TOC\o"1-2"\h\z\u引言 4提升動(dòng)量信號(hào) 6投資業(yè)績 9經(jīng)濟(jì)機(jī)制 13對新聞反應(yīng)不足或過度 13基于風(fēng)險(xiǎn)的解釋 14動(dòng)量策略成功的其他解釋 165 總結(jié) 17風(fēng)險(xiǎn)提示： 18圖表1文章框架 4圖表1標(biāo)準(zhǔn)動(dòng)量策略（STANDARDMOMENTUM,SM）的權(quán)重 7圖表2特征管理動(dòng)量策略的業(yè)績 10圖表3雙獨(dú)立排序 10圖表4權(quán)重稀疏性 11圖表5橫截面回歸 12圖表6新聞和事件日提取動(dòng)量信號(hào) 12圖表7反應(yīng)不足VS反應(yīng)過度 14圖表8CMM業(yè)績與相關(guān)度 14圖表9特征管理動(dòng)量（CMM）與隨時(shí)間變化的風(fēng)險(xiǎn)補(bǔ)償 15圖表10特征管理動(dòng)量（CMM）的表現(xiàn) 16圖表基于CMM信號(hào)及解釋變量的未來收益FAMA-MACBETH回歸分析 17引言圖表1文章框架整理動(dòng)量效應(yīng)是最顯著的收益異象之一，引起了學(xué)術(shù)界和實(shí)務(wù)界的廣泛關(guān)注。Jegadeesh）Carhart（1997）識(shí)。主流解釋包括對新聞的反應(yīng)偏差，不過有人提出了反應(yīng)不足和延遲過度反應(yīng)兩Daniel等人（1998年Barberis（1998Hong年（2021了動(dòng)量策略成功的可能原因。與并非所有日子都同等重要這一說法一致，允許在（個(gè)簡單的機(jī)器學(xué)習(xí)框架，該框架從形成期收益本身以及作為額外工具的企業(yè)特征中一簡單且合理的結(jié)構(gòu)，并將由此產(chǎn)生的動(dòng)量策略命名為特征管理動(dòng)量（hacdonu，簡稱C。首先，改變過去收益的聚合方式以生成預(yù)期收益信號(hào)可顯著提高動(dòng)量策略的表現(xiàn)CMMCMMDanielMoskowitz（2016年完全涵蓋了標(biāo)準(zhǔn)動(dòng)量的表現(xiàn)CMM加權(quán)平均收益在每個(gè)標(biāo)準(zhǔn)動(dòng)量投資組合中都很顯著，但發(fā)現(xiàn)，一旦控制了優(yōu)化的CMMCMMCMM對過231的權(quán)重達(dá)到3430了了解哪些日子對收益推斷最具信息性，調(diào)查了權(quán)重是否在某些新聞和事件日系統(tǒng)性地升高。文獻(xiàn)發(fā)現(xiàn)，相關(guān)股票收益特別大的日子最為重要，其次是市場整體大幅波動(dòng)的日子公告的反應(yīng)被賦予了更高的權(quán)重CMM度。由于收益賦予更高權(quán)重來提取動(dòng)量信號(hào)60%-90Kelly（2021年CMM略特別擅長識(shí)別那些未來表現(xiàn)優(yōu)于預(yù)期的動(dòng)量虧損股，這避免了Daniel和Moskowitz（2016年Goyal（2024Da（2014）CMM的CMM0.77CMMCMM的CMM文獻(xiàn)綜述Jegadeesh的開創(chuàng)性研究之后，關(guān)于動(dòng)量策略的蓬勃發(fā)展的文獻(xiàn)的一部分。動(dòng)量效應(yīng)已被證明（Menkhoff2012Asness2013Hn3i3年Ei和，2022年（u9Bi等人，2022。LiLiu（2022）Green（2017————2003DanielMoskowitz（2016年2003過度（Daniel1998年；Barberis1998年HongStein（1999（2021年）Goyal（2024年）研究的動(dòng)量策略對形成期內(nèi)已實(shí)現(xiàn)收益賦予的權(quán)重，找到了令人信服的證據(jù)，表明對新聞反應(yīng)不足是其成功的驅(qū)動(dòng)力。在相鄰的實(shí)證檢驗(yàn)中，找到了支持這一結(jié)果的（Gu年（Jiang和以及Ernst（2019SavorBaker等人（2021財(cái)報(bào)公告日以及市場整體和特定股票價(jià)格大幅波動(dòng)的日子對于生成動(dòng)量信號(hào)尤為重要。提升動(dòng)量信號(hào)秉承Jegadeesh和Titman（1993年）理念的傳統(tǒng)動(dòng)量策略認(rèn)為，過去表現(xiàn)優(yōu)異的贏家股票，未來將繼續(xù)跑贏表現(xiàn)不佳的輸家股票。為此，作者建議比較股票過去一年（剔除最近一個(gè)月，以考慮短期收益反轉(zhuǎn)效應(yīng)）的表現(xiàn)。本質(zhì)上，這種方法賦予了從第???12??月到第???1??月這231個(gè)交易日中的每一天同等的重要性，以預(yù)測股票在第??+1??月的收益。標(biāo)準(zhǔn)動(dòng)量（SM）策略隱含的收益外推法（即基于過去收益，??SM[??

2521]= ∑

(1)?? ??,??+1??

231

??=22

??,?????圖表2標(biāo)準(zhǔn)動(dòng)量策略（StandardMomentum,SM）的權(quán)重AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》，華安證券研究所2??,tit（lyg而????,??+1??表示股票i231SavorWilson（2013）Ernst4Sr和Wls201）以及Engelberg（2018）???12m至第???7mChen等人（2018）表明，加速的收益率模式與更高的動(dòng)量收益相關(guān)。鑒于文獻(xiàn)證據(jù)表明，某些日子的收益率反應(yīng)可能比其他日子更為重要，提出對過去收益率如何聚合為基于動(dòng)量的投資信號(hào)這一方法進(jìn)行微調(diào)。正如并非所有日子都生而平等這句格言所言，使用機(jī)器學(xué)習(xí)工具來估算靈活的權(quán)重??，而不是給過去一年的已實(shí)現(xiàn)收益率分配固定權(quán)重。重要的是，保留了以過去收益率線性加權(quán)平均這一具有經(jīng)濟(jì)可解釋性的結(jié)構(gòu)。252??????????[????,??+1??]=∑????,?????·??

(2)在邊界條件限制下：

??=22252∑????,?????=1?????? ????,?????≥0???∈[22,252] (3)??=22要弄清楚該策略的預(yù)期收益信號(hào)在何種情況下以及如何與標(biāo)準(zhǔn)動(dòng)量信號(hào)產(chǎn)生差異，將公式（2）改寫如下會(huì)很有啟發(fā)意義：??+天更為重要，那么它將被賦予一個(gè)大于平均權(quán)重的權(quán)重???????+。由于存在邊界條件，且希望保持過去已實(shí)現(xiàn)收益率加權(quán)平均這一可解釋的結(jié)構(gòu)，這反過來又要求與標(biāo)準(zhǔn)???的設(shè)置必須對哪些日子預(yù)計(jì)在形成動(dòng)量信號(hào)時(shí)特別重要做出權(quán)衡取舍。如果預(yù)計(jì)形成期4研究方法。既使用在時(shí)間??可觀測到的公司特征變量????,??，也使用形成期內(nèi)實(shí)現(xiàn)的每日收益率????,???252:???22，作為公司??特有的工具變量，以允許對過去收益率所賦予的權(quán)重存在差異。這使得模型能夠針對兩家具有完全相同公司特征的公司，根據(jù)它們過去已實(shí)現(xiàn)收益率的特征及信息含量，賦予過去已實(shí)現(xiàn)收益率不同的權(quán)重：????,???252:???22=??(????,???252:???22,????,??) ??以及與標(biāo)準(zhǔn)動(dòng)量所采用的形成期內(nèi)相同時(shí)間段內(nèi)實(shí)現(xiàn)的每日收益率??CicdC（3）進(jìn)（GuBinsbergen3??=3??,??，（sen3N（1（Gu???,??=??????(????,??) 一般來說，對于輸入??，前饋神經(jīng)網(wǎng)絡(luò)會(huì)在??的線性組合與非線性激活函數(shù)之間交替進(jìn)行。因此，第??層的輸出為：????=????????????????????(?????????1+????) (7)作為公????,???252:???22點(diǎn)積，得出過去231個(gè)每日收益率中每個(gè)收益率的重要性得分，用向量Score??,???252:???22表示：Sco??,???:???2=,???,???????? ()最后，通過softmax函數(shù)對每家公司×月份觀測值對應(yīng)的231個(gè)得分進(jìn)行歸一化處理，得到?????時(shí)刻過去每日收益率的權(quán)重：??????????????,?????∑????,?????= ∑??=22

??????????????,?????

(9)?????,??×softmax0權(quán)重??（負(fù)負(fù)Amia和a，4獻(xiàn)的做法（Jegsh和in，3；Dil和iz，2016，根據(jù)????????,??+??（CMNE的劃??CMM??投資業(yè)績本節(jié)將闡述實(shí)證分析的數(shù)據(jù)來源，并探究因提出的動(dòng)量信號(hào)生成方式改變，所引發(fā)的動(dòng)量策略收益能力的變化情況。數(shù)據(jù)。（CRSP）19732022JensenJensen等153????,??Gu等人19731982年的30%198319841973-198419851986年（CMM）在1983年至2022年這四十年間的樣本外屬性。收益能力。圖表3對特征管理動(dòng)量（CMM）和標(biāo)準(zhǔn)動(dòng)量（SM）進(jìn)行了對比。這（CMM18.5%SM13.2%CMM的標(biāo)準(zhǔn)差顯著低于SMCMM的年化夏普比率是M（7比9CM2008/2009CMM-27.6%-80.3%（DanielMoskowitz，201CM??=5收益率為每年14.4%。相比之下，由于標(biāo)準(zhǔn)動(dòng)量策略波動(dòng)較大且回撤顯著，同一投資者會(huì)放棄對標(biāo)準(zhǔn)動(dòng)量圖表3特征管理動(dòng)量策略的業(yè)績圖表4雙獨(dú)立排序

AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》Green等人（2017）表明，許多基于特征排序的投資策略在2003年后的表現(xiàn)CMM3M，0.150.93CMM在2003CMM涵蓋了標(biāo)準(zhǔn)動(dòng)量CMM4中探究CMMCMM25AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》，華安證券研究所CMMCMM5%CMM（SM0.8%（SM1.7%CMM回撤。？??權(quán)重具有稀疏性，這意味著某些日子的重要性顯著高于其他日子。接著，收益公告日以及收益率特別大的日子，在形成CMM信號(hào)的過程中最為關(guān)鍵。5CMM??231僅有兩天所獲權(quán)重就已達(dá)CMM賦予單個(gè)收益日的重要性存在很大程度的稀疏性。還記錄到圍繞這一平均值存在較大離散度：陰影區(qū)域展示了在樣本外期間所有公司×月份觀測值中，該累計(jì)加權(quán)函數(shù)在第25至第75百分位數(shù)之間的變化情況。部分過去每日收益率的加權(quán)情況比平均水平更為稀疏，而其他部分則又回歸到標(biāo)準(zhǔn)動(dòng)量的同等權(quán)重狀態(tài)。圖表5權(quán)重稀疏性AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》作為自然而然的后續(xù)研究，調(diào)查了特定事件和新聞日的平均重要性。每個(gè)月，針對形成期內(nèi)每日收益率所賦予的權(quán)重，就不同新聞日指標(biāo)進(jìn)行橫截面回歸分析?？紤]了收益公告日和聯(lián)邦公開市場委員會(huì)（FOMC）公告日、國內(nèi)生產(chǎn)總值（Baker股市Novy-Marx（2012）（??6????2??）（??12??至??的收益率，對于生成CMM5%????,?????=α+β?1??=??+???,????? (10)其中，1????圖表6橫截面回歸AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》圖表6中的結(jié)果得出了幾項(xiàng)有趣的發(fā)現(xiàn)。首先，發(fā)現(xiàn)收益公告日尤為重要。平FOMC15%GDP和CPI542%例如Kle5M圖表7展示了基于不同信號(hào)的替代性動(dòng)量交易策略的表現(xiàn)指標(biāo)。這些信號(hào)基于???12至???1CMM圖表7新聞和事件日提取動(dòng)量信號(hào)AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》（CMM）策略的盈利能力最為契合。盡管股票橫截面的動(dòng)量現(xiàn)象自Jegadeesh和Titman（1993年）的開創(chuàng)性論文問世以來，已被研究逾三十年，但對于該市場中動(dòng)量收益的起源與驅(qū)動(dòng)因素，學(xué)界仍未達(dá)成共識(shí)?？赡艿慕忉尨笾驴蓺w為兩大陣營：一類將動(dòng)量收益歸因于投資者對新聞反應(yīng)過程中存在的偏差，另一類則歸因于投資者所承擔(dān)的風(fēng)險(xiǎn)。Daniel（1998Barberis等人（1998（2021Moskowitz（2016CMMCMM??經(jīng)濟(jì)機(jī)制對新聞反應(yīng)不足或過度？??的軌跡來獲取相關(guān)信息。假設(shè)在??–??日發(fā)生了一個(gè)重要信息事件。若市場參與者對該新聞反應(yīng)不足，且該新聞對公司而言是利好消息，那么??–??日的實(shí)際收益率會(huì)過小，即??????????????????>0且??????????????????<????????????????????。反之，若該新聞對公司是利空消息，??????

??????

??????則有??????????????????<0且??????????????????>????????????????????。在這兩種情況下，以當(dāng)日發(fā)布的新聞成分??????

??????

??????來判斷，實(shí)際收益率的絕對值都比有效收益率更接近零。為捕捉投資期內(nèi)這種錯(cuò)誤|??|??CMMCMMDa（2014）（2024年對于樣本中的所有公司×月份觀測值，計(jì)算了過往每日絕對收益率與CMM模型賦予它們的權(quán)重之間的相應(yīng)相關(guān)系數(shù)，并計(jì)算了該系數(shù)的統(tǒng)計(jì)顯著性。只要該系數(shù)為正（負(fù)）且在1%的水平上統(tǒng)計(jì)顯著，就表明CMM對大幅（小幅）絕對收益率賦予了更高權(quán)重，這與形成期內(nèi)對新聞反應(yīng)不足（過度）的情況相符。圖表8反應(yīng)不足vs反應(yīng)過度AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》圖表8展示了每年股票橫截面中，符合系統(tǒng)性新聞反應(yīng)不足（淺藍(lán)色）和系統(tǒng)性新聞反應(yīng)過度（黑色）情況的平均比例。對于其余公司×月份觀測值，過往每日絕對收益率與權(quán)重之間的相關(guān)性在統(tǒng)計(jì)上與零無異。結(jié)果十分明確：在40年的樣本外期間內(nèi)，CMM始終傾向于對大幅絕對收益率賦予更大權(quán)重，這與CMM利用持續(xù)存在的新聞反應(yīng)不足現(xiàn)象的觀點(diǎn)相契合。對于63%至87%的公司而言，模型生成的過往每日絕對收益率與權(quán)重之間呈正相關(guān)，與這一解釋相符。相比之下，反應(yīng)過度的情況較為罕見，平均每月在不到10%的股票中出現(xiàn)。對于橫截面中的其余部分，發(fā)現(xiàn)絕對收益率與權(quán)重之間的相關(guān)性不顯著，因此提取出的CMM加權(quán)函數(shù)退化為標(biāo)準(zhǔn)動(dòng)量的加權(quán)函數(shù)。8CMM9。圖表9CMM業(yè)績與相關(guān)度AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》8中CMM1.19%CMM-0.1%CMM）-0.06%?；陲L(fēng)險(xiǎn)的解釋時(shí)變風(fēng)險(xiǎn)補(bǔ)償。Kelly（2021）具體來說，Kelly等人估計(jì)了一個(gè)條件潛在因子模型，形式如下：′?? +

,??

]=??′??

(11)??,??+1??=β??,??????+1??

??,??+1??

??

??,??????,??并展示了??′????，即股票市場系統(tǒng)性變化的時(shí)間變動(dòng)平均補(bǔ)償，能夠解釋動(dòng)量收益中相當(dāng)大的一部分。??,??遵循KellyKelly（IPCA）=??′+????,??+1??,=??′??+????,?? (12)??,?? ??,??在這里，β是可觀測公司特征z的線性函數(shù)。使用與估計(jì)CMM模型時(shí)相同的153個(gè)公司特征，并以滾動(dòng)樣本外的方式估計(jì)IPCA模型。具體來說，使用截至?xí)r間t的數(shù)據(jù)來估計(jì)公司特征與因子敏感度Γ之間的映射??關(guān)系，以及因子實(shí)現(xiàn)值????+1：′ ?

?1?′=(Γ??′??Γ)

Γ??′??

(13)??+1

??????

??????+1其中，????表示在時(shí)間t時(shí)各公司特征的矩陣。每只股票在因子投資組合中的權(quán)重在時(shí)間t時(shí)已知，這與標(biāo)準(zhǔn)基于投資組合排序的因子構(gòu)建方法相同。估計(jì)風(fēng)價(jià)為計(jì)內(nèi)因?qū)嵵灯街导?1∑?? ?? ????=0??CMM??,??=+???CMM[????,??+1??]+?(??′????)+???SM[????,??+1??]+????,??+1?? (14)??,??10Kelly圖表10特征管理動(dòng)量（CMM）與隨時(shí)間變化的風(fēng)險(xiǎn)補(bǔ)償AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》在第（3）列中，將兩個(gè)信號(hào)結(jié)合在一個(gè)回歸中，發(fā)現(xiàn)盡管兩個(gè)系數(shù)相比單變量CMMCMMCMM動(dòng)量崩潰。Daniel和Moskowitz（2016）提出，動(dòng)量收益本質(zhì)上存在動(dòng)量崩潰（見圖表3和圖表11中CMM策略的累計(jì)美元價(jià)值走勢）表明，CMM策略并不像標(biāo)準(zhǔn)動(dòng)量那樣容易受到嚴(yán)重崩潰的影響。實(shí)際上，在整個(gè)樣本期間，CMM策略的最大回撤為-27.6%，遠(yuǎn)低于標(biāo)準(zhǔn)動(dòng)量的-80.3%。此外，CMM策略之所以能夠抵御動(dòng)量崩潰，是因?yàn)樗軌蜃R(shí)別出那些被標(biāo)準(zhǔn)動(dòng)量歸類為失敗者但實(shí)際上在未來會(huì)表現(xiàn)優(yōu)異的股票。在標(biāo)準(zhǔn)動(dòng)量的失敗者中，CMM信號(hào)表現(xiàn)最為出色，產(chǎn)生了高度顯著的市值加權(quán)高低組月收益差1.7%（圖表4）。圖表11特征管理動(dòng)量（CMM）的表現(xiàn)AllDaysAreNotCreatedEqual:UnderstandingMomentumbyLearningtoWeightPastReturns》動(dòng)量策略成功的其他解釋近期，Goyal等人（2024）的研究表明，Da等人（2014）提出的青蛙在鍋里假說（即信息離散發(fā)布）是解釋國際股票市場中動(dòng)量現(xiàn)象最有可能的原因。Da等人（2014）（??????,??=sign(????????)×(%neg?%pos) (15)和%posIDDaniel——LeeSwaminathan（2000）Odean（1998）