因子动量与动量因子【文献推荐·天风金工吴先兴团队】( 三 )

我们的结果与McLean和Ponti-fff(2016年) , Avramovetal(2017年)有关 , Zaremba和Shemer(2017年) , 表明超额收益预测了一个月和一年后的超额收益横截面 。 Baker和Wurgler(2006)表明因子动量的强弱因投资者情绪而显著变化 。 在低情绪条件下 , 上一年获得正回报的因子优于那些每月损失71个基点的因子(t值=4.79) 。 在高情绪环境中 , 这种表现差距仅为18个基点(t值=1.32) 。 这种联系表明 , 因子动量可能源于资产价值偏离基准价值 , 后来转向基本价值 , 这可能是因为资本流动缓慢(Duffie , 2010) 。 根据这种解释 , 因子可能至少部分与错误定价有关(Kozak等 , 2018;Stambaugh等 , 2012)

我们证明了横截面动量策略的优势几乎完全来自因子回报的自相关;时间序列因子动量完全包含个股收益的动量(以各种形式);随着股票动量回报的特征的变化 , 我们可以预测到自相关因子回报的变化;而且这种动量并不是一个明显的风险因子 。 相反 , 动量因子汇总了其他因子中的自相关 。 因为几乎所有因子回报都是自相关的 , 即动量是不可避免的 。 如果动量存在于因子中 , 并且如果所有资产类别的因子与权益因子相似 , 那么动量将无处不在 。

2

数据

我们从三个公共来源获取因子和投资组合数据:KennethFrench , AQR和RobertStambaugh的数据库.表1列出了因子 , 开始日期 , 平均年化回报 , 回报的标准偏差以及与平均值相关的t值回报 。 如果未提供关于因子的收益数据 , 我们使用投资组合数据来计算因子收益 。 因子收益计算方法为为三个顶部十分位数的平均收益减去三个底部十分位数 , 其中顶部和底部十分位数被定义以与原始研究相同的方式 。

使用15个美国数据 , 分别是应计利润 , 对β因子的投注 , 现金流量 , 投资 , 收益与价格 , 账面市场 , 流动性 , 长期逆转 , 净股票发行 , 不良资产以外资产 , 可盈利性 , 剩余差异 , 股权市场价值 , 短期逆转和动量 。 除了P'astor和Stambaugh(2003)的流动性因子外 , 这些因子的回报数据始于1963年7月;流动性因子始于1968年1月 。


推荐阅读