为了利用阿尔法效应，费希尔产生了将零贝塔资产组合与市场资产组合相结合的思想。这一思想成为费希尔既作为实证性的阿尔法效应的理论解释，又作为贝塔因素的理论支持而提出的所谓零贝塔模型的最重要部分（在BJS中，符号E(rZ)中的Z代表零贝塔资产组合）。在普通CAPM模型中，通过将市场资产组合和无风险资产以不同比例组合，就产生了有效资产组合集合。在费希尔的“弱式”CAPM中没有无风险资产，有效资产组合集合是通过将市场资产组合和零贝塔资产组合以不同比例组合产生的。有若干作者已经指出，在缺乏借款和贷款的情况下，有效边界上的任何资产组合，可被描述为两种基本资产组合的一个混合体。但直到费希尔为利用阿尔法效应而提出这一思想后，人们才认为这些资产组合中的一个可能是市场资产组合，另一个可能是零贝塔资产组合。如果阿尔法效应是真实的，那么强式CAPM已死，弱式CAPM将不朽。
有关阿尔法效应来源的最初直觉是借款约束，这个直觉持续对费希尔的零贝塔模型产生影响（政府管制承受了大多数指责）。但在更深层面上，费希尔的模型与一个世界有关，在这个世界中，借款和贷款不受约束但有风险。20世纪70年代，通货膨胀侵蚀了据称是无风险的短期国债和长期国债的价值，这使得费希尔的公式随着时间推移而显得越来越有价值。
当然，费希尔的零贝塔理论模型不是BJS两因素统计模型唯一可能的理论解释。从一开始，其他最主要的解释就是罗尔关于统计问题的思想，而统计问题又源于运用不完全市场资产组合去测度市场收益。如果你的市场资产组合指标不是完美的，那么你对市场协方差的所有估计将会是有偏的。你将会发现阿尔法效应，但它只是一个统计结果，是错误测度的结果。强式CAPM没有死，它只是难以观测而已。
这种情形在科学研究中始终存在。在数据和理论间缺乏对应，或者是理论的谬误，或者是数据的差错，不是这一个做出让步，就得另一个做出让步。回顾在富国银行的经历，费希尔反思：“我们不知道该相信理论还是该相信数据……鉴于理论和数据之间差异的原因具有不确定性，最安全的方法可能是假定理论是正确的。”联系上下文，他似乎在说，选择由CAPM和有效市场理论所支持的市场指数基金，而非由数据支持的低贝塔基金，富国银行做对了。但在实际中，他的立场远不止这么简单。
尽管他不得不接受富国银行的决定，放弃最初的驿站马车基金，但费希尔从未感到这件事有太大的不确定性。有两件事情使他确信低贝塔基金值得尝试。首先，对假设的共同基金进行检验，结果十分明确。不管怎样为数据分组，超额收益都很高。对费希尔来说，检验设置了一个高难度的障碍，以及一个通常不能被其他假定的、人们似乎非常愿意利用的效应所满足的障碍。例如，正是同一检验表明，与低股利股票相比，我们不知道高股利股票的预期收益更高还是更低，在这种情况下，富国银行依然毫不犹豫地向市场推出了一只股利导向的指数基金。那么，为什么不试试低贝塔基金呢？
但是，实证检验也只讲了故事的一半。对费希尔来说，也需要一个理论去解释是什么导致了实证结果。例如，股票评级服务公司价值线（Value Line）通过了费希尔的资产组合检验，但这个实证结果对运用价值线评级挑选股票没有提供充分的支持。“在我的帮助下，价值线公司进行了分析，从分析结果来看，其评级系统更像是规则中极少出现的一种例外。该规则指出，将好股票和差股票分开的尝试是徒劳的。”但“评级几乎完全基于所跟踪公司十年间有关盈利和普通股价格的公开信息”。根据有效市场理论，所有这些信息应该反映在价格中了。费希尔随后在会计理论方面的工作（见第9章）可被视为对价值线的实证结果所做的令人满意的理论解释的一次尝试。资产组合检验方法巨大的价值又一次体现在，它指出了改进理论的方向。只有在改进实现后，费希尔才准备建议利用这个结果。
费希尔的工作方式是运用“桀骜不驯的经验”（recalcitrant experience）—蒯因使用的表述—刺激他对有关世界运行的理论做出进一步的修正。的确，他为此目标积极地寻求桀骜不驯的经验的例子。对他而言，经仔细查看，几乎所有桀骜不驯的经验都经得起均衡分析的检验。“我透过均衡眼镜看待世界，我认为这副眼镜并没有经常令我失望。”对费希尔而言，了解世界就是改进我们的均衡概念，以便为桀骜不驯的经验留出空间。
这是费希尔一直以来的工作方式，也是他设法吸引其他人与他共同工作的方式。他与迈伦·斯科尔斯建立了联系，合作进行得非常顺利。斯科尔斯将自己和费希尔的合作称为“理想的研究模式”。按照该模式，实证上的异常现象促进了理论研究，理论研究反过来又促进了揭示新异常现象的实证研究。事实上，这个模式运转如此顺利，以至于斯科尔斯始终认为这是经济学的损失：由于费希尔后来投身于充满理想主义色彩的改革宏观经济学的努力中，致使他没有继续专注于做有价值的实证研究。
其他学者理解费希尔的思想则经历了一个更加艰难的时期，并且这种交流困难是双向的。为了满足标准学术界读者的习惯而重写富国银行报告的经历，似乎已经使得费希尔对常规计量经济学技术有了一种持久的反感，他再也没有尝试过这种技术。对他的喜好而言，计量经济学意味着太多的统计学和不充分的经济学。他说道：“我将一个计量经济学模型定义为，结构主要由数据支配，其次才由理论思考支配的模型。在大多数情况下它是一个使用线性回归方法的模型……我已经读到和听到许多论文，它们试图将计量经济学应用于数据分析，我几乎总是断定这些尝试将归于失败。”
“当我们设定一个线性回归模型，使其与一些数据相匹配并且试图对系数做出解释时，就会出现一些重大问题。模型设定几乎总是存在严重错误。一个正确设定的模型，即使自变量能被准确无误地观测，也几乎总是存在识别问题。自变量几乎总是被有误地观测，它们几乎总是共线的。自变量观测误差很少是独立的，要么和其他变量相关，要么和时间相关。作为所有这些问题的结果，模型的估计系数实质上是毫无意义的。”
无论过去还是现在，专业人士对费希尔关于计量经济方法的所有批评都非常了解，无论如何他们都取得了进展，也在用各种技术方法尽其所能处理这些问题，但费希尔没有。他需要异常数据点去刺激他的思想，但不会在无疑是荒谬的实证结果上浪费时间。尽管他对计量经济学提出批评，但他继续相信他自己的资产组合检验的力量，即使在大多数时候，如同在股利检验中一样，检验结果缺乏说服力。无说服力的结果对他倒挺合适。知道你的无知程度，胜于在脆弱的实证性基础之上浪费时间构建理论。更一般地，他只是喜欢直接探索数据，根本不使用精心设计的统计方法。他不是在检验理论或者估计系数，而是在探求新知识。
让他感到满意的是，在解决了这些方法论问题之后，费希尔再也没有看到任何可以使他改变主意的理由。年后，在高盛公司，他反思如何最好地管理交易员：“仅仅观察一个难题是不够的。一条反常的收益率曲线或者一个难以解释的股价变动具有启发性，但我通常想知道为何这些模式在我交易之前就存在。故事可能是错的，但在交易时如果没有一个理论解释，我会感到惶恐不安。我想知道哪一种供需不平衡在创造交易机会。”这说明，费希尔早年遇到蒯因时所受到的影响，仍历久弥新。