ols残差_残差动量 —— 有理有据还是数据挖掘？

作者：刀疤连(Chihiro Quantitative Research)、llanglli(因子动物园)；石川(川总写量化)

封面来源：https://www.pexels.com

未经授权，严禁转载。

摘

要

与传统动量不同，残差动量在 A 股效果显著。但这背后是有理有据还是数据挖掘？

1

引言

动量，更确切地说是 Jegadeesh and Titman (1993) 提出的截面相对强弱，一直以来是美股生命力最旺盛的异象之一。无论是 Fama and French (1993) 三因子模型还是 Fama and French (2015) 五因子模型均无法解释动量策略(Blitz et al. 2018)，因此 Eugene Fama 也不得不承认它是最显著的异象。

在美股上，动量策略虽然长期来看很不错，但这种做多前期 Winner 做空前期 Loser 的对冲组合却时不时会来个 crash，俗称动量崩溃(momentum crash)，即动量策略会遭遇不多但持续时间长、幅度大的下跌。学术界的研究认为这和该组合的动态风险敞口有关。Geczy and Samonov (2013) 基于超长的美国股市数据指出，动量效应对于市场组合有着动态的暴露，具体敞口则取决于市场状态。当市场从一种状态转换到另一种状态的初期，动量组合对于最新市场状态有着负的暴露，从而导致市场转换期的大幅损失。Daniel and Moskowitz (2016) 发现动量崩溃与该策略的尾部风险有关。崩溃往往发生在市场恐慌时，此时资产价格大跌而波动率大幅上升，这与 Geczy and Samonov (2013) 的发现一致。

为了改善动量策略的极端表现，2011 年来自 Robeco 的 David Blitz 领衔发表了 Blitz, Huij, and Martens (2011) 一文，提出了残差动量(residual momentum)策略。该策略使用股票相对于 Fama and French (1993) 三因子模型的残差收益率，经残差波动率调整后计算了残差动量(因此也被称为异质动量，idiosyncratic momentum)。Blitz, Huij, and Martens (2011) 的实证结果显示，该策略比传统动量策略能够获得更高的风险收益比。除此之外，Hanauer and Windmueller (2019) 指出残差动量在传动动量 crash 的时期表现更好，能够极大降低亏损。

尽管动量策略在美股呼风唤雨，但是它到了 A 股中似乎画风一变、难有作为。那么，残差动量又如何呢？Lin (2019) 一文使用 Blitz, Huij, and Martens (2011) 的思路在 A 股上实证了残差动量策略，得出了惊人的效果(下图)。

怎么样？多、空对冲得到的残差动量(红线)累积收益率稳健上行(Panel A)，滚动三年窗口的夏普率(Panel B)在整个实证窗口内均为正，且在很高的比例下在 1.0 以上，这种表现让多少风格因子汗颜？

坦白说，我们第一眼看到这个结果是不信的。再加上 Finance Research Letters 这个期刊的口碑也不是太过硬，更令人增加了几分怀疑。残差动量的计算方法是否合理，即其背后到底代表了什么原因？A 股市场上的残差动量是否真的有如此惊人的表现？带着这些问题，本期搞事情小组就来对残差动量进行深度实证。

先来看看 Blitz, Huij, and Martens (2011) 提出的残差动量计算方法。

2

计算方法：有理有据？

Blitz, Huij, and Martens (2011) 使用 Fama and French (1993) 三因子模型为基准，使用股票月频超额收益和三因子月频收益率数据构建时序回归模型：

上式中&#x