“创新是代价高昂且有风险的。”费希尔和斯科尔斯在其1974年事后的调查分析中断言。驿站马车基金未能最终推出，部分是因为政府限制，部分是因为难以吸引顾客购买真正的新产品。“我们认为，尽管有问题，但市场基金、杠杆市场基金、非杠杆市场基金，以及相关产品的创设是不可避免的。迟早会出现面向个人的基金。”事实证明确实如此。富国银行1973年面向机构投资者推出的标准普尔500指数基金并非没有引起人们的注意。1976年，杰克·伯格（Jack Bogle）面向零售投资者的先锋500基金（Vanguard 500Fund）便步其后尘。这只基金后来成长为世界上最大的共同基金，管理资产高达900亿美元。
有一点自不必说，那就是从富国银行的经历中，费希尔学到了一个教训，即创建一个CAPM的世界有多难。另外，他还从中学到了有关实证主义局限性的教训，这是一个他多年前以抽象形式从逻辑学家冯·蒯因教授那里学到的教训。现在，在与詹森和斯科尔斯的合作中，他将再次更具体地学到它。
费希尔和斯科尔斯使用一种方法，量化了其三种假设的资产组合策略的潜在收益。同时，这种方法对费希尔一直偏爱的实证主义风格做了很好的说明。他们从本质上表明，如果已采用了杠杆化的低贝塔策略，你就能赚到钱，而CAPM却宣称你不能从中赚钱。在费希尔看来，这种证明自身足以使人相信理论存在错误，所以无须更复杂的证明。的确，在某种意义上，资产组合检验（他这样称呼自己的方法）比更复杂的统计检验要好，因为前者往往指出我们怎样才能改进理论。毕竟，正如费希尔一直坚持的那样，如果我们拒绝了一个理论，不应把它一扔了之。在实践中，我们将会修补它，用某种方式改进，使它下次不再被拒绝。实证工作的意义与其说是检验理论，不如说它给予我们指导，告诉我们接下来从何处着手才能最可行地改进提高理论。
事实上，费希尔偏好的资产组合方法其实不过是特雷诺-布莱克有关资产组合管理所提出的建议，但是基于过去的数据之上。如同特雷诺-布莱克的建议，将资产组合方法在主动型和被动型资产组合策略之间进行比较。如果主动型策略以超额收益胜出，那就说明主动型策略的经理们必定做对了一些事情。当然，如果我们只基于历史数据进行比较，就不能真正确定我们已经发现了新事实。我们仅仅把它作为真正检验的准备，真正的检验包括面向未来在真实时间中用真金白银检验策略。费希尔对富国银行拒绝检验杠杆化的低贝塔基金感到失望，从根本上，是对一名科学家进行关键试验的机会遭否决感到失望，而允许进行关键试验将告诉他接下来从何处着手才能最可行地改进提高理论。
如果运用正确，即使过去的数据也能给你许多有关如何改进理论的信息。费希尔和斯科尔斯为富国银行所做的实证工作指明了这个路径。使用CRSP从1926年1月到1966年3月的月度数据，他们估计每一只股票的贝塔值，然后把低贝塔股票和高贝塔股票分为不同的资产组合，并分别跟踪每一资产组合的业绩。事实上，他们把所有股票分成10只假设的共同基金，每只共同基金各对应一个贝塔十分位，贝塔取值范围在最低值和最高值之间。经风险调整，他们发现低贝塔基金比高贝塔基金业绩要好得多。费希尔和斯科尔斯由此断定，阿尔法效应真实存在。他们同样断定，CAPM需要改进。
与往常一样，问题仍在于，数据中有众多规律，一旦打算利用它们，你却发现并不可靠。他们怎样才能确定阿尔法效应不是这些规律之一？学者们，特别是那些在有效市场传统中受过训练的学者，把股价中任何看似存在的规律都当作虚假的。在他们看来，市场留下如此大的一个未被利用的获利空间，简直不太合理。由于费希尔和斯科尔斯的观点使得统计假设检验的标准学术方法变得毫无用处，因此这些怀疑论者发现，他们不大相信建立在科学根据之上的最初的布莱克-斯科尔斯报告。为说服怀疑论者，费希尔和斯科尔斯邀请迈克尔·詹森加入，詹森帮助他们以公认的学术风格重写了论文。重写后的这篇“BJS”论文作为第一个在方法上令人满意的CAPM检验，成为了著名论文。说它在方法上令人满意，只是对学者而言的，在费希尔看来并非如此。
在学术版本中，有关假设的共同基金原本明晰的直觉，完全深藏于完美的统计方法之下。使用五年滚动数据窗口估计单个贝塔值作为工具变量方法，现在被证明是合理的。该统计方法对可能的非平稳性表现稳健。十分位分组方法现在被认为与提高统计效率有关。整篇论文围绕着对阿尔法为零的虚拟假设进行检验而组织，来自假设的资产组合策略的超额收益已被假设的“贝塔因素”的超额收益所替代，贝塔因素和CAPM市场因素一起被认为刻画了股价协同变动的特征。该学术风格论文包含大量术语、大量工作，但与通过简单的资产组合方法得出的报告相比，并无更多的真知灼见。
“贝塔因素”是添加上去的、唯一真正新的思想，从统计建模的角度看它是唯一重要的东西，但从理论角度看不是这样。模型表明，股票j的预期收益取决于股票的贝塔βj、市场的预期收益rM以及贝塔因素的预期收益rZ：
E(rj)=E(rZ)(1-βj)+E(rM)βj
或者
E(rj)=E(rZ)+[E(rM)-E(rZ)]βj
定价方程的第二种形式解释了，尽管通过统计检验拒绝了CAPM，但BJS没有否定CAPM而是支持它。将该方程与描述了单只股票预期收益的CAPM方程相比较，其中rF是无风险利率：
E(rj)=rF+[E(rM)-rF]βj
根据经验，CAPM的问题是，预测的截距rF太小而预测的斜率[E(rM)-rF]太大。使方程与数据一致的最简单的方法是，用一个更大的变量代替rF，因为这将增大截距并降低斜率。这正是BJS所做的，他们用E(rZ)替代rF。事实上，他们在用数据计算产生最优拟合的贝塔要素！对于只寻求数据统计描述的人来说，BJS是对CAPM明显的改善，但并非任何人都这么认为。贝塔要素统计模型是一个有待理论解释的统计规律。费希尔对此有一个想法。
在考虑如何最好地利用阿尔法效应时，费希尔和斯科尔斯已经提出了零贝塔资产组合的思想。如果你做多低贝塔股票并做空高贝塔股票，虽然同时构建了几乎不存在系统性风险的资产组合，但你就能同时利用定价过低效应和定价过高效应。事实上，你能构建一个接近零贝塔的资产组合。17为了增加风险暴露，你可能考虑提高该资产组合的杠杆水平；但实际上，为了使预期收益对资产组合方差的比率最大化，通过首先把零贝塔资产组合与市场资产组合结合在一起，你甚至能做得更好。这样做的最终结果是产生了多头/空头资产组合，这个组合是费希尔和斯科尔斯在其给富国银行的第一份报告中所提出的第三种策略，也是最为积极进取的策略。