金融市場(chǎng)動(dòng)量質(zhì)量與風(fēng)險(xiǎn)調(diào)整動(dòng)量

摘 ? 要：風(fēng)險(xiǎn)調(diào)整后收益及信息連續(xù)性均可以對(duì)傳統(tǒng)動(dòng)量策略的投資績(jī)效進(jìn)行一定改善。利用波動(dòng)率、下行波動(dòng)率及CVaR三種風(fēng)險(xiǎn)指標(biāo)構(gòu)造風(fēng)險(xiǎn)調(diào)整動(dòng)量，利用信息連續(xù)性構(gòu)造動(dòng)量質(zhì)量，并在我國(guó)股市的行業(yè)投資層面檢驗(yàn)了兩者對(duì)傳統(tǒng)動(dòng)量策略的改進(jìn)效果，研究結(jié)果表明：無(wú)論是12個(gè)月的中長(zhǎng)期動(dòng)量還是1個(gè)月的短期動(dòng)量，動(dòng)量質(zhì)量及風(fēng)險(xiǎn)調(diào)整后動(dòng)量均能有效改善傳統(tǒng)動(dòng)量的績(jī)效表現(xiàn)，表現(xiàn)為更高的年化收益率及夏普比率，且該研究結(jié)論在不同的分樣本區(qū)間及商品期貨市場(chǎng)同樣穩(wěn)健。研究結(jié)論既是對(duì)行業(yè)投資及資產(chǎn)配置理論的有力補(bǔ)充，同時(shí)也具有較強(qiáng)的實(shí)踐指導(dǎo)意義，如在行業(yè)層面運(yùn)用動(dòng)量策略時(shí)應(yīng)考慮風(fēng)險(xiǎn)及投資者有限關(guān)注對(duì)策略績(jī)效的影響。

關(guān) ?鍵 ?詞：動(dòng)量質(zhì)量;動(dòng)量效應(yīng);風(fēng)險(xiǎn)調(diào)整動(dòng)量;有限關(guān)注

中圖分類(lèi)號(hào)：F832.5 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ?文章編號(hào)：2096-2517（2020）05-0026-09

DOI：10.16620/j.cnki.jrjy.2020.05.003

一、引言與文獻(xiàn)綜述

動(dòng)量效應(yīng)最早是由Jegadeesh等（1993）提出，是指買(mǎi)入過(guò)去一段時(shí)間（一般采用過(guò)去12個(gè)月）漲幅最大的一攬子股票，同時(shí)賣(mài)出跌幅最大的一攬子股票，該策略可以獲得穩(wěn)健的投資收益[1]。隨后大量學(xué)者對(duì)其進(jìn)行了深入而廣泛的研究，最具代表性的是Carhart（1997），他在Fama等（1993）[2]三因子組合的基礎(chǔ)上加入了動(dòng)量因子，發(fā)現(xiàn)加入動(dòng)量因子的四因子模型可以很好地對(duì)股票橫截面收益進(jìn)行解釋[3]。Asness等（2013）對(duì)全球金融市場(chǎng)（包括股票、外匯、固定收益、商品期貨等）的研究發(fā)現(xiàn)，動(dòng)量效應(yīng)廣泛存在于全球各資本市場(chǎng)，在扣除交易費(fèi)用后，動(dòng)量策略可以獲得穩(wěn)健的超額收益[4]。李良新（2016）[5]、宋光輝等（2017）[6]、王德宏等（2017）[7]、李富軍等（2019）[8]、周亮等（2019）[9]對(duì)我國(guó)股票市場(chǎng)或其他資本市場(chǎng)的研究，驗(yàn)證了中長(zhǎng)期的動(dòng)量效應(yīng)在我國(guó)資本市場(chǎng)的廣泛存在性。投資者過(guò)度自信導(dǎo)致資產(chǎn)價(jià)格對(duì)新信息的反應(yīng)不足、交易成本、知情交易、市場(chǎng)情緒、宏觀風(fēng)險(xiǎn)溢價(jià)等都是導(dǎo)致動(dòng)量效應(yīng)產(chǎn)生的內(nèi)在原因[10-14]。由于動(dòng)量效應(yīng)對(duì)市場(chǎng)風(fēng)險(xiǎn)有較大的敞口暴露，因此當(dāng)市場(chǎng)狀態(tài)突然轉(zhuǎn)變時(shí)，資產(chǎn)價(jià)格大跌而波動(dòng)率大幅上升，動(dòng)量策略可能帶來(lái)大幅損失，這被稱(chēng)為動(dòng)量崩潰[15-16]。學(xué)者們對(duì)動(dòng)量崩潰有不同的解釋?zhuān)械恼J(rèn)為是擁擠交易（Crowded Trades）造成的[17]，還有的認(rèn)為是由動(dòng)量因子本身的性質(zhì)所決定的[18]。

為了改善動(dòng)量策略的極端表現(xiàn)，Blitz等（2011）、Chang等（2018）及Lin（2019）等使用股票相對(duì)于Fama三因子模型的殘差收益率計(jì)算殘差動(dòng)量，發(fā)現(xiàn)殘差動(dòng)量策略比傳統(tǒng)動(dòng)量策略能夠獲得更高的風(fēng)險(xiǎn)收益比，且殘差動(dòng)量能夠部分規(guī)避動(dòng)量崩潰[19-21]。投資者的有限關(guān)注也會(huì)對(duì)傳統(tǒng)動(dòng)量效應(yīng)產(chǎn)生影響。Gino等（2009）針對(duì)心理學(xué)的研究發(fā)現(xiàn)，小的漸進(jìn)性變化比大的劇烈變化引起人們的關(guān)注更少[22]。Da等（2014）在此基礎(chǔ)上提出了信息連續(xù)性的概念，信息連續(xù)性越高的股票受到投資者的關(guān)注越低，且信息連續(xù)性越高的股票其動(dòng)量效應(yīng)往往越強(qiáng)，而信息連續(xù)性較差的股票動(dòng)量效應(yīng)較弱[23]。除此以外，Rachev等（2007）提出的風(fēng)險(xiǎn)調(diào)整后動(dòng)量也常被用來(lái)對(duì)普通動(dòng)量進(jìn)行優(yōu)化，他們采用夏普比率、索提諾比率等多種風(fēng)險(xiǎn)調(diào)整后收益來(lái)構(gòu)造風(fēng)險(xiǎn)調(diào)整動(dòng)量，利用1996—2003年標(biāo)普500成分股進(jìn)行的實(shí)證分析發(fā)現(xiàn)，風(fēng)險(xiǎn)調(diào)整動(dòng)量能夠獲得比傳統(tǒng)動(dòng)量更高的績(jī)效[24]。風(fēng)險(xiǎn)調(diào)整動(dòng)量實(shí)際上可以看成是增加了低風(fēng)險(xiǎn)資產(chǎn)的動(dòng)量特征，由于低風(fēng)險(xiǎn)異象在全球市場(chǎng)上廣泛存在，因此風(fēng)險(xiǎn)調(diào)整動(dòng)量獲得的收益就越高[25-28]。Choi等（2015）利用了更多的風(fēng)險(xiǎn)度量指標(biāo)，如VaR和CVaR等，對(duì)全球股市、商品市場(chǎng)和外匯市場(chǎng)進(jìn)行了研究，發(fā)現(xiàn)在不同市場(chǎng)上風(fēng)險(xiǎn)調(diào)整動(dòng)量均能獲得更高的風(fēng)險(xiǎn)收益比[29]。

因此綜合來(lái)看，資產(chǎn)風(fēng)險(xiǎn)及信息連續(xù)性均能夠提高動(dòng)量策略的投資績(jī)效。但是目前國(guó)內(nèi)對(duì)這兩個(gè)方面的研究均比較少，基于此，本文擬采用波動(dòng)率、下行波動(dòng)率及CVaR等多個(gè)風(fēng)險(xiǎn)指標(biāo)構(gòu)造風(fēng)險(xiǎn)調(diào)整動(dòng)量，并利用Da等（2014）[23]的信息連續(xù)性指標(biāo)構(gòu)造動(dòng)量質(zhì)量，通過(guò)對(duì)我國(guó)股市行業(yè)動(dòng)量的詳細(xì)分析及比較，檢驗(yàn)風(fēng)險(xiǎn)調(diào)整動(dòng)量及動(dòng)量質(zhì)量是否能夠改善我國(guó)資本市場(chǎng)上的動(dòng)量投資策略。相對(duì)于其他學(xué)者的研究，本文的可能貢獻(xiàn)在于：一方面，比較了多個(gè)風(fēng)險(xiǎn)度量指標(biāo)對(duì)傳統(tǒng)動(dòng)量效應(yīng)的改進(jìn)能力，這些風(fēng)險(xiǎn)指標(biāo)涵蓋傳統(tǒng)的方差指標(biāo)、半方差以及尾部風(fēng)險(xiǎn)指標(biāo)，具有較強(qiáng)的代表性;另一方面，基于信息連續(xù)性指標(biāo)構(gòu)建了動(dòng)量質(zhì)量指標(biāo)，檢驗(yàn)了投資者有限關(guān)注對(duì)動(dòng)量效應(yīng)的作用。

二、研究設(shè)計(jì)

（一）信息連續(xù)性與動(dòng)量質(zhì)量

Da等（2014）指出，對(duì)于同樣漲幅的資產(chǎn)，信息連續(xù)性更強(qiáng)的資產(chǎn)，其預(yù)期收益率更高[23]。這主要是因?yàn)樾畔⑦B續(xù)性越好的資產(chǎn)受到的投資者關(guān)注越有限， 而信息連續(xù)性越差的資產(chǎn)博彩屬性越強(qiáng)，越容易受到投資者的廣泛關(guān)注，導(dǎo)致提前透支未來(lái)漲幅，從而使得預(yù)期收益率降低。本文借鑒以上信息連續(xù)性的構(gòu)造方法，并依此構(gòu)造動(dòng)量質(zhì)量：

其中，sgn（）為示性函數(shù)，當(dāng)Return大于0時(shí)為1， 當(dāng)Return小于0時(shí)為-1;%neg和%pos分別表示收益為負(fù)及收益為正的天數(shù)。ID的數(shù)值在-1至1之間，數(shù)值越小，信息連續(xù)性越好;數(shù)值越大，信息連續(xù)性越差。

（2）式為本文構(gòu)造的動(dòng)量質(zhì)量，其中Returnt-n，t為t-n至t時(shí)期的收益率，IDt-n，t為t-n至t時(shí)期的信息連續(xù)性;由于ID在-1至1之間，因此在分母處加上1.5，使分母在0.5至1.5之間，這與波動(dòng)率的區(qū)間相似，即最大波動(dòng)率大約為最小波動(dòng)率的3倍。

根據(jù)（2）式，對(duì)于區(qū)間收益率相近的資產(chǎn)，信息連續(xù)性越高（即ID越低），其動(dòng)量質(zhì)量也會(huì)越高。

（二）風(fēng)險(xiǎn)調(diào)整后動(dòng)量

Rachev等（2007）[24]和Choi等（2015）[29]的研究均發(fā)現(xiàn)，風(fēng)險(xiǎn)調(diào)整后動(dòng)量能夠獲得比傳統(tǒng)動(dòng)量更高的風(fēng)險(xiǎn)調(diào)整后收益。因此本文采用三種常用的風(fēng)險(xiǎn)度量指標(biāo)來(lái)構(gòu)造風(fēng)險(xiǎn)調(diào)整后動(dòng)量，分別是波動(dòng)率、下行波動(dòng)率及CVaR。其中波動(dòng)率是最常見(jiàn)的風(fēng)險(xiǎn)度量指標(biāo)，下行波動(dòng)率是采用區(qū)間內(nèi)所有下跌時(shí)期收益率計(jì)算出的波動(dòng)率指標(biāo)，其計(jì)算公式為：

其中，Rt為日收益率，E（Rt）為期望收益率，I為示性函數(shù)，滿足條件時(shí)為1，否則為0。

除了波動(dòng)率和下行波動(dòng)率，本文還利用CVaR來(lái)度量資產(chǎn)的尾部風(fēng)險(xiǎn)。Rockafellar等（2002）[30]提出了一致性風(fēng)險(xiǎn)度量指標(biāo)CVaR（Conditional VaR），指在一定的置信水平（？茁=100（1-？琢）%）下，損失超過(guò)VaR的條件期望，公式如下：

CVaR？茁（w）=E[f（w，l）|f（w，l）≥VaR？茁（w）] （4）

其中，f（w，l）為與組合投資權(quán)重有關(guān)的損失函數(shù)，CVaR的值要大于VaR，是一個(gè)更為保守的風(fēng)險(xiǎn)測(cè)度。

分別利用（5）（6）（7）式來(lái)構(gòu)造波動(dòng)率動(dòng)量、下行波動(dòng)率動(dòng)量及CVaR動(dòng)量3種風(fēng)險(xiǎn)調(diào)整后動(dòng)量。

（三）樣本選擇及分析

為了檢驗(yàn)動(dòng)量質(zhì)量及風(fēng)險(xiǎn)調(diào)整后動(dòng)量在資本市場(chǎng)上的有效性，本文選擇申萬(wàn)一級(jí)行業(yè)指數(shù)構(gòu)建行業(yè)動(dòng)量進(jìn)行研究。申萬(wàn)一級(jí)行業(yè)指數(shù)將所有上市公司劃分為28個(gè)行業(yè)， 數(shù)據(jù)從2000年1月開(kāi)始，行業(yè)細(xì)分性較好，時(shí)間跨度長(zhǎng)，且相對(duì)于個(gè)股動(dòng)量，行業(yè)動(dòng)量在實(shí)際投資過(guò)程中可操作性更強(qiáng)，因?yàn)橄鄬?duì)于買(mǎi)入幾百只個(gè)股而言， 行業(yè)ETF的投資渠道無(wú)疑成本更低、效率更高。表1報(bào)告了28個(gè)行業(yè)在2000年1月至2020年6月的收益及風(fēng)險(xiǎn)。可以看到，在這20年的樣本區(qū)間內(nèi)，食品飲料、家用電器及醫(yī)藥生物3個(gè)行業(yè)的收益率最高，且食品飲料行業(yè)的風(fēng)險(xiǎn)最低（無(wú)論是年化波動(dòng)率還是CVaR），家用電器和醫(yī)藥生物的風(fēng)險(xiǎn)也較絕大部分行業(yè)要低，因此這3個(gè)行業(yè)的夏普比率遠(yuǎn)高于其他行業(yè);相對(duì)而言，采掘、紡織服裝和鋼鐵行業(yè)的收益率和夏普比率均是最低的;單從風(fēng)險(xiǎn)角度來(lái)看，非銀金融的年化波動(dòng)率最高，達(dá)到了41.25%，這與證券及保險(xiǎn)行業(yè)受市場(chǎng)影響較大有關(guān);公用事業(yè)行業(yè)風(fēng)險(xiǎn)僅略高于食品飲料行業(yè)，但是其年化收益率僅為1.08%，低于市場(chǎng)無(wú)風(fēng)險(xiǎn)利率。

三、實(shí)證分析

（一）相關(guān)性分析

本文采用風(fēng)險(xiǎn)調(diào)整動(dòng)量和基于信息連續(xù)性的動(dòng)量質(zhì)量來(lái)對(duì)傳統(tǒng)動(dòng)量進(jìn)行調(diào)整。表2報(bào)告了3種風(fēng)險(xiǎn)度量方法及信息連續(xù)性的相關(guān)系數(shù)矩陣，其中Panel A是采用12個(gè)月（250個(gè)交易日）連續(xù)數(shù)據(jù)計(jì)算出的結(jié)果，Panel B是采用1個(gè)月（22個(gè)交易日）數(shù)據(jù)計(jì)算出的結(jié)果?？梢钥吹剑?種風(fēng)險(xiǎn)度量指標(biāo)間的相關(guān)性極強(qiáng)，12個(gè)月的長(zhǎng)期風(fēng)險(xiǎn)間相關(guān)性要高于1個(gè)月的短期風(fēng)險(xiǎn)間相關(guān)性;信息連續(xù)性與風(fēng)險(xiǎn)度量指標(biāo)間雖然相關(guān)系數(shù)仍然十分顯著，但是數(shù)值卻均低于0.2，且部分相關(guān)性表現(xiàn)為正，部分相關(guān)性表現(xiàn)為負(fù)，說(shuō)明信息連續(xù)性所蘊(yùn)含的信息是不同于資產(chǎn)本身風(fēng)險(xiǎn)的，因此用信息連續(xù)性構(gòu)造的動(dòng)量質(zhì)量與風(fēng)險(xiǎn)調(diào)整動(dòng)量也將包含不同的信息。

（二）12個(gè)月動(dòng)量

本文借鑒Jegadeesh等（1993）[1]的方法，采用過(guò)去12個(gè)月（跳過(guò)最近的1個(gè)月）的資產(chǎn)收益率來(lái)計(jì)算資產(chǎn)動(dòng)量。除了傳統(tǒng)動(dòng)量外，按照動(dòng)量質(zhì)量和風(fēng)險(xiǎn)調(diào)整動(dòng)量分別構(gòu)造了4種動(dòng)量策略，分別是波動(dòng)率動(dòng)量、下行波動(dòng)率動(dòng)量、CVaR動(dòng)量及ID動(dòng)量。每個(gè)月月初按照動(dòng)量高低，將28個(gè)行業(yè)分為4個(gè)分位，其中Q1為動(dòng)量最高的7個(gè)行業(yè)，Q2為動(dòng)量次高的7個(gè)行業(yè)，Q3為動(dòng)量次低的7個(gè)行業(yè)，Q4為動(dòng)量最低的7個(gè)行業(yè)，Q1-Q4為多空對(duì)沖組合，即做多動(dòng)量最高的7個(gè)行業(yè)，同時(shí)做空動(dòng)量最低的7個(gè)行業(yè)。表3報(bào)告了5種動(dòng)量策略的收益及風(fēng)險(xiǎn)統(tǒng)計(jì)結(jié)果， 其中Panel A是對(duì)28個(gè)行業(yè)等權(quán)重配置的風(fēng)險(xiǎn)收益統(tǒng)計(jì)結(jié)果，Panel B是傳統(tǒng)動(dòng)量的統(tǒng)計(jì)結(jié)果，Panel C是波動(dòng)率動(dòng)量的統(tǒng)計(jì)結(jié)果，Panel D是下行波動(dòng)率動(dòng)量的統(tǒng)計(jì)結(jié)果，Panel E是CVaR動(dòng)量的統(tǒng)計(jì)結(jié)果，Panel F是ID動(dòng)量的統(tǒng)計(jì)結(jié)果。

從表3可以看到，等權(quán)重組合年化收益率為4.25%，年化波動(dòng)率約為32.58%，最大回撤高達(dá)79.86%，夏普比率約為0.04;所有的動(dòng)量組合均表現(xiàn)出收益的單調(diào)遞減（波動(dòng)率動(dòng)量Q2的收益略高于Q1），但是四個(gè)分位的風(fēng)險(xiǎn)卻相差不大;對(duì)沖組合能夠獲得較穩(wěn)定的收益率，5個(gè)動(dòng)量組合的收益率均在5%水平下顯著不為0， 且對(duì)沖組合能夠顯著降低投資風(fēng)險(xiǎn)，年化波動(dòng)率相對(duì)于各分位組合均下降了一半以上，最大回撤也均控制在45%以?xún)?nèi)，夏普比率普遍在0.2以上（傳統(tǒng)動(dòng)量對(duì)沖組合為0.19）。比較5個(gè)動(dòng)量多空組合的表現(xiàn)，可以看到，風(fēng)險(xiǎn)調(diào)整動(dòng)量及ID動(dòng)量均要優(yōu)于傳統(tǒng)動(dòng)量， 表現(xiàn)為更高的年化收益率及更高的夏普比率。因此綜合來(lái)看，說(shuō)明動(dòng)量質(zhì)量及風(fēng)險(xiǎn)調(diào)整后動(dòng)量均能有效改善傳統(tǒng)動(dòng)量的績(jī)效表現(xiàn)，且中長(zhǎng)期動(dòng)量在我國(guó)資本市場(chǎng)的行業(yè)投資層面是顯著存在的。

（三）1個(gè)月動(dòng)量

在構(gòu)建動(dòng)量策略時(shí)往往會(huì)跳過(guò)最近的一個(gè)月，這主要是因?yàn)橘Y本市場(chǎng)往往表現(xiàn)出長(zhǎng)期的動(dòng)量以及短期的反轉(zhuǎn)，但是行業(yè)動(dòng)量表現(xiàn)出的特征可能會(huì)與個(gè)股有差異，表4報(bào)告了1個(gè)月動(dòng)量策略在我國(guó)行業(yè)層面的表現(xiàn)，其中Panel A是傳統(tǒng)動(dòng)量的表現(xiàn)，Panel B是波動(dòng)率動(dòng)量的表現(xiàn)，Panel C是下行波動(dòng)率動(dòng)量的表現(xiàn)，Panel D是CVaR動(dòng)量的表現(xiàn)，Panel E是ID動(dòng)量的表現(xiàn)?？梢钥吹剑鄬?duì)于12個(gè)月動(dòng)量，行業(yè)層面的短期動(dòng)量更強(qiáng)，傳統(tǒng)動(dòng)量多空策略的年化收益率從12個(gè)月的5.64%上升到了6.93%，相應(yīng)地，夏普比率從0.19上升到了0.28。風(fēng)險(xiǎn)調(diào)整動(dòng)量及ID動(dòng)量的年化收益率和夏普比率也有了不同幅度的上升，年化收益率最高的是下行波動(dòng)率動(dòng)量的8.69%，夏普比率高達(dá)0.40;ID動(dòng)量提升幅度略低，其年化收益率從12個(gè)月的7.03%提高到了7.2%?？傮w來(lái)看，風(fēng)險(xiǎn)調(diào)整后動(dòng)量及動(dòng)量質(zhì)量仍然顯著優(yōu)于傳統(tǒng)動(dòng)量，且在我國(guó)資本市場(chǎng)的行業(yè)投資層面，短期動(dòng)量的績(jī)效表現(xiàn)要優(yōu)于中長(zhǎng)期動(dòng)量。

（四）分樣本檢驗(yàn)

為了檢驗(yàn)結(jié)果的穩(wěn)健性，本部分將整個(gè)樣本區(qū)間劃分為兩部分，分別為2001年1月至2010年12月以及2011年1月至2020年6月，各包含大概10年時(shí)間。表5報(bào)告了分樣本檢驗(yàn)結(jié)果，為了節(jié)約篇幅，僅報(bào)告了多空組合（Q1-Q4）的年化收益率、年化波動(dòng)率及夏普比率。Panel A和Panel B報(bào)告的是等權(quán)重組合在分樣本區(qū)間的績(jī)效表現(xiàn)，Panel C和Panel D報(bào)告的是12個(gè)月動(dòng)量在分樣本區(qū)間的績(jī)效表現(xiàn)，Panel E和Panel F報(bào)告的是1個(gè)月動(dòng)量在分樣本區(qū)間的績(jī)效表現(xiàn)。可以看到，除了2001—2010年間12個(gè)月的傳統(tǒng)動(dòng)量，其他的動(dòng)量組合均大幅跑贏等權(quán)重組合，且所有動(dòng)量組合的風(fēng)險(xiǎn)要遠(yuǎn)低于等權(quán)重組合; 除了2011—2020年的12個(gè)月動(dòng)量組合中，傳統(tǒng)動(dòng)量跑贏了風(fēng)險(xiǎn)調(diào)整動(dòng)量，其余所有時(shí)間段和長(zhǎng)短期動(dòng)量，風(fēng)險(xiǎn)調(diào)整動(dòng)量及ID動(dòng)量均跑贏了傳統(tǒng)動(dòng)量;12個(gè)月的動(dòng)量組合在2011—2020年的表現(xiàn)要優(yōu)于2001—2010年，但是1個(gè)月的動(dòng)量組合在2011—2020年的動(dòng)量組合的表現(xiàn)要略差于2001—2010年;12個(gè)月的ID動(dòng)量在2011—2020年獲得了10.75%的多空收益，遠(yuǎn)高于任意時(shí)間段的任意動(dòng)量組合，其夏普比率高達(dá)0.58。因此綜合來(lái)看，動(dòng)量組合的績(jī)效表現(xiàn)要遠(yuǎn)優(yōu)于普通的等權(quán)重配置組合， 同時(shí)風(fēng)險(xiǎn)調(diào)整動(dòng)量及ID動(dòng)量的表現(xiàn)要優(yōu)于傳統(tǒng)動(dòng)量，研究結(jié)論是穩(wěn)健的。

（五）商品期貨市場(chǎng)的短期動(dòng)量反轉(zhuǎn)

最后考察風(fēng)險(xiǎn)調(diào)整動(dòng)量及ID動(dòng)量在商品期貨市場(chǎng)是否同樣優(yōu)于傳統(tǒng)動(dòng)量。本文選擇2011年4月以前上市的商品期貨構(gòu)造動(dòng)量策略， 包括燃油、焦炭、棉花、大豆等共24種。采用行業(yè)動(dòng)量相似的方法將所有的商品期貨劃分為4個(gè)分位，其中動(dòng)量最高的6種商品為Q1，動(dòng)量最低的6種商品為Q4。經(jīng)檢驗(yàn)，商品期貨市場(chǎng)上不存在12個(gè)月動(dòng)量和1個(gè)月動(dòng)量（限于篇幅，結(jié)果未報(bào)告），但是存在著1個(gè)月的反轉(zhuǎn)效應(yīng)，因此表6報(bào)告了多空組合1個(gè)月反轉(zhuǎn)效應(yīng)的績(jī)效表現(xiàn)，其中多頭端為Q4，空頭端為Q1，即買(mǎi)入動(dòng)量最低的6種商品，賣(mài)出動(dòng)量最高的6種商品。可以看到，ID動(dòng)量反轉(zhuǎn)和風(fēng)險(xiǎn)調(diào)整后動(dòng)量反轉(zhuǎn)同樣優(yōu)于傳統(tǒng)動(dòng)量反轉(zhuǎn);所有的動(dòng)量反轉(zhuǎn)組合均要遠(yuǎn)優(yōu)于等權(quán)重組合，最大回撤也要優(yōu)于等權(quán)重組合，只是動(dòng)量反轉(zhuǎn)組合的年化波動(dòng)率和CVaR略高于等權(quán)重組合。因此綜合來(lái)看，在商品期貨市場(chǎng)上，動(dòng)量質(zhì)量和風(fēng)險(xiǎn)調(diào)整后動(dòng)量對(duì)傳統(tǒng)動(dòng)量反轉(zhuǎn)效應(yīng)的改進(jìn)仍然是顯著的。

四、結(jié)論與討論

風(fēng)險(xiǎn)調(diào)整后收益及信息連續(xù)性均可以對(duì)傳統(tǒng)動(dòng)量策略的投資績(jī)效進(jìn)行一定的改善，本文利用波動(dòng)率、下行波動(dòng)率及CVaR三種風(fēng)險(xiǎn)衡量指標(biāo)構(gòu)造風(fēng)險(xiǎn)調(diào)整動(dòng)量，利用信息連續(xù)性構(gòu)造ID動(dòng)量質(zhì)量，并采用2001年1月至2020年6月我國(guó)申萬(wàn)一級(jí)行業(yè)指數(shù)研究了風(fēng)險(xiǎn)調(diào)整動(dòng)量及動(dòng)量質(zhì)量對(duì)傳統(tǒng)動(dòng)量策略的改進(jìn)效果，研究結(jié)果發(fā)現(xiàn)：動(dòng)量質(zhì)量及風(fēng)險(xiǎn)調(diào)整后動(dòng)量均能有效改善傳統(tǒng)動(dòng)量的績(jī)效表現(xiàn)，12個(gè)月的中長(zhǎng)期動(dòng)量在我國(guó)資本市場(chǎng)的行業(yè)投資層面是顯著存在的; 從1個(gè)月的短期動(dòng)量來(lái)看， 行業(yè)投資層面的短期動(dòng)量要強(qiáng)于中長(zhǎng)期動(dòng)量，同時(shí)短期的風(fēng)險(xiǎn)調(diào)整后動(dòng)量及動(dòng)量質(zhì)量仍然顯著優(yōu)于傳統(tǒng)動(dòng)量;分樣本區(qū)間的檢驗(yàn)結(jié)果驗(yàn)證了研究結(jié)論的穩(wěn)健性;最后，考察風(fēng)險(xiǎn)調(diào)整動(dòng)量及動(dòng)量質(zhì)量在商品期貨市場(chǎng)上的表現(xiàn)，商品期貨市場(chǎng)僅存在1個(gè)月的動(dòng)量反轉(zhuǎn)， 且ID動(dòng)量反轉(zhuǎn)和風(fēng)險(xiǎn)調(diào)整后動(dòng)量反轉(zhuǎn)顯著優(yōu)于傳統(tǒng)動(dòng)量反轉(zhuǎn)。因此總體來(lái)看，風(fēng)險(xiǎn)調(diào)整動(dòng)量及基于信息連續(xù)性的動(dòng)量質(zhì)量能夠改善傳統(tǒng)動(dòng)量策略的投資績(jī)效，且在不同時(shí)間段、不同資本市場(chǎng)上均成立。

本文的研究結(jié)論既是對(duì)資產(chǎn)定價(jià)及投資組合理論的有力補(bǔ)充， 同時(shí)也具有較強(qiáng)的實(shí)踐指導(dǎo)意義：第一，雖然很多文獻(xiàn)均檢驗(yàn)發(fā)現(xiàn)，我國(guó)個(gè)股層面的動(dòng)量效應(yīng)并不強(qiáng)， 但是實(shí)際上在行業(yè)投資層面，動(dòng)量仍然是廣泛存在的，且行業(yè)層面的投資相對(duì)于個(gè)股更容易實(shí)施， 表現(xiàn)為更多的行業(yè)ETF基金可供選擇。因此相對(duì)于個(gè)股層面的投資，可以更多地從行業(yè)層面構(gòu)造投資策略，如本文所采用的動(dòng)量策略以提高投資績(jī)效。第二，經(jīng)風(fēng)險(xiǎn)調(diào)整后的動(dòng)量收益顯著高于傳統(tǒng)動(dòng)量，也就是說(shuō)，在進(jìn)行投資時(shí)，除了考慮資產(chǎn)本身的收益率之外，對(duì)風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確的衡量及分析， 是提高投資效益的重要手段，且風(fēng)險(xiǎn)度量指標(biāo)很多，多種指標(biāo)相互比較并選擇最合適的指標(biāo)如尾部風(fēng)險(xiǎn)指標(biāo)， 可以進(jìn)一步改善投資績(jī)效。第三，信息連續(xù)性本身包含的信息是投資者的有限關(guān)注，投資者往往會(huì)關(guān)注那些漲跌幅度更大的股票或行業(yè)，即博彩型股票或行業(yè)，但是往往那些受關(guān)注更低的股票或行業(yè)價(jià)格會(huì)被低估，從而期望收益更高，因此在進(jìn)行投資組合構(gòu)建時(shí)，可以從投資者有限關(guān)注或其他行為金融學(xué)視角進(jìn)行進(jìn)一步評(píng)估，這也是提升投資績(jī)效的有效手段。

參考文獻(xiàn)：

[1]JEGADEESH N，TITMAN S.Returns to Buying Winners and Selling Losers：Implication for Stock Market Efficiency[J].Journal of Finance，1993，48（1）：65-91.

[2]FAMA E F，F(xiàn)RENCH K R.Common Risk Factors in the Returns on Stocks and Bonds[J].Journal of Financial Economics，1993，33（1）：3-56.

[3]CARHART M M.On Persistence in Mutual Fund Performance[J].Journal of Finance，1997，52（1）：57-82.

[4]ASNESS C S，MOSKOWITZ T J，PEDERSEN L H.Value and Momentum Everywhere[J].Journal of Finance，2013，68（3）：929-985.

[5]李良新.大宗商品期貨交易中的動(dòng)量效應(yīng)與反轉(zhuǎn)效應(yīng)研究[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（1）：62-63.

[6]宋光輝，董永琦，陳楊煬，等.中國(guó)股票市場(chǎng)流動(dòng)性與動(dòng)量效應(yīng)——基于Fama-French五因子模型的進(jìn)一步研究[J].金融經(jīng)濟(jì)學(xué)研究，2017（1）：36-50.

[7]王德宏，宋建波.期間因素能否影響動(dòng)量效應(yīng)的市場(chǎng)表現(xiàn)？——來(lái)自中國(guó)股票市場(chǎng)的經(jīng)驗(yàn)證據(jù)[J].金融評(píng)論，2017（3）：75-90.

[8]李富軍，姜富偉，楊樺.投資者理性特征對(duì)動(dòng)量效應(yīng)的影響——基于中國(guó)A股市場(chǎng)的證據(jù)[J].宏觀經(jīng)濟(jì)研究，2019（11）：112-122.

[9]周亮，李紅權(quán).投資時(shí)鐘原理及戰(zhàn)術(shù)資產(chǎn)配置在投資組合管理中的應(yīng)用——基于修正Black-Litterman模型[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019（10）：92-105.

[10]DANIEL K D，HIRSHLEIFER D，SUBRAHMANYAM A.Overconfidence，Arbitrage，and Equilibrium Asset Pricing[J].Journal of Finance，2001，56（3）：921-965.

[11]FRAZZINI A，ISRAEL R，MOSKOWITZ T J.Trading Costs of Asset Pricing Anomalies[R].SSRN Working Paper，2014.

[12]HAMEED A，HONG D，WARACHKA M.Momentum and Informed Trading[R].SSRN Working Paper，2008.

[13]KIMA B，SUHB S.Sentiment-based Momentum Strategy[J].International Review of Financial Analysis，2018，58（5）：52-68.

[14]LIU X，ZHANG L.Momentum Profits，F(xiàn)actor Pricing，and Macroeconomic Risk[J].Review of Financial Studies，2008，

21（6）：2417-2448.

[15]GECZY C，SAMONOV M.Two Centuries of Price-return Momentum[J].Financial Analysts Journal，2016，72（5）：32-56.

[16]DANIEL K，MOSKOWITZ T J.Momentum Crashes[J].Journal of Financial Economics，2016，122（2）：221-247.

[17]YAN P.Crowded Trades，Short Covering，and Momentum Crashes[R].SSRN Working Paper，2014.

[18]BARROSO P，SANTA-CLARA P.Momentum Has Its Moments[J].Journal of Financial Economics，2015，116（1）：111-120.

[19]BLITZ D，HUIJ J，MARTENS M.Residual Momentum[J].Journal of Empirical Finance，2011，18（3）：506-521.

[20]CHANG R P，KO K C，NAKANO S，et al.Residual Momentum in Japan[J].Journal of Empirical Finance，2018，45（11）：283-299.

[21]LIN Q.Residual Momentum and the Cross-section of Stock Returns：Chinese Evidence[J].Finance Research Letters，2019，29（7）：206-215.

[22]GINO F，BAZERMAN M.When Misconduct Goes Unnoticed：The Acceptability of Gradual Erosion in Others Unethical Behavior[J].Journal of Experimental Social Psychology，2009，45（4）：708-719.

[23]DA Z，GURUN U G，WARACHKA M.Frog in the Pan：Continuous Information and Momentum[J].Review of Fi-nancial Studies，2014，27（7）：2171-2218.

[24]RACHEV S，JASIC T，STOYANOV S，et al.Momentum Str-ategies Based on Reward-risk Stock Selection Criteria[J].Journal of Banking & Finance 2007，31（8）：2325-2346.

[25]BLITZ D C，VAN VLIET P.The Volatility Effect：Lower Risk without Lower Return[J].Journal of Portfolio Management，2007，34（1）：102-113.

[26]BAKER M，BRADLEY B，WURGLER J.Benchmarks as Limits to Arbitrage：Understanding the Low-volatility Anomaly[J].Financial Analysts Journal，2011，67（1）：40-54.

[27]FRAZZINI A，PEDERSEN L H.Betting against Beta[J].Journal of Financial Economics，2014，111（1）：1-25.

[28]周亮.中國(guó)股市低風(fēng)險(xiǎn)異象研究[J].金融理論與實(shí)踐，2020（3）：90-96.

[29]CHOI J，KIM Y S，MITOV I.Reward-risk Momentum Str-ategies Using Classical Tempered Stable Distribution[J].Journal of Banking & Finance，2015，58（9）：194-213.

[30]ROCKAFELLAR R T，URYASEV S.Conditional Value-at-Risk for General Loss Distributions[J].Journal of Banking & Finance，2002，26（7）：1443-1471.

Momentum Quality and Risk-adjusted Momentum in Financial Markets

Zhou Liang

（School of Finance， Hunan University of Finance and Economics， Changsha 410205， China）

Abstract： Risk-adjusted returns and information continuity can improve the investment performance of traditional momentum strategies. The paper used three risk indicators including volatility， downward volatility and CVaR to construct risk adjustment momentum， and information continuity is used to construct momentum quality. The improvement effects of the two on traditional momentum strategies are tested at the industry investment level of Chinas stock market. The research results show that whether it is a 12-month medium-to-long-term momentum or a 1-month short-term momentum， momentum quality and risk-adjusted momentum can effectively improve the performance of traditional momentum， manifested in a higher annualized return and Sharpe ratio， and the research conclusion is stable in different sub-sample intervals and commodity futures markets. The research conclusions are not only a powerful supplement to the theory of industry investment and asset allocation， but also have strong practical guiding significance. For example， when using momentum strategies at the industry level， risks and the impact of investors limited attention on strategy performance should be considered.

Key words： momentum quality; momentum effect; risk-adjusted momentum; limited attention

（責(zé)任編輯：李丹;校對(duì)：龍會(huì)芳）

收稿日期：2020-08-08

基金項(xiàng)目：湖南省教育廳科學(xué)研究項(xiàng)目“行為金融視角下跨市場(chǎng)投資組合管理及尾部風(fēng)險(xiǎn)控制”（18B485）

作者簡(jiǎn)介：周亮，男，湖南邵陽(yáng)人，博士研究生，研究方向?yàn)榻鹑诠こ獭?/p>