Este trabajo introduce un enfoque de contracción bayesiana de variable instrumental diseñado específicamente para estimar el modelo de fijación de precios de activos de capital (CAPM) al utilizar un gran número de instrumentos. Nuestra metodología incorpora priors de contracción de tipo herradura, Laplace y basados en factores para construir estimadores bayesianos para CAPM, teniendo en cuenta la presencia de errores de medición. A través del uso de datos simulados, ilustramos el potencial de nuestro enfoque en mitigar el sesgo que surge de errores en variables. Es importante destacar que la estimación convencional de mínimos cuadrados en dos etapas del beta de CAPM muestra un aumento del sesgo a medida que aumenta el número de instrumentos. En contraste, nuestro enfoque contrarresta efectivamente este sesgo, especialmente en escenarios con un número sustancial de instrumentos. En una aplicación empírica utilizando datos del mundo real, nuestra metodología propuesta genera valores de beta de CAPM estimados sutilmente distintos en comparación con los enfoques de mínimos cuadrados ordinarios y de mínimos cuadrados en dos etapas. Esta disparidad en las estimaciones conlleva importantes implicaciones económicas. Además, cuando se aplica a rendimientos promedio de activos de sección cruzada, nuestro enfoque mejora significativamente el poder explicativo del marco de CAPM.