動量崩潰：贏家為何一夜之間變成輸家

三個月內蒸發40%

2009年3月，標普500指數觸及危機低點676。隨後發生的事情本應是動量投資者的勝利時刻——畢竟這一策略在數月間一直選擇防禦性贏家股並做空遭重創的金融股和週期股。然而，這卻成為動量策略有記錄以來最慘烈的季度。2009年3月至5月間，經典的多空動量投資組合損失了約40%的價值。五年積累的超額收益在一個季度內化為烏有。動量策略做空的股票——花旗集團和美國銀行等暴跌的金融股——飆漲超過100%。而多頭一側的防禦性贏家股幾乎紋絲不動。

這並非偶發事件，而是Daniel和Moskowitz (2016)在Journal of Financial Economics發表的里程碑式論文「Momentum Crashes」中嚴格論證的機制的可預測後果。他們的貢獻遠不止於記錄歷史災難。他們識別了崩潰為什麼會發生，證明崩潰是可預測的，並提出了一種能顯著改善動量風險調整收益的動態策略。本文將詳細剖析他們的發現。

動量崩潰的解剖

Daniel和Moskowitz從建立全面的實證記錄開始。他們分析了1927年至2013年的美國股票數據，發現動量的長期表現十分出色——月均收益率1.47%，t統計量超過4。但收益率分佈嚴重不對稱。動量表現出顯著的負偏度和超額峰度：左尾厚重且危險。

論文在樣本期間內識別出數次重大動量崩潰事件：

規律非常明確。每次重大崩潰都發生在熊市向牛市的轉換期——即長期下跌突然逆轉的那一刻。這絕非巧合，而是動量投資組合建構方式的直接後果。

期權性機制：輸家為何變得極具爆發力

Daniel和Moskowitz (2016)的核心理論洞察涉及過去輸家股票中內嵌的期權性。在持續的熊市中，動量策略會在數月間持續下跌的股票上積累空頭倉位。這些股票中有許多是深陷財務困境的企業——股權價值已被嚴重侵蝕，部分甚至接近破產邊緣。

關鍵觀察如下：當企業的股權價值向零下降時，其股票開始表現得像企業資產的價外買權。這直接源自Merton (1974)的結構化公司債務模型，在該模型中，股權是以債務面值為履約價格的企業價值買權。當企業接近違約時，資產價值的微小改善會產生股權價值的巨大百分比漲幅。

這種凸性創造了不對稱的收益特徵。如果市場繼續下跌，輸家股票已經接近於零，進一步下跌的空間有限。但如果市場反轉，這些困境股可能在幾週內上漲數百個百分點。動量投資組合恰恰做空了這些具有期權特性的證券，由此產生了類似於賣出跨式期權的曝險：上行有限而下行是災難性的。

Daniel和Moskowitz將此公式化，表明動量投資組合的貝塔是時變的，並在市場復甦期間急劇轉為負值。在正常時期，動量投資組合的市場貝塔接近於零或略為正值。但在熊市復甦階段，組合貝塔可驟降至-2以下，這意味著市場每上漲1%，動量就虧損2%甚至更多。

可預測性：熊市信號

論文中最具深遠意義的發現是動量崩潰並非隨機事件。它們是可以預測的——雖然不是確定性的，但足以建構實用的風險管理框架。

Daniel和Moskowitz證明了兩個可觀測變數能以顯著的統計檢定力預測動量崩潰：

1. 先前的市場狀態：崩潰集中在持續熊市之後。下跌越長越深，空頭一側積累的困境企業越多，期權性效應就越危險。

2. 動量投資組合的已實現波動率：當多空動量價差的滾動波動率飆升時，表明組合成分股已進入高離散度區間。這種升高的波動率本身就是大幅負收益的預測變數。

作者們論證了動量的條件期望收益與這些狀態變數之間存在強相關性。當市場近期經歷大幅下跌且動量組合波動率升高時，動量的預期收益急劇下降甚至可能轉為負值。相反，在沒有近期崩潰的平靜市場中，動量的預期收益非常高。

這種可預測性將動量崩潰與真正的黑天鵝事件區分開來。黑天鵝按定義是不可預測的。動量崩潰更應被描述為灰天鵝——罕見、嚴重，但有可識別的預警信號先行，只是大多數投資者選擇忽視這些信號。

動態動量策略

利用可預測性的發現，Daniel和Moskowitz建構了一個根據動量收益率的預測變異數來調整曝險的動態動量策略。該方法在概念上很直觀：當條件有利時全額投注動量，當崩潰風險升高時減少曝險。

具體而言，該策略根據動量收益率的條件變異數反向調整組合權重。條件變異數透過一個整合了近期動量波動率和熊市指標的簡單模型來估計。當波動率較低且市場近期未發生崩潰時，策略採取最大曝險。當熊市信號觸發且波動率飆升時，大幅縮減部位規模。

結果令人矚目：

動態策略將夏普比率提升了近一倍，同時將最大回撤從災難性的96.5%降至痛苦但可以承受的28.4%。年化收益率實際上略有提高，因為該策略避免了侵蝕複利財富的深度虧損。這是金融學中罕見的降低風險同時提升收益的案例——直接源於複利的凸性效應。

改善效果並不僅限於2009年崩潰。動態策略在1932年崩潰、2001年網路泡沫反轉以及其他歷史事件中也避免或減少了損失。該策略的優勢在各子時期內均表現穩健，並非由單一異常事件驅動。

與波動率管理組合的關係

Daniel和Moskowitz的動態方法與Barroso和Santa-Clara (2015)同期的研究密切相關。後者提出了一種按已實現動量波動率反向調整曝險的波動率管理動量策略。兩篇論文共享核心洞察：動量的時變風險是可預測且可管理的。

關鍵區別在於條件資訊。Barroso和Santa-Clara僅使用動量收益率的後6個月已實現波動率。Daniel和Moskowitz則納入了關於市場狀態的額外資訊——特別是市場是否正在從熊市中復甦。這個更豐富的條件資訊集使Daniel-Moskowitz策略能夠捕獲純波動率縮放所遺漏的預測能力。

兩種方法互補而非競爭。在實務中，許多量化投資者目前都在實施某種波動率調整動量的變體，通常結合兩篇論文的元素。核心原則是一致的：當動量的近期波動率上升時，應減少曝險，因為升高的波動率預示著崩潰風險的增加。

Moreira和Muir (2017)隨後將波動率管理方法推廣至動量之外，證明按逆已實現變異數縮放能改善大多數股票因子的夏普比率。然而，改善幅度最大的是動量——正是因為動量崩潰在標準因子中最為嚴重且最具可預測性。

對因子投資者的重要意義

Daniel-Moskowitz的發現對經營多因子組合的所有投資者都具有深遠影響。主要啟示如下：

動量風險無法被標準模型捕獲。 CAPM、Fama-French三因子模型甚至五因子模型都無法捕捉動量的尾部風險。時變貝塔和輸家股票的期權性行為創造了線性因子模型無法表達的非線性風險特徵。這意味著基於正常時期波動率來確定動量配置的投資者將對回撤嚴重準備不足。

對動量進行因子擇時是可行的。 對大多數因子而言，因子擇時極為困難——例如價值溢價幾乎未顯示可利用的可預測性——但動量是一個例外。熊市信號和波動率信號提供了真正的樣本外預測能力。這使得動量成為少數幾個動態配置能夠顯著改善風險調整收益的因子之一。

動量的阿爾法部分反映了崩潰風險補償。 對動量高平均收益的一種解釋是，它補償投資者承擔罕見但嚴重的損失——類似於出售保險或賣出賣權產生的穩定收入會被災難性賠付所打斷。Daniel和Moskowitz表明，動量的阿爾法（相對標準因子模型衡量）約有一半在考慮崩潰風險後仍然存在，說明行為學解釋（反應不足、羊群效應）仍然重要。但另一半確實可能反映了承擔尾部風險的合理補償。

局限性與未解問題

Daniel-Moskowitz動態策略雖然強大，但並非完美解決方案。有幾點值得注意。

熊市信號需要對市場體制進行判斷。在即時操作中，市場下跌是否構成動量崩潰前兆類型的持續熊市並不總是清晰的。例如2018年和2020年的市場拋售雖然猛烈但持續時間短——動量遭受了暫時損失但在未發生完全崩潰的情況下恢復了。在即時實施二元熊市指標涉及論文樣本內分析無法完全解決的前視偏差風險。

動態縮放放大了交易成本。當策略急劇減少然後恢復動量曝險時，會產生大量周轉。Frazzini、Israel和Moskowitz (2018)估計在靜態實施下，交易成本消耗了總動量收益的40至50%；動態策略由於崩潰期間交易的緊迫性，可能面臨更高的成本。

崩潰事件的樣本量很小。雖然論文覆蓋了近一個世紀的數據，但真正的動量崩潰事件屈指可數。這使得即便t統計量很高，也難以對預測模型的統計可靠性做出高信賴度評估。發表後的樣本外追蹤記錄包括2020年新冠疫情崩潰，其產生了與動態策略預測一致的溫和動量回撤，但僅憑一個額外事件的樣本無法解決這一問題。

結論：對動量更誠實的認知

Daniel和Moskowitz (2016)改變了成熟投資者看待動量因子的方式。在他們的論文發表之前，動量崩潰被視為不幸但不可預測的事件——人們只能被動承受的天災。此後，學界認識到崩潰遵循特定且可識別的模式：熊市催生困境企業，其股權表現得像買權；當市場復甦時，這些期權向上爆發，摧毀動量的空頭部位。

實務啟示非常明確。靜態動量是一種存在根本缺陷的策略——其出色的夏普比率掩蓋了可能摧毀投資組合的回撤特徵。按條件變異數縮放的動態動量在保留因子阿爾法的同時使尾部風險變得可控。對於任何嚴肅的量化投資者，Daniel-Moskowitz框架不是選讀材料，而是在動量最危險時刻存活下來的操作手冊。