【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-251127（19页）.pdf

1、 敬请参阅末页重要声明及评级说明 证券研究报告 所有日子所有日子并不并不平等：平等：通过通过加权加权历史历史收益理解动量效应收益理解动量效应“学海拾珠”系列之二百五十七“学海拾珠”系列之二百五十七 报告日期：2025-11-27 Table_Author 分析师：严佳炜分析师：严佳炜 执业证书号：S0010520070001 邮箱： 分析师分析师：钱静闲：钱静闲 执业证书号：S0010522090002 邮箱： Table_CompanyReport 相关报告相关报告 1.重审股票投资组合中的持股数量“学海拾珠”系列之二百五十六 2.财报季“信息洪流”下的反常行为：投资者如何从细节转向宏观？“

2、学海拾珠”系列之二百五十五 3.海外主动基金业绩基准的设置与纠偏“学海拾珠”系列之二百五十四 4.因子溢价如何随时间变化？来自一个世纪数据的证据“学海拾珠”系列之二百五十三 5.市场参与者的交易与异象及未来收益的关联“学海拾珠”系列之二百五十二 6.基于状态切换信号的动态因子配置“学海拾珠”系列之二百五十一 7.如何压缩因子动物园？“学海拾珠”系列之二百五十 主要观点：主要观点：Table_Summary 本篇是“学海拾珠”系列第二百五十七篇，文献提出了一种改进的动量策略特征管理动量，旨在通过灵活加权历史收益来提升传统动量策略的表现，且涵盖传统动量策略的信息，在危机时期表现良好。方法方法 传统

3、动量策略（如 Jegadeesh and Titman,1993）假设过去一年中每一天的收益对未来的预测能力相同，即等权重加总过去收益。然而，这一假设忽略了不同日期信息含量的差异。文献指出，某些日期（如财报公告日、市场大幅波动日）的收益可能更具信息量。为此提出CMM 策略，利用机器学习方法动态学习并赋予历史收益不同的权重。CMM 策略保留动量信号的基本结构：仍为过去收益的加权平均。同时引入灵活权重：使用前馈神经网络，结合 153 个公司特征和过去231 个交易日的收益，为每一天的收益分配不同权重。训练方式采用滚动窗口方式，逐步扩展训练集，确保模型具备样本外预测能力。业绩表现业绩表现 与标准动量

4、相比，CMM 在多个维度表现更优：1、收益更高：年化收益达 18.5%，高于标准动量的 13.2%；2、风险更低：波动率和最大回撤显著下降，夏普比率从 0.49 提升至 1.47；3、避免动量崩溃：CMM 在 2008 年金融危机等极端市场环境中表现稳健。4、吸收标准动量：在双重排序中，CMM 能够完全吸收标准动量的收益，反之则不成立。CMM 成功的经济机制成功的经济机制 1.对信息的反应不足。CMM 倾向于赋予大额绝对收益日更高权重，这与投资者对重大信息“反应不足”的假设一致。2.风险解释不成立。CMM 的收益无法被时变风险补偿所解释。CMM 与标准风险因子模型的 alpha 仍然显著。3.

5、支持“离散信息释放”理论。CMM 的收益与信息离散性显著相关，进一步支持“反应不足”是动量利润的主要来源。风险提示风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。Table_StockNameRptType 金融工程金融工程 专题报告 Table_CommonRptType 金融工程金融工程 敬请参阅末页重要声明及评级说明 2/19 证券研究报告 正文目录正文目录 1 引言引言.4 2 提升动量信号提升动量信号.6 3 投资业绩投资业绩.9 4 经济机制经济机制.13 4.1 对新闻反应不足或过度对新闻反应不足或过度.13 4.2 基于风险的解释基于风险的解释.14 4.

6、3 动量策略成功的其他解释动量策略成功的其他解释.16 5 总结总结.17 风险提示：风险提示：.18 Table_CommonRptType 金融工程金融工程 敬请参阅末页重要声明及评级说明 3/19 证券研究报告 图表目录图表目录 图表图表 1 文章框架文章框架.4 图表图表 1 标准动量策略（标准动量策略（STANDARD MOMENTUM,SM）的权重）的权重.7 图表图表 2 特征管理动量策略的业绩特征管理动量策略的业绩.10 图表图表 3 双独立排序双独立排序.10 图表图表 4 权重稀疏性权重稀疏性.11 图表图表 5 横截面回归横截面回归.12 图表图表 6 新闻和事件日提取动