先预祝一下各位新年快乐！
股票投资决策最后的呈现，其实就是市场中的价格，因此价格本身也就成为了市场中所有交易者认知的汇总，无论你的投资理念基于哪一个流派，大家在这一点上总能达成共识。而价格这个指标贯穿投资决策的前中后各个阶段，其实自动也成为了投资信号的一种。
基于价格信号的投资策略，最为著名的莫过于动量和反转了。在查尔斯·道（Charles Dow）提出了这个观点的最初雏形之后，业界和学术界在各类市场中都普遍发现了价格的动量特征，这一点在短期尤其明显（12个月之内），即过去表现较好的股票在未来一年也往往有更好的表现。而从长期来看，股票则会出现反转，即过去表现好的股票在未来3年到5年可能回报会变差。当然各个市场在周期性上可能存在差异，比如在中国，很多学者就认为不同市场状态下，动量和反转的表现和周期性不一致，并且动量效应的效果并不好。
不过为什么同样的股票会存在两种不同方向的变动特征呢？人们非常好奇究竟如何判断股票究竟是处于动量阶段还是反转阶段，进而也就展开了对动量生命周期的研究。
各界对这个问题的解读很多，比如信息过度反应和反应不足等等，今天我们给大家介绍的是基于交易量角度的动量周期问题研究，这个理论是由Lee和Swaminathan在2000年的时候提出的。
他们发现，交易量同未来回报之间存在着一个反向的关系，即相较于高交易量的股票，低交易量的股票在未来反而有更高的超额回报。这是一个非常奇妙的现象，因为按道理交易量越高的股票说明越受市场追捧，应该会有更好的未来表现才对。我们使用倍发科技投资研究系统（Betalpha BAR 1.0）中的因子回测功能，建立过去六个月的交易量因子对过去五年的全部A股进行回测，也可以发现，交易量与未来回报之间的确存在着反向的关系（从左至右按照交易量进行分组，最左边为交易量最大的20%的股票，向右则相应递减）。
传统观点认为交易量和回报之间的关系是从流动性角度出发的。不过Lee和Swaminathan并不认同这样的观点，他们认为交易量的预测能力，主要体现在其对股票估值的能力之上：通常来说，高交易量的股票往往呈现高估值、高增长和高分析师覆盖度的“三高”特征，并且账面市值比比较低，而反过来低交易量的股票往往是价值型的，增长性并不突出，估值也相对较低。因此从估值水平来说，高交易量的股票在未来回落的几率会更高。而另外一方面，他们也发现，低交易量股票在未来的运营效率平均而言会更高，这与分析师的评价是相反的，因此他们认为企业的新公告会修正分析师传递给市场的错误估价，高交易量股票在公告发布时的回报会低于低交易量的股票。
为此他们设计了一个基于交易量和动量策略的研究策略，基于过去6个月的回报率，把所有股票分为从高到低的10组，然后再基于过去6个月的交易量，把所有股票均分为3组。然后设计了三种交易类型：
第一种是普通动量策略，即单纯买入过去6个月动量效应最强的股票（即过去6个月回报最高的10%的股票）；第二个是早期动量策略，即在过去6个月动量效应最强的股票中，选出那些在交易量上位于全部股票最低的33.3%水平的股票；第三个则是晚期动量策略，这是在过去6个月动量效应最强的股票中，选出位于属于位于全市场交易量最高33.3%水平的股票。他们发现相较于普通动量策略，早期动量策略显然有更好的回报，而晚期动量策略则带来了显著的负相对收益。
我们使用上述三种选股策略，基于BAR对过去5年的全部A股进行回测，换仓频率为每月1次，也可以得出类似的结论。
从结果来看，单纯的动量策略在A股市场是无法获得超额收益的，但是结合交易量的策略可以显著改善纯动量策略的选股效果。为了确保稳健性，我们选择不同的动量时长（更换为3个月、9个月和12个月的动量，相应交易量也做出一致的时期调整）进行分析，结果也是一致的，即早期动量能取得更好的表现。
△三种3个月动量策略对比
△三种6个月动量策略对比
△三种9个月动量策略对比
△三种12个月动量策略对比
相应策略的效果如下表所示（基准收益为沪深300，年化收益率为15.34%）：
类似地，如果我们进行百分比分组的变化或者进行市值权重调整，得到的结论也不会变化，这意味着这一现象并非源于数据分组。
那么这样的现象究竟是如何形成的呢？
Lee和Swaminathan在这项研究的基础上提出了动量生命周期假说。如下面这个图所示：
图片来自Lee和Swaminathan（2000）的论文
他们认为股票交易分为投资者的追逐期和冷淡期，坐标轴左侧是过去的赢家组合（即过去N个月存在获益为正的股票），右侧为输家组合。他们认为成长型的股票受到好消息的刺激，回报率会上升，受到市场追捧，此时股票位于左上角（高收益高交易量）；随着价格上升到一定程度，市场会认为股票被高估了，此时股票回报率会渐渐回落，市场不再热捧，股票顺时针转到低回报低交易的状态；而当价格下降到一定的程度时，市场又会开始新的循环。这就构成了动量的变动周期（短动量，长反转）。
而对于这种周期，如前所述，我们恰恰可以使用交易量进行定位，因为受到追捧的股票交易量是先升高后降低的，利用之前的分析结果，显然高交易量高回报和低交易量低回报的组合很快要进行价格的反转，而高交易量低回报和低交易量高回报的股票则位于周期开始的时候，会出现动量效应，而国内动量策略不太适用的主要原因，很可能就是交易量和股票回报的同步性非常强，因此在历史上的反转因子会显得非常出色。而利用这样的关系特征，也可以帮助我们更好地捕捉市场中的趋势特征。
【参考文献】
Lee C M C, Swaminathan B. Price Momentum and Trading Volume[J]. Journal of Finance, 2000, 55(5):2017-2069.
本文使用的BAR代码：
Momentum_6M>quantile_s(Momentum_6M,90,sample=all)
过去六个月动量效应位于全部A股的前10%水平
sum_t(Transaction_Volume,-6:-1,M)>quantile_s(sum_t(Transaction_Volume,-6:-1,M),66.6,sample=all)
过去六个月的总交易量位于全部A股的前三分之一
类似地，如果要改变相应时间尺度和排名，只需要改变其中的数字即可
风险管理工具 / 量化投资知识 / 金融大讲堂——'有金有险'
（欢迎金融机构从业的朋友申请BAR系统的试用）
联系客服
