因子动量效应广泛存在吗?(下)

因子动量效应广泛存在吗?(上) 未经授权,严禁转载 前言 译者翻译了AQR的Gupta和Kelly在2019年发表的一篇文章。在这篇文章中,作者记录了在全球65个被广泛研究的基于特征的股票因子之中存在的稳健的动量行为。他们证明了大体上单个因子可以根据它们自身最近的表现来进行可靠的择时。一个结合了所有因子择时策略的时间序列“因子动量”投资组合可以获得一个0.84的年化夏普比率。对于采用传统动量、行业动量、... 阅读详情

 

未经授权,严禁转载

 

前言

 

在本篇论文的前半部分,作者验证了因子收益具有持续性,并以此为根据构造了时间序列的的因子动量策略和横截面的因子动量策略。此次推送中,译者为大家带来了论文下半部分的翻译。作者进一步进行了因子动量与股票动量、行业动量等传统因子的对比,发现因子动量可以显著地增加收益,并且因子动量效应在国际市场上也同样存在。

上篇链接:因子动量效应广泛存在吗?(上)

 

因子、股票和行业动量

接下来,我们直接对比不同形式的动量效应,包括因子动量(TSFM和CSFM),股票动量(UMD),短期股价反转(STR)和行业动量(INDMOM,根据Moskowitz和Grinbatt,1999;Asness,Porter和Stevens,2000,我们用1-12的形成期)。为了更清楚地对比平均收益,我们调整5个序列的比例,以便获得10%的事后年化波动率。

图表6提供了一个不同动量策略视觉上的初步对比。如图所示,不同动量的累计对数收益十分不同,包括1个月和12个月形成期的TSFM和CSFM,和超额市场投资组合。这张图中有两个点值得我们关注。首先是TSFM的斜率最大。这在整个样本中是一致的,而不是拟合出来的。一个月形成期的CSFM有着类似的斜率,但是12个月的策略就差了很多。第二点则是UMD的飞速下滑,股票动量在2009年的三月到五月遭受了31%的损失(Daniel和Moskowitz,2016)。INDMOM在这段时期同样遭遇了24%的回撤。与之截然不同,因子动量完全避开了这次动量崩溃。在同期,12个月形成期的TSFM和CSFM分别获得了16%和15%的收益(1个月形成期的TSFM和CSFM都获得了18%的收益)。

众所周知,股票动量集中在6至12个月的中期形成窗口中。对于很短的回溯期(一个月)或长期时间窗口,股票就会出现反转而不是动量。为了策略的共同运动有一个基本的了解,特别是对于不同的形成时期,图表7报告了动量相关性,其中包括了:UMD,它利用2-12策略描述股票动量;STR,它利用1-1策略捕捉短期的股价反转。我们分别将其与不同形成期的TSFM和CSFM。形成期从1个月到60个月,也包括2-12和13-60的形成期。

量化投资实战:动量因子如何助力价值投资 伯克希尔·哈撒韦(巴菲特)的投资组合中,既有低估值的价值股(如可口可乐),也隐含了动量逻辑——他倾向于在公司基本面改善、股价开始上涨时买入(而非等到“绝对低估”)。而这正是动量因子可以大显身手的地方——它能帮助我们在“价值”的基础上,捕捉资产的趋势动能,提升买入时机的准确性,甚至规避价值陷阱。不同市场环境下,价值和动量的表现不同(如牛市动量占优,熊市价值占优)。若价值因子和动量因子高度相关(如相关系数>0.7),则“双因子”可能等价于“单因子”,需通过因子正交化(如PCA)剔除冗余。 阅读详情

相关推荐

【点宽专栏】期货多因子(二)——各因子描述

一、报告简介 上期我们对于期货多因子的逻辑和用途进行了小结,我们构建期货多因子是为了刻画期货的特征,从而用于机器学习。上期我们探究了动量因子,本篇报告将把更多的因子特征呈现出来。 二、因子研究方法 上期我们对于因子溢价构建方法进行了简介,本文采用同样方法,每天换仓,构建因子多空组合。对于多空组合收益率,我们采用总收益、年化收益、年化波动、夏普比率、最大回撤、收益回撤比、Hurst指数、5,10,20,60,120日方差比率检验来衡量。 其中,Hurst指数(见中信建投Hurst报告)以及方差比率检验(Lo.

Digquant的博客 1439

基于智能体建模的金融市场羊群效应与动量反转机制解析

在复杂系统与计算金融领域,基于智能体的建模(ABM)是一种通过定义微观个体行为规则来研究宏观现象涌现的自下而上方法。其核心原理在于将异质性个体置于特定互动网络中,观察其局部交互如何自发形成全局模式。这一方法的技术价值在于能够揭示传统计量模型难以捕捉的群体动力学机制,例如金融市场中的羊群效应和信息扩散过程。在金融工程与量化分析的应用场景中,ABM常被用于模拟交易者行为、分析市场流动性以及探索价格形成机制。通过构建包含动量交易者、反转交易者等多元智能体的模拟环境,并嵌入小世界网络或随机网络以刻画信息传播路径,研

weixin_34199335的博客 348

动量因子(Momentum factor)——投资组合分析(EAP.portfolio_analysis)

实证资产定价(Empirical asset pricing)已经发布于Github. 包的具体用法(Documentation)博主将会陆续在优快云中详细介绍。 Github: GitHub - whyecofiliter/EAP: empirical asset pricing 动量因子始于Jegadeesh and Titman(1993)。此效应广泛存在于全球股票市场(Jegadeesh and Titman, 2001;Rouwenhorst, 1998, 1999; De Groot .

Why的博客 8624

动量因子全解析:量化投资中的alpha来源

动量因子是量化投资领域最持久且广泛研究的市场异象之一。本文旨在全面解析动量因子的理论基础、实现方法和实际应用,帮助投资者理解这一重要alpha来源的本质。研究范围涵盖动量因子的定义、分类、理论基础、数学模型、实现细节以及在实际投资中的应用策略。本文首先介绍动量因子的基本概念和分类,然后深入探讨其理论基础和数学模型。接着通过Python代码示例展示动量因子的具体实现,分析其在A股市场的表现特征。随后讨论动量因子的实际应用场景和与其他因子的协同效应。最后总结动量因子的未来发展趋势和面临的挑战。

2501_92132293的博客 1432

动量因子选股:量化投资中的趋势跟踪策略

在股票投资领域,如何从众多的股票中选出具有潜力的股票一直是投资者们苦苦追寻的目标。传统的投资方法往往依赖于基本面分析和投资者的主观判断,然而这种方法不仅需要大量的时间和精力去研究公司的财务报表、行业前景等信息,而且容易受到投资者情绪和个人偏见的影响。量化投资的出现为投资者提供了一种新的思路。量化投资通过运用数学模型和计算机算法,对大量的历史数据进行分析和挖掘,从中找出能够预测股票未来走势的因子,并根据这些因子构建投资组合。动量因子选股作为量化投资中的一种重要策略,已经在金融市场中得到了广泛的应用。

2501_92132293的博客 1482

量化投资入门:动量因子策略的Python实现

本文旨在为量化投资初学者提供动量因子策略的完整实现指南。动量因子的金融学理论基础动量策略的数学建模方法使用Python进行数据获取和处理动量因子的计算与组合构建策略回测与绩效评估风险管理与优化方法本文范围限定在股票市场的动量策略实现,但所介绍的方法论可以扩展到其他资产类别。背景介绍:设定研究背景和目标核心概念:解释动量因子及相关理论算法原理:详细说明动量策略的数学基础Python实现:完整的代码实现和解释应用场景:实际市场中的应用案例。

2501_92132293的博客 958

10、投资因子研究:动量、价值、波动与质量因子解析

本文深入解析了动量、价值、波动与质量四大核心投资因子的定义、成因及关键指标,探讨了各因子之间的相关性与综合应用方法。文章还介绍了多因子策略的构建流程、因子有效性检验方式,并讨论了因子投资面临的挑战与应对策略。最后展望了人工智能、机器学习及可持续投资因子在未来的应用前景,为投资者提供系统性的因子投资框架与实践指导。

sky77的博客 288

动量策略入门

导语:假设”股票的收益率有延续原来的运动方向的趋势“。通俗来讲:今天涨了,明天大概率会接着涨,强者恒强。根据这种假设,我们可以用收益率、成交量、换手率等等作为动量因子,来构建动量策略。 ...

JanLEE 1889

多因子策略框架及基于动量和价值的因子策略 backtrader

本文将介绍基于backtrader框架的多因子策略实现,重点关注动量和价值因子的应用,提供完整的源代码和相应的描述。以上代码中,我们定义了一个名为FactorStrategy的策略类,其中params参数用于设定动量因子和价值因子的计算周期。以上代码中,我们定义了一个名为Momentum的指标类,它通过计算当前价格与前一期价格之间的差异,并除以前一期价格,得到相对收益率,即动量因子。以上代码中,我们定义了一个名为Value的指标类,它通过将1除以当前价格,得到倍数形式的价值因子。

TgpActionscript的博客 576

SAS动量效应代码

Titman动量效应代码,主要是从CRSP上抓取数据来进行动量策略的检验

matlab开发股市场中的动量效应

matlab开发股市场中的动量效应及相应的投资策略,有完整的代码以及数据文件,整个项目完整,十分适合金融的朋友参考使用

STM32版CCD线性摄像头寻线寻迹小车_stm32接ccd

目前大多数的小车寻线寻迹都是用红外对管寻线,这是比较简单也比较成熟的技术方案,且成本也低。本文将介绍使用CCD线性摄像头寻线寻迹。TSL1401 线性传感器由一个 1x128 的光电二极管阵列、相关的电荷放大电路以及一个内部像素数据保功能组成。内部像素数据保功能可以为所有像素点提供同时积分的开始和停止时间。该阵列由 128 个像素组成,每个像素的感光面积为 3,524.3 平方微米。像素之间的间隔为 8μm。内部控制逻辑简化了操作,该模块需要串行输入(SI)信号和时钟信号(CLK)。

2401_87557129的博客 3229

STM32 BLDC无刷电机霍尔信号捕获与换相控制实战解析

本文深入解析了STM32如何实现BLDC无刷电机的霍尔信号捕获与换相控制。详细阐述了硬件接口配置、定时器霍尔传感器模式的使用、抗干扰的滤波器与软件容错设计,以及中断服务与换相逻辑的实战代码。重点解决了信号抖动、换相不准等常见问题,旨在帮助开发者构建稳定可靠的电机驱动基础。

weixin_29193259的博客 367

AUTOSAR CAN通信全过程

首先,从AUTOSAR架构上来说,一个完整的CAN通信的过程涉及到了包括硬件、AUTOSAR中间件和上层应用层软件;在硬件部分来说,涉及到的是CAN 总线和CAN的收发器;软件部分的话,涉及到的概念是MCAL(微控制器抽象层)、BSW(基础软件层)、RTE(实时运行环境)、APPL(应用层)等;其中MCAL部分用到了通信驱动模块,而BSW部分使用到了通信服务模块和通信硬件抽象模块;由于笔者是做MCAL和BSW的,至于应用层部分的知识就暂且不具体介绍了;

xxdw1992的博客 6252

Argoverse数据集可视化/Argoverse-api

argoverse可视化,argoverse-api配制方法

learning_man的博客 9561

别再只用GWR了!用Python的mgtwr包搞定时空地理加权回归(GTWR)实战

本文详细介绍了如何使用Python的mgtwr包进行时空地理加权回归(GTWR)实战,突破传统GWR模型的局限。通过核心差异解析、实战全流程演示和进阶技巧,帮助读者掌握GTWR在房价波动、污染物扩散等时空数据分析中的应用,提升模型预测精度。

weixin_30899023的博客 341

基于STM32、HAL库的TPL0501数字电位器驱动程序设计

@param value 输出值(0-255)* @param hdev TPL0501句柄。* @param hdev TPL0501句柄。* @brief 获取TPL0501当前设置值。* @param hdev TPL0501句柄。* @brief 获取TPL0501当前设置值。* @brief 设置TPL0501输出值。* @brief 设置TPL0501输出值。* @return 当前值(0-255)* @brief 初始化TPL0501。* @brief 初始化TPL0501。

corlin6688的博客 1026

【红外DDE算法】一种应用于高动态范围红外可视化的算法

【红外DDE算法】一种应用于高动态范围红外可视化的算法 - 这个算法背后的动机 - 展示这个算法的流程 - 然后讨论各个可调参数的意义。

sunwindl91181的博客 1682

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

上一篇: 桥水基金:如何预测下一次金融危机?
下一篇: 探索汇率变动与股票价格的关系
Quant_
博客等级 码龄11年 393粉丝 94原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值