资产定价中动量因子的持续性检验

资产定价中动量因子的持续性检验引言在资产定价的研究图谱里，动量因子始终是一颗独特的星。无论是华尔街交易台上的策略员，还是高校实验室里的研究者，总会在某个时刻停下来思考：那个“过去半年涨得好的股票，未来三个月还会继续涨”的现象，真的能一直存在吗？从1993年Jegadeesh和Titman用美股数据敲开动量效应的大门开始，这一因子就像个“薛定谔的猫”——时而在回测中光芒万丈，时而在实盘里黯然失色。对于依赖因子投资的机构来说，动量因子的持续性直接关系到策略的生死存亡：如果昨天的“利器”变成今天的“钝刀”，不仅收益会打折扣，更可能引发客户信任危机。本文将沿着“是什么—为什么—怎么做—怎么样”的逻辑链条，深入探讨动量因子持续性检验的核心命题。一、动量因子的理论基础与现实表现要检验动量因子的持续性，首先得搞清楚它“从哪里来”。动量效应（MomentumEffect）的核心逻辑是：资产过去的收益表现与未来收益存在正相关关系，即“强者恒强，弱者恒弱”。这与传统有效市场假说（EMH）中“价格已反映所有信息”的论断形成鲜明冲突——如果市场完全有效，历史价格不应该包含预测未来的信息。但现实数据却反复“打脸”EMH：Jegadeesh和Titman最早用1965-1989年的美股数据验证，持有过去3-12个月涨幅前10%的股票组合，未来3-12个月能获得显著超额收益；后续研究将战场扩展到全球40多个市场，除了部分极端新兴市场，动量效应几乎成了“跨市场生存法则”。不过，动量因子的表现绝非“铁板一块”。我曾参与过某公募基金的因子库维护项目，在整理2000年以来的A股数据时发现：2010年以前，A股的动量效应特别明显，形成期6个月、持有期3个月的策略年化超额收益能到15%；但2015年股灾之后，同样的参数组合收益骤降至5%，且最大回撤从20%扩大到40%。这种“时强时弱”的特性，恰恰是需要检验持续性的根本原因——因子不会永远有效，就像没有永动机，也没有永不过时的投资逻辑。二、持续性检验的核心逻辑与方法体系（一）为什么要检验持续性？从投资实践看，因子持续性是策略生命力的“压舱石”。想象一下，某私募用动量策略发了产品，宣传材料里回测收益漂亮，但实盘时因子突然失效，客户赎回压力会瞬间压垮团队。从学术研究看，持续性检验是验证因子“真理性”的试金石——如果动量效应只在特定时间段、特定市场存在，那它可能只是数据挖掘的“偶然产物”，而非真正的定价规律。（二）检验方法的分层设计持续性检验需要构建“多维度、全周期”的方法体系，我习惯把它分为四个层面：时间序列维度：看长期稳定性

最直接的方法是滚动窗口检验。比如将20年数据分成每5年一个窗口（重叠或不重叠），计算每个窗口内动量组合的超额收益、夏普比率、最大回撤等指标。如果早期窗口收益显著（t值>2），后期窗口t值降到1.5以下，甚至出现负收益，说明持续性在减弱。记得有次帮券商做因子测试，发现2005-2010年窗口动量收益的t值是3.2，2015-2020年窗口t值只有1.1，这种变化足以引起警惕。横截面维度：看普适性

好的因子应该在不同资产类别、市值分组、行业中都有表现。检验时可以将股票按市值分为大、中、小盘，按行业分为消费、科技、周期等，分别构建动量组合。如果仅在小盘股或科技行业有效，而在大盘股或消费行业失效，说明因子的持续性依赖特定风格，适用性存疑。我曾见过某量化团队的动量策略，表面看全市场有效，但拆解后发现超额收益90%来自小市值ST股，这种“偏科”的因子在注册制改革后必然失效。统计显著性与经济显著性的双重检验

统计显著性看t值、p值，经济显著性看扣除交易成本后的净收益。很多学术研究只关注统计显著，却忽略了现实中的摩擦成本——动量策略需要频繁调仓（比如每月调仓），交易费用可能吃掉30%以上的收益。我在做某保险资管的委外策略评估时，发现某动量模型回测时年化收益18%，但考虑万分之五的双边交易成本后，实际收益降到10%，如果再算上冲击成本，可能只剩7%，这种“纸面富贵”的持续性毫无意义。极端事件压力测试

动量因子有个“阿喀琉斯之踵”——在市场剧烈反转时（比如2008年金融危机、2020年疫情暴跌），容易出现“动量崩溃”（MomentumCrash）。检验时需要模拟极端情景，计算动量组合在市场下跌20%、30%时的回撤幅度。2022年A股调整期间，某头部量化私募的动量策略单月回撤达12%，远超同期指数跌幅，就是因为没有充分检验极端情景下的持续性。三、实证检验的典型发现：从美股到A股的对比（一）美股市场：从“神话”到“褪色”早期研究（1960-2000年）显示，美股动量因子的年化超额收益稳定在8%-10%，t值普遍超过2.5。但进入21世纪后，变化悄然发生：2001-2010年，收益降至5%-7%，t值降到2左右；2011-2020年，部分研究（如Asness等，2013）发现，扣除交易成本后动量收益已不显著。更值得注意的是，动量因子与市场因子的相关性在提升——当市场下跌时，动量组合往往跌得更惨，这意味着它不再是有效的分散工具。（二）A股市场：“新兴市场”的特殊性A股动量效应的演化路径与美股不同。2005-2015年，由于市场有效性较低、个人投资者占比高（超80%），动量效应非常显著：形成期6个月、持有期3个月的策略，年化超额收益可达12%-15%，且在小盘股、成长股中表现更强。但2016年之后，随着机构投资者占比提升（目前已超30%）、监管趋严（如限制炒小炒差），动量效应出现分化：大盘股动量减弱，小盘股动量仍存但波动加大；行业动量（如新能源、半导体）强于个股动量。我曾用2010-2022年的A股数据做过滚动检验，发现2018年是个转折点——之前动量组合的月胜率（跑赢基准的月份占比）超60%，之后降到55%以下，说明市场在“学习”，因子在“进化”。（三）跨市场比较的启示无论是美股还是A股，动量因子的持续性都呈现“先强后弱、分化加剧”的特征。这背后有两个共性原因：一是市场有效性提升，套利者（如量化基金）会更快捕捉动量机会，导致超额收益被压缩；二是因子拥挤（FactorCrowding），当太多资金追逐同一策略时，价格会提前反应，动量效应被“透支”。就像早高峰的地铁，人少的时候能轻松上车，人多了反而挤不上去。四、持续性的影响因素：从市场环境到投资者行为（一）市场有效性：信息传递速度的“双刃剑”在弱有效市场（如早期A股），信息扩散慢，投资者对新信息反应不足，过去的价格趋势会延续，动量效应强；在半强有效市场（如成熟美股），信息瞬间反映到价格，过去的趋势难以持续，动量效应弱。我曾观察过某事件驱动型动量策略——当公司发布超预期财报后，股价往往需要3-5个交易日才会充分反应，这在有效性低的市场是“动量温床”，但在有效性高的市场可能1天内就完成定价。（二）投资者结构：“非理性”的力量个人投资者占比高的市场，更容易出现“过度反应”或“反应不足”。比如A股散户常因“追涨杀跌”强化动量效应：看到某股涨了，赶紧跟风买入，推动价格进一步上涨；而机构投资者更理性，会提前预判动量的“尽头”，反向操作，削弱动量持续性。2021年某券商的调研显示，当某板块动量信号出现时，散户的买入量是机构的3倍，这种“羊群效应”短期内会放大动量，但长期会加速因子失效。（三）交易成本：不可忽视的“隐形杀手”动量策略的调仓频率高（通常每月或每季度），交易成本（佣金、印花税、冲击成本）会大幅侵蚀收益。我做过测算：如果年化换手率300%（即每4个月调仓一次），万分之五的双边交易成本会吃掉2%的年化收益；如果换手率提高到600%（每月调仓），成本侵蚀达4%。当动量的超额收益降到5%以下时，交易成本可能占去近一半，这种情况下策略的持续性自然大打折扣。（四）因子拥挤：“内卷”下的失效当市场上80%的量化基金都在用动量策略时，会出现“大家都在买过去涨的股票，导致这些股票被高估，未来反而下跌”的悖论。2020年美国市场曾出现“动量因子崩溃”，就是因为太多资金集中在科技股，当市场风格切换时，这些股票集体暴跌，动量组合回撤远超预期。这就像一场马拉松，原本只有少数人跑在前面，后来所有人都挤到前面，结果队伍乱了，速度反而变慢。五、对投资实践的启示：如何应对动量因子的“变与不变”（一）动态调整因子参数：没有“一劳永逸”的策略既然动量因子的持续性会随市场环境变化，就需要定期（如每半年）重新校准形成期和持有期。比如在A股有效性提升的阶段，可以将形成期从6个月延长到12个月（捕捉更长周期的趋势），持有期从3个月缩短到1个月（减少交易成本影响）。我认识的一位私募基金经理，2019年将动量策略的形成期从6个月调为9个月后，策略收益从8%提升到11%，就是因为适应了市场变化。（二）多因子复合：用“组合拳”增强稳健性单一动量因子的持续性有限，但与价值、质量、低波动等因子结合后，能显著提升策略的稳定性。比如“动量+价值”策略（买过去涨得好且估值低的股票），既捕捉趋势，又避免追高；“动量+质量”策略（买过去涨得好且ROE高的股票），过滤掉“炒作型”动量。某银行理财子公司的实践显示，多因子复合策略的年化波动率比单一动量策略低30%，最大回撤减少20%，持续性明显增强。（三）严格控制交易成本：把“省下来的”变成收益可以通过优化调仓频率（比如将每月调仓改为每季度调仓）、利用算法交易降低冲击成本（如分笔下单、选择低流动性时段交易）、关注税费优惠（如持有满1年免印花税）等方式，减少成本侵蚀。我曾帮某QFII优化动量策略的调仓时间，将原本每月最后一天调仓改为每月中旬分5天调仓，冲击成本从0.3%降到0.15%，年化收益提升1.2%，这对大资金来说是笔“划算的买卖”。（四）建立因子监测体系：“预警”比“补救”更重要建议构建包含5-10个指标的监测池，如动量组合的超额收益t值、与市场因子的相关性、换手率、拥挤度指标（如策略持仓重叠度）等。当t值连续3个月低于1.5，或拥挤度超过历史90%分位数时，触发预警机制，及时调整策略。某头部券商的量化团队就因为提前监测到动量拥挤度上升，在2022年市场调整前降低了动量因子的权重，避免了大幅回撤。结论动量因子的持续性检验，本质上是一场与市场“博弈”的动态过程。它既不是“神话”——不会永远有效；也不是“谎言”—