20251127-华安证券-_学海拾珠_系列之二百五十七_所有日子并不平等_通过加权历史收益理解动量效应_19页_1mb

总结

动量效应是一种显著的收益异象，传统策略如标准动量假设等权重加总历史收益，但忽略了日期间信息含量的差异。文献提出的特征管理动量（CMM）策略通过机器学习动态加权历史收益，显著改进性能。

主要点

• CMM策略：使用前馈神经网络学习153个公司特征和过去231个交易日的收益，动态分配权重，而非固定等权。这保留了动量信号的结构但增加了灵活性。
• 业绩优势：相比标准动量，CMM年化收益更高（18.5% vs 13.2%），波动率更低（12.6% vs 26.9%），夏普比率提升至1.47 vs 0.49。在危机时期表现稳健，最大回撤-27.6% vs -80.3%，避免了动量崩溃。
• 经济机制：CMM主要源于市场对新闻的反应不足，对大收益日重量更高，捕捉财报公告和市场波动日信息。经验证，不是由风险补偿变化或反应过度驱动。
• 稳健性：CMM覆盖标准动量的收益，在多市场条件和国别股市中表现优异。交易成本调整后仍盈利，支持其普适性。

CMM策略通过智能权重学习，提升了动量效应的应用，但基于历史数据，不构成投资建议。关键结论为反应不足是动量成功的核心驱动因素。