因子动量产业分析报告.doc

因子动量产业分析报告 2020年7月  无处不在的因子动量 本文致力于研究权益因子收益的持续性现象。我们首先以因子收益的序列相关性 为研究的出发点，证明单个因子具有稳健的时间序列动量，即因子收益具有持续 性。接着，我们根据因子最近表现调整其敞口，将这种持续性用于建立时间序列 动量策略（TSFM）。从实证结果可得：1）我们构建的 TSFM 策略比单一因子择 时效果更好，且 TSFM 与权益动量互补；2）TSFM 具有一个重要的特征：在不同 回溯期下具备收益稳定性；3）横截面因子动量（CSFM）和 TSFM 基本上是同一 种现象，但时间序列方法能够提供更理想的因子动量度量；4）即使考虑成本，因 子动量超额表现的结论仍维持不变。同时本文在全球权益市场上重复试验，证明 了因子动量在各国权益市场上的稳健性，这也为使用因子动量提供了很好的支撑。 我们的思考： 本文主要研究了因子层面的动量现象，并提出其相对股票动量、行业动量具备更 为显著的收益，且在不同回溯期下依旧稳健。值得注意的是，本文的因子动量策 略完全避开了 2009 年 3 月至 5 月间的动量崩塌，这也为我们降低动量策略风险提 供新视角。 1、引言 动量效应是近期相对其他资产具有高收益的资产在未来更可能得到高收益的 一种现象，其被广泛的应用于个股横截面交易策略（ Jegadeesh 与 Titman 1993;Asness1994）或股票多头组合构建中(Moskowitz 与 Grinblatt1999;Lewellen 2002)，且往往具有惊人且稳健的风险调整后收益（Asness 等人 2014; Geczy, Samonov, 2016）。 在横截面上根据相对表现对股票分组使得众多学者将动量理解为分离出特质 动量（Idiosyncratic Momentum）的策略（Grundy, Martin, 2001; Chaves, 2016），而 本文专注于研究因子层面的动量效应，即买入过去表现好的因子并卖出过去表现 差的因子。同时通过实证研究发现，因子动量策略的夏普比率高于传统的股票动 量、行业动量、价值投资等策略。此外，因子动量和股票动量是相关也是互补的。 在控制了股票动量后，因子动量仍有显著效果。但因子动量无法取代股票动量， 股票动量在与价值策略的对冲方面体现出很强的优势。 近几十年来，学术文献和业界实践中积累了大量的因子用于解释个股的共同 变化和平均收益。我们建立并分析了 65 个基于公司特征的因子，这些因子在学术 文献中得到了大量的研究，能够解释大部分的股票间共同变化（covariation)。同 - 3 - 时基于以下实证结果，我们提出因子动量是一种常见且稳健的现象： 我们以收益的序列相关性作为研究的出发点，首先证明单个因子具有稳健的 时间序列动量（Moskowitz, Ooi, Pedersen, 2012），即因子收益具有持续性，一个 因子最近的收益(绝对意义上而非相对其他因子)能够预测其未来收益。从实证结 果来看，所有因子的一阶自相关系数均值为 0.11，在 65 个因子中有 59 个因子一 阶自相关系数为正，49 个显著。 其次，我们证明了可以根据过去表现对单个因子进行择时。文中根据因子过 去一个月收益构建因子时序动量策略（下文简称为 TSFM），可以看出与原始因子 选股策略相比收益更高：65 个 TSFM 策略产生的 alpha 有 61 个为正，且 47 个统 计上显著，所有因子平均年化信息比率为 0.33。同时我们测试了不同回溯窗口的 表现，主要结论为：当回溯期取一个月时，TSFM 表现最优;但回溯期更长时，TSFM 仍有显著为正的收益，例如回溯期为 12 个月时，夏普比率为 0.7；回溯期为 5 年 时，夏普比率为 0.72。 同时 TSFM 策略收益不能被目前已广泛认知的收益来源所解释，为此本文构 建两个基准进行比较：一）、65 个因子的等权收益：虽然等权组合的夏普比率高 达 1.07，TSFM 相对于该基准仍有显著的正 alpha，这表明 TSFM 的收益来源于有 益的择时而非仅源于静态地挑选因子。二）、回溯期为过去 2-12 个月所得到的传 统股票动量策略（Asness, 1994），我们将之称为 UMD。在我们的样本中，UMD 策略的年化夏普率为 0.56。同时在不同回溯期的回归分析中，UMD 能部分解释 TSFM 收益，特别是在 TSFM 的回溯期为相应的过去 2-12 个月的情况下。然而因 子动量在回溯期为过去一个月时最为显著，且这个收益不能被 UMD 所解释。同 时我们发现即使回溯期更长，TSFM 仍具有收益，尽管在窗口为最近 12 个月时 TSFM 和 UMD 具有相似的收益表现。 TSFM 具有一个重要的特征：在不同回溯期下具备收