Quant Decoded Research·因子·2026-01-23·12 min

動量因子

最穩健的異常現象。綜合AQR與KCMI研究。

來源: AQR / KCMI 2025-14

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
1927–19399.1%0.52-32.6%
1950–19598.7%0.62-14.2%
1990–199911.2%0.72-14.7%
2000–20093.1%0.15-51.3%
2010–20195.2%0.38-24.8%
2020–20256.8%0.45-18.2%
全樣本 1927–20257.4%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

  1. 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

  2. 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

  3. 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

  4. 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

  5. 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

  6. Frazzini, A., Israel, R., & Moskowitz, T. J. (2018). "Trading Costs." Working paper. https://doi.org/10.2139/ssrn.3229719

  7. 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

  8. 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

  9. 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

僅供教育。