Carhart四因子模型中动量因子的解释力.docxVIP

Carhart四因子模型中动量因子的解释力

引言

在资产定价领域，因子模型的发展始终围绕“如何更精准解释资产收益”这一核心问题展开。从资本资产定价模型（CAPM）的单一市场因子，到Fama-French三因子模型纳入规模与价值因子，学者们不断突破理论边界，试图捕捉更多影响收益的系统性因素。1997年，Carhart在Fama-French三因子基础上引入动量因子（MomentumFactor），构建了四因子模型，这一改进被视为资产定价理论的重要里程碑。动量因子的加入，不仅回应了“三因子模型无法解释动量效应”的学术争议，更让模型对实际市场收益的解释力显著提升。本文将围绕“Carhart四因子模型中动量因子的解释力”展开深入探讨，通过理论溯源、模型定位、实证检验与影响因素分析，系统揭示动量因子在资产定价中的独特价值。

一、动量因子的理论基础与模型定位

（一）动量效应的发现与内涵

要理解动量因子的解释力，需先回溯其理论源头——动量效应（MomentumEffect）。上世纪90年代，Jegadeesh与Titman通过对美国股市的实证研究首次提出：过去3-12个月收益率较高的股票（赢家组合），未来3-12个月往往继续跑赢市场；而过去收益率较低的股票（输家组合）则持续表现不佳。这种“强者恒强、弱者恒弱”的现象与有效市场假说中“价格随机游走”的结论相悖，被学界称为“动量效应”。后续研究在全球主要股市（包括欧洲、亚太等）均验证了这一现象的普遍性，甚至在债券、商品等非股票市场也观察到类似规律。

动量效应的本质是资产价格对信息的非即时反应。行为金融学对此提供了两种解释：一是“反应不足”（Underreaction），当市场出现利好消息时，投资者因过度谨慎或信息处理能力有限，未能立即调整预期，导致价格逐步上涨；二是“正反馈交易”（PositiveFeedbackTrading），投资者观察到股价上涨后，基于“追涨”心理跟风买入，进一步推高价格，形成自我强化的正反馈循环。这两种机制共同作用，使得股票收益呈现出中期持续性，为动量因子的构建提供了现实依据。

（二）Carhart四因子模型的构建逻辑

Fama-French三因子模型（市场因子、规模因子、价值因子）虽能解释大部分横截面收益差异，但对动量效应的解释力不足。例如，三因子模型无法说明为何赢家组合的收益长期高于输家组合，也无法捕捉这种收益差异的时间序列特征。Carhart的创新在于，将动量效应转化为可量化的因子变量——UMD（UpMinusDown），即赢家组合与输家组合的收益差，从而将动量效应纳入资产定价框架。

四因子模型的表达式可通俗理解为：资产的超额收益由四部分组成，一是市场整体波动带来的收益（市场因子），二是小市值股票相对大市值股票的超额收益（规模因子），三是低估值股票相对高估值股票的超额收益（价值因子），四是过去表现好的股票相对表现差的股票的超额收益（动量因子）。其中，动量因子的加入填补了三因子模型的“解释缺口”，使模型能够同时覆盖市场风险、规模溢价、价值溢价与动量溢价四大核心收益来源。

（三）动量因子与其他因子的互补性

动量因子与三因子的互补性体现在两个层面：一是解释维度的差异。市场因子反映系统性风险，规模与价值因子反映公司基本面特征（如成长潜力、盈利稳定性），而动量因子反映市场情绪与投资者行为，四者分别从“风险”“基本面”“行为”三个维度刻画收益来源，形成立体解释框架。二是时间周期的互补。规模与价值因子更适用于长期（1年以上）收益解释，动量因子则在中期（3-12个月）表现突出，这种时间维度的覆盖使得四因子模型对不同持有期的资产收益均有较强解释力。

例如，某小市值、低估值股票（符合规模与价值因子偏好）若近期因行业政策利好出现上涨，其收益不仅包含规模溢价与价值溢价，还包含由市场情绪推动的动量溢价。此时，四因子模型能更全面地拆解其收益来源，而三因子模型可能因忽略动量效应高估或低估其真实风险调整后收益。

二、动量因子解释力的实证检验

（一）经典研究的验证结果

Carhart在1997年的原始研究中，以美国共同基金为样本，比较了三因子模型与四因子模型的拟合效果。结果显示，加入动量因子后，模型对基金收益的解释力（以R2衡量）平均提升约10%-15%，尤其在成长型基金与交易频率较高的基金中，提升幅度更显著。更关键的是，动量因子的回归系数（即动量溢价）在统计上高度显著（t值通常超过2.5），说明其对收益的影响并非随机噪声，而是具有稳定的系统性特征。

后续学者通过跨市场、跨时间的检验进一步确认了动量因子的解释力。例如，对欧洲股市的研究发现，四因子模型对60%以上的股票组合收益波动具有解释力，其中动量因子单独贡献了约15%的解释度；对亚太新兴市场（如韩国、中国台湾）的检验显示，尽管新兴市场