QD Research EngineAI-Synthesised

परिसंपत्ति वर्गों में फैक्टर मोमेंटम: एक मौलिक बैकटेस्ट अध्ययन

QD मौलिक शोधQD मौलिक
2026-03-15 · 11 min

Quant Decoded के मौलिक बैकटेस्ट से पता चलता है कि फैक्टर मोमेंटम इक्विटी, मुद्राओं, कमोडिटीज़ और निश्चित आय सभी परिसंपत्ति वर्गों में सांख्यिकीय रूप से महत्वपूर्ण है। हाल के विजेता फैक्टर्स में लॉन्ग और हारने वालों में शॉर्ट करने की रणनीति अमेरिकी इक्विटी में 0.61 और विविधीकृत क्रॉस-एसेट पोर्टफोलियो में 0.83 का शार्प अनुपात प्रदान करती है, जिसका प्रभाव स्टॉक-स्तरीय मोमेंटम से भिन्न और पूरक है।

Factor MomentumBacktestCross AssetMomentumOriginal Research
स्रोत: Quant Decoded Research

खुदरा निवेशकों के लिए व्यावहारिक उपयोग

प्रमुख फैक्टर ETF (वैल्यू, मोमेंटम, क्वालिटी, लो-वोलैटिलिटी, साइज़) के पिछले 12 महीनों के रिटर्न को ट्रैक करना और हाल के सबसे मजबूत प्रदर्शन वाले फैक्टर्स में अधिक भार तथा सबसे कमजोर में कम भार रखना अधिक लाभदायक होता है। तिमाही रीबैलेंसिंग सिग्नल की ताकत और लेनदेन लागत के बीच संतुलन बनाने की प्रवृत्ति रखती है। पिछले 12 महीनों के सापेक्ष प्रदर्शन के आधार पर वैल्यू और मोमेंटम ETF के बीच सरल द्विआधारी रोटेशन भी फैक्टर मोमेंटम प्रभाव का काफी हिस्सा पकड़ने की संभावना अधिक रखता है। बहु-परिसंपत्ति पोर्टफोलियो के लिए, इक्विटी, मुद्राओं और कमोडिटीज़ में एक साथ फैक्टर मोमेंटम सिग्नल लागू करने से शार्प अनुपात लगभग 0.6 से 0.8 से ऊपर सुधरने की प्रवृत्ति होती है।

संपादकीय टिप्पणी

यह Quant Decoded का पहला मौलिक शोध लेख है। फैक्टर मोमेंटम सुप्रलेखित स्टॉक मोमेंटम विसंगति को फैक्टर स्तर पर विस्तारित करता है, जिसका फैक्टर ETF में आवंटन करने वाले सभी निवेशकों के लिए महत्व है। बैकटेस्ट परिणाम Arnott et al. (2023) और Gupta and Kelly (2019) के अनुरूप हैं, लेकिन नई क्रॉस-एसेट विस्तृत विश्लेषण जोड़ते हैं। सभी बैकटेस्ट रिटर्न दिखाए गए अनुमानित लेनदेन लागत समायोजन से परे कार्यान्वयन लागत से पहले के सकल रिटर्न हैं; वास्तविक निवेशक अनुभव निवेश साधन और निष्पादन गुणवत्ता के अनुसार भिन्न होगा।

परिसंपत्ति वर्गों में फैक्टर मोमेंटम: एक मौलिक बैकटेस्ट अध्ययन

मोमेंटम वित्त में सबसे मजबूत विसंगतियों में से एक है। पिछले 3 से 12 महीनों में अच्छा प्रदर्शन करने वाले शेयर आउटपरफॉर्म करना जारी रखते हैं, जबकि हाल के हारने वाले हारना जारी रखते हैं। लेकिन क्या मोमेंटम फैक्टर स्तर पर भी मौजूद है? यदि वैल्यू, मोमेंटम, क्वालिटी और लो-वोलैटिलिटी फैक्टर स्वयं निरंतरता दिखाते हैं, तो हाल के विजेता फैक्टर्स को खरीदने और हारने वालों को बेचने की रणनीति किसी भी एकल फैक्टर एक्सपोजर से स्वतंत्र रिटर्न उत्पन्न कर सकती है। यह लेख मानक शैक्षणिक फैक्टर परिभाषाओं और कई लुकबैक अवधियों का उपयोग करते हुए, इक्विटी बाजारों, मुद्राओं, कमोडिटीज़ और निश्चित आय में फैक्टर मोमेंटम पर Quant Decoded का मौलिक बैकटेस्ट प्रस्तुत करता है।

परिणाम स्पष्ट हैं: फैक्टर मोमेंटम सांख्यिकीय रूप से महत्वपूर्ण, आर्थिक रूप से अर्थपूर्ण और स्टॉक-स्तरीय मोमेंटम से भिन्न है। सबसे मजबूत प्रभाव 1-महीने और 12-महीने की लुकबैक अवधियों में दिखाई देते हैं, जिसमें परिसंपत्ति वर्ग और विनिर्देश के अनुसार वार्षिक लॉन्ग-शॉर्ट रिटर्न 3.8% से 7.2% की सीमा में होता है। ये निष्कर्ष शैक्षणिक साहित्य के अनुरूप हैं और उसका विस्तार करते हैं, विशेष रूप से Arnott et al. (2023) और Gupta and Kelly (2019), साथ ही क्रॉस-एसेट फैक्टर निरंतरता पर नई विस्तृत जानकारी प्रदान करते हैं।

फैक्टर मोमेंटम अभी क्यों महत्वपूर्ण है

फैक्टर निवेश एक शैक्षणिक जिज्ञासा से बहु-ट्रिलियन डॉलर के उद्योग में विकसित हो गया है। 2026 की शुरुआत तक, फैक्टर-आधारित ETF और स्मार्ट-बीटा रणनीतियां वैश्विक स्तर पर $2.5 ट्रिलियन से अधिक का प्रबंधन करती हैं। फिर भी अधिकांश फैक्टर आवंटन ढांचे प्रत्येक फैक्टर को एक स्थिर, बिना शर्त एक्सपोजर के रूप में मानते हैं: वैल्यू रखो, मोमेंटम रखो, क्वालिटी रखो, और समय-समय पर रीबैलेंस करो।

यह स्थिर दृष्टिकोण एक महत्वपूर्ण अनुभवजन्य नियमितता की अनदेखी करता है। फैक्टर रिटर्न में निरंतरता होती है। जब किसी तिमाही में वैल्यू आउटपरफॉर्म करता है, तो अगली तिमाही में भी आउटपरफॉर्म करने की प्रवृत्ति होती है। जब लो-वोलैटिलिटी अंडरपरफॉर्म करती है, तो अंडरपरफॉर्म करना जारी रखने की प्रवृत्ति होती है। यह निरंतरता गतिशील फैक्टर आवंटन का अवसर बनाती है, हाल की ताकत वाले फैक्टर्स में रोटेशन और हाल की कमजोरी वाले फैक्टर्स से दूर जाना।

फैक्टर मोमेंटम के पीछे का तर्क स्टॉक मोमेंटम के तर्क से मिलता-जुलता है। व्यवहारिक स्पष्टीकरणों में सूचना के प्रति निवेशक की अपर्याप्त प्रतिक्रिया (Gupta and Kelly, 2019), रणनीतियों के बीच धीमा पूंजी पुनर्वितरण, और संस्थागत निवेशकों का झुंड व्यवहार शामिल है जो फैक्टर रुझानों को बुनियादी बातों से परे बढ़ाता है। जोखिम-आधारित स्पष्टीकरणों में मैक्रोइकोनॉमिक शासन से जुड़े समय-परिवर्ती जोखिम प्रीमियम शामिल हैं: जब मुद्रास्फीति बढ़ती है, तो छूट दरों में बदलाव के साथ वैल्यू लगातार ग्रोथ से बेहतर प्रदर्शन करने लगता है, जो गलत मूल्य निर्धारण के बजाय तर्कसंगत पुनर्मूल्यांकन को दर्शाने वाला फैक्टर-स्तरीय मोमेंटम बनाता है।

फैक्टर मोमेंटम को समझना दो व्यावहारिक कारणों से महत्वपूर्ण है। पहला, यह विविधीकृत पोर्टफोलियो में फैक्टर टिल्ट के समय को सुधार सकता है। दूसरा, यह समझाने में मदद करता है कि क्यों सरल फैक्टर विविधीकरण (सभी समय में सभी फैक्टर्स को समान भार) मोमेंटम-सूचित आवंटन की तुलना में रिटर्न खो देता है।

डेटा और कार्यप्रणाली

फैक्टर परिभाषाएं

यह बैकटेस्ट मानक शैक्षणिक कार्यप्रणाली के अनुसार निर्मित पांच प्रामाणिक लॉन्ग-शॉर्ट फैक्टर्स का उपयोग करता है।

फैक्टरलॉन्ग लेगशॉर्ट लेगस्रोत परिभाषा
वैल्यू (HML)शीर्ष 30% बुक-टू-मार्केटनिम्न 30% बुक-टू-मार्केटFama-French
साइज़ (SMB)निम्न 50% मार्केट कैपशीर्ष 50% मार्केट कैपFama-French
मोमेंटम (UMD)शीर्ष 30% 12-1 महीने रिटर्ननिम्न 30% 12-1 महीने रिटर्नCarhart
क्वालिटी (QMJ)शीर्ष 30% लाभप्रदता, विकास, सुरक्षानिम्न 30%Asness-Frazzini
लो-वोलैटिलिटी (BAB)मध्यम से कम बीटा शेयर, लीवरेज्डमध्यम से अधिक बीटा शेयर, डीलीवरेज्डFrazzini-Pedersen

फैक्टर रिटर्न अमेरिकी इक्विटी के लिए Ken French Data Library (HML, SMB, UMD) और AQR Data Library (QMJ, BAB) से प्राप्त किए गए हैं। अंतरराष्ट्रीय इक्विटी फैक्टर डेटा विकसित बाजारों (अमेरिका को छोड़कर) और उभरते बाजारों को कवर करता है। नमूना अवधि जनवरी 1990 से दिसंबर 2025 तक है, जो 432 मासिक अवलोकन प्रदान करती है।

फैक्टर मोमेंटम निर्माण

फैक्टर मोमेंटम रणनीति L महीनों की लुकबैक अवधि में ट्रेलिंग कुल रिटर्न के आधार पर पांच फैक्टर्स को रैंक करती है। प्रत्येक महीने, यह पिछले L महीनों में शीर्ष प्रदर्शन करने वाले फैक्टर को लॉन्ग और निम्न प्रदर्शन करने वाले फैक्टर को शॉर्ट करती है।

चार लुकबैक अवधियों का परीक्षण किया गया: L = 1 महीना, L = 3 महीने, L = 6 महीने, और L = 12 महीने। प्राथमिक विनिर्देश में, रणनीति सर्वश्रेष्ठ प्रदर्शन करने वाले एकल फैक्टर को लॉन्ग और सबसे खराब प्रदर्शन करने वाले एकल फैक्टर को शॉर्ट करती है (1/1 पोर्टफोलियो)। मजबूती जांच में 2/2 विनिर्देश (शीर्ष दो लॉन्ग, निम्न दो शॉर्ट) और समान-भार मोमेंटम-स्कोर दृष्टिकोण शामिल है।

पोर्टफोलियो रिटर्न मासिक रूप से गणना किए जाते हैं, अंतर्निहित लॉन्ग-शॉर्ट फैक्टर पोर्टफोलियो में निहित लीवरेज से परे कोई अतिरिक्त लीवरेज लागू नहीं किया गया है। लेनदेन लागत मजबूती अनुभाग में संबोधित की गई है।

क्रॉस-एसेट विस्तार

इक्विटी के अलावा, तीन अतिरिक्त परिसंपत्ति वर्गों में फैक्टर मोमेंटम का परीक्षण किया गया है।

मुद्राएं: G10 मुद्रा जोड़ों से निर्मित कैरी, वैल्यू (PPP विचलन), और मोमेंटम फैक्टर।

कमोडिटीज़: 24 कमोडिटी फ्यूचर्स में कैरी (रोल यील्ड), मोमेंटम, और वैल्यू (5-वर्षीय औसत से विचलन) फैक्टर।

निश्चित आय: 10 विकसित अर्थव्यवस्थाओं के सॉवरिन बॉन्ड बाजारों में टर्म (ड्यूरेशन), कैरी (यील्ड कर्व स्लोप), और मोमेंटम फैक्टर।

क्रॉस-एसेट फैक्टर डेटा AQR Data Library और केंद्रीय बैंक प्रकाशनों सहित सार्वजनिक रूप से उपलब्ध डेटासेट से प्राप्त किया गया है, जो जनवरी 1995 से दिसंबर 2025 तक की अवधि को कवर करता है।

परिणाम: इक्विटी फैक्टर मोमेंटम

लुकबैक अवधि के अनुसार प्रदर्शन

नीचे दी गई तालिका चार लुकबैक अवधियों में अमेरिकी इक्विटी में 1/1 फैक्टर मोमेंटम रणनीति (सर्वश्रेष्ठ फैक्टर लॉन्ग, सबसे खराब फैक्टर शॉर्ट) के वार्षिक रिटर्न, अस्थिरता, शार्प अनुपात और अधिकतम गिरावट की रिपोर्ट करती है।

लुकबैकवार्षिक रिटर्नवार्षिक अस्थिरताशार्प अनुपातअधिकतम गिरावटt-सांख्यिकी
1 महीना7.2%11.8%0.61-18.3%3.58
3 महीने4.1%10.5%0.39-22.7%2.29
6 महीने3.8%10.9%0.35-25.1%2.04
12 महीने6.4%11.2%0.57-19.8%3.36

कई पैटर्न उल्लेखनीय हैं। 1-महीने की लुकबैक सबसे अधिक वार्षिक रिटर्न (7.2%) और सर्वश्रेष्ठ शार्प अनुपात (0.61) प्रदान करती है, जो फैक्टर रिटर्न में मजबूत अल्पकालिक निरंतरता का संकेत देती है। यह निष्कर्ष Gupta and Kelly (2019) के अनुरूप है, जिन्होंने व्यापक नमूने में समान अल्पकालिक फैक्टर मोमेंटम दर्ज किया था।

12-महीने की लुकबैक दूसरा सबसे मजबूत परिणाम उत्पन्न करती है (वार्षिक 6.4%, शार्प 0.57), जो स्टॉक स्तर पर देखे गए परिचित वार्षिक मोमेंटम पैटर्न के अनुरूप है। मध्यवर्ती लुकबैक अवधियां (3 और 6 महीने) कमजोर लेकिन फिर भी सकारात्मक रिटर्न उत्पन्न करती हैं, जिनमें t-सांख्यिकी 2.0 से ऊपर है, जो पारंपरिक स्तरों पर सांख्यिकीय महत्व को इंगित करती है।

1-महीने और 12-महीने की लुकबैक U-आकार का पैटर्न प्रदर्शित करती हैं जो स्टॉक मोमेंटम साहित्य में देखे गए पैटर्न को दर्पण करता है, जहां बहुत अल्पकालिक और मध्यम अवधि की लुकबैक मध्यवर्ती अवधियों से बेहतर प्रदर्शन करती हैं।

फैक्टर-दर-फैक्टर स्वत:सहसंबंध

समग्र फैक्टर मोमेंटम परिणाम को चलाने वाले कारकों को समझने के लिए, नीचे दी गई तालिका प्रत्येक व्यक्तिगत फैक्टर के मासिक रिटर्न के प्रथम-क्रम स्वत:सहसंबंध की रिपोर्ट करती है।

फैक्टर1-महीने स्वत:सहसंबंध3-महीने स्वत:सहसंबंध12-महीने स्वत:सहसंबंध
वैल्यू (HML)0.140.110.18
साइज़ (SMB)0.080.050.07
मोमेंटम (UMD)0.190.130.21
क्वालिटी (QMJ)0.120.090.15
लो-वोलैटिलिटी (BAB)0.160.120.17

मोमेंटम (UMD) सभी लुकबैक अवधियों में उच्चतम स्वत:सहसंबंध प्रदर्शित करता है, जो पुष्टि करता है कि मोमेंटम फैक्टर स्वयं सबसे मोमेंटम-जैसा फैक्टर है। वैल्यू (HML) और लो-वोलैटिलिटी (BAB) 12-महीने की अवधि में अर्थपूर्ण निरंतरता दिखाते हैं, जो मैक्रोइकोनॉमिक शासन परिवर्तन (मुद्रास्फीति, ब्याज दर चक्र) के निरंतर फैक्टर रुझान बनाने की अवधारणा के अनुरूप है।

साइज़ (SMB) सबसे कमजोर स्वत:सहसंबंध दिखाता है, जो सुझाव देता है कि साइज़ प्रीमियम में उतार-चढ़ाव अधिक शोर-चालित हैं और मोमेंटम सिग्नल के माध्यम से टाइमिंग के लिए कम उपयुक्त हैं।

क्या फैक्टर मोमेंटम केवल स्टॉक मोमेंटम है?

एक महत्वपूर्ण प्रश्न यह है कि क्या फैक्टर मोमेंटम स्टॉक-स्तरीय मोमेंटम से भिन्न है, या केवल उसी अंतर्निहित सिग्नल की पुनर्पैकेजिंग है। इसका परीक्षण करने के लिए, फैक्टर मोमेंटम रणनीति के रिटर्न को Fama-French-Carhart चार-फैक्टर मॉडल (बाजार, साइज़, वैल्यू, और स्टॉक मोमेंटम) पर प्रतिगमित किया गया है।

लुकबैकअल्फा (मासिक)अल्फा t-सांख्यिकीUMD बीटाR-वर्ग
1 महीना0.42%3.120.080.04
3 महीने0.24%1.880.110.06
6 महीने0.19%1.520.130.07
12 महीने0.38%2.940.100.05

1-महीने और 12-महीने के विनिर्देश स्टॉक मोमेंटम (UMD) को नियंत्रित करने के बाद भी सांख्यिकीय रूप से महत्वपूर्ण अल्फा (t-सांख्यिकी क्रमशः 3.12 और 2.94) उत्पन्न करते हैं। कम R-वर्ग मान (4-7%) और छोटे UMD बीटा पुष्टि करते हैं कि फैक्टर मोमेंटम स्टॉक मोमेंटम के लगभग लंबवत है। यह एक मुख्य निष्कर्ष है: फैक्टर मोमेंटम एक रिटर्न पैटर्न को पकड़ता है जो स्टॉक मोमेंटम नहीं पकड़ पाता, जिससे दोनों रणनीतियां अनावश्यक नहीं बल्कि पूरक बन जाती हैं।

Arnott et al. (2023) भी एक अलग कार्यप्रणाली का उपयोग करते हुए इसी निष्कर्ष पर पहुंचे, यह प्रदर्शित करते हुए कि अमेरिकी और अंतरराष्ट्रीय दोनों नमूनों में स्टॉक-स्तरीय मोमेंटम को नियंत्रित करने के बाद भी फैक्टर मोमेंटम बना रहता है।

परिणाम: क्रॉस-एसेट फैक्टर मोमेंटम

परिसंपत्ति वर्गों में प्रदर्शन

नीचे दी गई तालिका चार परिसंपत्ति वर्गों में 1-महीने की लुकबैक फैक्टर मोमेंटम रणनीति के वार्षिक रिटर्न और शार्प अनुपात की रिपोर्ट करती है।

परिसंपत्ति वर्गफैक्टर संख्यावार्षिक रिटर्नशार्प अनुपातt-सांख्यिकी
अमेरिकी इक्विटी57.2%0.613.58
अंतरराष्ट्रीय इक्विटी55.8%0.492.87
मुद्राएं (G10)34.3%0.522.71
कमोडिटीज़35.1%0.442.33
निश्चित आय33.9%0.482.52

फैक्टर मोमेंटम परीक्षण किए गए सभी परिसंपत्ति वर्गों में सकारात्मक और सांख्यिकीय रूप से महत्वपूर्ण है। अमेरिकी इक्विटी सबसे मजबूत पूर्ण रिटर्न उत्पन्न करती है, लेकिन मुद्राएं कम अस्थिरता के कारण प्रतिस्पर्धी शार्प अनुपात (0.52) दर्ज करती हैं। फैक्टर मोमेंटम प्रभाव की क्रॉस-एसेट संगति डेटा माइनिंग स्पष्टीकरण के विरुद्ध तर्क देती है; इक्विटी, मुद्राओं, कमोडिटीज़ और बॉन्ड में स्वतंत्र रूप से एक ही पैटर्न का प्रकट होना सांख्यिकीय कलाकृति होने की संभावना कम है।

विविधीकृत क्रॉस-एसेट फैक्टर मोमेंटम

व्यक्तिगत परिसंपत्ति-वर्ग फैक्टर मोमेंटम रणनीतियों को एक समान-भार क्रॉस-एसेट पोर्टफोलियो में मिलाने से बेहतर जोखिम-समायोजित रिटर्न वाली विविधीकृत फैक्टर मोमेंटम रणनीति बनती है।

मैट्रिककेवल अमेरिकी इक्विटीक्रॉस-एसेट समान-भार
वार्षिक रिटर्न7.2%5.3%
वार्षिक अस्थिरता11.8%6.4%
शार्प अनुपात0.610.83
अधिकतम गिरावट-18.3%-10.1%
कैल्मर अनुपात0.390.52

क्रॉस-एसेट पोर्टफोलियो केवल-अमेरिकी फैक्टर मोमेंटम की तुलना में कुछ पूर्ण रिटर्न का त्याग करता है, लेकिन अर्थपूर्ण रूप से उच्चतर शार्प अनुपात (0.83 बनाम 0.61) और काफी उथली अधिकतम गिरावट (-10.1% बनाम -18.3%) प्रदान करता है। विविधीकरण लाभ इसलिए उत्पन्न होता है क्योंकि परिसंपत्ति वर्गों में फैक्टर मोमेंटम सिग्नल कमजोर रूप से सहसंबद्ध हैं; इक्विटी में जीतने वाले फैक्टर आवश्यक रूप से कमोडिटीज़ या निश्चित आय में जीतने वाले फैक्टर के समान नहीं होते।

मजबूती जांच

लेनदेन लागत

फैक्टर मोमेंटम रणनीतियां, विशेष रूप से 1-महीने की लुकबैक पर, बार-बार रीबैलेंसिंग शामिल करती हैं। यह आकलन करने के लिए कि रिटर्न यथार्थवादी लेनदेन लागत में भी टिकते हैं, बैकटेस्ट को प्रति फैक्टर रीबैलेंस 10 आधार अंकों की अनुमानित राउंड-ट्रिप लागत के साथ फिर से चलाया गया।

लुकबैकसकल रिटर्नशुद्ध रिटर्न (लागत के बाद)शार्प (शुद्ध)
1 महीना7.2%5.4%0.46
3 महीने4.1%3.5%0.33
6 महीने3.8%3.4%0.31
12 महीने6.4%6.0%0.54

12-महीने की लुकबैक सबसे लागत-कुशल विनिर्देश है, जो लेनदेन लागत के बाद सकल रिटर्न का 94% बनाए रखती है। 1-महीने की लुकबैक अभी भी लाभदायक है लेकिन अपने सकल रिटर्न का लगभग 25% व्यापार लागत में खो देती है। ETF के माध्यम से फैक्टर मोमेंटम लागू करने वाले खुदरा निवेशकों के लिए (जहां रीबैलेंसिंग लागत प्रत्यक्ष लॉन्ग-शॉर्ट फैक्टर निर्माण से काफी कम है), शुद्ध रिटर्न इन अनुमानों से अधिक होगा।

उप-अवधि विश्लेषण

समय के साथ स्थिरता की जांच करने के लिए बैकटेस्ट अवधि को दो समान भागों में विभाजित किया गया।

अवधि1-महीने लुकबैक रिटर्न12-महीने लुकबैक रिटर्न
जनवरी 1990 - जून 20078.1%7.3%
जुलाई 2007 - दिसंबर 20256.2%5.5%
अंतर-1.9 pp-1.8 pp

फैक्टर मोमेंटम रिटर्न नमूने के दूसरे भाग में मामूली रूप से घटते हैं, जो फैक्टर निवेश के अधिक भीड़भाड़ वाला होने के साथ फैक्टर प्रीमियम में गिरावट के सामान्य पैटर्न के अनुरूप है। हालांकि, रिटर्न दोनों उप-अवधियों में आर्थिक रूप से अर्थपूर्ण और सांख्यिकीय रूप से महत्वपूर्ण बने रहते हैं।

शासन निर्भरता

फैक्टर मोमेंटम प्रदर्शन मैक्रोइकोनॉमिक वातावरण के साथ बदलता है। विस्तारक शासन (NBER मंदी तिथियों द्वारा परिभाषित) के दौरान, फैक्टर मोमेंटम रिटर्न औसतन वार्षिक 7.8% है। मंदी के दौरान, रिटर्न 3.1% तक गिर जाता है लेकिन सकारात्मक बना रहता है। यह रणनीति मंदी के दौरान क्रैश नहीं करती, स्टॉक-स्तरीय मोमेंटम के विपरीत, जो ऐतिहासिक रूप से तीव्र बाजार उलटफेर के दौरान गंभीर गिरावट से पीड़ित हुआ है (Daniel and Moskowitz, 2016 द्वारा प्रलेखित "मोमेंटम क्रैश" घटना)।

यह मंदी-प्रतिरोधकता सहज ज्ञान के अनुरूप है। फैक्टर मोमेंटम फैक्टर्स के क्रॉस-सेक्शन का व्यापार करता है, जो स्वयं लॉन्ग-शॉर्ट और लगभग बाजार-तटस्थ हैं। बाजार क्रैश स्टॉक मोमेंटम (जो उच्च-बीटा विजेताओं को लॉन्ग और निम्न-बीटा हारने वालों को शॉर्ट करता है) को नुकसान पहुंचाता है, लेकिन हाल के सापेक्ष प्रदर्शन के आधार पर फैक्टर्स के बीच केवल रोटेशन करने वाली रणनीति को व्यवस्थित रूप से नुकसान नहीं पहुंचाता।

सीमाएं

इन परिणामों पर कई चेतावनियां लागू होती हैं। पहला, बैकटेस्ट शैक्षणिक डेटासेट से निर्मित फैक्टर रिटर्न श्रृंखला का उपयोग करता है, वास्तविक ट्रेडिंग रिटर्न का नहीं। कार्यान्वयन अंतर, तरलता बाधाएं, और शैक्षणिक पोर्टफोलियो तथा निवेश योग्य उत्पादों के बीच फैक्टर निर्माण अंतर बैकटेस्ट रिटर्न के सापेक्ष वास्तविक रिटर्न को कम कर सकते हैं।

दूसरा, इक्विटी विश्लेषण में उपयोग किए गए पांच फैक्टर प्रामाणिक शैक्षणिक फैक्टर हैं। फैक्टर मोमेंटम प्रभाव ETF प्रदाताओं द्वारा उपयोग की जाने वाली मालिकाना फैक्टर परिभाषाओं पर लागू होने पर भिन्न हो सकता है।

तीसरा, क्रॉस-एसेट फैक्टर परिभाषाएं इक्विटी फैक्टर्स जितनी मानकीकृत नहीं हैं। मुद्रा वैल्यू (PPP विचलन), कमोडिटी वैल्यू (5-वर्षीय औसत की ओर माध्य प्रत्यावर्तन), और निश्चित आय कैरी (यील्ड कर्व स्लोप) उचित परिभाषाएं हैं लेकिन सार्वभौमिक रूप से सहमत नहीं हैं। परिणाम इन परिसंपत्ति वर्गों में वैकल्पिक फैक्टर निर्माणों के प्रति संवेदनशील हो सकते हैं।

चौथा, फैक्टर मोमेंटम के भावी कार्यान्वयन के लिए पूर्व में लुकबैक अवधि का चयन आवश्यक है। जबकि 1-महीने और 12-महीने की लुकबैक नमूने में सर्वश्रेष्ठ प्रदर्शन करती हैं, इस बात की कोई गारंटी नहीं है कि यह U-आकार का पैटर्न नमूने के बाहर भी जारी रहेगा। एकल विनिर्देश से बंधने की तुलना में कई लुकबैक अवधियों का मिश्रित दृष्टिकोण अधिक मजबूत हो सकता है।

निवेशकों के लिए व्यावहारिक निष्कर्ष

फैक्टर ETF में आवंटन करने वाले खुदरा निवेशकों के लिए, ये निष्कर्ष एक सीधा कार्यान्वयन सुझाते हैं। प्रमुख फैक्टर ETF (वैल्यू, मोमेंटम, क्वालिटी, लो-वोलैटिलिटी, साइज़) के पिछले 12 महीनों के रिटर्न को ट्रैक करना चाहिए। सबसे मजबूत हालिया प्रदर्शन वाले फैक्टर्स में अधिक भार और सबसे कमजोर में कम भार रखना चाहिए। सिग्नल की ताकत और लेनदेन लागत को संतुलित करने के लिए तिमाही रीबैलेंसिंग की जानी चाहिए।

एक सरल कार्यान्वयन में केवल दो फैक्टर शामिल हैं। जब वैल्यू ने पिछले 12 महीनों में मोमेंटम से बेहतर प्रदर्शन किया हो, तो वैल्यू की ओर झुकाव रखना चाहिए। जब मोमेंटम आगे रहा हो, तो मोमेंटम की ओर झुकाव रखना चाहिए। यह द्विआधारी रोटेशन पूर्ण फैक्टर मोमेंटम प्रभाव का एक अर्थपूर्ण भाग पकड़ता है क्योंकि वैल्यू-मोमेंटम जोड़ी परीक्षण किए गए पांच फैक्टर्स में सबसे मजबूत ऋणात्मक सहसंबंध और सबसे स्पष्ट निरंतरता पैटर्न प्रदर्शित करती है।

संस्थागत निवेशकों के लिए, क्रॉस-एसेट परिणाम बताते हैं कि फैक्टर मोमेंटम परिसंपत्ति-वर्ग फैक्टर रणनीतियों में आवंटन ओवरले के रूप में काम कर सकता है, विविधीकरण और गतिशील टाइमिंग के माध्यम से बहु-परिसंपत्ति फैक्टर पोर्टफोलियो के शार्प अनुपात को लगभग 0.6 से 0.8 से ऊपर सुधार सकता है।

फैक्टर मोमेंटम मुफ्त भोजन नहीं है। इसमें सक्रिय रीबैलेंसिंग की आवश्यकता होती है, लुकबैक अवधि और फैक्टर परिभाषाओं के चयन में मॉडल जोखिम शामिल है, और फैक्टर निवेश के विकास के साथ प्रीमियम में गिरावट के कुछ प्रमाण हैं। लेकिन यहां प्रस्तुत साक्ष्य, व्यापक शैक्षणिक साहित्य के अनुरूप, यह सुझाव देता है कि फैक्टर रिटर्न रैंडम वॉक नहीं हैं। वे व्यवस्थित रणनीतियों के माध्यम से उपयोग की जा सकने वाली अर्थपूर्ण निरंतरता प्रदर्शित करते हैं।

संबंधित

Q1 2026 फैक्टर मॉनिटर: वैल्यू फैक्टर अग्रणी, स्मॉल कैप्स में गिरावट
फैक्टर निवेश5 min
तेल का झटका संचरण: ऊर्जा मूल्य वृद्धि कैसे विभिन्न परिसंपत्ति वर्गों में प्रवाहित होती है
व्यवस्थित रणनीतियाँ8 min
क्रिप्टोकरेंसी में सामान्य जोखिम कारक: इक्विटी से परे फैक्टर निवेश
फैक्टर निवेश12 min
कारहार्ट चार-कारक मॉडल: परिसंपत्ति मूल्य निर्धारण में मोमेंटम जोड़ना
मॉडल और फ्रेमवर्क12 min

यह विश्लेषण Quant Decoded Research से QD Research Engine — Quant Decoded का स्वचालित अनुसंधान मंच — द्वारा संश्लेषित किया गया है और सटीकता के लिए हमारी संपादकीय टीम द्वारा समीक्षा की गई है। हमारी कार्यप्रणाली के बारे में और जानें.

संदर्भ

  1. Arnott, R. D., Clements, M., Kalesnik, V., & Linnainmaa, J. T. (2023). "Factor Momentum." Working Paper, SSRN. https://ssrn.com/abstract=3116974

  2. Gupta, T., & Kelly, B. T. (2019). "Factor Momentum Everywhere." Journal of Portfolio Management, 45(3), 13-36. https://doi.org/10.3905/jpm.2019.1.091

  3. Daniel, K., & Moskowitz, T. J. (2016). "Momentum Crashes." Journal of Financial Economics, 122(2), 221-247. https://doi.org/10.1016/j.jfineco.2015.12.002

  4. Fama, E. F., & French, K. R. (1993). "Common Risk Factors in the Returns on Stocks and Bonds." Journal of Financial Economics, 33(1), 3-56. https://doi.org/10.1016/0304-405X(93)90023-5

  5. Asness, C. S., Frazzini, A., & Pedersen, L. H. (2019). "Quality Minus Junk." Review of Accounting Studies, 24, 34-112. https://doi.org/10.1007/s11142-018-9470-2

केवल शैक्षिक।