因子动量与动量因子【文献推荐·天风金工吴先兴团队】(12) 原标题：因子

使用时序动量策略得到的增强模型在对动量组合定价时，表现不亚于，甚至优于Carhart(1997)的六因子模型。月平均绝对alpha下降到12bp；Gibbons等人（1989）的统计量从3.26下降到2.55；同时，高减低alpha从0.29%下降到0.24%（t值等于1.09）。跟Carhart（1997）年模型同理，对因子动量策略估计斜率从-2.44十分位的底部单调递增到1.43十分位的顶部。

用因子动量增强的五因子模型与用UMD增强的模型表现令人惊讶。由于因子与测试资产根据相同变量排序， Carhart的六因子模型设定了一个很高的标准，也就是说， UMD针对动量而言就像HML针对根据市净率分类的组合。

4.3.其它动量因子测试

从表6中我们得出，除了Jegadeesh和Titman（1993）的“标准“个股动量，因子动量完全包含了横截面动量策略的信息量。除了UMD因子，根据股票上一年剔除一个月的回报分类，我们构造了其它三个利用相同方法的动量因子：根据行业调整回报分类的Cohen和Polk（1998）行业调整动量；Novy-Marx（2012）按照t-12到t-7月份回报排序的中间动量；以及Rachev等人根据收益波动率得到的的夏普比率动量。我们同时构建了Moskowitz和Grinblatt（1999）的行业动量策略。该策略将20个行业根据前六个月的收益排序，做多前三，做空后三。

表6中A组介绍了其它动量因子以及时序因子动量策略。每一个因子都有统计上显著的平均回报和Fama-French五因子模型alphas 。尽管与时间序列动量策略相关的平均回报是最低的， 0.35%每月，它同时也是波动性最小的。

B组中前两2列表明跨界回归的因变量是其中一个动量因子的估计。该模型是Fama-French的因子动量增强五因子模型。这些回归能够从投资和资产定价的角度得到。从投资的角度来说，一个统计性显著的alpha表明投资者可以通过在交易右侧因子（Huberman和Kandel ， 1987）的基础上，同时交易左侧因子来获得一个更高的夏普比率。从资产定价的角度而言，一个统计性显著的alpha表明了只含右侧变量的资产定价模型会被一个只含左侧因子的模型决定（Barillas和Shanken ， 2017）。