投资策略分析报告：分解动量，被遗忘的成分 HTP.pdf

[Table_StockNameRptType]

金融工程

专题报告

分解动量：被遗忘的成分HTP

——“学海拾珠”系列之二百二十九

报告日期：2025-03-26主要观点：

[Table_RptDate]

[Table_Summary]

本文提出在传统动量策略的形成期（−12至−2月）内，以最

高股价为分界点，将动量回报划分为两部分。研究发现，在动量效应产生

的利润中，高达84%的部分可归因于峰值价格之前（即HTP）的回报，

而迄今为止的学术研究却几乎只聚焦于峰值之后（PTH）的回报。这一被

忽视的部分，其回报的可预测性与投资者反应不足的潜在机制高度契合。

相较于标准动量策略，基于HTP的长短仓回报呈现出正偏态分布，能够

有效避免动量崩溃，且其表现不依赖于市场情绪和市值大小。

⚫动量效应分解：HTP对收益的预测能力高于PTH

作者将动量因子进行分解为HTP和PTH，是股票从动量形成期

开始到形成期内的最高收盘价之日的对数回报。是股票从最高价之日

到动量形成期结束的对数回报。基于横截面回归和多空组合检验，这两个

组成部分都对整体动量现象有所贡献。基于的多空平均回报差为

1.21%，且高度显著，但与相关的回报溢价为0.48%，其t统计量仅

为1.84。这表明与相比，具有更强的回报可预测性。

[Table_CompanyReport]

相关报告

1.《基于树模型的有效前沿扩展——⚫HTP的收益预测能力源于投资者对持续信息的反应不足

“学海拾珠”系列之二百二十八》作者对的实证研究表明，其回报可预测性源于投资者对持续信息

2.《使用深度强化学习解决高维多期环的反应不足，并且由此产生的回报溢价特别强劲，因为它们不受偶尔发生

境下的组合配置——“学海拾珠”系列的严重动量崩盘的影响。此外，研究发现，被遗忘的动量成分HTP不仅

之二百二十七》平均优于PTH，在最大且交易最活跃的股票中表现更为突出。

3.《风险规避型强化学习模型在投资组

合优化中的应用——“学海拾珠”系列之核心内容摘选自Büsing,P.,Mohrschladt,H.,Siedhoff,S.于2024

二百二十六》年在《JournalofBankingFinance》上发表的论文《Decomposing

4.《贝塔异象的波动性之谜——“学海momentum:Theforgottencomponent》。

拾珠”系列之二百二十五》

5.《ETF的资产配置与再平衡：样本协⚫风险提示

方差对比EWMA与GARCH模型——文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。

学海拾珠系列之二百二十四》

6.《市场对投资者情绪的反应——学海

拾珠系列之二百二十三》

7.