作者：BetaPlus 小組

摘要：本文從因子起源、因子成因、因子實(shí)證以及因子投資實(shí)務(wù)四方面詳解（截面）動(dòng)量因子。

寫在前面：本文的寫作動(dòng)機(jī)已在《Value》一文中解釋過。本文在《因子投資：方法與實(shí)踐》第 3.5 節(jié)動(dòng)量因子的基礎(chǔ)上（有刪改），補(bǔ)充了從動(dòng)量因子投資實(shí)務(wù)角度的闡述。此外，和書中相比，本文第三節(jié)中針對(duì) A 股的實(shí)證數(shù)據(jù)已更新至 2021 年 12 月 31 日。

1?動(dòng)量因子起源

截面動(dòng)量因子（后文簡稱動(dòng)量因子）是一個(gè)頗受爭議的因子。實(shí)證資產(chǎn)定價(jià)領(lǐng)域的代表人物 Eugene Fama 一貫旗幟鮮明地反對(duì)將動(dòng)量視作一個(gè)系統(tǒng)性因子。但另一方面，該因子又實(shí)實(shí)在在地存在于不同國家及不同大類資產(chǎn)中。其受關(guān)注的程度大概只有前面介紹的規(guī)模和價(jià)值因子能與之相提并論。動(dòng)量因子背后反映的是股票間的相對(duì)強(qiáng)弱趨勢(shì)會(huì)延續(xù)，“強(qiáng)者恒強(qiáng)，弱者恒弱”；通常通過做多過去一段時(shí)間表現(xiàn)最好的股票（稱為贏家組合）、同時(shí)做空這段時(shí)間表現(xiàn)最差的股票（稱為輸家組合）來構(gòu)建動(dòng)量因子。

動(dòng)量因子源自 Jegadeesh and Titman (1993) 提出的動(dòng)量效應(yīng)。在每月月末，依據(jù)過去 J 個(gè)月的股票總收益率排序，將股票分為 10 組，按照等權(quán)重方式做多收益率最高的一組股票，同時(shí)做空收益率最低的一組股票，并持有 K 個(gè)月。為了規(guī)避路徑依賴對(duì)結(jié)果的影響，該文構(gòu)建了 K 個(gè)子策略，每個(gè)子策略的起點(diǎn)相隔一月，最后再取 K 個(gè)組合的收益均值代表動(dòng)量效應(yīng)。實(shí)證結(jié)果顯示，無論是多空組合還是純多頭組合，都可以獲取顯著且穩(wěn)健的超額收益。受該文啟發(fā)，Carhart (1997) 在 Fama and French (1993) 三因子模型的基礎(chǔ)上加入了動(dòng)量因子，該模型后來被稱為 Carhart 四因子模型。

Jegadeesh and Titman (2001) 利用樣本外數(shù)據(jù)進(jìn)一步檢驗(yàn)了動(dòng)量效應(yīng)，以此回應(yīng)了那些認(rèn)為 Jegadeesh and Titman (1993) 是數(shù)據(jù)挖掘結(jié)果的批判。Rouwenhorst (1998, 1999) 在12 個(gè)歐洲國家市場(chǎng)和 20 個(gè)新興市場(chǎng)發(fā)現(xiàn)了顯著的動(dòng)量效應(yīng)，上述發(fā)現(xiàn)為支持動(dòng)量存在于其他市場(chǎng)中提供了有力的證據(jù)。De Groot et al. (2012) 指出在新興市場(chǎng)同樣有著顯著的動(dòng)量效應(yīng)，而 Asness, Moskowitz and Pedersen (2013) 更是提供了動(dòng)量效應(yīng)在全球多個(gè)市場(chǎng)廣泛存在的證據(jù)。與上述研究成鮮明對(duì)比的是，在日本和中國 A 股市場(chǎng)中，動(dòng)量效應(yīng)的表現(xiàn)慘不忍睹。

除了個(gè)股動(dòng)量，行業(yè)動(dòng)量也非常顯著（Moskowitz and Grinblatt 1999）。此外，在債券、大宗商品和外匯等資產(chǎn)中也存在動(dòng)量效應(yīng)。舉例來說，Jostova et al. (2013) 研究了公司債市場(chǎng)的動(dòng)量效應(yīng)，Narayan, Ahmed and Narayan (2015) 討論了商品期貨市場(chǎng)的動(dòng)量效應(yīng)，而 Menkhoff et al. (2012) 和 Orlov (2016) 表明外匯市場(chǎng)同樣存在顯著的動(dòng)量效應(yīng)。

2?動(dòng)量因子成因

2.1 風(fēng)險(xiǎn)解釋

關(guān)于動(dòng)量的成因，一部分學(xué)者將其歸因于系統(tǒng)性風(fēng)險(xiǎn)敞口。具體來說，動(dòng)態(tài)風(fēng)險(xiǎn)敞口假說認(rèn)為贏家組合和輸家組合有著不同的、時(shí)變的系統(tǒng)性風(fēng)險(xiǎn)暴露。因此，多空對(duì)沖構(gòu)建的動(dòng)量因子組合有著時(shí)變的系統(tǒng)性風(fēng)險(xiǎn)敞口，需要獲得風(fēng)險(xiǎn)溢價(jià)補(bǔ)償。Geczy and Samonov (2016) 利用長達(dá)近 200 年的美股數(shù)據(jù)研究發(fā)現(xiàn)，在一個(gè)市場(chǎng)狀態(tài)的初期，動(dòng)量組合對(duì)于當(dāng)前的市場(chǎng)狀態(tài)有著負(fù)的暴露，從而導(dǎo)致該時(shí)期的大幅損失，這意味著動(dòng)量組合需要獲得更高的收益來彌補(bǔ)相關(guān)的風(fēng)險(xiǎn)。Daniel and Moskowitz (2016) 將此形象地描述為“動(dòng)量崩潰”（momentum crashes），并指出這一尾部風(fēng)險(xiǎn)正是動(dòng)量的風(fēng)險(xiǎn)溢價(jià)來源。Liu and Zhang (2008) 指出贏家組合對(duì)產(chǎn)出增長率因子有著更高的短期暴露，這可以較好地解釋動(dòng)量效應(yīng)。他們發(fā)現(xiàn)額外的因子暴露主要來自贏家組合，而輸家組合的因子暴露則在不同時(shí)期保持穩(wěn)定。Chordia and Shivakumar (2002) 和 Antoniou, Lam and Paudyal (2007) 則認(rèn)為經(jīng)濟(jì)周期有助于解釋動(dòng)量效應(yīng)。Yin and Wei (2020) 基于中國市場(chǎng)數(shù)據(jù)發(fā)現(xiàn)，總體盈利的不穩(wěn)定性有助于解釋動(dòng)量因子的表現(xiàn)。但也有學(xué)者并不認(rèn)可這類解釋。Griffin, Ji and Martin (2003) 和 Ji, Martin and Yao (2017) 反對(duì)使用宏觀經(jīng)濟(jì)變量解釋動(dòng)量效應(yīng)。

2.2 行為金融學(xué)解釋

除風(fēng)險(xiǎn)補(bǔ)償外，更多的學(xué)者認(rèn)為投資者行為偏差能更好地解釋動(dòng)量效應(yīng)。Daniel, Hirshleifer, and Subrahmanyam (1998) 的經(jīng)典研究認(rèn)為，投資者對(duì)其私有信息的過度自信及有偏的業(yè)績自我歸因會(huì)造成動(dòng)量效應(yīng)。Hur and Singh (2016) 進(jìn)一步指出反應(yīng)不足是主要原因。其次，Grinblatt and Han (2005) 認(rèn)為投資者心理賬戶的存在導(dǎo)致了處置效應(yīng)，拉大了股票價(jià)格與其基本面價(jià)值之間的差異，進(jìn)而導(dǎo)致了動(dòng)量效應(yīng)。他們發(fā)現(xiàn)，在控制了未實(shí)現(xiàn)盈利值（capital gain overhang）后，動(dòng)量效應(yīng)不再顯著。第三類解釋是推定預(yù)期偏差，即投資者通過將當(dāng)前數(shù)據(jù)外推來得到對(duì)未來表現(xiàn)的預(yù)期，而這一樸素估計(jì)是有偏的。Barberis et al. (2015) 構(gòu)建了部分投資者有推定預(yù)期的 X-CAPM 模型，用以解釋資產(chǎn)預(yù)期收益的截面差異。知情交易也是一種有趣的解釋。Chen and Zhao (2012) 發(fā)現(xiàn)，在知情交易概率較大的股票中，動(dòng)量表現(xiàn)優(yōu)異；反之，在知情交易概率較小的股票中，股價(jià)則沒有明顯的持續(xù)性。最后，市場(chǎng)情緒也是另一類重要的解釋（Stambaugh, Yu and Yuan 2012）。Li and Yeh (2011) 基于中國 A 股市場(chǎng)的數(shù)據(jù)，指出空頭組合蘊(yùn)含的市場(chǎng)情緒越強(qiáng)烈，動(dòng)量效應(yīng)就越顯著。Antoniou, Doukas and Subrahmanyam (2013) 等也提供了市場(chǎng)情緒對(duì)動(dòng)量效應(yīng)有顯著影響的證據(jù)。

3?動(dòng)量因子實(shí)證

熟悉 A 股市場(chǎng)的朋友可能有這樣的體會(huì)，無論使用哪個(gè)時(shí)間周期計(jì)算動(dòng)量都無法發(fā)現(xiàn)顯著的動(dòng)量效應(yīng)，更多時(shí)候表現(xiàn)出的是反轉(zhuǎn)效應(yīng)。本節(jié)依照學(xué)術(shù)界的常規(guī)做法定義變量、檢驗(yàn)動(dòng)量因子。變量定義方法為：在 t 月末使用 t – 12 到 t – 1 月之間 11 個(gè)月的累計(jì)收益率作為動(dòng)量指標(biāo)。這么做的目的是排除短期反轉(zhuǎn)對(duì)動(dòng)量造成的影響。舉例來說，假如現(xiàn)在是 2019 年 1 月末，依照上述方法將使用 2018 年 1 月末到 2018 年 12 月末（即 2018 年 2月到 12 月）這 11 個(gè)月內(nèi)的累計(jì)收益率計(jì)算動(dòng)量。為了研究動(dòng)量因子，本文使用的實(shí)證區(qū)間為 2000 年 1 月至 2021 年 12 月。

每月末將股票按照動(dòng)量變量的取值從低到高分成 10 組，表 1 匯報(bào)了描述性統(tǒng)計(jì)。不難發(fā)現(xiàn)，前 8 組的總市值差異并不大，但第 9 組和 High 組的總市值顯著增加。和書中結(jié)果（書中的實(shí)證區(qū)間終點(diǎn)為 2019 年 12 月 31 日）相比，在加入了 2020 和 2021 兩年的數(shù)據(jù)后，High 組的平均市值進(jìn)一步增大，從書中的 169.1 億元上升至 190.9 億元，這和過去兩年的抱團(tuán)不無關(guān)系。除此之外很有意思的是，10 組的 ROA 呈現(xiàn)出單調(diào)遞增，且 High 組的 P/B 也要高于其他組。

表 1 描述性統(tǒng)計(jì)

表 2 總結(jié)了單變量排序和雙重排序的檢驗(yàn)結(jié)果。首先來看單變量排序，無論采用等權(quán)重（Panel A），還是采用市場(chǎng)加權(quán)（Panel B）構(gòu)建這些投資組合，它們的收益率幾乎毫無單調(diào)性可言。當(dāng)采用等權(quán)重時(shí)，10 個(gè)投資組合的月均收益率呈現(xiàn)出倒 U 字形；當(dāng)采用市值加權(quán)時(shí)，二者之間則更加無序。無論等權(quán)重還是市值加權(quán)，由做多贏家組合（High 組）和做空輸家組合（Low 組）構(gòu)成的動(dòng)量因子的月均收益率都不顯著。

表 2 單變量 Portfolio Sort 檢驗(yàn)結(jié)果

接下來，關(guān)注動(dòng)量和市值進(jìn)行雙重排序的檢驗(yàn)結(jié)果。表 3 和表 4 分別給出了等權(quán)和市值加權(quán)的結(jié)果。無論采用等權(quán)重還是市值加權(quán)，在按市值分組得到的 Small 和 2 這兩組中，贏家組的收益率低于輸家組的收益率；而在 3 到 Large 三組中，贏家組合的收益率高于輸家組合的收益率。綜合這兩點(diǎn)可以看出，動(dòng)量效應(yīng)僅微弱地存在于 A 股的大市值股票中，而對(duì)于小市值的股票則更多地表現(xiàn)出反轉(zhuǎn)。

表 3 動(dòng)量和市值雙重排序檢驗(yàn)結(jié)果（等權(quán)重）

表 4 動(dòng)量和市值雙重排序檢驗(yàn)結(jié)果（市值加權(quán)）

將五組平均后得到動(dòng)量因子。當(dāng)采用等權(quán)重時(shí)，動(dòng)量因子的月均收益率為 0.13%（t-statistic = 0.61）；當(dāng)采用市值加權(quán)時(shí)，動(dòng)量因子的月均收益率為 0.14%（t-statistic = 0.67）。這兩個(gè)結(jié)果均非常不顯著，說明以學(xué)術(shù)界中的常見方法構(gòu)建的動(dòng)量效應(yīng)并不存在于 A 股市場(chǎng)中。

4?動(dòng)量因子投資實(shí)務(wù)

4.1 改進(jìn)

雖然有如此多的理論和實(shí)證支持動(dòng)量效應(yīng)，但仍有不少學(xué)者提出了質(zhì)疑和批判。其一，有研究認(rèn)為動(dòng)量的收益其實(shí)來自對(duì)其他經(jīng)典風(fēng)險(xiǎn)因子的暴露。例如，Novy-Marx (2015) 認(rèn)為價(jià)格動(dòng)量效應(yīng)來自盈余動(dòng)量，一旦控制盈余動(dòng)量，價(jià)格動(dòng)量便不再顯著。其二，空頭端對(duì)動(dòng)量收益的貢獻(xiàn)較大，但由于在實(shí)踐中賣空并不容易，因此動(dòng)量因子對(duì)實(shí)際因子投資的作用有限。其三，動(dòng)量因子往往伴隨很高的換手率，因此其紙面收益難以很好地轉(zhuǎn)化為實(shí)際交易盈利。針對(duì)批判，一些改進(jìn)的動(dòng)量因子也陸續(xù)被“挖掘”了出來，并且或多或少占了下面幾個(gè)理由中的一個(gè)或多個(gè)：要么比原始動(dòng)量因子風(fēng)險(xiǎn)收益特征更優(yōu)，要么組合收益更加亮眼，要么能避免動(dòng)量崩潰，要么故事更加動(dòng)人。本節(jié)介紹其中的一些。

4.1.1 價(jià)格高點(diǎn)距離

Jegadeesh and Titman (1993) 在定義動(dòng)量指標(biāo)時(shí)，用的過去 J 個(gè)月（如 12 個(gè)月）的累計(jì)收益，即錨點(diǎn)是 J 個(gè)月前的價(jià)格。George and Hwang (2004) 將錨點(diǎn)替換為過去 52 周最高價(jià)，即當(dāng)前最新價(jià)與最高點(diǎn)的距離作為新的動(dòng)量因子。該文的實(shí)證結(jié)果表明，價(jià)格高點(diǎn)距離指標(biāo)包含了傳統(tǒng)動(dòng)量指標(biāo)的信息，是一個(gè)更可靠更有效的動(dòng)量指標(biāo)。

4.1.2 殘差動(dòng)量

殘差動(dòng)量由個(gè)股的殘差收益率計(jì)算，定義為個(gè)股收益率中無法被給定多因子模型解釋的部分。Blitz, Huij and Martens (2011) 的研究發(fā)現(xiàn)殘差動(dòng)量可獲得非常顯著的收益，且不再有動(dòng)量崩潰的煩惱。其背后的原因在于求解殘差的過程剝離了傳統(tǒng)動(dòng)量因子對(duì)系統(tǒng)性風(fēng)險(xiǎn)因子的敞口，從而可以獲得更加穩(wěn)健的收益。Lin (2020) 發(fā)現(xiàn)殘差動(dòng)量在 A 股市場(chǎng)同樣有效。雖然實(shí)證結(jié)果看似支持殘差動(dòng)量存在于 A 股市場(chǎng)這一結(jié)論，但其背后的原因需要進(jìn)一步探索。與之類似的還有阿爾法動(dòng)量，感興趣的讀者請(qǐng)參考 Hühn and Scholz (2018)。

4.1.3 加速度動(dòng)量

對(duì)于一支股票來說，在所有的信息里面，價(jià)格是投資者最容易獲取的，這也是技術(shù)分析盛行的一個(gè)重要原因。對(duì)于處于上漲（下跌）趨勢(shì)的股票，如果價(jià)格走勢(shì)加速上漲（下跌），則更容易吸引投資者的注意。鑒于此，Chen and Yu (2014) 設(shè)計(jì)了一個(gè)加速動(dòng)量指標(biāo)，用來衡量價(jià)格上漲（下跌）的速度。在構(gòu)造因子時(shí)，該文用價(jià)格對(duì)時(shí)序的期數(shù)以及期數(shù)的平方項(xiàng)回歸，并取平方項(xiàng)的系數(shù)為加速度動(dòng)量指標(biāo)。實(shí)證結(jié)果顯示，加速度動(dòng)量能在原始動(dòng)量和 52 周最高價(jià)點(diǎn)距離指標(biāo)的基礎(chǔ)上帶來增量。

4.1.4 左尾動(dòng)量

從收益率的分布來看，左側(cè)代表損失和風(fēng)險(xiǎn)，也存在動(dòng)量效應(yīng)，即左側(cè)收益率越大的公司未來表現(xiàn)越好，左側(cè)收益率越小的公司未來表現(xiàn)越差。Atilgan et al. (2020) 認(rèn)為，投資者對(duì)尾部風(fēng)險(xiǎn)或者壞消息往往反應(yīng)不足，導(dǎo)致尾部動(dòng)量得以持續(xù)，尤其是散戶占比較大大公司，這一效應(yīng)更加明顯。從該文實(shí)證結(jié)果上來看，左尾動(dòng)量非常顯著，其市值加權(quán)組合能在控制了 Carhart 四因子后依然獲得顯著的超額收益。從計(jì)算上來看，尾部動(dòng)量指標(biāo)既像是風(fēng)險(xiǎn)指標(biāo)，也像是收益率指標(biāo)，但剔除常見的風(fēng)險(xiǎn)異象影響后，左尾動(dòng)量依然顯著，表明左尾動(dòng)量含有獨(dú)特的信息。

4.1.5 其他考量

除了上述幾種計(jì)算方法之外，為了降低傳統(tǒng)動(dòng)量的尾部風(fēng)險(xiǎn)，還有幾篇文獻(xiàn)值得一提。首先，Daniel and Moskowitz (2016) 指出基于對(duì)動(dòng)量策略均值和波動(dòng)率預(yù)測(cè)的動(dòng)態(tài)動(dòng)量策略，可以將靜態(tài)動(dòng)量策略的夏普比率提升一倍。類似地，Barroso and Santa-Clara (2015) 發(fā)現(xiàn)，通過引入目標(biāo)波動(dòng)率進(jìn)行倉位管理也可以顯著提升動(dòng)量組合的表現(xiàn)。另外一個(gè)思路是從買方投資者視角。特別地，投資者的偏好對(duì)于股票的表現(xiàn)既有好處、也有弊端。好處在于，當(dāng)關(guān)注的投資者不是那么多時(shí)，機(jī)構(gòu)投資者的抱團(tuán)可以帶動(dòng)趨勢(shì)，觸發(fā)大行情；但反過來，當(dāng)越來越多的機(jī)構(gòu)都持有一支股票，機(jī)構(gòu)間的競爭將加劇，股票的趨勢(shì)便隨時(shí)可能逆轉(zhuǎn)。直觀上看，此時(shí)動(dòng)量便可能變得危險(xiǎn)。依照上述猜測(cè)，Hoberg, Kumar and Prabhala (2020) 為每支股票構(gòu)建了其買方競爭度指標(biāo)。無論是從截面還是時(shí)序角度來看，買方競爭度都對(duì)動(dòng)量的表現(xiàn)有顯著為負(fù)的預(yù)測(cè)能力。

4.2 企業(yè)間關(guān)聯(lián)

4.2.1 領(lǐng)先滯后關(guān)系

上一節(jié)提到的改造都是每支股票自身的收益率或價(jià)格出發(fā)。還有另一種獲得動(dòng)量溢價(jià)的思路是通過不同公司之間收益率的領(lǐng)先滯后關(guān)系（也稱作企業(yè)間關(guān)聯(lián)）。作為準(zhǔn)另類數(shù)據(jù)的代表，它可以被視為對(duì)傳統(tǒng)動(dòng)量的延伸。表 5 展示了最為典型和廣為人知的領(lǐng)先滯后關(guān)系。

表 5 典型公司間領(lǐng)先滯后關(guān)系

上述文章從不同角度揭示了不同公司的收益率間存在的關(guān)聯(lián)。這些企業(yè)間關(guān)聯(lián)造成的超額收益的來源是投資者對(duì)關(guān)聯(lián)信息的有限注意力所導(dǎo)致的反應(yīng)不足。企業(yè)間關(guān)聯(lián)效應(yīng)也對(duì)公司未來基本面的變化有預(yù)測(cè)能力。這類數(shù)據(jù)大多公開可得，因此具備進(jìn)一步系統(tǒng)研究的基礎(chǔ)，且實(shí)證結(jié)果表明在 A 股上具備應(yīng)用前景。有意思的是，Ali and Hirshleifer (2020) 發(fā)現(xiàn)，一旦控制了分析師共同覆蓋，其他關(guān)系便無法獲得顯著超額收益了；而反過來，其他關(guān)系無法解釋分析師共同覆蓋的超額收益。除此之外，Huang et al. (2021) 研究表明各種企業(yè)間關(guān)聯(lián)的收益率均和信息離散度有關(guān)。當(dāng)領(lǐng)先企業(yè)的信息是小量、多次出現(xiàn)時(shí)，投資者的有限注意力問題更嚴(yán)重，因此通過領(lǐng)先滯后關(guān)系獲得的超額收益更高；當(dāng)領(lǐng)先企業(yè)的信息十分顯著且離散時(shí)，市場(chǎng)對(duì)領(lǐng)先企業(yè)的關(guān)聯(lián)影響反應(yīng)更充分，因而無法通過領(lǐng)先滯后關(guān)系獲得超額收益。該文使用信息離散度和領(lǐng)先滯后關(guān)系雙重排序，發(fā)現(xiàn)在信息最連續(xù)的組內(nèi)觀察到最顯著的超額收益。

4.2.2 相似動(dòng)量

除了上述所列的動(dòng)量效應(yīng)溢出的渠道之外，He, Wang and Yu (2021) 一文為公司間的關(guān)聯(lián)提供了另外一個(gè)思路，即從相似股票的角度定義動(dòng)量。相似股票能影響股票未來的表現(xiàn)背后主要基于三個(gè)邏輯：（1）投資者認(rèn)為相似的股票會(huì)有相似的表現(xiàn)，所以投資者會(huì)用與某支股票相似的股票過去的收益來推斷其未來表現(xiàn)；（2）如果一支股票過去表現(xiàn)好，但是投資者錯(cuò)過了這支股票，那么投資者會(huì)找相似的但還沒有較大漲幅的股票，也就是說，和表現(xiàn)優(yōu)秀的股票相似的股票需求會(huì)增加；（3）如果投資者在某一類股票中賺到了錢，思維會(huì)有路徑依賴，之后的投資依然會(huì)尋找相似的股票進(jìn)行投資。構(gòu)造相似動(dòng)量因子的核心是定義相似的股票。為此，我們可以為每支股票計(jì)算其與其他股票的距離，該距離定義為 5 個(gè)特征（價(jià)格、市值、賬面價(jià)值比、營業(yè)利潤率和總資產(chǎn)增長率）的歐式距離。然后，對(duì)于每支股票，距離最小的 50 支股票即為相似股票，相似動(dòng)量即為這 50 支股票過去一個(gè)月的市值加權(quán)平均收益率。實(shí)證結(jié)果表明，相似動(dòng)量多空組合在控制了 Fama-French 六因子之后依然能夠獲得顯著的超額收益。由于六因子中包含動(dòng)量因子，因此相似動(dòng)量提供了原始截面動(dòng)量因子沒有的增量信息。

4.3 改進(jìn)動(dòng)量的簡單實(shí)證

針對(duì) 4.1 節(jié)提到的改進(jìn)方法以及相似動(dòng)量，連長的文章《動(dòng)量 Plus（上）》給出了相應(yīng)的實(shí)證。本節(jié)節(jié)選其中一些（并將實(shí)證區(qū)間延長至 2021/12/31），感興趣的小伙伴請(qǐng)參考連長的雄文。數(shù)據(jù)處理方式參見《因子投資：方法與實(shí)踐》的 3.1 節(jié)。表 6 展示了不同定義下改進(jìn)動(dòng)量因子的月均收益率（%），其中 Panel A 為等權(quán)重的情況，Panel B 為市值加權(quán)的情況。等權(quán)重下，絕大多數(shù)針對(duì)美股市場(chǎng)提出的改進(jìn)動(dòng)量因子（High – Low）依然在 A 股水土不服，其中只有特質(zhì)動(dòng)量和左尾動(dòng)量因子獲得正收益，但統(tǒng)計(jì)上均不顯著。當(dāng)采用市值加權(quán)時(shí)，情況較等權(quán)時(shí)進(jìn)一步“惡化”。

表 6 改進(jìn)動(dòng)量月均收益率（2005/1/1 至 2021/12/31）

從上述檢驗(yàn)結(jié)果可以看到，無論怎么改進(jìn)，動(dòng)量類因子在 A 股市場(chǎng)效果都難有作為，這符合人們的認(rèn)知。不過我們也注意到，自 2017 年以來，動(dòng)量類因子似乎有“抬頭”之勢(shì)，尤其是在大市值的股票中。這個(gè)現(xiàn)象可能和投資者結(jié)構(gòu)有關(guān)。由于 A 股長期以來散戶占據(jù)主導(dǎo)，散戶更容易追漲殺跌，對(duì)各種信息反應(yīng)過度，這直接導(dǎo)致了反轉(zhuǎn)效應(yīng)。隨著外資不斷流入，公募基金規(guī)模不斷壯大，社保和養(yǎng)老基金等也不斷涌入，機(jī)構(gòu)投資者的占比越來越高，散戶投資者占比相應(yīng)越來越少，反應(yīng)過度逐漸得到修正，甚至出現(xiàn)反應(yīng)不足，進(jìn)而出現(xiàn)動(dòng)量效應(yīng)。表 7 展示了改進(jìn)后的動(dòng)量因子在 2017 年之后的月均收益率（%）。較更長實(shí)證區(qū)間而言，2017 之后確實(shí)出現(xiàn)無論是等權(quán)還是市值加權(quán)，大部分因子獲得了正收益，但依然并不顯著。（如果進(jìn)一步按市值分層，在大市值上做實(shí)證分析也許會(huì)有不同的結(jié)果。）

表 7 改進(jìn)動(dòng)量月均收益率（2017/1/1 至 2021/12/31）

作為量價(jià)因子的代表，動(dòng)量因子在美股有多“給力”，在 A 股就有多“憋屈”。這背后的原因著實(shí)值得深挖。從前文對(duì)動(dòng)量因子背后成因來看，行為金融學(xué)給出了諸多方面的解釋，因此動(dòng)量一定和投資人的行為偏差、交易行為以及市場(chǎng)整體的投資者結(jié)構(gòu)有著千絲萬縷的聯(lián)系。順著這個(gè)邏輯，我們就不難理解為什么同一個(gè)因子（或異象）會(huì)在不同市場(chǎng)中表現(xiàn)出截然不同的實(shí)證結(jié)果。當(dāng)出現(xiàn)這種情況時(shí)，探尋背后內(nèi)在原因，而非照搬不同的改進(jìn)就顯得格外重要。這也是我們對(duì)特質(zhì)動(dòng)量在 A 股一直持懷疑態(tài)度的原因。各種方式計(jì)算的動(dòng)量因子之間相似或相左的實(shí)證結(jié)果也為 A 股中的動(dòng)量效應(yīng)增添了諸多不確定性。這些問題將促使人們持續(xù)研究動(dòng)量，而厘清一個(gè)因子背后有效或無效的根源正是實(shí)證研究的樂趣所在。

參考文獻(xiàn)

Ali, U. and D. Hirshleifer (2020). Shared analyst coverage: Unifying momentum spillover effects.?Journal of Financial Economics?136(3), 649 – 675.

Antoniou, A., H. Y. T. Lam, and K. Paudyal (2007). Profitability of momentum strategies in international markets: The role of business cycle variables and behavioural biases.?Journal of Banking & Finance?31(3), 955 – 972.

Antoniou, C., J. A. Doukas, and A. Subrahmanyam (2013). Cognitive dissonance, sentiment, and momentum.?Journal of Financial and Quantitative Analysis?48(1), 245 – 275.

Asness, C. S., T. J. Moskowitz, and L. H. Pedersen (2013). Value and momentum everywhere.?Journal of Finance?68(3), 929 – 985.

Atilgan, Y., T. G. Bali, K. O. Demirtas, and A. D. Gunaydin (2020). Left-tail momentum: Underreaction to bad news, costly arbitrage and equity returns.?Journal of Financial Economics?135(3), 725 – 753.

Bali, T. G., Cakici, N., & Whitelaw, R. F. (2011). Maxing out: Stocks as lotteries and the cross-section of expected returns.?Journal of Financial Economics?99(2), 427 – 446.

Barberis, N., R. Greenwood, L. Jin, and A. Shleifer (2015). X-CAPM: An extrapolative capital asset pricing model.?Journal of Financial Economics?115(1), 1 - 24.

Barroso, P. and P. Santa-Clara (2015). Momentum has its moments.?Journal of Financial Economics?116(1), 111 – 120.

Blitz, D., J. Huij, and M. Martens (2011). Residual momentum.?Journal of Empirical Finance?18(3), 506 – 521.

Carhart, M. M. (1997). On persistence in mutual fund performance.?Journal of Finance?52(1), 57 – 82.

Chen, L.-W. and H.-Y. Yu (2014). Investor Attention, Visual Price Pattern, and Momentum Investing. Working paper.

Chen, Y. and H. Zhao (2012). Informed trading, information uncertainty, and price momentum.?Journal of Banking & Finance?36(7), 2095 – 2109.

Chordia, T. and L. Shivakumar (2002). Momentum, business cycle, and time-varying expected returns.?Journal of Finance?57(2), 985 – 1019.

Cohen, L. and A. Frazzini (2008). Economic links and predictable returns.?Journal of Finance?63(4), 1977 – 2011.

Cohen, L. and D. Lou (2012). Complicated firms.?Journal of Financial Economics?104(2), 383 – 400.

Daniel, K. D., D. A. Hirshleifer, and A. Subrahmanyam (1998). Investor psychology and security market under- and overreactions.?Journal of Finance?53(6), 1839 – 1885.

Daniel, K. D. and T. J. Moskowitz (2016). Momentum crashes.?Journal of Financial Economics?122(2), 221 – 247.

De Groot, W., J. Pang, and L. Swinkels (2012). The cross-section of stock returns in frontier emerging markets.?Journal of Empirical Finance?19(5), 796 – 818.

Fama, E. F. and K. R. French (1993). Common risk factors in the returns on stocks and bonds.?Journal of Financial Economics?33(1), 3 – 56.

Geczy, C. C. and M. Samonov (2016). Two centuries of price-return momentum.?Financial Analysts Journal?72(5), 32 – 56.

George, T. J. and C. Y. Hwang (2004). The 52‐week high and momentum investing.?Journal of Finance?59(5), 2145 – 2176.

Griffin, J. M., X. Ji, and J. S. Martin (2003). Momentum investing and business cycle risk: Evidence from pole to pole.?Journal of Finance?58(6), 2515 – 2547.

Grinblatt, M. and B. Han (2005). Prospect theory, mental accounting, and momentum.?Journal of Financial Economics?78(2), 311 – 339.

He, W., Y. Wang, and J. Yu (2021). Similar Stocks.?Working paper.

Hoberg, G., N. Kumar, and N. Prabhala (2020). Buy-Side competition and momentum profits.?Review of Financial Studies?forthcoming.

Hou, K. (2007). Industry information diffusion and the lead-lag effect in stock returns.?Review of Financial Studies?20(4), 1113 – 1138.

Huang, S., C. M. C. Lee, Y. Song, and H. Xiang (2021). A frog in every pan: Information discreteness and the lead-lag returns puzzle.?Journal of Financial Economics?forthcoming.

Hur, J. and V. Singh (2016). Reexamining momentum profits: Underreaction or overreaction to firm-specific information??Review of Quantitative Finance and Accounting?46(2), 261 – 289.

Hühn, H. L. and H. Scholz (2018). Alpha momentum and price momentum.?International Journal of Financial Studies?6(2), 49.

Jacobs, H., T. Regele, and M. Weber (2015). Expected skewness and momentum. Working paper.

Jegadeesh, N. and S. Titman (1993). Returns to buying winners and selling losers: Implications for stock market efficiency.?Journal of Finance?48(1), 65 – 91.

Jegadeesh, N. and S. Titman (2001). Profitability of momentum strategies: An evaluation of alternative explanations.Journal of Finance?56(2), 699 – 720.

Ji, X., J. S. Martin, and Y. Yao (2017). Macroeconomic risk and seasonality in momentum profits.?Journal of Financial Markets?36, 76 – 90.

Jostova, G., S. Nikolova, A. Philipov, and C. W. Stahel (2013). Momentum in corporate bond returns.?Review of Financial Studies?26(7), 1649 – 1693.

Kishore, R., M. W. Brandt, P. Santa-Clara, and M. Venkatachalam (2008). Earnings announcements are full of surprises. Working paper.

Lee, C. M. C., S. Teng, R. Wang, and R. Zhang (2019). Technological links and predictable returns.?Journal of Financial Economics?132(3), 76 – 96.

Li, C.-A. and C.-C. Yeh (2011). Investor psychological and behavioral bias: Do high sentiment and momentum exist in the China stock market??Review of Pacific Basin Financial Markets and Policies?14(03), 429 – 448.

Lin, Q. (2020). Idiosyncratic momentum and the cross-section of stock returns: Further evidence.?European Financial Management?26(3), 579 – 627.

Liu, L. X. and L. Zhang (2008). Momentum profits, factor pricing, and macroeconomic risk.?Review of Financial Studies?21(6), 2417 – 2448.

Menkhoff, L., L. Sarno, M. Schmeling, and A. Schrimpf (2012). Currency momentum strategies.?Journal of Financial Economics?106(3), 660 – 684.

Narayan, P. K., H. A. Ahmed, and S. Narayan (2015). Do momentum-based trading strategies work in the commodity futures markets??Journal of Futures Markets?35(9), 868 – 891.

Novy-Marx, R. (2015). Fundamentally, momentum is fundamental momentum. NBER Working Paper No. 20984.

Orlov, V. (2016). Currency momentum, carry trade, and market illiquidity.?Journal of Banking & Finance?67, 1 – 11.

Parsons, C. A., R. Sabbatucci, and S. Titman (2020). Geographic lead-lag effects.?Review of Financial Studies?33(10), 4721 – 4770.

Rouwenhorst, K. G. (1998). International momentum strategies.?Journal of Finance?53(1), 267 – 284.

Rouwenhorst, K. G. (1999). Local return factors and turnover in emerging stock markets.?Journal of Finance?54(4), 1439 – 1464.

Stambaugh, R. F., J. Yu, and Y. Yuan (2012). The short of it: Investor sentiment and anomalies.?Journal of Financial Economics?104(2), 288 – 302.

Yin, L. and Y. Wei (2020). Aggregate profit instability and time variations in momentum returns: Evidence from China.?Pacific-Basin Finance Journal?60, 101276.

免責(zé)聲明：入市有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。在任何情況下，本文的內(nèi)容、信息及數(shù)據(jù)或所表述的意見并不構(gòu)成對(duì)任何人的投資建議。在任何情況下，本文作者及所屬機(jī)構(gòu)不對(duì)任何人因使用本文的任何內(nèi)容所引致的任何損失負(fù)任何責(zé)任。除特別說明外，文中圖表均直接或間接來自于相應(yīng)論文，僅為介紹之用，版權(quán)歸原作者和期刊所有。