“学海拾珠”系列之一百七十：如何改进短期反转策略？

如何改进短期反转策略？ ——“学海拾珠”系列之一百七十 金融工程 专题报告 主要观点： 报告日期：2023-12-14 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 分析师：吴正宇 执业证书号：S0010522090001邮箱：wuzy@hazq.com 相关报告 1.《因子间相关性与横截面资产回报 ——“学海拾珠”系列之一百六十一》 2.《基金超额能力、规模报酬递减与价值创造——“学海拾珠”系列之一百六十二》 3.《奇异值分解熵对股市动态预测能力——“学海拾珠”系列之一百六十三》 4.《MemSum：基于多步情景马尔可夫决策过程的长文档摘要提取——“学海拾珠”系列之一百六十四》 5.《均衡配置宏观经济因子：分散效果如何？——“学海拾珠”系列之一百六十�》 6.《基金波动率来源与基金业绩——“学海拾珠”系列之一百六十六》 7.《企业季度投资激增与股票横截面收益——“学海拾珠”系列之一百六十七》 8.《机器学习与基金特征如何选择正Alpha基金？——“学海拾珠”系列之一百六十八》 9.《资产增长率在资产定价中的作用 ——“学海拾珠”系列之一百六十九》 本篇是“学海拾珠”系列第一百七十篇，研究了不同版本的短期反转（STR）策略的表现和分析STR溢价的来源。首先，作者实证发现普通版的STR策略目前除太平洋地区外几乎已经失效，但行业中性版的STR策略和残差版的STR策略可重振STR策略表现，以较低的风险获得较高且稳定的回报。 回到国内市场，反转因子自2017年以来表现有所下滑，理解反转效应的本质对于改进反转因子是至关重要的，本文的研究结论值得思考。 普通版STR溢价几乎已经消失 基于美国股市的STR因子，作者实证发现STR溢价确实存在，但 随时间推移逐渐降低，现在几乎完全消失；且在小盘股中的溢价相对于大盘股更高。此外，分地区进行普通版STR策略回测，发现除太平洋地区外，目前其他地区该策略表现非常疲软。 加强版STR策略可恢复STR溢价 作者提出了两种加强版STR策略，分别是行业中性版的STR策略和残差版的STR策略。两种策略都有效地恢复了STR溢价，获得了更低的波动和更高的收益，平均夏普比率是普通版STR策略的两倍，且随 着时间的推移，业绩表现保持稳定。 单一的STR策略可能无法获利 当考虑时间的交易成本后，单一的STR策略可能因为高换手率导致 高昂的交易费用而无法获利。作者建议可以将STR因子与其他多个短期因子合成一个复合策略在流动性较好的股票上使用，并且使用控制成本的手段，可以获得正向alpha。 STR效应源于流动性压力 STR效应是由供求之间的暂时失衡造成的流动性压力导致的。使用 STR策略的投资者实际上充当了流动性提供者的角色，提高了资本市场的运作效率。 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。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1引言4 2数据5 3实证结果6 3.1普通版的STR策略6 3.2加强版的STR策略7 3.3交互效应8 3.4稳健性检验10 4讨论11 4.1实现11 4.2短期反转来源12 5结论12 风险提示：13 图表目录 图表1文章框架4 图表2FAMA-FRENCH美国短期反转因子的年化收益率6 图表3各地区普通版短期反转因子的累积回报率6 图表4普通版、行业中性版和残差版的STR因子的表现7 图表51986-2022年各版本的STR策略的张成检验结果8 图表61986-2022年普通版STR因子与流动性因子和波动率因子的交互效应9 图表7具有不同回溯期和是否跳日的普通版STR策略的表现10 图表8各地区各版本的STR策略的夏普比率11 1引言 图表1文章框架 资料来源：华安证券研究所整理 短期反转（STR）是指前一个月收益最低的股票在下个月的收益往往高于平均水平，而上个月收益最高的股票未来会落后于平均水平的实证现象。Rosenberg， Reid和Lanstein（1985），Jegadeesh（1990）以及Lehman（1990）首次记录了这种现象对市场定价效率的挑战，使其成为资产定价文献中的经典异象之一。此后出现了许多后续研究，探讨了STR溢价的来源，以及扣除交易成本后能否利用STR溢价获利等问题。 在本文中，作者发现最基础的STR策略收益随时间的推移不断减弱，以至于在最近一段时间内超额几乎完全消失。本文作者表明该策略在行业和因子投资组合层面上违背短期动量效应。不加区分地暴露反转是无效的，因为它忽略了反转效应集 中在股票回报的非系统性和特质性部分。作者还发现之前提出的加强版STR策略能有效地解决这些问题，并且能带来稳健的回报。平均而言，风险调整后收益增加一倍多，而且没有随时间推移而呈下降的迹象。此外，本文作者还证实STR与其他因子间存在各种交互效应。这些发现可用于进一步提高策略表现，并有助于解释为什么STR是机器学习模型用于预测未来股票收益过程中最喜欢的信号之一。因此，STR溢价仍然存在，但现在需要更高水平的机制来捕捉它。 在本文的剩余部分，将讨论STR现象的来源和STR策略实施的挑战。作者认为捕捉STR溢价最有效的方法是将该策略与其他短期alpha信号相结合。STR策 略的各种特征表明溢价源于供求关系的失衡。供求失衡会暂时推动股票价格偏离其 公允价值。例如，在较短的回溯期内，信号会变得更强，而由信息驱动的短期股票 收益不会表现出该反转效应。这意味着采用STR策略的投资者有效地充当了流动性提供者的角色，从而有助于提供资本市场的运作效率。 本文的大纲如下：首先介绍数据，然后展示主要的实证结果。特别地，本文考察了普通版短期反转策略、加强版短期反转策略和来自交互作用的alpha的表现。在考虑几个稳健性测试之后，作者讨论了策略实施的挑战以及提出对STR效应解释。最后，得出结论。 2数据 本文考虑从1985年12月至2022年12月期间每月月末MSCI全球标准指数中的所有股票。该指数不包括小盘股和微盘股，与Fama和French（1993，2015）的大盘股范围类似。样本中股票数量最低为1296只，最高为2069只，平均为1745只。对于所有股票，本文收集以美元计价的月度总收益和各种公司特征，以构建信号和各种控制因子。一般STR因子被计算为上个月股票的总回报率。 在每月末，根据计算出的STR因子值排序，将股票根据STR划分为�个投资组合，并且计算下个月市值加权的收益率。本文作者采用与Fama和French（2017）一样的区域中性法，即在三个主要地区（北美、欧洲和太平洋地区）内分别对股票进行排序。本文采用与STR变量相同的方法构建了Fama和French（2015）因子以及Jegadeesh和Titman（1993）和Carhart（1997）的动量因子作为控制变量。因此，避免了因范围、中性和加权方案选择的不同而造成的潜在偏差。控制因子包括：MSCI全球市场的风险溢价（RMRF）、基于自由流通股票市值的市值因子 （smallminusbig，SMB）、基于账面市值比的价值因子（highminuslow，HML）、基于毛利润与资产比例的盈利因子（robustminusweak，RMW）、基于总资产年变化的投资因子（conservativeminusaggressive，CMA），基于不包括最近一个月在内的12个月的股票收益的动量因子（winnersminuslosers，WML）。数据来源于DatastreamPrices，WorldscopeFundamentals和S&PCompustat（通过Refinitiv平台）。 3实证结果 3.1普通版的STR策略 为做好铺垫，本文首先研究了美国股票市场通用短期反转因子的长期历史表现，该因子来自KennethFrench在线数据库。图表2显示STR溢价曾经相当可观，但随着时间的推移稳步降低，并最近几乎完全消失。此外，本文还分别考察大盘股和小盘股的STR溢价。Fama和French（1993）的因子构建方法是对两个时间序列进行简单的平均，但实际上大盘股部分的相关性更高，因为它占股票市场总市值的90%左右。图表2显示小盘股的STR溢价曾经很大，但随着时间的推移已经大幅缩水。大盘股的STR溢价幅度则较为适中，并没有出现持续下降的情况，除了在最近一个子周期突然转为负值。总之，STR溢价似乎已经完全消失。 图表2Fama-French美国短期反转因子的年化收益率 资料来源：《ReversingtheTrendofShort-TermReversal》，华安证券研究所 图表3展示了本文构建的STR策略在1986年至2022年期间应用于全球股票的表现。可以发现美国股票市场的表现的确非常疲软。尽管该策略在欧洲市场表现略强，但2004年后该地区累计收益基本持平。STR策略唯一表现稳健的地区是太平洋地区，作者观察到该地区的年溢价率超过8%，且没有随时间推移而下降的趋势。然而，从全球层面来看，太平洋地区的积极贡献不足以抵消美国和欧洲的疲软业绩。 图表3各地区普通版短期反转因子的累积回报率 资料来源：《ReversingtheTrendofShort-TermReversal》，华安证券研究所 此时，不妨反思一下短期反转策略的本质。众所周知，过去十二个月（不包括最近一个月）的股票收益与动量效应有关；参见Jegadeesh和Titman（1993）以 及Carhart（1997）。动量通常被理解为对金融市场信息逐步扩散的反应不足的现象，参见Gutierrez和Pirinsky（2007）。如果过去12个月中的前11个月表现出动 量，那么投资者就会期望最近一个月也产生类似的效应，而不是表现出截然相反的反转效应。事实上，最近一个月的股票回报确实在行业投资组合（Moskowitz和Grinblatt，1999）和因子投资组合（Gupta和Kelly，2019，和Arnottetal.，2023）的层面上表现出动量。因此，反转效应似乎集中在股票相对于其行业或相对于具有类似因子暴露的股票特质收益上。这意味着普通版的STR策略可能会因盲目押注反转而导致收益下滑。在下节，本文将讨论包含这些见解的加强版的STR策略。 3.2加强版的STR策略 Dan，Liu和Schaumburg（2014），Hameed和MujtabaMian（2015）以及Novy-Marx和Velikov（2016）考虑了一个与行业相关版本的STR策略，该策略可避免Moskowitz和Grinblatt（1999）的短期行业动量效应。本文将根据全球行业分类标准（GICS）的三级行业分类，将行业中性的STR定义为上个月的公司回报减 去上个月的行业回报。 另一种增强方法是Blitz，Huij，Lansdorp和Verbeek（2013）的残差短期反转策略。这一因子的计算方法是，首先根据过去36个月的时间序列对Fama和French（1993）的市场因子、规模因子和价值因子暴露进行回归来调整股票收益，其次用同期波动率对股票回报残差进行缩放。可以用一个简单的例子来说明校正市 场beta风险背后的原理。假设某只股票下跌15%，而当月市场仅下跌10%。普通版的STR策略会做多这只股票以期望在下个月出现反转。但是，如果这只股票的beta值恰好是1.5，那么它的月收益率实际上恰好是人们所预期的，因此残差反转信号对这只股票来说是中性的。对规模和价值风险敞口也进行了类似的调整，以防止对这些因子的动量部分进行反向押注。 图表4显示了两种加强版的STR策略与普通版的STR策略的表现对比。与普通版的STR策略相比，行业中性版的STR策略和残差版的STR策略获得更高的回报和更低的波动性，从而大大提高了风险调整后的表现。随着时间的推移，其结果也更加稳定，呈现显著的正向收益，而且没有收益趋于平稳的迹象。因此，行业中性版的STR策略和残差版的STR策略都有