浅析动量效应收益来源.docVIP

浅析动量效应收益来源 　　[摘 要] 继Jegadeesh和Titman（1993）发现美国市场存在动量效应之后，全球多个市场都发现了动量现象存在的证据。尽管动量策略已经被证实无论从统计上还是经济上来讲都是有利可图的，但目前仍然没有一种理论可以完全解释它。本文总结了当前学术界对动量收益来源问题的解释，并将其分为3类：数据挖掘、基于风险的解释以及行为模型。 　　[关键词] 动量效应；数据挖掘；风险定价；行为模型 　　doi：10.3969 / j.issn.1673 - 0194.2015.07.072 　　[中图分类号] F830.91 [文献标识码] A [文章编号] 1673 - 0194（2015）07- 0132- 05 　　0 引 言 　　Jegadeesh和Titman（1993）对美国市场的研究结果显示，过去3至12个月表现好或差的股票（赢者或输者）在接下来的3至12个月继续表现好或差，利用这一现象所构建的动量组合（即买入赢者、卖空输者）会有持续的异常收益（称为动量收益）。随后，一些研究者也在除美国市场之外的其他国家或地区的证券市场中发现了动量现象存在的证据。例如，Rouwenhorst（1998）将Jegadeesh和Titman（1993）的方法用于欧洲12国的股票市场，发现存在与美国市场基本一致的动量效应。事实上，在成熟市场中，日本是唯一一个没有发现动量效应的市场（Haugen和Baker，1996）。对于新兴股票市场而言，尽管在个别国家中动量交易策略基本无利可图，但是经验证据显示存在动量效应。 　　尽管动量策略已经被证实无论从统计上还是经济上来讲都是有利可图的，但目前仍然没有一种理论可以完全解释它，这种无法解释的中期动量收益持续性已经成为传统资产定价理论所面临的最严重的挑战之一。本文的目的就在于总结当前学术界对动量收益来源问题的解释，并对其进行归纳分类，梳理出一个清晰的脉络，以便未来进一步的分析。 　　1 动量效应的收益来源 　　动量效应的收益纷争由来已久，大量的理论及实证文献都对其进行了研究，并给出了各种可能的解释，大致可以分为3类：数据挖掘、基于风险的解释、行为模型。 　　1.1 数据挖掘 　　在足够多的维度内，反复用计算机运行历史收益率的数据库，最终会找到某些标准可以用于预测未来的收益率，但这一切仅仅是出于偶然。而解决这一问题最有效的方法就是进行样本外检验，用一组还未被检验过的新数据来进行验证。已有的证据表明，作为动量收益的来源，数据挖掘是最不可能的一种解释。因为自从Jegadeesh和Titman（1993）对美国股票市场做了研究之后，无论是地域上还是时间上，学术界都涌现出了大量的“样本外”证据。 　　从地域上看，Rouwenhorst（1998），Chui等（2000）的研究结果表明，动量效应在许多欧洲市场上都很显著，在新兴市场上也能取得小但是正的收益，而且至少能在5个亚洲市场上检测到。 　　从时间上看，Jegadeesh和Titman（2001）发现美国市场上的动量收益在90年代依然显著。在1993年的研究结果中，他们发现（6，6）动量策略是最有利可图的，在1965-1989年内能够取得1%的月超额收益率，t统计量的值为3.07。于是他们仍然用这一策略对1990-1998这9年的数据进行了样本外检验，结果发现原来的动量策略依然有效，而且收益的规模也类似。这个结果让我们有信心去相信动量收益并不完全源于数据挖掘。 　　1.2 基于风险的解释 　　Jegadeesh和Titman（1993）首先认为市场风险不可能是导致动量风险的原因。Fama和French（1996）也表明他们的非条件三因素模型可以解释许多金融市场当中的异象，甚至是反转效应，却唯独对动量效应束手无策。那么，到底什么样的风险可能会导致动量效应呢？ 　　我们可以通过考虑一个特殊的加权相对强弱策略（WRSS）组合来解释动量收益的来源。在这个WRSS组合中，每只股票的权重等于该股票上期收益与上期平均横截面收益之差除以股票总数，因此该组合的收益可以表示如下： 　　公式中右边第一项表明WRSS组合的预期收益有一部分来源于股票预期收益的横截面分散性；公式中右边第二项表明WRSS组合的预期收益有一部分来源于因素序列相关性，如果因素组合具有正的序列相关性，即因素组合收益具有动量，那么WRSS组合就可以通过选择具有高因素敏感性的股票来实现超额收益。公式中右边第三项表明WRSS组合的预期收益有一部分来源于非因素（股票特有的）序列相关性。 　　识别这3种收益来源对于判断动量效应是否存在、市场是否有效十分重要。如果WRSS组合收益来源于前两项，则我们可以认为WRSS组合收益是对其所承担系统风险的补偿，不能说明市场是无效的