本报告重点研究行业动量与因子动量的关系,基于美国市场1963-2016年数据,实证发现因子动量显著且包含行业动量,而行业动量并不包含因子动量,因子动量是行业动量的根本来源。研究进一步指出,因子动量并非股票动量的原因,反而增强了短期反转与个股动量效应,且因子动量普遍存在于多因子中,部分因子贡献尤为重要。
| 策略类型 | 形成期(月) | 持有期(月) | 年化收益率(%) | 标准差(%) | t值 |
|---|---|---|---|---|---|
| 标准因子策略 | 1 | 1 | 10.49 | 15.28 | 5.01 |
| 标准因子策略 | 6 | 6 | 4.13 | 11.98 | 2.50 |
| 行业调整因子策略 | 1 | 1 | 6.41 | 8.43 | 5.55 |
| 行业调整因子策略 | 6 | 6 | 3.69 | 6.60 | 4.05 |
| 策略类型 | 形成期 (月) | 持有期 (月) | 平均年化收益率(%) | 标准差(%) | t值 |
|---|---|---|---|---|---|
| 行业动量策略 | 1 | 1 | 9.61 | 14.75 | 4.76 |
| 行业动量策略 | 6 | 6 | 3.78 | 14.21 | 1.92 |
| size、账面市值 | 1 | 1 | 9.09 | 13.99 | 4.75 |
| size、账面市值 | 6 | 6 | 4.10 | 12.99 | 2.29 |
本报告围绕学术文献《Factor Momentum》展开深入剖析,目的是解决一个关键的问题:股市中普遍观察到的行业动量效应是源于因子动量还是因子动量是由行业动量引起?报告通过实证数据和方法论分析,提出因子动量是行业动量的根源,并且提供了系统的证据支持此结论。此外,报告建议行业动量不能完全解释因子动量的表现,而因子动量则包含了行业动量的信息。这一核心观点为量化投资中的因子择时和行业轮动策略提供了重要的理论依据和实践参考。
报告开篇说明了“琢璞”系列报告的出发点:从行业相关的优质学术文献出发,挑选有启发意义的研究成果,为国内量化投资研究提供最前沿的思路和方法。作者回顾此前关于行业动量效应的研究基础,并明确提出了本文要响应的核心问题:行业动量和因子动量的关系,即哪个是因,哪个是果。引言强调文献《Factor Momentum》通过实证研究为该问题提供了答案,且其方法亦具有较高的参考价值,2]。
研究基于CRSP数据库的美股市场普通股(代码10和11),涵盖NYSE、AMEX和NASDAQ,包含1963年7月至2016年12月的月度和日度收益数据。特殊处理了退市股票的收益,如缺失时给予一定的负收益率(NYSE/AMEX -30%,NASDAQ -55%)。此外,使用年度Compustat文件中的会计数据进行财务指标计算,结合Fama-French惯例设置六个月的会计信息延迟,保证信息的实际可获得性。因子收益计算时间覆盖超过五十年,确保数据的丰富性和长期稳定性。
因子动量效应的构建
核心难点:行业动量与因子动量是相互作用的,两者彼此映射,难以区分因果关系。为解决此问题,文章构建“行业中性因子”,即股票收益预测指标减去所在行业的均值,使得多空组合在行业间均衡分布,且进一步用市值加权的对冲头寸剔除行业暴露。因此,行业中性因子收益与行业本身收益无相关性,能有效隔离行业效应与因子效应。
关键数据点(表1):文章共构建了51个因子动量策略,所示的α与t值显示大多因子在未调整和行业调整状态下均具有显著的正收益,证实因子动量效应存在且普遍。具体如行业调整CAPX增长因子具备较强统计显著性(α 约0.20,t值4.32及以上),显示行业调整后因子依然显著产生超额收益。
因子动量策略表现(表2)
表2A:展示了不同形成期和持有期(1个月和6个月)下,标准因子动量策略与行业调整因子动量策略的年化收益及波动率。结论指出,所有策略统计学显著。标准因子策略收益率高于行业调整因子策略 (10.49% vs. 6.41%),但标准差更大,因而行业调整策略的t值(5.55)略优于标准策略(5.01),表明行业调整策略具有更好的风险调整收益。
表2B:回归分析中,控制Fama-French五因子、Carhart动量因子以及其他因子动量策略后发现,行业调整因子动量策略包含了标准因子动量策略的信息,而标准因子动量策略不完全包含行业调整因子动量策略信息。即行业调整因子动量可以解释标准因子动量收益,但反之不成立。这为选择行业调整因子动量作为后续研究基础提供了依据,5]。
行业动量与因子动量的比较(表3与图1)
表3A显示,使用Moskowitz和Grinblatt定义的20个行业划分,分别进行1个月和6个月形成期及持有期的行业动量策略,表现出均衡的正收益(如1个月期间年化收益9.61%,t值4.76),证明行业动量的真实存在。
图1通过t值三维柱状图展示了36个行业动量策略在不同形成和持有期组合下的统计显著性,整体表现稳健;不过随着形成期和持有期的延长,t值趋弱,表明短期动量效应更强。
表3B通过spanning回归模型,将行业动量、规模-账面市值(Size and B/M)动量及因子动量纳入回归,发现因子动量能够完全解释行业动量的表现,行业动量的载荷对因子动量接近1(0.99和0.38),而行业动量对因子动量的反向解释能力有限。这一实证结果强有力支持了“因子动量包含行业动量”,即行业动量源自因子动量的结论,6]。
图2 对比行业动量与因子动量的显著性
稳健性检验与单因子贡献分析
随机选择因子子集(如10个因子)依然能产生与全因子集合相近的因子动量策略收益,说明因子动量的普适性。
通过对单个因子动量贡献度的测量发现,尽管不同因子贡献不同,但无任何单因子导致因子动量策略收益显著下降,表明因子动量是多因子共同作用的结果。
与财务困境、非流动性、市场波动相关因子是贡献最大的几个因子,表现出其在捕捉动量效应上的重要作用。
短期反转效应的影响
研究还发现短期反转(反映股价短期的逆势表现)与行业动量和因子动量之间的关系。控制行业动量和因子动量后,短期反转的α显著提升(从6.1%升至12.6%),表明这些动量效应没有解释反转成因,反而加强了反转效应的预测能力。
同样,个股动量在控制短期反转和因子动量暴露后,α值显著增加,表明因子动量并非股票动量的根源,反而强化其表现。
因子动量效应表现出比行业动量更强的统计和经济显著性,且因子动量包含了行业动量的信息,行业动量是因子动量的一个“子集”或表现形式。
因子动量普遍存在于各种因子策略中,几乎任何一组因子都能展现显著的动量效应,且不同因子对因子动量收益的贡献度不均,但无单个因子能单独解释或破坏整体效应。
因子动量不是短期反转或股票动量的起因,反而增强了这些效应。这暗示动量研究中的多个层次和机制相互叠加,复杂且多维。
以Fama-French五因子模型为代表的现代资产定价框架中,因子动量为解释行业及股票报酬提供了新的视角和实证补充。
描述:图1包含三幅3D柱状图,分别展示了不同形成期和持有期设置下,行业动量策略的平均收益、Fama-French 5因子α值及加上个股价格动量后的α值的t统计量。
趋势解读:整体可见,随着形成期和持有期的延长,t值显著下降,尤其是加上个股动量后动量效应明显削弱,这反映行业动量相较于因子动量存在持续性不足的短板,且行业动量的预测能力依赖于较短的形成和持有期。
联系文本:图1结果与表3的实证结果相符,为行业动量策略的统计显著性提供视觉直观证据。
描述:图2分为Panel A和Panel B,前者展示行业动量策略在不同形成/持有期下的t值,后者展示因子动量策略相同条件下的t值。
数据解读:行业动量策略的t值大多数接近或低于临界线,表明不显著;因子动量策略保持在较高t值,持续显著。
结论联系:图表形象地支持了因子动量包含行业动量的结论,因子动量独立存在,并能解释行业动量收益,而行业动量反向解释较弱。
本报告并无涉及具体的企业估值,而是着重于动量效应的实证研究,使用统计检验、回归分析、因子模型检验因子动量和行业动量的性质与影响。因此,本次报告不涉及DCF或P/E等传统估值方法。
报告明确指出实证结果基于美国市场的长期历史数据构建,当市场环境、结构发生较大的变化时,已有模型和策略存在失效风险。该风险提示明确提醒投资者在应用相关结论和策略时应注意宏观经济环境和市场制度可能带来的不确定性。
该研究依赖美国成熟市场数据,其结论在其他市场(如A股)可能存在差异,报告作者亦提及后续将做本土化实证,有效地表达了这一局限和研究的开放性。
因子动量策略使用了行业调整因子作为主要处理手段,剔除了行业暴露,但这一步骤本身依赖行业划分准确性与稳定性,行业划分误差可能影响因子调整质量。
报告未深入讨论行业或因子动量策略实施成本和交易摩擦,实际收益可能与理论存在差异。
短期反转与动量的共存与相互强化现象揭示了市场动态的复杂性,这对单一因子模型的解释力构成挑战,表明未来研究需引入更细粒度的动态风险或行为因素。
本报告以学术文献《Factor Momentum》为核心,围绕因子动量与行业动量的起源关系展开系统分析。研究充分利用CRSP长周期数据和严谨的行业中性因子构建方法,结合多种回归模型和稳健性测试,得出如下关键结论:
行业动量效应在美国市场普遍存在且显著,但其根源并非独立存在,因子动量是行业动量的主要驱动,且统计上行业动量被因子动量所包容。
因子动量表现更为强劲与稳定,是一种几乎普遍存在的市场现象,几乎所有因子中均可观察到统计学上的动量效应。
研究明确因子动量并非股票短期反转或动量效应的根因,而是多重动量机制的一个层次结构,强调了复杂因子动态的重要性。
图表与表格分析支持上述结论,行业动量策略t值随着持有期扩展趋弱,因子动量依旧维持显著收益和统计优势,回归分析进一步量化了彼此间的解释力度。
这一发现不仅丰富了动量效应的理论认知,也为实际的量化投资策略设计提供了新思路,特别是在因子择时和行业轮动策略的协同优化方面。
报告最后指出了研究的局限性及风险提示,强调了市场环境变化对模型应用的影响,并期待未来在中国市场验证这一结论的可行性,从而推动量化投资研究的持续深化和本土化创新,1,2,3,4,5,6,7,8,9]。
本文所有数据、表格和图像均来源于招商证券发展研究中心《Factor Momentum》专题报告,并依据报告提供的CRSP及Compustat数据进行实证分析。
注:全文中所有结论均严格基于报告内容与引用标明,未加入非报告内容之个人观点。
“琢璞”系列报告之一:行业动量源于因子动量?.pdf