传统收益率指标JT未能显著捕捉行业动量效应 [page::4][page::5]

| 组别 | 24周收益(千分) | 20周收益 | 16周收益 | 12周收益 | 8周收益 | 4周收益 |
|-------|---------------|---------|---------|---------|--------|--------|
| L | -1.46 | 1.98 | 2.48 | 3.87 | 3.92 | 6.73 |
| 2 | 2.09 | 5.66 | 5.32 | 6.36 | 5.04 | 8.29 |
| H | 1.26 | 5.48 | 5.20 | 6.79 | 7.00 | 9.47 |
| H-L | 2.72 | 3.50 | 2.72 | 2.91 | 3.08 | 2.74 |
| p-value | 0.27 | 0.21 | 0.26 | 0.24 | 0.22 | 0.24 |

• JT指标虽然有一定收益差，但未通过显著性检验，且单调性在持有期16周后被破坏。

- 类似在中信二级行业中，JT指标仍无法显著区分动量收益。

GH与RR指标展现稳定且显著的动量效应 [page::5][page::6]

• 两指标均基于过去26周最高价，GH反映现价接近度，RR反映最高价出现时间。

- 在一级行业，RR指标构建的组合保持单调性并显著优于最低组合，多数持有期p-value均<0.05。

• 二级行业表现更佳，H组合与L组合的收益差约千分7-8，显著性同样稳固。

- 两指标分别从价格水平和时间维度捕捉行业趋势，互补性强。

GH与RR指标叠加显著增强动量效应 [page::6][page::7]

| 周期 | 指标组合 | 收益差(千分) | t值 | p-value |
|-------|----------|--------------|-------|----------|
| 24周 | RR+GH | 8.19 | 3.92 | <0.001 |
| | GH+GH | 7.87 | 2.12 | 0.02 |
| | RR+RR | 7.35 | 1.72 | 0.05 |
| 20周 | RR+GH | 7.92 | 3.47 | <0.001 |
| 16周 | RR+GH | 7.38 | 3.12 | 0.001 |

• 叠加后的HH与LL组合收益差显著升高，动量策略效力增强。

- 叠加收益主要因LL组合收益下降，HH组合表现稳健但无显著提升。

• GH与RR在相关性低的分组中互补性更强，利于多因子策略构建。

实战多因子构建示例及高阶分组收益 [page::7][page::8]

| RR\GH | L | 2 | 3 | H | HH-LL组合收益差 |
|--------|---------|---------|---------|---------|----------------|
| L | -7.86 | -2.28 | -2.19 | 2.63 | |
| 2 | -1.40 | 2.19 | 3.84 | 4.53 | |
| 3 | 1.73 | 3.03 | 3.35 | 4.10 | |
| H | 5.48 | 3.56 | 4.87 | 5.80 | 13.66 |

• 二级行业先按RR分四组，每组再按GH分四组，共16组合。

- HH组合与LL组合间每4周平均收益差达1.366%，显著且单调。

• 为行业动量轮动及多因子模型提升实战效益提供了强有力量化工具。

深度解读报告：《过去 26 周最高价及其出现时间的动量效应》——基于A股行业样本的实证研究

---

1. 元数据与报告概览

报告标题：他山之石本土实证系列之五 —— 过去 26 周最高价及其出现时间的动量效应
作者：冯佳睿（海通证券研究所，金融工程分析师）
发布机构：海通证券股份有限公司研究所
发布日期：2014年10月8日
研究主题：A股市场的行业层面动量效应研究，聚焦于通过“过去26周最高价及最高价出现时间”的新指标来探讨动量策略的有效性。

核心论点及信息：

• 传统使用单日收盘价计算收益率（即JT指标）在A股行业层面未能显著体现动量效应。

- 新提出的两个指标：GH（当前价格与26周最高价的比值）与RR（最高价出现时间的反向指标）能够显著且稳定地揭示行业动量效应。

• GH与RR指标叠加后，动量效应进一步增强，构建多因子组合后，4周持有期收益差最高可达1.366%。

- 该结论突破了A股市场传统观察到的反转效应，提出了新的实证路径，并对投资实务和多因子模型建设具有借鉴意义。[page::0]

---

2. 逐节深度解读

2.1 引言及相关研究回顾

报告开篇介绍了全球范围内广泛认可的动量效应，并指出A股市场上长期观察到的主要是价格反转行为。报告认为，采用传统的基于单一收盘价的收益率指标，无法充分捕捉价格动态，导致动量效应不明显。继而提出关注过去一段时间内的最高价信息作为新的动量指标思路。

另外，报告回顾了相关文献，强调引入最高价和最低价信息的指标（如ATR）在价格波动研究中的成功经验，提示最高价可用来刻画趋势或动量特征，从而形成GH和RR指标的理论基础。两者分别反映价格接近最高价的程度和最高价发生的时间新近程度。

作者对GH和RR指标设计思路的解释中，传递出行为金融学的观点：投资者对近期创历史新高的资产持谨慎态度，导致价格创新高时的反应不足，未来表现优异的潜力较大。该理论为新指标的动量效应提供了心理基础。[page::0] [page::3]

2.2 数据与方法 —— 行业选择与指标构造

• 样本与时间范围：29个中信一级行业，80个中信二级行业，2009年1月到2014年6月数据。

- 选择行业而非个股：行业数据避免个股如停牌、涨跌停等异常，且行业动量表现更稳定，部分热门板块案例（如军工、计算机、传媒）支撑该观点。

• 观察周期：26周（约半年）用于计算指标，持有期均为4周或其倍数。

- 传统指标：JT指标——过去26周累计收益率。

• 创新指标：

- GH指标 = 当前价格 / 过去26周的最高价，理论值最大1，越接近1说明价格创新高越近。
- RR指标 = 距今距离最高价出现的天数的反向标准化（最高价越近，指标值越大，最大同样为1）。

• 组合构建及收益计算：

- 每隔4周滚动计算指标，分别对一级及二级行业分组排序，分别形成多组组合。
- 持有期超过4周时，通过平均持有历史多个组合收益剔除起始日选择偏差。
- 在研究动量时，将建仓期与持有期之间预留4周缓冲，以降低流动性因素的影响。

• 本节详细设定了指标定义、样本构成与实证设计，有助于后续结果的稳定性和科学性。[page::3] [page::4]

2.3 一元实证结果 —— JT指标动量检验

• 中信一级行业：将29个行业粗分成3组（L,2,H），计算不同持有期（4至24周）未来4周收益。

- 结果（表1）：
- 观察到短持有期（4-12周）组合收益单调性较好，即指标大小与后续收益趋势一致。
- 持有期超过16周时单调性破坏，顶层组合表现不再优越。
- H（最高指标值）与L（最低指标值）组合收益差小且t检验均不显著（p值均>0.2），说明缺乏显著动量效应证据。

• 中信二级行业：80个行业分5组，重复测试。

- 结果（表2）：
- 单调性未见改善，甚至4周持有期2组表现最好，动量效应混乱。
- H-L收益差虽较一级行业大（约5‰），但t检验仍不显著（p值>0.1）。

• 结论：基于传统JT指标，无法证明中信一、二级行业存在稳定且显著的动量效应。此结论揭示了传统基于收盘价收益率的指标局限。[page::4] [page::5]

2.4 一元实证结果 —— GH与RR指标动量效应

• 方法：基于GH和RR指标，同样对一级行业分三组，统计不同持有期（4-24周）的组合收益（表3）。

- 结果：
- RR指标构造的组合收益单调性非常好，各持有期下H组收益均显著超过L组。
- GH指标除4周和8周持有期表现略有破坏单调性外，其余持有期均呈现明显单调性。
- H-L组合收益差明显放大，t检验显著性普遍低于0.05，显示强动量证据。

• 二级行业检测（表4）：

- 同样展示强动量效应，H组比L组每4周平均带来约7‰超额收益且显著。
- 两指标优劣难分，因GH侧重价格水平，RR侧重最高价出现时间，信息面具差异。

• 该章节表明，利用最高价及其时间信息构建新指标在A股行业层面能显著捕捉动量效应，突破单纯收益率指标的限制。[page::5] [page::6]

2.5 指标叠加分析

• 构建方法：先按RR指标中位分组，再在各组内按GH指标再次四分，形成4×4共16个组合。重点研究极端组合“HH”（两指标均高）与“LL”（两指标均低）收益差。

- 叠加效应检验（表5）：
- 叠加后的H-L组合收益差扩大至8‰以上且t值显著（p值<0.001），显著增强动量效应。
- 收益差扩大主要因LL组收益降低，HH组收益未显著提升。

• 指标相关性解析（表6）：

- GH与RR整体中等相关（约0.65），但在RR低值组，相关性仅约0.52，信息非重合。
- 低相关度意味着叠加两个指标补充性强，使得动量判断更准确，尤其是鉴别低动量（LL）组合。

• 进一步分组（表7）：

- 4×4的细分组合呈现极好的收益单调性，HH-LL的差距提高至1.366%每4周。
- 单调性在所有子组均得到很好维持，支持多因子模型的有效性。

• 综上，两个指标互补性强，叠加应用明显提高对行业动量效应的识别能力，为实务操作提供了新的工具。[page::6] [page::7] [page::8]

2.6 总结与讨论

• 动量效应在成熟市场早已被证实，尤其基于过去表现构建多空组合盈余颇丰。

- A股市场似乎更多体现反转效应，传统指标无法有效捕获动量。

• 因此本文创新基于过去26周最高价，构建价格水平和创新高时间两个不同维度指标，成功发现了行业层面的稳定动量现象。

- 指标叠加后，构建投资组合4周持有期收益达1.366%，具备实战潜力。

• 研究后续计划关注个股层面表现，拓展研究思路。

- 该研究为A股动量策略的研究和应用开辟一条新路径，提示投资者关注非传统价格信息，提升动量量化策略的准确度和效益。[page::8]

---

3. 图表深度解读

表1 “JT指标在中信一级行业中的动量效应”

• 该表呈现低中高分组在不同持有期（4至24周）的平均4周收益。

- 分组顺序体现单调性：短期内（4-12周）H组收益最高，L组最低，2组居中。

• 但长持有期（16周以上）破坏单调性，且H-L差值虽稳定约3‰以上，t检验显示不显著（最高p=0.27），表明动量信号不可靠。

- 说明传统收益率指标对行业动量预测有限。[page::4]

表2 “JT指标在中信二级行业中的动量效应”

• 五分组情况下，短持有期收益顺序仍未完全单调。

- H-L最大收益差落在5-6‰，但t检验未达到显著水平（p≈0.13-0.20）。

• 指标表现依旧不够稳健，未能支持动量投资。[page::5]

表3 “GH和RR指标在中信一级行业中的动量效应”

• 表格双列展示RR与GH指标分组收益：均呈现明显单调性，H组持续高于L组。

- H-L差扩展至6‰以上，t值在约1.7-2.6之间，多数显著（p值大多<0.05），表现强于JT指标。

• RR指标表现略优于GH指标，特别在中长持有期，单调性更好。

- 该表有力证明两新指标均为有效的动量预测指标。[page::5]

表4 “GH和RR指标在中信二级行业中的动量效应”

• 五分组横跨两指标，H-L收益差均为7‰左右，t检验近乎所有达到0.1及以下显著。

- 此表验证二级行业层面动量信号更强，尤其对于RR指标。

• 稳定的单调性与显著性支撑了之前一级行业发现，也证实指标稳健性。

- 体现出产业细分层面动量效应更突出。[page::6]

表5 “叠加效应的检验”

• 展示叠加后HH与LL组合收益差远超单指标的结果（约8‰左右），t检验水平显著（p<0.05，尤以RR+GH组合优势明显）。

- 叠加效应主要由于LL组合收益显著下滑，而HH组合收益变化不大。

• 说明动量信号主要源于对弱势组合更精准识别，实现更优卖空收益。

- 该表强调指标互补价值，促进多因子模型设计思考。[page::6] [page::7]

表6 “GH与RR的相关系数”

• 全体样本相关系数均值为0.65，说明中等程度正相关。

- 按RR高低分组，低组（L组）相关仅0.52，高组（H组）相关高达0.74。

• 低相关区域表明两指标含有较大独立信息量，为叠加效应提供理论基础。

- 该数据解释了叠加策略收益差扩大缘由。[page::7]

表7 “4×4组合的动量效应矩阵”

• 秀出HH组与LL组各组别收益以及成对收益差13.66‰，t值4.44，p值<0.001。

- 收益单调性几乎完美，示范多因子分层模型有效。

• 组合间数据加强策略可行性和实际操作参考价值。

- 该表是实务应用层面最强有力支持数据。[page::8]

---

4. 估值分析

本报告并未涉及公司个股估值、目标价等内容，重点为动量策略的指标构建及实证分析，因此无传统估值模型、折现率、倍数法、敏感性分析等相关内容。若后续研究转向个股层面，可能会涉及相关估值方法。[page::0~8]

---

5. 风险因素评估

报告未专门章节集中讨论投资风险，但从内容我们可归纳潜在风险及其影响：

• 动量效应稳定性风险：虽然新指标表现优异，但基于过去价格最高点的数据仍存在未来环境变化或市场结构调整导致失效的风险。

- 行业层面数据局限：行业平均指标可能掩盖个股的异质性及极端事件影响，若用于个股操作应谨慎。

• 市场环境限制：A股市场特殊性（如政策影响、流动性限制、交易成本、涨跌停规则）可能降低动量策略净收益。

- 假设条件风险：实证中假设可卖空且无手续费，现实中该假设存在障碍，实际收益可能被侵蚀或实现困难。

• 指标相关性风险：GH与RR虽补充信息，但相关性不固定，可能导致模型稳定性下降。

报告未详细提出缓解策略，但通过保守持有期设计（4周滚动、间隔期）和行业层面分析，间接降低了流动性及极端事件影响。[page::7]

---

6. 批判性视角与细微差别

• 统计显著性阈值问题：部分结果仅在0.1或0.05显著水平显现，仍需谨慎解读，可能存在轻微数据过拟合或样本偏差。

- 持有期选择对结果的影响：报告以4周为基本单位滚动，交叉持有期设计客观，但仍会引入收益滑动依赖，需考虑策略现实实施难度。

• 卖空与无手续费假设：尽管传统实证采用该设定方便模型检验，但现实A股市场中卖空受限，手续费与滑点对策略盈利有较大抹杀，报告对此未深入探讨，策略实际可操作性待验证。

- 指标变量的经济解释性：GH与RR虽基于最高价，但其经济学含义并未深度挖掘，行为金融解释较为初步。更细致的原理机制分析可能增强指标说服力。

• 指标选择顺序的讨论有限：虽然提及RR后GH或反之顺序影响相近，但未展开细节讨论，略显不足。

- 多因子模型构建：尽管报告示范4×4的组合，但未展示更系统的多因子模型框架和风险控制，后续内容值得期待。

• 数据样本时间限制和行业样本量：研究基于5年半的数据，时间窗口有限，且行业划分层次有限，可能影响结论的泛化能力。未来可扩大样本验证。

总体而言，报告在实证设计和结果表达中保持谨慎、客观，但对假设条件和实用性限制描述略显简略，值得研究者及投资者关注。[page::4~8]

---

7. 结论性综合

报告核心发现

• 在传统使用单日收盘收益率（JT指标）的分析中，A股中信一级和二级行业未能体现显著且稳定的动量效应，反映了无效市场假说或市场反转效应的局限。

- 报告创新引入基于过去26周最高价的两个关键指标：
- GH指标：现价与最高价的比值，反映价格接近历史最高的强度。
- RR指标：最高价出现时间的反向量度，意指价格创新高的时新度。

• 两指标在一级和二级行业均展现出强烈且稳定的动量效应，持有期从4周至24周均有效，且单调性好，H组收益显著超越L组。

- GH与RR作为不同维度提供互补信息，二者叠加后，极端高低组合收益差更显著（最高达每4周1.366%），单调性完善，支持多因子组合构建。

• 指标叠加主要通过降低低值组合收益实现收益差距扩大，反映对弱势行业的精准识别能力增强。

- 报告不仅拓宽了A股动量效应的研究视角，也为实务多因子模型引入非传统价格信息提供案例。

图表驱动的深刻见解

• 表3和表4明确显示GH、RR指标对动量的优异表现，统计显著且单调一致。

- 表5及表7展示了因子叠加后动量信号提升的定量幅度及强度，收益和显著性均大幅增强，提供具体实证基础。

• 表6揭示两指标间的中等相关性及按RR分组不同的相关结构，为叠加效应的机制提供解释。

总体立场与建议

• 作者肯定了基于最高价的动量指标能克服传统收益率指标的弊端，显著提升了动量策略在A股行业层面的可行性。

- 报告建议投资者、策略设计师在构建多因子动量模型时，应引入价格最高点信息，利用GH与RR指标提升动量信号精度和收益。

• 研究仍处于行业层面，个股层面的实证及应用有待后续发布。

- 卖空和交易成本等实际操作障碍未纳入深层讨论，实际收益可能受限，投资者应结合自身条件谨慎使用。

• 总体而言，该报告为A股动量效应研究提供了崭新且具有实证力的方向，兼具理论价值和实践指导意义。[page::0~8]

---

结束语

本报告通过对传统动量指标的全面评估和创新引入基于最高价的GH和RR指标，细致揭示了A股行业层面隐藏的动量效应。丰富的实证数据和严谨的统计检验使得结论具有说服力和实用参考价值。图表的结合展示了指标的性能与叠加效应，强化了策略构建的工程应用基础。尽管存在市场实际限制和模型假设的固有风险，报告的贡献对于资产定价理论在新兴市场的适用性及投资策略落地具有重要意义。投资者和研究人员应持续关注后续个股层面的验证和多因子模型发展，探索更加稳健和高效的动量投资路径。

报告