翻译1： Profitability of Momentum Strategies: An Evaluation of Alternative Explanations

翻译1

动量策略的盈利能力： 替代解释评估

摘要：

本文评估了 Jegadeesh 和 Titman (1993) 中记录的动量策略盈利能力的各种解释。 证据表明，动量利润在 1990 年代继续存在，表明最初的结果不是数据窥探偏见的产物。 该论文还研究了最近行为模型的预测，这些模型提出动量利润是由于延迟的过度反应而最终被逆转。 我们的证据为行为模型提供了支持，但应谨慎对待这种支持。

介绍：

许多投资组合经理和股票分析师都认为动量策略会产生可观的利润。 Jegadeesh 和 Titman (1993) 研究了各种动量策略，并记录了在过去 3 到 12 个月内买入高回报股票并在同一时期卖出低回报股票的策略每月赚取约 1% 的利润。 第二年，尽管这些结果已被广泛接受，但利润来源和证据解释仍存在广泛争议。 尽管有些人认为结果提供了“市场低效率”的有力证据，但其他人则认为这些策略的回报要么是对风险的补偿，要么是数据挖掘的产物。

由于数据挖掘而出现的观察到的经验规律的批评通常是最难解决的，因为非实验环境中的实证研究受到数据可用性的限制。幸运的是，随着时间的推移，我们现在拥有额外九年的数据，使我们能够进行样本外测试，并评估投资者可能从早期的回报模式中的了解程度。使用 1990 年至 1998 年样本期间的数据，我们发现 Jegadeesh 和 Titman (1993) 动量策略依旧有利可图，并且过去的赢家多于过去的输家，变化幅度与早期大致相同。这是值得注意的，因为其他众所周知的异常现象，例如 Banz (1981) 记录的小公司效应和价值股相对于成长股的优异表现在原始研究检查的样本期之后没有观察到。

鉴于这种异常现象的持续存在，了解其原因很重要。许多作者，例如 Barberis、Shleifer 和 Vishny（1998 年）、Daniel、Hirshleifer 和 Subrahmanyam（1998 年）以及 Hong 和 Stein（1999 年）提出的行为模型基于动量利润的产生是因为投资者解释信息的方式存在固有偏见。然而，其他人认为现在拒绝理性模型还为时过早，并认为动量策略的盈利能力可能只是对风险的补偿。最值得注意的是，Conrad 和 Kaul（1998）认为动量策略的盈利能力可能完全是由于预期收益的横截面变化，而不是股票收益的任何可预测的时间序列变化。具体而言，根据 Lo 和 MacKinlay（1990）、Jegadeesh 和 Titman（1993）等人，他们注意到在相邻时间段内具有高（低）无条件预期收益率的股票预计具有高（低）实现收益率在这两个时期。因此，根据康拉德和考尔 (1998) 的假设，即使股票的预期收益随着时间的推移保持不变，动量策略也会平均产生正收益。

行为模型以及康拉德和考尔的论点对过去的赢家和输家在初始持有期之后的一段时间内的回报做出了截然相反的预测。行为模型暗示，持有期的异常回报是由于对信息延迟过度的反应导致赢家（输家）的价格高于（低于）其长期价值。这些模型预测，在随后的时间段内，当赢家和输家的股票价格恢复到其基本价值时，输家的回报应该超过赢家的回报。相比之下，Conrad 和 Kaul（1998）认为持有期的赢家较高的回报代表了他们无条件的预期回报率，因此预测动量投资组合的回报在任何排名后的时期均为正。

为了检验这些理论之间相互矛盾的含义，我们考察了赢家和输家股票在成立之日后 60 个月内的回报。与早期的工作一致，我们发现在 1965 年到 1998 年的整个样本期间，Jegadeesh 和 Titman（1993）动量投资组合在形成期后的前 12 个月产生了显着的正回报。此外，Jegadeesh 和 Titman (1993) 动量投资组合在第 13 到 60 个月的累积回报为负，这与行为理论一致但与 Conrad 和 Kaul 假设不一致。 尽管动量投资组合的负持有期回报似乎支持行为模型的预测，但进一步的分析表明，应谨慎解释这种支持。首先，我们发现小公司回报逆转的有力证据，但大公司的证据有些微弱，特别是当我们评估相对于 Fama 和 French (1993) 基准的投资组合绩效时。此外，虽然我们在 1965 年至 1981 年期间发现了强有力的回报逆转证据，但在 1982 年至 1998 年期间，回报逆转的证据明显减弱。这是值得注意的，因为在两个子周期中，动量利润的大小或重要性之间没有明显差异。论文的其余部分组织如下：第一节简要描述我们的数据和方法，并检查 1990 年代动量策略的盈利能力，第二节分析长期回报，第三节总结论文。

一、1990年代的动量利润

本节检查 Jegadeesh 和 Titman (1993) 记录的动量策略的盈利能力是否可以归因于数据挖掘。这里的问题相当简单。股票回报数据现在广泛可用，计算能力相当便宜。因为任何预测股票回报（在出版物和/或资金管理收入方面）的可行模型都有潜在的巨大回报，毫无疑问，许多学者和从业者已经独立测试了各种各样的交易策略。因此，很难评估发现特定交易策略有利可图的个别研究的重要性。我们在 Jegadeesh 和 Titman (1993) 的六个月动量策略的背景下解决数据挖掘问题，该策略之前显示，在 1965 年至 1989 年的样本期间，t 统计量为 3.07，每月可获得约 1% 的异常回报。当将此策略视为单个实验时，标准统计理论表明，在市场效率假设下观察到至少 3.07 的 t 统计量的概率小于 0.11%。基于此，Jegadeesh 和 Titman (1993) 得出结论，即使在最保守的显着性水平上，市场效率的假设也可能被拒绝。然而，这一推论忽略了这样一个事实，即在同一样本期内，其他研究人员独立进行的许多其他测试可能没有盈利，因此没有报告。动量利润的证据受到关注的事实可以归因于它在集体进行的许多测试中产生了最高的测试统计量。根据这种解释，Jegadeesh 和 Titman 中的检验统计量应被视为许多检验中的最高阶统计量，而不是单个实验的常规检验统计量。当然，这个订单统计量的分布是不正常的。为了使统计分析正式化，假设研究人员在 Jegadeesh 和 Titman (1993) 样本期间共同测试了 n 个独立的交易策略。4 此外，假设动量策略在这 n 个策略中产生了最高的测试统计量。最大阶统计量的累积分布是 F ，其中 F 是累积标准正态分布。5 如前所述，如果孤立地看待 Jegadeesh 和 Titman (1993) 检验，则 n = 1 并且在统计量上观察到的概率为大是 0.11%。但是，例如，如果 n = 100，则最大检验统计量至少为 3.07 的概率约为 10%。如果 n = 650，则基于此检验统计量的 p 值下降到 50% 以下。因此，对于 Jegadeesh 和 Titman (1993) 的证据在拒绝有效市场假设方面有多强的看法取决于读者对有多少其他未能拒绝市场效率的独立和未报告的测试已经进行的先验。

A. 投资组合的形成

样本外测试的优势在于它显着减少了研究人员可能搜索的策略数量，大大减少了 n，从而增加了测试的信息量。出于这个原因，我们在分析之后的时间段内重新检查 Jegadeesh 和 Titman (1993) 的交易策略。 我们的样本是根据在纽约证券交易所 (NYSE)、美国证券交易所和纳斯达克交易的所有股票构建的。我们排除了所有在持有期开始时价格低于 5 美元的股票，以及所有市值将它们置于纽约证券交易所最小十分位数的股票。我们排除这些股票是为了确保结果不是主要由小型和流动性差的股票或买卖反弹驱动的。6 我们的样本与 Jegadeesh 和 Titman（1993）不同，因为我们包括纳斯达克股票，但不包括小型和低价股票。然而，纳斯达克股票的加入和低价股票的剔除对我们考虑的各个时期的平均回报几乎没有影响，但它们降低了标准误差并显着降低了 1 月份负回报的幅度。

图 1. 采样周期的时间线。 

遵循 Jegadeesh 和 Titman (1993)，在每个月底，我们根据过去六个月的回报（第 -5 个月到第 0 个月）对样本中的股票进行排名，然后根据这些将股票分为 10 个等权重的投资组合行列。每个投资组合在排名月份之后持有六个月（第 1 个月至第 6 个月）。我们考虑的各个时期都在图 1 的时间线中呈现，其中还呈现了我们在下一节中考虑的后期阶段（第 13 个月到第 60 个月）。

为了增加我们测试的能力，我们构建了重叠的投资组合。换句话说，任何特定月份的动量十分位数投资组合持有在前六个排名月份中的任何一个月份排名在该十分位数中的股票。例如，12 月的优胜者投资组合包含 10% 的股票，这些股票在之前的 6 月至 11 月期间、之前的 5 月至 10 月，以此类推直至之前的 1 月至 6 月期间回报最高。