行业羊群行为与动量策略 ——“学海拾珠”系列之一百八十八 金融工程 专题报告 主要观点: 报告日期:2024-05-17 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.《强制分红与公司投资:基于多国数据分析——“学海拾珠”系列之一百八十七》 2.《基金中的“伪择时”现象——“学海拾珠”系列之一百八十六》 3.《DiffsFormer:基于扩散模型的因子增强框架——“学海拾珠”系列之一百八十�》 4.《深度投资组合管理中的对比学习和奖励平滑——“学海拾珠”系列之一百八十四》 5.《基金业绩基准之外的共同持股意味着什么?——“学海拾珠”系列之一百八十三》 6.《基于网络和机器学习的因子、资产和混合配置——“学海拾珠”系列之一百八十二》 7.《股息收益率、股息增长率和回报可预测性——“学海拾珠”系列之一百八十一》 本篇是“学海拾珠”系列第一百八十八篇,作者探讨了行业中的羊群行为对投资回报动量的影响。研究发现,表现优秀的行业在未来几个 月里的表现通常会超过落后的行业。然而,行业动量策略的盈利能力却 取决于行业内部羊群行为的强度。具有高度羊群行为的落后行业的未来 回报明显低于羊群行为程度较低的落后行业。对于表现优秀的行业,无论羊群行为的水平高低,其未来回报没有显著差异。事实上,羊群行为与投资回报趋势之间的这种非对称关系,是零成本动量策略获利的关键。这表明在实施行业动量策略时,必须要考虑到行业中的羊群效益的水平。 回到国内市场,行业动量效应显著存在,但作为因子其稳定性相对一般,基于行业羊群效应对因子进行改进或是一条可行的路径,文献值得一读。 行业羊群行为与回报动量的关系 行业内投资者的羊群行为可能导致市场出现过度买入或卖出的情况,从而影响股票价格的走势。这种行为可能会对行业内不同股票的表现产生影响,进而影响动量策略的效果。 羊群行为与行业动量策略之间的非对称性 行业动量策略的盈利性取决于行业内的羊群效应的水平。输家行业中存在高水平羊群效应的行业通常会产生比低效应行业更低的未来回报,而赢家行业在低和高羊群水平之间则没有显著差异。这种关系的不对称性是导致零成本动量策略盈利的关键因素。 基于羊群效应构建的行业动量策略表现较好 在亏损行业做空的收益取决于行业的羊群效应水平。当做空的行业羊群效应较低时,零成本动量策略的后续收益并不显著。无论多头头寸中赢家投资组合的羊群效应水平如何,做空低羊群效应的输家投资组合都会产生微不足道的后续回报。另一方面,在高羊群效应的赢家行业中做多,在高羊群效应的输家行业中做空,则会在接下来的1个月、2个月和3个月中产生正的后续回报,且在1%的水平上都非常显著。 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相关研究5 2.1股票回报的动量效应5 2.2羊群行为5 3背景6 3.1羊群效应测量方法6 3.2投资组合构建6 4实证分析7 4.1数据集7 4.2描述性统计7 4.3羊群效应和动量回报的测量8 4.4零成本动量策略的盈利能力10 4.5羊群行为的不对称性对动量的影响12 4.6经济危机时期13 5结论和未来展望15 风险提示:16 图表目录 图表1文章框架4 图表2研究中所用行业的几种描述性统计8 图表3行业投资组合的动量效应9 图表4羊群行为对收益动量的影响10 图表5赢家行业和输家行业的收益差11 图表6基于羊群行为的动量策略相对于传统动量策略的超额收益11 图表7市场上涨时期和下跌时期的羊群效应12 图表8在市场上涨和下跌期间,赢家和输家投资组合之间的收益差距13 图表9经济危机时期的羊群行为和回报动量14 图表10经济危机时期赢家和输家投资组合之间的收益差距15 图表11在市场危机期间,基于羊群行为的动量策略相对于传统动量策略的超额收益15 1引言 图表1文章框架 资料来源:华安证券研究所整理 在金融市场中,投资者的羊群行为和资产价格的动量效应一直是研究的热点之一。过去的文献已经广泛探讨了羊群行为对资产回报的影响,但对于行业层面的羊群行为如何影响行业动量效应的研究相对较少。本研究旨在填补这一研究空白,探讨行业羊群行为对行业动量的影响,并进一步探讨如何利用这种关系来改进投资策略。 过去的研究表明,羊群行为在金融市场中扮演着重要角色。Nofsinger和Sias (1999)等学者发现,资产的回报往往会随着羊群行为的方向而变化,形成动量效应。然而,Dasgupta等人(2011)和Brown等人(2014)的研究则指出,羊群行为也可能导致长期的反转。这种羊群行为的影响不仅限于个体资产,还可以扩展到整个行业层面。 本文将关注点放在了行业层面的羊群行为和动量效应之间的关系上。通过利用Christie和Huang(1995)以及Chang等人(2000)提出的羊群行为模型,得以量化行业内部的羊群行为程度,并将其与行业动量进行关联。Lee等人(2013)和Yao等人(2014)的研究提供了在中国股市中观察行业集群现象的基础,为本研究提供了重要背景。 在本研究中作者发现,行业内部的羊群行为水平会影响行业动量效应的表现。具体而言,赢家行业和输家行业在高和低羊群行为水平下的表现存在明显差异。这种对羊群行为和动量效应之间关系的不对称性表明,投资策略中需要考虑行业内部的羊群行为水平。 本文的研究结果为投资者提供了一种新的视角来优化投资策略。通过深入理解羊群行为和动量效应之间的关系,投资者可以更好地把握市场机会,提高投资回报 率。 2相关研究 本文的主要目的是通过研究中国股票市场的数据来评估行业羊群行为对回报动量的影响。 2.1股票回报的动量效应 在资产定价文献中,股票回报的动量效应一直是众多研究的主题。从Jegadeesh和Titman(1993年)以及Asness(1994年)的开创性研究开始,文献已经提供了令人信服的证据,关于股票回报和其近期历史表现之间的关系,在他们提出基于过去1-12个月的数据,做多优秀股票头寸并做空表现不佳股票头寸的获利交易策略之后,Carhart(1997年)通过记载股票回报截面数据中的显著动量因子,正式确立了股票回报中的动量效应。 早期的文献对动量效应提供了多种行为解释。先前的论文,包括Daniel等人 (1998年)和Hong和Stein(1999年)提出了包括过度自信或信息反应不足在内的行为驱动因素,以解释动量效应。另一方面,Hong等人(2000年)提出了一个渐进的信息扩散模型,以帮助解释回报动量和反转,而Hvidkjaer(2006年)认为,部分投资者的行为可以解释部分动量效应。类似地,Sadka(2006年)发现,知情交易者对被干扰交易者的比率可以帮助解释动量回报的大部分成因。另一方面,早期论文Nofsinger和Sias(1999年)认为,羊群行为导致的定价错误也可能导致价格动量和过度波动。实际上,大量的文献表明,尤其在新兴股票市场中,由于许多机构和市场问题,包括市场透明度、流动性等,市场参与者都有羊群行为。然而,有趣的是,尽管新兴股票市场中有明显且持续的羊群行为,羊群行为与动量效应在新兴股票市场中的关系尚未被完全探究。 2.2羊群行为 Bikhchandani和Sharma(2001年)将羊群行为定义为投资者有意模仿其他投资者行为,并提出在投资于一组相似资产(例如,投资于行业或某一特定市场的公司股票)更可能出现此种现象,因为投资者面临类似的决策问题并有机会观察他人的交易。据此可以认为,在一个市场中,投资者的行为与其他人的交易方式相一致可能会进一步增加该市场可能的回报动量。实际上,专注于美国的机构投资者羊群行为的研究,包括Nofsinger和Sias(1999年)和Sias(2004年)的研究认为后续的资产回报沿着羊群方向形成回报动量,而包括Dasgupta等人(2011年),Singh(2013年)和Brown等人(2014年)的研究记录了由于机构羊群行为导致的长期回报反转。 Moskowitz和Grinblatt(1999年)提出,投资者可以通过行业组合而不是单一的股票组合捕捉大部分动量效应,而根据行业效应进行调整后,个别股票的动量收益会显著减弱。另一方面,Lang和Lundholm(1996年)认为,投资者可能会根据其他处在同一行业的公司的信息,从而收到关于某一公司的信号,而Choi和Sias(2009年)认为,分析员通常根据行业进行划分,投资者通常收到关于基本 分类(如行业)而不是统计分类(如规模和价值)的信号。因此,一个自然而然的问题是,一个行业中的羊群效益水平是否是动量回报的决定因素,以致于表现出高度羊群行为的行业相比较低羊群行为的行业产生更高的动量回报。 3背景 本节的羊群效应检验侧重于市场变动和投资组合截面数据之间的关系。 3.1羊群效应测量方法 定义1:CSSD。行业K中公司回报的截面数据标准差。 ∑𝑁�(� 2 −� 𝑘,� 𝐶𝑆𝑆� =√𝑖=1 𝑖,� 𝑁�−1 𝑚.𝑡) (1) 其中,Nk表示行业k的企业数量,Ri,t表示i公司在第t天的回报率。Rm,t表示市场回报率. 定义2:CSAD。行业K中公司回报的截面数据绝对偏差。 (2)并估计了CSAD与市场回报之间的一般二次关系: 𝐶𝑆𝐴𝐷𝑘,�=𝛼�+𝛼𝑘|𝑅𝑚,𝑡|+𝛼𝑘𝑅2+𝜀�(3 012𝑚,� ) 2 其中,羊群效益系数ak表示行业k中羊群行为的水平。该模型的原理是,行业内公司β值的横向离散度通常会导致市场回报与公司回报的横向离散度之间的正向关系,因为每家公司对市场因素的敏感度不同,因此公司回报的横向离散度也不同。 2 羊群效益系数𝑎�的负值越大,表明羊群效应程度越高,因为该行业的公司回报在市场大幅波动时会表现出更大程度的方向相似性。 3.2投资组合构建 为了建立中国股市行业动量的初步探究,本文首先将最终样本中的每只股票归入表2所列的50个行业之一。接下来,在每个月(t)结束时,根据行业过去6个月的收益率(M6)将行业分为两组,即赢家行业(winnerindustries)和输家行业 (loserindustries)。 M6是t-1至t-6期间的平均月收益率,不包括最近一个月。根据包括Asness(1994年)、Boudoukh等人(1994年)以及Grinblatt和Moskowitz(2004年)在内的多项研究,本文忽略最近一个月,以减少与微观结构问题相关的问题。然而,在不忽略最近一个月的情况下计算动量收益率(M6)——即t至t-5,可以得出类似的结果。如果各行业的动量回报率高于(低于)所有行业动量回报率的中位数,则将其定义为赢家(输家)行业。 2 2 本文使用最近6个月的每日数据,即t至t-5,估计每个行业的公式(3),得出行业k的羊群效应系数𝑎�的数据。然后将行业排序为头部(30%)、中间(40%)和底部(30%)。系数𝑎�越大(绝对值越大)或为负值,表示羊群效应程度越高。最后,本文 每个月都根据羊群效应和动量收益水平对行业进行排序,并使用相同的程序对这些投资组合进行再平衡。例如,如果羊群效应/动量投资组合是在7月底形成的,那么 2 动量回报(M6)是在1月至6月期间计算的,而羊群效应水平𝑎�则是在2月至7月期 间估算的。未来的收益率将于8月、9月和10月末进行计算。 4实证分析 4.1数据集 数据集由中国证券市场与会计研究(CSMAR)数据库中1996年1月至2013年12月期间在上海和深圳证券交易所上市的所有A股股票组成。按照中国证监会2012年发布的行业分类,根据每只股票披露的行业代码的前两位数字将其归入 78个行业之一。本文剔除了样本期间任何交易日交易股票数量少