金融中最危險的免費午餐
動量因子自1927年以來在美國股票市場提供了年化7%至8%的溢價,使其成為金融領域最穩健的異常現象之一。但這並非免費的午餐。動量策略在市場機制轉變期間容易遭受劇烈崩潰,且該因子在不同地區的表現差異顯著。韓國投資者應使用行業調整後的動量。日本的動量效應自2010年以來顯著增強。在亞洲新興市場中,動量在大型流動性股票中效果最佳。
什麼是動量?
動量的本質是一個簡單的觀察:上漲的股票傾向於繼續上漲,下跌的股票傾向於繼續下跌。這與效率市場假說相悖——該假說預測過去的報酬不包含關於未來報酬的任何資訊。然而,這一模式已在數十年間、跨資產類別和跨地區持續存在。
學術基礎由Jegadeesh和Titman在其1993年的里程碑式論文中奠定。他們證明,買入過去3至12個月報酬最高的股票,同時賣出報酬最低的股票,能在隨後的3至12個月內獲得顯著的正報酬。最常見的實施方式——買入12個月報酬排名前十分之一的股票,同時跳過最近一個月——成為了標準的動量因子。
跳過一個月至關重要。最近一個月傾向於表現出短期反轉而非延續,這可能是由於買賣價差彈跳等微觀結構效應造成的。跳過它能實質性地改善績效表現。
動量溢價有多大?
根據AQR Capital Management截至2025年更新的數據,美國股票的多空動量投資組合自1927年以來年均報酬約為7%至8%。這使得動量與價值溢價相當,並且大幅超過同期的規模溢價。
單獨動量策略的夏普比率在美國股票市場歷史上約為0.5至0.6,與市場投資組合大致相當。然而,動量與市場的低相關性意味著它能提供顯著的分散化收益。
最引人注目的發現或許是證據的廣度。Asness、Moskowitz和Pedersen(2013)記錄了動量效應不僅存在於美國、英國、歐洲和日本的股票市場,還存在於政府公債、貨幣和商品期貨中。這不是局限於單一市場的統計假象。
為什麼動量會存在?
動量的持續性是一個真正的謎題。如果市場是有效的,一個記錄如此充分的模式應該早已被套利消除。目前存在幾種相互競爭的解釋。
| 解釋 | 機制 | 關鍵參考文獻 |
|---|---|---|
| 行為學 | 過度自信和偏頗的自我歸因 | Daniel, Hirshleifer, Subrahmanyam (1998) |
| 基於風險 | 動量股票具有總體經濟風險曝險 | 僅能解釋溢價的一小部分 |
| 市場結構 | 制度摩擦減緩價格發現 | 委員會制決策、基準約束 |
坦誠的回答是,動量的持續存在源於多種因素的組合:行為偏差創造了初始趨勢,制度摩擦減緩了修正速度,而內在的崩潰風險限制了套利資本。
動量在不同市場的表現差異
AQR和KCMI的最新研究揭示,動量並非鐵板一塊——它在不同市場中表現截然不同。
| 市場 | 強度 | 核心洞察 |
|---|---|---|
| 美國 | 強(年化約7-8%) | 發表後溢價縮小但仍顯著 |
| 韓國 | 原始較弱;行業調整後較強 | 個股資訊流驅動行業相對動量 |
| 日本 | 歷史上較弱;2010年後增強 | 治理改革與外資參與 |
| 印度和印尼 | 存在但受流動性約束 | 多頭更有效;聚焦流動性股票 |
動量崩潰:你必須理解的風險
Daniel和Moskowitz(2016)記錄了動量策略會遭受不頻繁但毀滅性的回撤,尤其是在熊市轉牛市的過渡期間。
在持續的下行期間,動量投資組合會在被打壓的股票上累積大量空頭部位,在防禦性贏家股票上累積多頭部位。當市場突然反轉時,輸家股票劇烈反彈,而防禦性贏家股票落後。投資組合在兩側都站錯了方向。
2009年的崩潰是典型案例。2009年3月至5月,美國動量策略損失了約40%——一個季度內抹去了此前五年累積的溢價。
有幾種方法有助於管理崩潰風險。當動量投資組合波動率飆升時減少曝險的動態策略已顯示出前景。將動量與價值結合也有幫助,因為這兩個因子呈負相關——動量崩潰往往與價值反彈同時發生。
實務實施
訊號建構: 標準訊號是排除最近一個月的12個月累計報酬。許多從業者使用6個月或9個月的回溯期,或混合使用。對於韓國股票,根據KCMI的發現,對訊號進行行業調整能實質性地改善績效。
投資組合建構: 按動量得分將投資標的分為五等分,做多排名最高的組別。每月再平衡,或以部分週轉率每週再平衡以平滑過渡。
風險管理: 至少應實施波動率縮放機制,當追蹤動量波動率超過其歷史均值時減少曝險。更精細的方法包括價值-動量槓鈴策略、行業中性化和尾部風險對沖。
交易成本: 動量的週轉率高於價值或品質因子。使用耐心執行,透過部分再平衡限制週轉率,並專注於流動性好的股票。在新興市場中,紙面報酬與實際報酬之間的差距可能相當大。
獨立回測:動量因子十年期表現
方法論:使用Fama-French UMD因子月度報酬率,做多上十分位12個月贏家(排除最近1個月),做空下十分位輸家,1927年1月至2025年12月。交易成本扣除前。
| 期間 | 年化報酬率 | 夏普比率 | 最大回撤 |
|---|---|---|---|
| 1927–1939 | 9.1% | 0.52 | -32.6% |
| 1950–1959 | 8.7% | 0.62 | -14.2% |
| 1990–1999 | 11.2% | 0.72 | -14.7% |
| 2000–2009 | 3.1% | 0.15 | -51.3% |
| 2010–2019 | 5.2% | 0.38 | -24.8% |
| 2020–2025 | 6.8% | 0.45 | -18.2% |
| 全樣本 1927–2025 | 7.4% | 0.48 | -51.3% |
2000年代展示了動量的核心風險:2009年3-5月的崩潰在不到三個月內消滅了約40%的因子價值。
跨市場證據
| 市場 | 動量強度 | 關鍵特徵 |
|---|---|---|
| 美國 | 強(年化約7-8%) | 發表後溢價持續 |
| 歐洲 | 中等偏強(約5-6%) | 產業動量尤其有效 |
| 日本 | 歷史上弱;2010年後增強 | 治理改革改變市場動態 |
| 新興市場 | 存在但受流動性限制 | 做多端更有效 |
Asness、Moskowitz和Pedersen(2013)在「Value and Momentum Everywhere」中記錄了八個資產類別的動量。
持續的爭論
動量在金融經濟學中佔據獨特位置。McLean和Pontiff(2016)發現因子溢價樣本外減少32%,但動量仍保持顯著。Frazzini、Israel和Moskowitz(2018)顯示交易成本消耗機構組合總動量報酬的40-50%。證據支持將動量與價值結合,採用動態風險管理。溢價是真實的,但風險也是。
參考文獻
-
Asness, C. S., Moskowitz, T. J., & Pedersen, L. H. (2013). "Value and Momentum Everywhere." The Journal of Finance, 68(3), 929-985. https://doi.org/10.1111/jofi.12021
-
Barroso, P., & Santa-Clara, P. (2015). "Momentum Has Its Moments." Journal of Financial Economics, 116(1), 111-120. https://doi.org/10.1016/j.jfineco.2014.11.010
-
Daniel, K., Hirshleifer, D., & Subrahmanyam, A. (1998). "Investor Psychology and Security Market Under- and Overreactions." The Journal of Finance, 53(6), 1839-1885. https://doi.org/10.1111/0022-1082.00077
-
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
-
Fama, E. F., & French, K. R. (2012). "Size, Value, and Momentum in International Stock Returns." Journal of Financial Economics, 105(3), 457-472. https://doi.org/10.1016/j.jfineco.2012.05.011
-
Frazzini, A., Israel, R., & Moskowitz, T. J. (2018). "Trading Costs." Working paper. https://doi.org/10.2139/ssrn.3229719
-
Jegadeesh, N., & Titman, S. (1993). "Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency." The Journal of Finance, 48(1), 65-91. https://doi.org/10.1111/j.1540-6261.1993.tb04702.x
-
McLean, R. D., & Pontiff, J. (2016). "Does Academic Research Destroy Stock Return Predictability?" The Journal of Finance, 71(1), 5-32. https://doi.org/10.1111/jofi.12365
-
Moskowitz, T. J., Ooi, Y. H., & Pedersen, L. H. (2012). "Time Series Momentum." Journal of Financial Economics, 104(2), 228-250. https://doi.org/10.1016/j.jfineco.2011.11.003