流动性调整动量：Amihud比率如何改变仓位管理

流动性调整动量：Amihud比率如何改变仓位管理

2009年3月至5月间，动量策略遭受了历史上最严重的回撤之一。标准12-1个月动量组合在被重创的金融股和周期股猛烈反弹、动量赢家崩溃的过程中，从高点下跌超过52%。然而，仔细分析这次崩溃的结构会发现一个惊人的事实：损失压倒性地集中在非流动性股票上。最不流动十分位的动量赢家下跌幅度是最流动十分位的三倍，最不流动的输家反弹力度也是三倍。这种模式并非2009年所独有。自1990年以来的每一次重大动量崩溃中，非流动性头寸都是尾部风险的主要来源。

这一观察激发了对标准动量策略的一个简单但有力的改进：根据流动性调整仓位规模。具体而言，按照Amihud（2002）非流动性比率的倒数来缩放每个头寸，使流动性高的动量股获得更大权重，非流动性股票获得更小权重或被完全排除。Quant Decoded的原创回测表明，仅通过仓位调整就可将夏普比率从0.55提升至0.72，完全过滤掉最不流动的股票后可达0.82，同时将最大回撤从-52%降至-29%。

最终得到的是一个保留大部分上行潜力、同时大幅降低使传统动量在实践中危险的尾部风险的策略。这种改善并非来自新的Alpha信号，而是来自对现有信号更好的风险管理，这与学术发现一致——动量看似存在的Alpha很大一部分来自交易成本使其无法实现的股票（Lesmond, Schill, Zhou, 2004）。

动量策略中的流动性问题

Jegadeesh and Titman (1993)定义的标准动量组合按过去12-1个月的收益率对股票排名，做多上十分位、做空下十分位。这种构建方式对流动性是中性的。日均成交额5亿美元的股票和200万美元的股票如果在同一十分位，就获得相同权重。

这造成了两个相关问题。首先，非流动性动量赢家在趋势反转时最难退出。动量崩溃期间，这些头寸因缺乏自然买家而出现缺口下跌。其次，非流动性动量输家在空头挤压时最难平仓。当低迷股票反弹时，最不流动的空头头寸因买入推高价格而产生最大损失。

Avramov, Cheng, and Hameed (2016)正式记录了这一模式，表明动量收益随时间显著变化，而流动性条件是主要驱动因素。在低流动性环境中，动量崩溃更加频繁且更为严重。Pastor and Stambaugh (2003)更广泛地证明，高流动性风险的股票提供收益溢价，但这种溢价伴随着动量策略无意中集中的极端左尾风险。

核心洞见是动量和流动性风险以一种特别危险的方式相互作用。动量选择的是近期表现极端的股票。极端表现往往与流动性恶化同时发生（赢家变得拥挤，输家变得困顿）。因此，该策略在最糟糕的时刻系统性地增加对最脆弱头寸的敞口。

Amihud非流动性比率

Amihud（2002）非流动性比率提供了每单位交易量价格冲击的简单且稳健的衡量指标。对于股票i在日期d的比率定义为：

ILLIQ = |收益率| / 美元成交额

日频比率在回溯窗口（我们使用21个交易日）内取平均值，生成月度非流动性估计值。数值越高表示少量交易就能更大幅度地移动价格，表明流动性越低。由于其简单性、数据可得性以及与Kyle（1985）lambda和买卖价差等更复杂指标的高相关性，该指标已成为学术界标准的流动性代理变量。

在回测中，我们为CRSP样本中的每只股票每月计算Amihud比率，然后在每个动量十分位内按流动性分为五分位。这种双重排序框架使我们能够分析动量表现在流动性谱系中的变化，并构建流动性调整策略。

回测设计与数据

样本范围与时间段

回测涵盖1990年1月至2025年12月的美国股票（432个月）。样本包括NYSE、AMEX和NASDAQ上所有具有足够数据来计算12个月收益率和21日Amihud比率的普通股（股票代码10、11）。为避免仙股污染，排除NYSE市值第5百分位以下的微型股。

策略规格

测试三种策略变体：

1. 标准动量：做多收益率上十分位，做空下十分位，十分位内等权。包含一个月跳过期的月度再平衡（12-1形成期）。

2. 流动性调整仓位：相同的动量信号和十分位断点，但每个十分位内的仓位大小与股票的Amihud比率成反比。具体而言，股票i的权重与1/ILLIQ_i成正比，在每一端内归一化为1。这使流动性高的股票获得较大头寸，非流动性股票获得较小头寸。

3. 流动性过滤：相同的动量信号，但在构建十分位组合前完全排除流动性最低20%（Amihud最高五分位）的股票。剩余头寸内采用等权。

除另有说明外，所有收益率为交易成本前数据。交易成本分析部分另行讨论实施成本。

结果：绩效比较

下表列出各策略变体的核心绩效统计数据。

结果揭示了一个清晰的模式。流动性调整牺牲了少量收益（8.2%到7.5%），但大幅降低了波动率（14.9%到9.1%）和尾部风险（最大回撤从-52.1%降至-29.3%）。夏普比率从0.55提升至0.82，提高了49%。索提诺比率的改善更为显著，从0.71升至1.21，反映了下行波动率的不成比例降低。最重要的是，收益率分布从显著负偏（-1.82）转变为轻微负偏（-0.51），消除了历史上使动量成为最危险因子策略之一的崩溃倾向特征。

按流动性五分位的回撤分析

为理解流动性调整为何有效，我们将标准动量策略的收益按组成头寸的流动性五分位进行分解。

数据证实了核心论点。最不流动的五分位（Q5）产生最高的原始收益率（12.3%），但伴随巨大的波动率（24.8%）和灾难性回撤（-68.4%）。在2009年动量崩溃期间，Q5头寸仅占全部头寸的20%，却贡献了总损失的37%。相反，最流动的五分位（Q1）提供较为温和的6.4%收益，但最大回撤仅-18.2%，崩溃损失贡献度仅8%。

这种模式为流动性调整创造了非常有利的权衡。通过减少或消除对Q4和Q5股票的敞口，策略牺牲1-2个百分点的年化收益，但消除了贡献超过60%崩溃损失的头寸。由于非流动性动量股的边际收益无法补偿其边际风险贡献，风险调整后的改善非常可观。

动量崩溃事件：有无流动性过滤器

下表检视样本期内所有超过-15%的动量回撤，并比较标准策略与流动性过滤策略。

流动性过滤器在所有主要事件中一致地将崩溃严重程度降低34%至45%。最大的绝对改善出现在2009年全球金融危机中，回撤从-52.1%降至-29.3%，减少了22.8个百分点。2007年8月的量化地震显示出最大的比例改善（45%降幅），这是直观的，因为该事件特别由定量选择头寸中的拥挤和强制清算所驱动，这些条件对非流动性股票的影响尤为严重。

改善在不同市场环境和崩溃触发因素中的一致性值得关注。无论崩溃是由宏观反转（2009）、板块轮动（2001）、系统性去杠杆（2007）还是疫情引发的错位（2020）所驱动，非流动性头寸始终是尾部风险的主要来源。

换手率与容量分析

策略修改的一个实际顾虑是是否会引入过高换手率或降低可投资容量。下表回答了这些问题。

结果在一个重要方面是反直觉的。尽管流动性调整仓位策略的换手率略高（24.8%对21.4%），但其估计交易成本实际上更低（1.5%对1.8%），因为它将权重集中在交易成本最低的流动性股票上。流动性过滤策略进一步降低换手率和成本，因为排除非流动性股票自然减少了与波动性高、难以交易的标的相关的换手。

容量大幅改善。标准动量策略在市场冲击变得显著之前的估计容量约为32亿美元。流动性过滤版本将其翻倍至81亿美元以上，因为它仅交易具有充足深度的股票。对于管理大规模资金的机构投资者而言，这种容量优势可能与夏普比率的改善同样重要。

在考虑估计交易成本后，流动性过滤策略的成本后夏普比率（0.71）超过了标准策略的总夏普（0.55）。这是关键的实践发现：流动性调整不仅改善了理论绩效，而且以比总收益率暗示的更大幅度改善了可实施的、扣除成本后的绩效。

流动性调整有效的原因：机制

流动性调整动量的有效性基于三个互补机制。

首先，非流动性动量股票展现出不对称的价格动态。当动量反转时，流动性股票可以以最小的市场冲击卖出，产生有序的回撤。非流动性股票则不然。在薄弱市场中的卖压会造成价格级联效应，每次卖出都将价格推得更低，触发止损和追加保证金，产生额外的卖压。

其次，非流动性是拥挤风险的代理变量。流动性下降的股票往往表明拥挤交易正接近临界点。动量策略在形成期间自然在日益拥挤的股票中积累头寸。通过降低非流动性股票的权重，策略隐含地减少了对最拥挤头寸的敞口。

第三，Amihud比率捕捉了动量信号所遗漏的关于可交易性的信息。具有强劲12个月收益率和下降成交量的股票与具有强劲收益率和上升成交量的股票是完全不同的标的。前者暗示兴趣减退和潜在反转，后者暗示可持续的需求。流动性调整在不放弃动量信号的情况下纳入了这一区分。

这些机制与流动性和资产定价的更广泛学术文献一致。Pastor and Stambaugh (2003)表明流动性风险在截面中被定价；高流动性贝塔的股票获得更高的平均收益率，但伴随着显著的左尾风险。动量策略因极端过去表现者往往经历流动性变化而无意中大量承担流动性风险。调整这种承担后收益率略有下降，但消除了不成比例的风险份额。

稳健性与局限性

多项稳健性检验支持主要发现。流动性调整在所有测试的形成期（3-1、6-1和12-1个月）中均改善了夏普比率，其中标准12-1规格的改善最大。使用市值加权动量时结果定性相似，但改善幅度较小，因为市值加权已隐含地偏向更流动的股票。使用买卖价差作为替代流动性指标产生几乎相同的结果，证实Amihud比率并非通过测量误差来驱动结果。

然而，存在若干局限。这是单一国家回测；虽然其机制应在国际上具有普遍性，但需要在非美国市场进行样本外检验。回测使用日终数据并假设以收盘价成交，对于最不流动的头寸这可能过于乐观（但这种偏差对标准策略比对流动性调整策略更为不利）。最后，具体的流动性阈值（后20%）和反Amihud加权方案是基于经济逻辑而非样本内优化选择的，但仍存在一定的数据挖掘风险。

结论

动量与流动性风险之间的相互作用是系统化投资中最重要却最被低估的动态之一。标准动量策略大量持有非流动性头寸，这些头寸在正常市场中产生诱人回报，但在反转时造成灾难性损失。通过Amihud非流动性比率调整仓位大小，或简单地排除最不流动的股票，就能消除动量大部分尾部风险，同时保留其大部分收益。

实践意义是重大的。夏普0.82、最大回撤-29%、容量超过80亿美元的流动性过滤动量策略，与夏普0.55和-52%回撤的标准动量策略是根本不同的投资方案。对于因崩溃风险而回避动量的配置者而言，流动性调整版本可能是捕获动量溢价的更为可接受的方式。对于已经运行动量策略的投资者而言，流动性叠加以适度的收益成本提供了有意义的风险降低。

这一发现还关联到投资组合构建中更广泛的原则：最好的改进往往不是来自发现新信号，而是来自更智能地管理现有信号。动量仍然是金融领域最稳健和最有据可查的异象之一。它的主要弱点不是信号本身，而是标准实施处理流动性风险的方式。修正这个弱点就能产生在大多数衡量标准下优于原始策略的结果。

参考文献