股票回报

五因子模型是由Eugene Fama和Kenneth French提出的资产定价模型。

该模型在其先前的三因子模型的基础上，增加了两个新的因子：盈利能力和投资风格因子。

模型旨在更全面地解释股票回报，并在学术界和实务界都获得了广泛的关注。

1. 市场风险因子（Market Risk Factor）

资本资产定价模型（CAPM）中的核心因子，代表市场整体的风险溢价，通常用市场超额回报表示，计算公式为：

报告摘要

主要观点

本篇是“学海拾珠”系列第七十一篇，本期推荐的海外文献研究了员工流动和股票回报之间的关系。普通员工正日益成为许多公司关键的生产要素，这些变化表明企业劳动力的动态变化对企业绩效具有重要影响。然而，我们关于员工的进入和退出对公司股价的影响知之甚少。如果投资者认为劳动力流动所传达的信息已被其他数据源充分涵盖，则他们在对证券进行估值时可能会忽略这些动态。回到A股市场，关于员工流动信息和股票收益之间关系的研究非常罕见，作为较为另类的数据，无论是作为因子还是事件加入选股模型中都能提供一定的增量。

• **劳动力流动可以预测未来的股票回报

在我和众多读者进行互动的时候，收到的频率最高的几个问题就是：伍老师怎么看接下来的股市？美股已经涨了这么多年了，接下来买股票的回报还会好么？在接下来的10年中，我应该是多买些股票，还是多买些债券？因此今天这篇文章，就来和大家讨论一下这几个问题。

首先想要告诉大家的是：美股什么时候登顶，我不知道。在笔者的专栏”伍治坚证据主义“中，我曾经列举了大量证据来证明：未来无法预测，投资者不要去浪费时间做择时预测。

但是基于大量的历史证据和金融研究，我们能够知道的是：长期耐心的持有股票，能够获得更好的投资回报。为了

本文翻译来自MSCI《情绪因子的多面性：基于传统数据和另类数据的情绪测度评估》

研报作者：Vipul Jain, Roman Kouzmenko, George Bonne

发布时间：2020年12月

概要

在本文中，我们检验了股票因子之间的关系，旨在美国股票市场捕捉投资者情绪和股票回报之间的关系。我们探索了基于传统市场数据来源的传统情绪定义，以及来自另类数据的更新公式。

总的来说，我们调查了7个基于情绪的来源，这些来源提供了独特的、不相关的信息，并在添加到通常用于风险模型的传统因子和其他快速移动的基于价格的因子时产生了积极的纯因子表现（pure-factor perf

作者：Ashiq Ali, et al.

出处：Journal of Accounting, Auditing& Finance，2019-03

摘要：本文探讨了公司信息披露行为是否是导致预测离散度异常的原因之一，即分析师预测离散度与未来股票收益之间存在负相关关系。之前的研究表明，企业倾向于推迟披露坏消息，而隐瞒消息会导致分析师预测的更大离散度。因此，作者预测，分析师对收益预测的离散度越高的公司，在接下来的季度更有可能出现糟糕的收益，并找到了与这一预测相符的证据。在控制了预测离散度与未来收益之间的关系后，作者发现预测离散度与未来股票收益之间，不再存在显著的负相关关系。这些结果表明：公司暂时

Weibo sentiments and stock return :A time-frequency view

作者：Yingying Xu, Zhixin Liu, et al.

出处：PLOS ONE, 2017-06

摘要

本研究为社交媒体情绪与中国股市之间的关系提供了新的见解。基于机器学习，我们将新浪微博上发布的微博内容分为愤怒、厌恶、恐惧、喜悦和悲伤这五种情绪。利用小波分析，作者发现情绪与股票收益之间存在着密切的正相关关系，两者具有频率和时变特征。自2014年10月以来，在不到十个交易日的中高频率交易下，股票收益率出现明显波动时，这五种情绪表现出与股票收益率的正

报告摘要

主要观点

本篇是“学海拾珠”系列第七十一篇，本期推荐的海外文献研究了员工流动和股票回报之间的关系。普通员工正日益成为许多公司关键的生产要素，这些变化表明企业劳动力的动态变化对企业绩效具有重要影响。然而，我们关于员工的进入和退出对公司股价的影响知之甚少。如果投资者认为劳动力流动所传达的信息已被其他数据源充分涵盖，则他们在对证券进行估值时可能会忽略这些动态。回到A股市场，关于员工流动信息和股票收益之间关系的研究非常罕见，作为较为另类的数据，无论是作为因子还是事件加入选股模型中都能提供一定的增量。

• **劳动力流动可以预测未来的股票回报

摘要

文献来源：Y. Atilgan, T.G. Bali and K.O. Demirtas et al., “Left-tail momentum: Underreaction to bad news, costly arbitrage and equity returns”, Journal of Financial Economics, Volume 135, Issue 3, 2020.

推荐原因：本文探究了股票左尾风险（left-tail risk，股票收益率分布在左端肥尾，也就是说股票历史上经历过较大幅的日度亏损）与未来收益间的截面相关性。作者发现，股票左尾风险

论文原名

《Are Stock Returns Predictable in China? A Machine Learning Approach》

论文作者

Huihang Wu, Xingkong Wei, Xiaoyan Zhang

修订时间

2021 年 10 月

关键词

回报预测、样本外预测、机器学习、金融科技

引言

股票收益的可预测性一直是研究的核心问题之一。金融。本文试图引入机器学习方法来回答股票是否在中国，回报是可以预见的。中国股市的108个特征数据来自1997 年 1 月至 2019 年 12 月，本文比较了传统计量经济学模型与