（转）趋势因子：利用投资期内所有信息的获利方法

http://mp.weixin.qq.com/s/3muC0k55GGzU7fIb1QaDCQ
趋势因子：利用投资期内所有信息的获利方法
原创 2017-04-17 上财金融创新团队 金融学前沿论文速递

这是“金融学前沿论文速递”第450篇推送
选文:钱琪文 初审:王昆 复审:陈倩 终审:刘亚琴 编辑:孙欣钰
仅用于学术交流，原文版权归原作者和原发刊所有

原刊和作者：
Journal of Financial Economics 2016年11月
Yufeng Han (University of North Carolina at Charlotte)
Guofu Zhou (Washington University in S. Louis)
Yingzi Zhu (Tsinghua University)

摘要

著名的短期反转、动量和长期反转因子分别反映了价格的短、中、长期趋势，本文利用不同时间段的移动平均价格信息，提出了一个能够同时捕捉短、中、长期三种股价趋势的趋势因子，该趋势因子的夏普比率比以上三个著名因子高2倍以上。本文构建的一般均衡模型证实了该因子的预测能力。在最近的金融危机中，该趋势因子月收益率为0.75%，而市场、短期反转和动量因子月收益率分别为-2.03%，-0.82%和-3.88%，长期反转因子也仅收益0.03%。该趋势因子在不同构建方法和控制变量下都稳健。从资产定价角度来看，该趋势因子可以很好地解释股票横截面收益。

研究背景

Schwert (2013)对异象的综合研究发现，动量效应(momentum)是最稳健和持续的异象之一。实际上，文献揭示与投资期限有关的股价运动模式主要有三种：短期（日、周或月）反转(short-term reversals)、动量（6-12个月价格持续）以及长期反转效应（3-5年价格反转）。这些股价模式是经典因子模型——资本资产定价模型(CAPM)、Fama-French三因子模型及含有流动性因子的资产定价模型(Pastor and Stambaugh, 2003)所难以解释的。现有研究一般只利用一种投资期限内的价格信息、针对一种价格模式单独研究，这就引发了一个简单而有趣的问题：将三种投资期限的所有价格信息综合在一起是否更好？

研究内容

本文提出了一个同时考虑股价短、中、长期信号的趋势因子，首次将三种主要价格模式——短期反转、动量及长期反转效应统一在一个框架内。多数研究识别定价因子的方法是对少量（一般少于3个）公司特征进行排序，本文则是通过横截面回归来构建趋势因子，回归使用了3-1000天（约4个交易年），即短、中、长期的移动平均价格信号。按构建定价因子的一般方法，买入排名前1/5预期收益率最高的股票，并卖空最低的1/5。收益率之差即趋势因子的收益率。

原理剖析和理论模型

为何历史价格的移动平均(Moving Average, MA)可以预测股票收益率？原因主要有三：
第一，众多研究从理论上揭示了历史价格能预测未来价格，也即MA具有预测力的原因有：接收信息时间差异、异质投资者对信息的反应不同、行为偏差及反馈交易(feedback trading)。为提供直接证据，本文根据Wang (1993)构建了一个简单的一般均衡模型(general equilibrium model)，模型中首次引入外生价格，为使用MA信号的做法提供理论依据。

第二，现实中，许多顶尖交易员和成功的基金经理都用MA来观察市场价格趋势、做出相应投资决策。由于流动性和不确定性，市场需要一定的时间才能对重大信息做出充分反应，这就产生了趋势。例如，最近金融危机中，市场持续下降两年才到达底部，其间出现了大量被迫清算以及对冲交易。Fung and Herish (2001)发现，顺势交易(trend-following trading)可解释对冲基金收益率。Burghardt and Walls (2011)发现，基于MA的简单交易策略在期货交易中能产生可观收益，且收益与期指收益的相关性超过70%。

第三，在股票实证研究中，Brock, Lakonishok and LeBaron (1992)首次证实了MA具有预测能力；Lo, Mamaysky and Wang (2000)用自动模式识别分析进一步予以证实；Han, Yang and Zhou (2013)发现MA能够在股票横截面收益中产生可观的Alpha；Neely et al. (2014)发现技术指标，主要是MA，对股市的预测能力等同或超过宏观经济变量。

实证设计和结论

趋势因子的获利能力
研究发现，利用投资期内价格所有信息的趋势因子获利可观。
1930年6月－2014年12月，趋势因子产生月均收益1.63%。而同期短期反转、动量及长期反转因子的月均收益分别为0.79%、0.79%以及0.34%；市场组合月均收益0.62%；Fama-French的规模、价值因子月均收益更少，分别为0.27%和0.41%。
从夏普比率看，趋势因子的月度值为0.47，比短期反转因子高2倍多，比动量、长期反转、Fama-French两因子及市场组合高4倍多。
此外，最近金融危机期，趋势因子的月均收益为0.75%。而市场、短期反转及动量因子月均亏损-2.03%、-0.82%和-3.88%；长期反转因子月均收益也仅为0.03%。

趋势因子与动量因子的比较
在三种价格模式中，动量因子的研究应用最多，因而本文特意比较了动量因子与本文的趋势因子。研究发现，趋势和动量因子的多头（空头）组合的相关性高达88%(84%)。但趋势因子的业绩更好，多头组合平均收益分别为1.93%与1.81%；空头组合平均收益分别为0.31%与1.02%。无论经济处于萧条还是繁荣期，趋势因子的业绩都更优。上述结果揭示了趋势因子的夏普比率比动量因子高约4倍的原因。

近期研究发现，动量策略在金融危机时期表现不佳，下行风险巨大。例如，动量因子最低的4个月度收益率分别为-89.70%、-83.25%、-59.99%和-55.74%。而趋势因子最低的4个月度收益率分别为-19.96%、-15.06%、-12.66%和-10.53%，即使与整个股市（-28.97%、-23.70%、-22.64%和-21.91%）相比，也相当不错。总体而言，趋势因子正偏度(positive skewness)高达1.47，负异常值很少；而动量因子的负偏度达-4.43，负异常值多。

趋势因子可否由短期反转、动量和长期反转因子组合生成
既然趋势因子依赖于短期至长期的股价趋势，一个重要的问题产生了：趋势因子可否用短期反转、动量及长期反转因子的某种组合来复制？如果可以，则完全没有必要用股票横截面回归预测收益率来构造趋势因子。为了回答这个问题，本文采用了6种不同的均值－方差生成检验(mean- variance spanning tests) (Kan and Zhou, 2010)，检验结果都拒绝了“三因子组合可以产生一个因子，其夏普比率接近趋势因子”的假设。换言之，基于MA的横截面回归在捕捉短、中、长期的价格趋势时，比短期反转、动量及长期反转因子的组合更有效。

虽然三种价格趋势因子不能生成本文的趋势因子，但是了解它们能在多大程度上解释趋势因子的收益却很重要。为此，本文采用风格回归(style regression) (Sharpe, 1988)，发现：如果用权重为正的三个因子的组合来拟合趋势因子的业绩，则因子载荷是时变的，且短期反转因子权重较大，尤其是在萧条期。

稳健性检验

趋势因子的高收益对其他因子构成方法、不同控制变量（市场规模、账面市值比、历史收益和流动性）及其他模型（例如Fama-MacBeth回归）都是稳健的。例如，无论是否用价格和/或规模筛选股票，或是否根据Fama and French (1996)来构建高减低投资组合，趋势因子都具有相同或更高的收益率。此外，尽管极难克服结果会受交易成本的影响和有数据挖掘的质疑，趋势因子在这两个重要问题上的表现也不比著名的动量因子差。

本文还检验了趋势因子表现与信息不确定性之间的关联。当股票信息非常不确定时，基本面信号会更加不准确，此时投资者应该更加依赖趋势信号。Han,Yang and Zhou (2013)曾发现，简单移动平均的择时策略盈利性与信息不确定性正相关，本文也发现：当股票信息很不确定（以异质波动率、分析师覆盖、公司年限等为代理变量）时，趋势因子表现更好。

趋势因子与资产定价

从资产定价角度来看，趋势因子比常用的动量因子能更好地解释组合横截面收益。对于按行业、或同时按规模和账面市值比排序的股票标准投资组合来说，包含趋势因子的CAPM比包含动量因子的CAPM定价误差小。本文还检验了按风格排序的对冲基金组合，也发现包含趋势因子的定价模型误差较小。

原文：
Han, Yufeng, Guofu Zhou and Yingzi Zhu, 2016, A Trend Factor: Any Economic Gains from Using Information over Investment Horizons?, Journal of Financial Economics 122, 352-375.