价格动量因子构建与表现概述 [page::3][page::8][page::9]

• 价格动量基于t-11月至t-1月的累计收益计算。

- 价格动量因子在A股表现不佳，因子IC为-0.0044，净值曲线波动且无显著收益。

基本面动量因子构建及有效性检验 [page::3][page::4][page::5][page::7][page::9]

| 因子 | Mean(%) | CAPM | FF3 | FFC | FF5 | t-value (Mean) |
|--------|------------|---------|---------|--------|-------|--------|
| APE (Panel A) | 0.44 | 0.45 | 0.24 | 0.08 | 0.13 | 2.75 |
| ROE (Panel B) | 0.38 | 0.41 | 0.35 | 0.24 | 0.26 | 2.20 |
| GPA (Panel B) | 0.28 | 0.29 | 0.19 | 0.06 | 0.07 | 2.16 |

• 基本面动量通过多元回归及预测组合方法计算FIR。

- FIR信息系数(IC)均值为0.0381，显著优于价格动量。

• 价差组合分析表明基本面动量月均收益率显著正向，约0.44%。

双动量策略构建与回测结果 [page::6][page::10][page::11]

| 策略 | Mean(%) | CAPM Alpha | FF3 Alpha | FFC Alpha | FF5 Alpha |
|-------|----------|------------|-----------|-----------|-----------|
| PMOM (价格动量) | -0.15 | -0.19 | 0.07 | 0.56 | 0.29 |
| FMOM (基本面动量) | 0.44 | 0.48 | 0.39 | 0.27 | 0.29 |
| T_MOM (双动量) | 0.85 | 0.83 | 1.00 | 1.54 | 1.22 |

• 双动量策略结合价格动量和基本面动量选股，在低价格动量、高基本面动量股票交集买入，反向操作卖出。

- 相较单一因子策略，双动量月均收益及风险调整收益显著提升。

Fama-Macbeth 回归验证因子独立性 [page::6][page::7]

| 因子 | 估计系数 | t值 |
|------|-----------|-----|
| 价格动量 | 负且不显著 | 约0 |
| FIR | 正且显著 | 3.4-4.2 |

• 即使控制传统风险因子和市场特征，FIR和价格动量均独立解释未来超额收益。

规模效应分析 [page::11][page::12]

| 排除市值最低比例 | 价格动量收益 | 基本面动量收益 | 双动量收益 |
|----------------|--------------|--------------|------------|
| 剔除最低20%股票 | -0.28 | 0.41 | 0.72 |
| 剔除最低40%股票 | -0.41 | 0.37 | 0.50 |
| 剔除最低60%股票 | -0.51 | 0.35* | 0.19 |
| 剔除最低80%股票 | -0.46 | 0.16 | -0.27 |

• 双动量和基本面动量在大市值、中市值股票中仍有效。

- 价格动量策略效果主要集中于低市值股票。

基于价格动量和基本面动量的双动量选股策略—详尽分析报告解读

---

1. 元数据与报告概览

• 报告标题： 基于价格动量和基本面动量的双动量选股策略

- 作者/机构： 西南证券研究发展中心，分析师邓函（执业证号：S1250517080005）

• 发布日期： 未具体标明，推断为2021年3月或稍后（因研究区间结束至2021年3月）

- 主题： 研究价格动量因子与基本面动量因子的构造及其在中国A股市场的选股效果，提出结合两者的双动量策略。

• 核心论点：

- 传统基本面因子表现逊色于技术动量因素，原因在于没有充分利用多维度且具有趋势信息的基本面数据。
- 引入新度量FIR（基本面隐含收益）以完整捕获基本面趋势信息，并结合价格动量提出双动量策略。
- 中国A股市场中，价格动量表现波动大且负相关未来收益，基本面动量表现稳定且正相关收益。
- 双动量策略结合价格与基本面因子的互补优势，获得更优的收益表现。

• 评级及目标价： 本报告采用学术因子研究方法，未针对个股进行评级和目标价设定，更多关注因子构建有效性及策略绩效。

总结而言，本报告强调在A股市场利用综合价格动量和新构建的基本面动量（FIR）实现选股优化，双动量策略显著优于单一因子策略，是提升超额收益的有效路径[page::0,1,3-7]。

---

2. 逐节深度解读

2.1 摘要

• 报告开篇引用Huang et al. (2019)的观点，说明基本面因子往往信息未被充分利用，提出FIR指标。

- 在实证中，价格动量因子表现弱，对未来收益产生微弱负相关（因子IC为-0.0044，月均收益负0.15%），反映价格动量在A股效果不佳。

• FIR基本面动量与未来股票收益正相关（因子IC 0.0381，月均收益0.44%）。

- 双动量结合两因子优势，捕获快速价格信息及缓慢基本面趋势信息，表现提升显著，月均收益0.85%。

• 通过Fama-Macbeth回归剔除多种其他因子，确认价格动量与基本面动量独立。报告也包含规模效应和行业子样本分析。

- 风险提示强调历史结果不代表未来表现，强调市场环境变动的影响[page::0,6-7]。

2.2 变量构建与因子构建

• 选取6个主要基本面变量：（ROE、ROA、EPS、APE、CPA、GPA），后3个为财务指标计算公式，加入滞后和时间序列趋势信息。

- 价格动量定义为过去11个月（t-11至t-1）的累计回报。

• 基本面动量FIR通过两种方法构建：

- 多元横截面回归，利用不同滞后长度（1、2、4、8季度）基本面变量移动平均预测未来收益，系数估计作为权重形成FIR。
- 预测组合方法，为避免共线性，分别对每个变量单独做回归得到多个FIR，取平均作为最终FIR。

• FIR核心创新为引入了基本面变量的趋势，而非单纯静态值，对捕获未来收益提升明显。

- 样本覆盖2016年6月至2021年3月，剔除ST股及新股[page::3-5]。

2.3 基本面动量有效性检验

• 单变量和包含趋势变量的回归结果显示趋势信息提升了因子表现，多个基本面变量如ROE、ROA、EPS加趋势后得到更加显著的Alpha和t值。APE因子的趋势信息尤为突出。

- 预测组合方法的价差组合（买高FIR卖低FIR）平均月收益达到0.44%，多种CAPM和FF3/5模型下均显著，表明FIR的稳定有效性。

• 综上，FIR作为一种基于基本面趋势的新因子，表现优于传统因子的静态测度。

- 注意CPA因子表现并不显著，提示不是所有基本面变量趋势均有预测力[page::4-5]。

2.4 双动量因子有效性检验

• 交叉排序法将股票按价格动量和FIR双重划分25组，实证结果显示：

- 同一价格动量分组内，FIR分组收益呈明显单调递增趋势。
- 同一FIR分组内，价格动量与未来收益呈负相关或无明显正相关。

• 说明两个因子携带信息相对独立，互补性强。

- Fama-Macbeth回归控制其他已知因子（短长反转、市值、账面市值比、波动率），价格动量回归系数负且不显著，FIR回归系数正且极显著，两者同时回归时依然维持显著性，进一步证明因子独立性。

• 信息系数分析显示基本面动量IC均值0.0381显著为正，远高于价格动量IC均值-0.0044，且IR值较高，显示其选股稳定性明显优于价格动量。

- 因子累计信息系数图（图1）可视化支持FIR累计IC持续增加趋势，价格动量累计IC略微下降[page::6-8]。

2.5 策略分组检验与对比

• 价格动量策略行为奇特，呈现负相关未来收益，低过去收益率组合表现反而更好，策略净值（图2）波动且没长期发散趋势，策略表现不佳。

- 基本面动量策略表现平稳且连续上涨，净值走势明显优于价格动量，FIR越高收益越好（图3）。

• 双动量策略取价格动量最低与FIR最高交叉买入，相反卖出，表现最佳（图4），远优于单一因子策略。

- 多年来股价表现消极时，FIR仍有助力，结合两者提升有效性。

• 三策略净值对比（图5）清晰显示双动量策略累积收益领先，涵盖更稳定和优质信号。

- 平均月收益分别为：
- 价格动量：-0.15%（非显著）
- 基本面动量：0.44%（显著，t=2.49）
- 双动量：0.85%（显著提升，t=2.34甚至更高模型显著）

• 双动量策略的Alpha和稳健性明显优于其组成子策略，体现了信息互补和分散风险作用[page::9-11]。

2.6 规模效应

• 排除市值底部20%、40%、60%、80%股票后，分别计算价格动量、基本面动量、双动量策略的平均收益和Alpha。

- 结果发现：
- 基本面动量和双动量策略均在不同规模区间均表现较好，收益呈现波动但整体稳定。
- 价格动量策略在去除小市值后表现反而更差，显示其有效性可能主要集中于小市值股票。

• 这表明：

- 基本面动量及双动量策略具有较强的跨规模适用性。
- 价格动量在A股市场的负相关状态更多出现在大型股票中，而部分小市值股票可能有一定的短期价格反转特征。

• 规模检验增加了因子研究的严谨性，避免小市值效应对策略收益的误导[page::11-12]。

2.7 总结与展望

• 研究证实中国A股市场的基本面动量真实存在且显著，对资产价格具有解释力。

- 双动量策略结合价格动量和基本面动量信息，取得历史平均月收益1.65%，显著优于单一策略。

• 文献及未来方向包括探索跨资产市场（债券、商品、外汇）是否存在双动量效应，及双动量因子在解释股票异常和基金回报中的作用。

- 方法上可在现有简单回归和预测组合方法基础上，采用更复杂非线性模型提升趋势信息利用效率。

• 风险提示强调历史数据统计推断的局限，变换的市场环境可能影响策略表现[page::13]。

---

3. 图表深度解读

图1：因子累计信息系数（第8页）

• 描述：蓝线为价格动量因子累计信息系数，橙线为基本面动量FYR因子累计信息系数，时间跨度2016年6月至2021年初。

- 细节：
- 价格动量因子累计IC呈稳步缓慢下降，整体IC均值为负，显示其预测能力弱且负相关。
- 基本面动量IC逐步积累，2019年后呈明显上升趋势，累计值明显高于价格动量，反映其预测能力稳定且正向。

• 关联文本：

- 补充说明了基本面动量因子相较价格因子在信息预测能力上具有显著优势。

• 潜在限制：由于样本期较短，且A股市场波动性大，结果的长期稳定性需谨慎解读。

图2：价格动量分组净值图（第9页）

• 描述：基于价格动量将股票分成5组投资组合的净值累计变化。橙色、绿色等代表不同分组。

- 细节：
- 净值在大多数时间出现大幅下跌，表现极其疲软。
- 价格动量负相关未来收益表现突出，较高分组净值不升反降。

• 关联：图形支持文中价格动量因子负相关收益的论断，价格动量策略效果不佳。

图3：基本面动量分组净值图（第9页）

• 描述：基于FIR基本面动量分组的投资组合净值图。

- 细节：
- FIR五分位数依次对应的净值曲线依次递增，最高组净值明显优于低组。
- 净值走势整体稳健且持续增长，反映基本面动量的正向预测能力。

• 关联文本：显示基本面动量因子选股有效，收益显著优于价格动量。

图4：双动量分组净值变化（第10页）

• 描述：结合价格动量与基本面动量极端分组（最低价格动量与最高基本面动量）构建的多空组合累计收益走势。

- 细节：
- 净值显著提升，长期稳步攀升。
- 股价调整期间依旧表现较好，说明收益稳定性和抗风险能力增强。

• 关联文本：图示双动量策略综合优势明显优于单一因子策略。

图5：三种策略净值变化对比（第11页）

• 描述：价格动量（橙色线）、基本面动量（绿色线）与双动量策略（蓝色线）累计净值对比。

- 细节：
- 双动量曲线高出明显，收益最大，且趋势平稳。
- 价格动量曲线较为波动且处于负值区域。
- 基本面动量虽优于价格动量，但依然不及双动量策略表现。

• 关联文本：清晰地支持报告双动量建模理论和实证检验结果。

---

4. 估值分析

报告为量化因子研究，未涵盖具体公司估值环节，无传统估值模型如DCF、PE等讨论。其“估值”部分主要体现在因子构建中的收益预测方法：

• 多元回归法：估计基本面变量及其趋势对未来收益的横截面影响，系数为权重。

- 预测组合法：避免多重共线性问题，执行每个基本面变量单独回归，最后平均结果获得FIR。

两种方法均以未来收益为被解释变量，基本变量及其趋势为解释变量，体现系统性回归估计的典型量化建模思路[page::3-5]。

---

5. 风险因素评估

• 历史表现不代表未来：报告反复强调，因子基于历史统计推断，未来市场环境变化可能导致因子失效。

- 市场结构变动风险：价格动量负相关现象可能随宏观政策、流动性或投资者行为变化而改变。

• 过拟合风险：尤其是在多元回归构建FIR时，若忽视共线性可能导致估计不稳健，报告通过预测组合法部分缓解。

- 样本选择偏差：剔除ST股及新上市少于2年股票，可能限制策略在全市场有效性。

• 规模效应依赖性：规模剔除测试显示小市值影响价格动量有效性，规模偏差对因子收益需持续跟踪。

- 数据质量与滞后：使用多种滞后数据，提高信息及时性但也带来变量估计偏差风险。

• 模型假设限制：Fama-Macbeth回归及信号独立性假设在汉语市场尚需更多验证。

报告虽无详列缓解策略，但通过多方法、多指标、多层次分析体现较好的模型稳健性和风险控制意识[page::0,3-7,12-13]。

---

6. 批判性视角与细微差别

• 价格动量反常表现：与传统文献价格动量正相关不同，A股表现为反相关，可能反映市场结构差异或制度因素，应审慎推广。

- FIR构建复杂但滞后和多重共线性可能影响实用性：预测组合法虽缓解共线性，但模型仍基于简单线性假设，对非线性和突发事件的解释能力有限。

• 样本期间有限：5年数据覆盖市场牛熊交替期，但样本长度仍有限，未来研究需验证稳定性。

- 行业效应未深入讨论：虽然提及行业分类分析，但未在主报告结构中展示详细结果，存在待补充空间。

• 风险提示标准化较为简略：风险描述较为表面化，没有深入量化指标或敏感性分析。

- 因子多重测试调整问题未涉及：没有明确说明多重假设检验调整，可能轻微夸大显著性水平。

• 投资评级缺失：报告偏学术因子研究，缺乏面向具体股票或行业的实操建议。

整体看，报告观点稳健，逻辑清晰，实验设计合理，但基本面动量因子的实际应用和规模较大资金操作效果仍需场外验证[page::0,3-13]。

---

7. 结论性综合

本报告通过创新的基本面隐含收益（FIR）构建方法，成功挖掘了中国A股市场内藏的基本面动量信号。相比传统价格动量因子，FIR因子表现更稳定、正相关未来收益，且在剔除多种控因子后仍保持显著预测力。基于多层次实证验证，报告发现：

• 价格动量在中国市场呈负相关，收益率预测能力弱；

- 基本面动量（FIR）通过多期滞后和趋势信息构建，稳健验证了其能力，提供正向显著收益超额；

• 双动量策略结合快速价格信号与缓慢基本面趋势信息，极大地提高了策略表现，实现平均月收益0.85%，远高于单一因子，显示强烈的互补性；

- 规模效应分析进一步确认基本面动量和双动量策略在不同市值分组中均有效，而价格动量主要依赖小盘股；

• 信息系数与交叉检验严谨支撑了因子独立性及有效性。

报告以丰富的图表（因子信息系数、净值曲线对比）、Fama-MacBeth回归、分组测试、规模效应检验构筑缜密的因子研究逻辑。

研究成果为资产管理提供了新的因子挖掘维度，提示投资者与机构将基本面动态趋势纳入选股决策可有效提升超额收益。

尽管报告强调历史表现不代表未来，基于严谨实证，其提出的双动量策略为中国A股市场因子投资和量化策略构建提供了具有实操参考意义的理论和方法创新，值得后续深入研究和应用推广。

---

溯源标注：
本文所有分析论断均基于原文文献内容，具体引用页面详见对应章节标注，[page::0-15]。

报告