• 动量效应减弱与行为偏差的关系 [page::0][page::5]

- 自1994年以来，动量、行业动量和残差动量的盈利能力均显著下降
- 控制风险后动量仍显著，暗示行为偏差导致部分减弱

• 动量价差比率（MSR）指标构建与意义 [page::0][page::4][page::8]

- MSR定义为假赢家和输家收益差占实际赢家输家收益差的比例，反映投资者利用行为偏差的套利机会
- MSR能同时预测传统动量、行业动量和残差动量，表明三者存在共性，部分起因相同

• 动量策略长期表现（图表1）[page::5]

- 1966-1993年动量策略月均收益1.71%，1994-2021年降至0.65%
- 动量alpha在不同子样本均有下降，五因子模型解释力优于三因子模型

• 赢家变赢家时间特征（图表2）[page::7]

- 赢家在t-12至t-2月间形成，其行为延续甚至早至t-19月
- 1994年后赢家保持时间明显缩短，反映信息传播加速，投资者反应不足减轻

• MSR在预测风险调整动量收益的实证结果（图表4、5、6）[page::9][page::17][page::21]

- 股票层面MSR显著预测风险调整后的传统动量收益，预测效果在1994年后更显著
- 行业层面MSR对行业动量预测能力较弱，支持行为偏差主要在股票层面存在
- 对残差动量预测呈现弱信号，但股票层面MSR对风险调整后残差动量仍有显著预测力

• MSR预测能力在不同规模和流动性组合中普遍存在（图表3） [page::11][page::12]

- 1994年后MSR能较好预测各规模、非流动性分组的动量，显示其作为行为套利代理指标的稳健性

• 报告总结 [page::12]

- MSR有效捕捉了投资者反应不足产生的套利机会，能稳健预测多类动量，特别是风险调整后的动量收益
- 动量异象减弱但依然存在可预测部分，强调行为学解释的重要性及因子择时的应用潜力

• 量化因子构建总结

- 动量价差比率因子（MSR）通过比较伪赢家输家收益差与真实动量价差构建，反映投资者利用行为偏差的程度
- 适用广泛，覆盖传统、行业及残差动量，结合宏观变量进一步提升预测力
- 回测覆盖1966至2021年，分割1994年子样本验证效果差异，MSR在后期表现更为突出，且与Fama-French五因子模型联合使用效果最佳[page::8][page::9][page::12]

如何预测动量因子的表现？——“学海拾珠”系列之一百零三 报告详尽解析

---

1. 元数据与报告概览

• 报告标题：如何预测动量因子的表现？——“学海拾珠”系列之一百零三

- 发布机构：华安证券研究所

• 作者及联系方式：

- 主要作者：炜，执业证书号 S0010520070001，邮箱：yanjw@hazq.com
- 联系人：吴正宇，执业证书号 S0010120080052，邮箱：wuzy@hazq.com

• 发布日期：2022年8月3日

- 研究主题：探讨动量因子的表现及预测方法，特别是通过动量价差比率（MSR）指标预测不同类别的动量因子，包括传统动量、行业动量和残差动量。

• 核心论点与结论：

- 构建动量价差比率指标（MSR）用于测量投资者的行为偏差和套利活动的拥挤程度。
- 股票层面的MSR能够显著负向预测风险调整后的各类动量收益，验证了动量效应部分来源于投资者的反应不足等行为偏差。
- 控制常见风险因子（如Fama-French三因子）后，预测效力依然显著，支持行为学解释。
- 根据实证，动量效应在1994年后减弱，可能由于投资者利用相关套利机会。
- 为A股市场建立动量择时模型提供借鉴和理论基础【page::0】。

---

2. 逐章节深度解析

2.1 引言

• 关键论点：

- 动量效应自1993年由Jegadeesh和Titman提出以来，依然难以用传统风险角度完全解释，挑战有效市场假说。
- 研究者争论动量来源于行为偏差（如投资者反应不足），还是宏观风险因子的横截面变化。
- 经典研究（Lewellen 2002, Liu和Zhang 2008, Avramov等2013等）分别从风险角度和行为角度解释动量现象。
- 新证据偏向行为学理论，表明投资者资金流入流出惯性及反应不足导致价格过度或不足调整，形成动量。
- 本文目标是构建MSR指标，捕捉投资者行为反应不足的代理变量，测试其预测能力，控制常见风险因子后验证动量部分来自行为偏差【page::3】。

• 逻辑与假设：

- MSR通过对过去动量收益分解，反映已有多少由投资者套利活动消化的表现，因而起到预测未来动量收益的作用。
- 假设投资者主要基于过去回报信息做决定，且存在反应不完全的行为偏差。
- 通过实证检验股票层面的MSR对不同动量类型预测能力，考察其行为学解释的合理性。

2.2 动量何时开始

• 样本与数据：

- 采集1966-2021年期间美国NYSE, AMEX及NASDAQ所有普通股数据。
- 用CRSP数据库价格及回报数据，COMPUSTAT会计数据，Kenneth French网站因子数据（MKT, SMB, HML, RMW, CMA, UMD）。

• 构建动量组合：

- 采用French方法，以过去11个月(t-12至t-2)累计回报，跳过t-1月，形成十等分市值加权组合，每个月初再平衡。
- 行业动量基于Fama-French的49个行业分类，排除金融后分为45个行业，按过去6个月市值加权收益排序成9个行业组。
- 残差动量通过Fama-French三因子模型估计，计算过去36个月残差收益形成十等分组合。

• 主要观测：

- 图表1反映1966-2021年动量平均月收益为1.12%，其中1994年前动量效应更显著(1.71%)，1994年后锐减至0.65%且不显著。
- FF3、FF5因子模型对动量的解释能力随时间下降，尤其是对行业动量和残差动量后期的α值不变但t值下降。
- 按规模五分位分组，较大规模股票动量收益偏低，动量策略优势随时间弱化，且模型对各规模组解释力不足。

• 逻辑推断：

- 动量衰退或源于投资者行为偏差逐渐被纠正，套利活动消化了部分超额收益。
- 行业动量与残差动量受投资者反应不足影响较小，提示它们可能更多表现为风险调整后的收益部分【page::4】【page::5】【page::6】

2.3 用 k 个月的复合收益率定价动量效应

• 研究动机：

- 探究不同子样本（1966-1993，1994-2021）内，动量与风险因子的关系是否存在差异。
- 采用k月复合收益率总结过去风险因子表现，测试其对动量的解释能力。

• 模型：

- 构建k月累积因子收益率$f{k,t}$，将动量收益回归于这些因子，检验解释力。

• 主要结论：

- 共同风险因子对1994年前动量解释能力弱，1994年后部分动量可被滞后风险因子解释。
- 说明动量收益分为风险驱动和行为偏差部分，行为偏差影响在后期有所减弱【page::8】

2.4 实证结果

• 动量价差比率（MSR）定义：

- MSR衡量过去一定时间段内“伪动量价差”与实际动量价差的比值：
\[
MSR{t-2}^i = \frac{pseudomomspread{t-(1+i)}^{t-2}}{momspread{t-12}^{t-2}}
\]
其中：
- $momspread$代表过去11个月（t-12到t-2分位数收益差）
- $pseudomomspread$代表“假想赢家输家”在更早期间收益差。

• 实证框架：

- 股票层面MSR作为代理套利活动及行为偏差的指标，结合宏观变量（如失业率、市值等）构建时间序列预测模型：
\[
MOM\iota = \alpha + \beta1^ MSR{\iota-2}^i + \beta2^ LagUR\iota + \beta3^* LagMKTSd_\iota + ... + \epsilon
\]

• 结果：

- 股票层面MSR显著负向预测风险调整后动量收益，支持动量部分来源于行为偏差。
- 行业层面MSR对行业动量预测能力较弱，股票层面MSR在样本后期（1994年后）有效。
- 残差动量整体上MSR预测能力弱，但风险调整后残差动量能被MSR较好预测，说明仍存在行为成分【page::9】【page::10】

2.5 进一步分析

• 分规模与流动性组合的检验：

- 通过图表3及12，MSR对不同规模、不同流动性分组的动量预测能力均较为一致。
- 特别是1994年后，MSR在所有规模与流动性组均表现出预测能力。
- 说明MSR作为行为偏差代理变量的稳定性，不局限于某类特征股票。

• 与先前研究对比：

- 先前文献认为动量与小规模股票或低流动性股票相关，归因于这些股票新闻扩散较慢。
- 本文发现MSR的预测能力超越简单规模和流动性划分，增强了行为偏差解释的普适性【page::11】【page::12】

2.6 总结

• 三类动量效应均在1994年后减弱，归因于市场逐步利用行为偏差产生的套利机会。

- MSR指标有效捕捉投资者反应不足，能够预测风险调整后的动量表现。

• 预测效果在后期样本更明显，意味着动量主要的行为偏差部分被市场吸收。

- 该研究支持行为理论对动量现象的解释，且为A股等市场针对动量因子择时研究提供了有力证据和分析框架【page::0】【page::12】

---

3. 重要图表深度解析

图表1：动量策略历史表现

• 内容描述：

- 展示1966-2021年期间，三类动量（传统动量MOM、行业动量IM、残差动量RM）及其风险调整指标（月收益率与对应t值）。
- 分别展示整体与1994年前后两段子样本的表现，以及规模五分位动量表现。

• 关键数据与趋势：

- 1966-1993年，传统动量月平均收益高达1.71%，t值显著。
- 1994年后动量收益下降至0.65%，统计学意义减弱。
- 行业动量和残差动量表现更低，尤其残差动量风险调整收益微弱。
- 市值排序中，小市值股票动量效应更强，较大市值股票无明显超额收益。

• 结论联系：

- 动量效应明显减弱，符合行为偏差逐渐被市场套利消化的假设。
- 小市值集中现象提示规模与信息传播速度相关，但非全部解释【page::5】【page::6】

图表2：赢家何时成为赢家

• 内容描述：

- 展示过去t-12到t-2月份动量组合中赢家股票，在更早月份（t-36至t-2）是否也为赢家（收益差分及t值）。

• 数据趋势与解读：

- 1966-2021全样本中，赢家持续表现突出，最高效应出现在t-19至t-2月。
- 分子样本前后明显差异：1994年前赢家持续时间较长（可观测至t-20月），后期赢家持续时间缩短至t-15月。

• 逻辑说明：

- 反映反应不足信息传播速度随时间加快，行为偏差影响减弱。
- 支持学界观点，研究发表帮助市场调整投资行为，提高信息效率【page::7】【page::8】

图表3：用MSR预测动量的局限性（分规模与流动性）

• 内容描述：

- 展现股票层面MSR对不同市值分组及流动性分组动量策略的预测力及t值。

• 解读：

- MSR对不同规模组动量均有预测能力，尤其1994年后效果较佳。
- 流动性排名低的组MSR预测力明显，但高流动性组也未见明显弱化。

• 意义：

- 突显MSR作为行为偏差代理变量的广泛适用性，且行为解释较规模/流动性划分更具解释力【page::11】【page::12】

图表4/5/6：MSR对风险调整后的动量、行业动量和残差动量的预测

• 内容描述：

- 图表4：股票层面MSR预测传统动量及其风险调整版本的回归结果，主要估计值和t统计。
- 图表5：行业层面与股票层面MSR对行业动量及风险调整行业动量预测能力对比。
- 图表6：股票层面MSR对残差动量及风险调整残差动量的预测回归分析。

• 数据趋势与分析：

- 股票层面的MSR有效负向预测传统动量及风险调整后动量，1994年后表现更明显（t值超过3）。
- 行业层面的MSR预测能力有限，且多为不显著；而股票层面MSR在部分时期能够预测行业动量，暗示行业动量部分来源于股票层面表现。
- 残差动量原始数据MSR预测较弱，风险调整后明显改善，说明风险调整剔除共同因子后，行为成分更显著。

• 支持的结论：

- MSR捕获的行为偏差主要体现在股票层面，行业和残差动量部分共享该行为成分。
- 行业动量和残差动量少部分来源于风险，更多体现投资者反应不足【page::13】【page::17】【page::21】【page::23】

---

4. 估值分析

本报告属于学术及策略研究性质，未涉及具体上市公司估值模型、目标价设定或评级调整，因此无估值分析章节。

---

5. 风险因素评估

• 风险提示：

- 研究基于历史数据及海外文献总结，未构成投资建议。
- 动量效应预测建立于历史市场表现，未来市场或出现结构性变化导致预测失效。
- 投资者行为可能受到政策、市场环境等非模型因素影响，影响效果稳定性。

• 报告未详述具体缓解策略或概率评估，但明确提示本研究主要提供理论及实证分析供参考【page::0】【page::26】。

---

6. 批判性视角与细微差别

• 报告视角：

- 作者强调动量效应及MSR指标与行为偏差存在显著联系，支持行为学解释，甚少着墨风险解释方向，或对风险解释能力持保留态度。
- 样本区分1994年前后，表现预测能力差异明显，反映市场效率变迁，前期行为偏差较强，后期套利消化加速。
- 报告采用较为复杂的收益分解及时间滞后模型处理动量表现，确保了较高的学术严谨度。

• 可能的局限：

- 以美国市场为主，未考虑其他国家和A股市场的特殊性，模型迁移性需进一步验证。
- 采用Fama-French因子作为风险控制基础，忽略了可能存在的其他风险因子。
- 数据处理较复杂，潜在样本选择和时间窗口设定可能产生偏差，影响结果普适性。

• 内部一致性：

- 案例区分和结论逻辑严密，实验设计与指标定义清晰，报告未见明显自相矛盾之处【page::3】【page::12】【page::25】。

---

7. 结论性综合

本报告系统地提出并检验了动量价差比率（MSR）指标作为预测动量因子表现的代理变量。基于从1966年至2021年的美国股市数据，作者针对三类动量因子（传统动量、行业动量和残差动量）展开实证研究，结合Fama-French多因子模型调整风险，得出以下核心发现：

• 动量效应历史演变：动量策略在1994年前表现强劲，产生显著的超额收益，1994年后均显著下降，特别是非风险调整回报显著减弱，动量α亦有所下降，反映市场效率提升及套利活动加剧。

- MSR的预测功效：
- 股票层面MSR能够显著负向预测未来的风险调整后动量回报，且预测力在1994年后更强。
- 行业内层面MSR对行业动量预测力有限，但股票层面MSR能够部分解释行业动量，提示行业动量产生部分源于股票层面行为偏差。
- 残差动量总体预测效果有限，但风险调整后的残差动量能更好被MSR预测，进一步强化行为偏差贡献。

• 行为偏差作用强化：

- 结果显示，动量效应减弱主要在于投资者对行为偏差的认知和套利消化，支持动量来源于投资者反应不足等行为偏差而非风险溢价。
- MSR作为一种定量衡量投资者行为反应不足和套利拥挤指标，为动量择时和行为金融提供了新的研究工具和视角。

• 良好的适用性与鲁棒性：

- MSR 对不同规模和流动性分组均表现出有效预测力，表明其理论普适适用性。
- 多重回归控制宏观经济变量、风险因子，结果稳定，体现了模型的稳健性。

• 对投资实践启示：

- 该研究尤其对A股等因子择时难度大、投资者行为多样的市场，提供了理论依据和实证样本间接帮助，促进因子择时研究和行为金融的深入发展。

综上，报告通过实证验证和理论构建，丰富了动量因子表现预测理论，强化了行为金融对动量现象解释能力，在学术及投资策略制定领域具有重要参考价值【page::0】【page::5】【page::9】【page::12】【page::25】。

---

附录：重要图表示意

图表1：动量策略表现

> 展示动量、行业动量和残差动量1966-2021年及子样本期间的平均月度收益率与统计显著性。月收益率显示动量效应1994年后下降显著。

图表2：赢家何时成为赢家

> 动量赢家股票过去数月的持续表现，比较1994年前后，体现信息传播速度加快，行为偏差减弱。

图表3：套利的局限性

> MSR对不同规模和流动性分组动量的预测能力差异，显示1994年后MSR普遍具备预测功效。

图表4～6：MSR预测不同动量类型回归系数及统计值

> 详细展示MSR对风险调整动量、行业动量及残差动量的预测回归估计，体现股票层面MSR的显著性及时间变化。

---

术语与模型解释

• 动量效应（Momentum Effect）：资产价格趋势延续性，过去表现好的资产未来一段时间内表现仍好的现象。

- 行为偏差（Behavioral Bias）：投资者心理上的系统性偏差，如反应不足、过度自信等，影响市场价格形成。

• Fama-French三因子模型：

- 市场风险因子（MKT）
- 规模因子（SMB）
- 账面市值比因子（HML）

• Fama-French五因子模型：在三因子基础上增加：

- 盈利能力因子（RMW）
- 投资因子（CMA）

• 动量价差比率（Momentum Spread Ratio, MSR）：利用过去较早期间假设赢家输家收益差占总体收益差比例，反映投资者对动量反应的迟缓程度和套利的拥挤现象。

- pseudomomspread：假赢家输家在较早月份的收益差，假定投资者基于过去收益排序形成的动量行为。

• 风险调整动量：通过回归剔除风险因子影响后，动量策略产生的超额收益。

---

溯源

全部结论均来自华安证券研究所2022年发布的《如何预测动量因子的表现》一文，页码详见对应内容注释【page::0-27】。

报告