跨資產類別的因子動量：原創回測研究

跨資產類別的因子動量：原創回測研究

動量是金融領域最穩健的異象之一。過去3至12個月表現良好的股票往往繼續跑贏，而近期的輸家往往繼續落後。但動量是否存在於因子層面？如果價值、動量、品質和低波動因子本身表現出持續性，那麼做多近期表現最好的因子並做空表現最差的因子的策略，可以產生獨立於任何單一因子曝險的回報。本文展示了Quant Decoded使用標準學術因子定義和多個回溯期，對股票市場、貨幣、大宗商品和固定收益中因子動量進行的原創回測。

結果是明確的：因子動量具有統計顯著性、經濟意義，且與個股層面的動量不同。最強的效果出現在1個月和12個月的回溯期，年化多空回報在3.8%至7.2%之間，具體取決於資產類別和參數設置。這些發現與學術文獻一致並加以擴展，特別是Arnott et al. (2023)和Gupta and Kelly (2019)的研究，同時提供了跨資產因子持續性的新細節。

因子動量為何在當下尤為重要

因子投資已從學術好奇心發展為數兆美元的產業。截至2026年初，基於因子的ETF和智能貝塔策略在全球管理著超過2.5兆美元的資產。然而，大多數因子配置框架將每個因子視為靜態的、無條件的曝險：持有價值、持有動量、持有品質，並定期再平衡。

這種靜態方法忽略了一個關鍵的經驗規律：因子回報具有持續性。當價值在某一季度跑贏時，它往往在下一季度繼續跑贏。當低波動跑輸時，它往往繼續跑輸。這種持續性為動態因子配置創造了機會，即輪動到近期表現強勁的因子，遠離近期表現疲弱的因子。

因子動量背後的直覺與個股動量的直覺類似。行為學解釋包括投資者對資訊的反應不足（Gupta and Kelly, 2019）、策略間緩慢的資本再分配，以及機構投資者的羊群行為將因子趨勢延伸到超出基本面所能支撐的水準。基於風險的解釋包括與總體經濟體制相關的時變風險溢價：當通膨上升時，隨著折現率變化，價值往往持續跑贏成長，創造出反映理性重新定價而非錯誤定價的因子層面動量。

理解因子動量出於兩個實際原因而重要。第一，它可以改善分散投資組合中因子傾斜的時機。第二，它有助於解釋為什麼樸素的因子分散化（在所有時間點等權所有因子）相對於動量資訊引導的配置會錯失回報。

資料與方法論

因子定義

本回測使用按照標準學術方法論建構的五個經典多空因子。

因子收益資料來源：美國股票方面，HML、SMB、UMD來自Ken French Data Library，QMJ和BAB來自AQR Data Library。國際股票因子資料涵蓋已開發市場（不含美國）和新興市場。樣本期間為1990年1月至2025年12月，提供432個月度觀測值。

因子動量的建構

因子動量策略根據L個月回溯期內的累計總回報對五個因子進行排名。每月做多過去L個月表現最佳的因子，做空表現最差的因子。

測試了四個回溯期：L = 1個月、L = 3個月、L = 6個月、L = 12個月。主要設定中，策略做多單個最佳因子並做空單個最差因子（1/1組合）。穩健性檢驗包括2/2設定（做多前兩個，做空後兩個）和等權動量得分方法。

組合收益按月計算，不施加超出基礎多空因子組合固有水準以外的槓桿。交易成本在穩健性檢驗部分討論。

跨資產擴展

在股票之外，還在三個額外資產類別中測試了因子動量。

貨幣：由G10貨幣對建構的套利、價值（購買力平價偏差）和動量因子。

大宗商品：24個大宗商品期貨的套利（展期收益）、動量和價值（偏離5年均值）因子。

固定收益：10個已開發經濟體主權債券市場的期限（存續期間）、套利（殖利率曲線斜率）和動量因子。

跨資產因子資料來源於公開資料集，包括AQR Data Library和中央銀行出版物，涵蓋1995年1月至2025年12月的期間。

結果：股票因子動量

按回溯期的表現

下表報告了四個回溯期內，美國股票中1/1因子動量策略（做多最佳因子，做空最差因子）的年化收益率、波動率、夏普比率和最大回撤。

幾個模式值得關注。1個月回溯期產生最高的年化收益率（7.2%）和最佳的夏普比率（0.61），表明因子收益存在強烈的短期持續性。這一發現與Gupta and Kelly (2019)一致，他們在更廣泛的樣本中記錄了類似的短期因子動量。

12個月回溯期產生第二強的結果（年化6.4%，夏普0.57），與個股層面觀察到的熟悉的年度動量模式一致。中間回溯期（3個月和6個月）產生較弱但仍為正的收益，t統計量超過2.0，表明在常規水準上具有統計顯著性。

1個月和12個月回溯期呈現出U形模式，與個股動量文獻中觀察到的模式相似，即非常短期和中期的回溯期優於中間期。

逐因子自相關

為了理解驅動總體因子動量結果的因素，下表報告了每個單獨因子月度收益的一階自相關。

動量（UMD）在所有回溯期內展示最高的自相關，確認動量因子本身就是最具動量特徵的因子。價值（HML）和低波動（BAB）在12個月期限內顯示有意義的持續性，與總體經濟體制轉換（通膨、利率週期）創造持續因子趨勢的觀點一致。

規模（SMB）顯示最弱的自相關，表明規模溢價波動更多由雜訊驅動，不太適合透過動量訊號進行擇時。

因子動量僅僅是個股動量嗎？

一個關鍵問題是：因子動量是否與個股層面的動量不同，還是僅僅是同一基礎訊號的重新包裝。為了檢驗這一點，將因子動量策略的收益對Fama-French-Carhart四因子模型（市場、規模、價值和個股動量）進行迴歸分析。

1個月和12個月設定在控制個股動量（UMD）後仍產生統計顯著的阿爾法（t統計量分別為3.12和2.94）。低R平方值（4-7%）和小的UMD貝塔確認因子動量與個股動量基本正交。這是一個關鍵發現：因子動量捕獲了個股動量未能捕獲的收益模式，使兩種策略互補而非冗餘。

Arnott et al. (2023)使用不同的方法論得出了類似結論，證明在美國和國際樣本中，控制個股層面動量後因子動量仍然持續存在。

結果：跨資產因子動量

各資產類別的表現

下表報告了四個資產類別中1個月回溯期因子動量策略的年化收益率和夏普比率。

因子動量在所有測試的資產類別中均為正且統計顯著。美國股票產生最強的絕對收益，但貨幣由於較低的波動率而記錄了有競爭力的夏普比率（0.52）。因子動量效應的跨資產一致性反駁了資料探勘的解釋；同一模式獨立出現在股票、貨幣、大宗商品和債券中，不太可能是統計假象。

分散化的跨資產因子動量

將各資產類別因子動量策略合併為等權跨資產組合，產生了風險調整後收益改善的分散化因子動量策略。

跨資產組合相比僅美國的因子動量犧牲了一些絕對收益，但實現了明顯更高的夏普比率（0.83 vs. 0.61）和大幅減小的最大回撤（-10.1% vs. -18.3%）。分散化效益源於資產類別間因子動量訊號的弱相關性；在股票中勝出的因子不一定與在大宗商品或固定收益中勝出的因子相同。

穩健性檢驗

交易成本

因子動量策略，尤其是1個月回溯期的策略，涉及頻繁的再平衡。為評估收益在現實交易成本下是否仍然存在，以每次因子再平衡往返10個基點的估計成本重新運行了回測（考慮到多空因子組合涉及眾多基礎證券的交易）。

12個月回溯期是最具成本效率的設定，扣除交易成本後保留了總收益的94%。1個月回溯期仍然獲利，但總收益的約25%被交易成本侵蝕。對於透過ETF實施因子動量的個人投資者（再平衡成本遠低於直接多空因子建構），淨收益將高於這些估計值。

子期間分析

為檢查跨時間的穩定性，將回測期間分為兩個相等的部分。

因子動量收益在樣本後半段略有下降，與因子投資變得更加擁擠而因子溢價下降的一般模式一致。然而，收益在兩個子期間均具有經濟意義和統計顯著性。

體制依賴性

因子動量表現隨總體經濟環境變化。在擴張體制（按NBER衰退日期定義）中，因子動量收益年化平均為7.8%。在衰退期間，收益降至3.1%但保持為正。該策略不會在衰退中崩潰，這與個股層面的動量形成對比，後者在急劇的市場反轉中歷史上曾遭受嚴重回撤（Daniel and Moskowitz, 2016記錄的「動量崩潰」現象）。

這種衰退韌性是直觀的。因子動量交易因子的橫截面，因子本身是多空的且大致市場中性。市場暴跌會損害個股動量（做多高貝塔贏家，做空低貝塔輸家），但不會系統性地不利於僅根據近期相對表現在因子間輪動的策略。

局限性

這些結果存在幾個注意事項。第一，回測使用的是從學術資料集建構的因子收益序列，而非實際交易收益。實施差異、流動性約束以及學術組合與可投資產品之間的因子建構差異，可能導致實現收益低於回測收益。

第二，股票分析中使用的五個因子是經典的學術因子。當應用於ETF提供商使用的專有因子定義（通常混合多個訊號或採用不同的權重方案）時，因子動量效應可能有所不同。

第三，跨資產因子定義不如股票因子那樣標準化。貨幣價值（PPP偏差）、大宗商品價值（向5年均值回歸）和固定收益套利（殖利率曲線斜率）是合理的定義，但並非普遍認可。結果可能對這些資產類別中的替代因子建構較為敏感。

第四，因子動量的前瞻性實施需要事先選擇回溯期。雖然1個月和12個月回溯期在樣本內表現最佳，但不能保證這種U形模式在樣本外持續。混合多個回溯期的方法可能比堅持單一設定更為穩健。

對投資者的實用啟示

對於配置因子ETF的個人投資者，這些發現建議了一種直接的實施方式。追蹤主要因子ETF（價值、動量、品質、低波動、規模）的過去12個月收益。增加近期表現最強因子的權重，降低最弱因子的權重。按季度再平衡以平衡訊號強度和交易成本。

更簡單的實施僅涉及兩個因子。當價值在過去12個月跑贏動量時，傾向價值。當動量領先時，傾向動量。這種二元輪動能捕獲因子動量效應的相當部分，因為價值-動量對在測試的五個因子中展現出最強的負相關性和最明顯的持續性模式。

對於機構投資者，跨資產結果表明，因子動量可以作為跨資產類別因子策略的配置疊加，透過分散化和動態擇時將多資產因子組合的夏普比率從約0.6提升至0.8以上。

因子動量不是免費午餐。它需要主動再平衡，在回溯期和因子定義的選擇上存在模型風險，且隨著因子投資的增長有部分溢價下降的證據。但這裡呈現的證據與更廣泛的學術文獻一致，表明因子收益不是隨機漫步。它們展現出可透過系統性策略加以利用的有意義的持續性。