlah 0,7, mengungguli pasar lain dengan rasio Sharpe sekitar 0,4–0,5.
Hebatnya, standar deviasi IL (45,31%) lebih dari dua kali lipat RMRF (17,71%), yang
berkontribusi secara signifikan meningkatkan volatilitas SDF, seperti yang
didefinisikan dalam ekspresi (11).
 Mengikuti Lewellen et al. (2010), Tabel 4 menunjukkan statistik OLS dan GLS R2 yang
disesuaikan untuk semua model. Seperti yang penulis jelaskan, statistik GLS R2
merupakan pemeriksaan yang menantang untuk model penetapan harga aset,
karena tinggi hanya jika model tersebut dapat menjelaskan rasio Sharpe maksimum
yang tersedia pada aset uji. Sebaliknya, statistik OLS R2 berhubungan lemah dengan
lokasi faktor di ruang mean-variance.