【043】基本面动量在 A 股

本文是实证系列的第 004 篇，也是因子动物园的第 043 篇独立原创研究。

【未经授权，禁止转载！】

欢迎私信公众号后台或动物园园长获取转载授权。

【30 秒速览】基本面动量由 Huang et al. (2019) 提出，本文就基本面动量进行简要的 A 股实证研究，发现其在 A 股并不显著。

目录

01. 简介

02. 数据

03. 实证分析

04. 结语

01 简介

基本面动量由 Huang et al. (2019) 提出，【038】不止于价格动量：基本面动量也很酷对此进行了详细介绍。本文则旨在进行简要的 A 股实证研究。

基本面动量因子在每月末，依据下述横截面回归来计算基本面隐含的股票预期回报率。

其中，R_{i,t} 为 t 月股票 i 的收益，MA_{i,t-1,L}^{k} 为 t 月因子 k 的 L 季度均值，\beta_{L,t}^{k} 为 t 月股票 i 对 因子 k 的 L 季度均值的暴露。

利用回归方程和最新的基本面均值数据，即可得到 FIR 的预测值。

其中，忽略了截距项 \alpha_{i,t}，因其对所有股票都相同。

接着，按照 FIR 对股票从高到低排序分组，并构建多空组合。如此循环，便可得到基本面动量因子。

02 数据

本文的股票基础数据主要来自 wind 和 tushare，计算 alpha 使用的 FF3 和 FF5 因子数据则来自 CSMAR。数据区间为 2005 - 2018.

其中，基本面动量依据下述 6 个财务指标计算：

• ROE（净资产收益率）；
• ROA（总资产收益率）；
• Earnings per share（每股盈利）；
• APE（权责发生制下的经营性利润比净资产）；
• GPA（毛利润比总资产）；
• Net payout ratio（净派息率）。

由于数据限制，相比 Huang et al. (2019)，本报告去掉了 CPA（现金收付制下的经营性利润比总资产）。

此外，由于我们的财务数据为 PIT (point-in-time) 的 TTM 数据（即最近 12 个月的数据，且在每月末获取最新可得的数据），因此，在计算财务指标均值时，也做了一定近似处理，我们用 3/6/12/24 月的移动平均来代替 1/2/4/8 季度平均。

而对于股票池，我们做了一些常规的过滤。具体而言，剔除了 ST 股、上市不足一年的新股和计算日停牌的股票。此外，我们也剔除了计算日涨停或跌停的股票，简便起见，此处我们以日涨跌幅绝对值大于等于 9.50% 来代替。 

03 实证结果

由于我们需要用到至多过去 24 个月的数据，因此，我们的回测从 2007 年 1 月底开始。

在每月末，将股票按照给定因子分为 10 组，并构建多空组合，加权方式则分别考虑等权和市值加权。

我们首先看原始因子的表现。以 ROE 为例，市值加权的 ROE 分组组合的净值曲线如下图所示。

图 1 ：ROE 分组（市值加权）组合表现统计.

其中， High 和 Low 分别为因子值最高和最低的组合， portfolio_k 为按照因子值从小到大排序得到的第 k 个组合。

6 个基础因子的表现则如下图所示。

图 2 ：6 个原始因子（市值加权）组合表现统计.

其中， market 为市场组合，由全部 A 股按照市值加权而得。其他 6 个为相应的因子组合。

可见， NPY 因子表现最差， GPA 因子前期表现相对较好，但近几年表现不佳，其他几个因子的表现则非常接近。总体而言，因子表现都不太理想。

对于等权组合，结果大体也是相似的。

图 3 ：ROE 分组（等权）组合表现统计.

等权下， ROE 分组组合的表现都略好于市值加权。

等权下， 6 个基础因子组合仍然都不及市场组合，但在市值加权下表现不佳的 NPY 表现相对较好， GPA 也表现领先。

图 4 ：6 个原始因子（等权）组合表现统计.

除了上述净值图的直观表现外，接下来我们看一下因子组合的收益统计。由于计算使用的 Fama-French 因子数据依据市值加权构建，因此，此处我们主要考虑市值加权组合的表现。

从组合表现统计看，各因子的确都没有显著的收益（ factor 列 t 值都很小）。

从 alpha 的角度看，则有所不同。6 个因子的 CAPM alpha 仍然不显著，但 颇为有趣的是，Fama-French 三因子（ FF3） alpha 高度显著，因 6 个因子全都对 SMB（规模因子）有显著的负暴露（即做多大市值股票，做空小市值股票），而除 NPY 之外，其余 5 个因子对 HML（价值因子）也都有显著的负暴露（即做多高估值股票，做空低估值股票）。由于 SMB 和 HML 都有正收益，剥离掉其影响后，因子的 alpha 便变得显著了。 

表 1 ：原始因子（等权）组合业绩分析.

表 2 ：原始因子（市值加权）组合业绩分析.

接下来我们考察基本面动量因子的表现。由于我们当前的 Earnings per share 数据开始时间较晚，为保证可以有效进行分析，我们利用其余 5 个因子来计算综合的基本面动量因子。

首先仍以 ROE 基本面动量因子为例，来观察分组组合的表现.。市值加权的 ROE 分组组合的净值曲线如下图所示。

图 5 ：ROE 基本面动量分组（市值加权）组合表现统计.

可见，加入基本面动量后， Low 组合的表现显著差于其他组合，因子表现自然也得以提升。

但不同变量加入基本面动量后，表现却不尽相同。ROE 动量表现显著提升，但 GPA 动量表现则较原始因子显著下滑，综合因子（ composite）则可能平滑了不同因子的表现，表现介于 ROE 和 GPA 动量之间。

图 6 ：基本面动量因子（市值加权）组合表现统计.

基本面动量因子表现总体与原始因子相似，并没有显著的超额收益。

表 3 ：基本面动量因子（等权）组合业绩分析.

与原始因子相似，基本面动量因子的 CAPM alpha 都不显著。不同的是，基本面动量因子对 SMB 和 HML 没有显著的暴露，因此，其 FF3 因子 alpha 同样不显著。从这个角度看， A 股市场上，基本面动量因子表现反而不如原始因子。 

表 4 ：基本面动量因子（市值加权）组合业绩分析.

04 结语

Huang et al. (2019) 基于美股数据的研究指出，基本面动量可以显著提升原始因子的表现，而综合性的基本面动量因子还能有进一步的表现提升。本文基于 2005 - 2018 的 A 股数据进行的实证研究则表明，基本面动量在 A 股并不能获取优于原始因子的表现。

这一发现可能有以下几个原因。

首先， A 股历史太短，结果有效性难以得到保证，一个长期有效的因子，在 10 至 20 年的时间内，有可能持续表现不佳，正如近些年美股的 HML 因子。

其次，实证分析结果显示，以 ROE 为代表的因子，经过基本面动量处理后，月均收益是优于原始因子的。但这些原始的基本面因子对 SMB 和 HML 有极为显著的负暴露，因而剥离掉这些影响后，反而有着很高的 alpha ，而基本面动量因子本身对 SMB 和 HML 的暴露就不显著，于是从 alpha 角度看，反而不如原始因子。

再者，由于数据限制，本文在计算综合基本面动量因子时，去掉了 CPA 和 Earnings，若将其加上，综合因子的表现也许会更好一些。此外，像 Liu et al. (2019) 建议的那样，剔除掉市值最小的 30% 股票也许也有助于提升因子表现。这些进一步的测试值得更多的探索。当然，除了基本面动量本身之外，基本面动量与 trend factor（基于均价的预测因子）的组合也值得进一步的探索。

最后，本文按照 Huang et al. (2019)，选取的基本面因子基本都跟盈利能力和股息有关，如果纳入更多维度的基本面因子，可能可以获得更好的表现。

本文虽然发现基本面动量在 A 股的历史表现不尽如人意，但对细节的挖掘表明，若对部分细节加以改进，仍有用武之地。

全文完。

历史推荐

文章索引：因子投资小册子

因子体系：FF 和 Barra 体系，谁是你的菜？

实践方法论：【037】资产配置与因子配置：可以团圆吗？

投资因子：【031】投资效应：Factor War 前传

研究方法论：【027】追寻因子的足迹：分类、构造与检验

搞事情小组：搞事情深度研究| 异质波动率之谜

实证研究：【026】低 Beta 在 A 股：证券市场线是平坦的吗？

技术因子：【040】Trend Factor in China ：中国版定价模型？

低风险因子：【018】低风险异象靠谱吗？解释与批判

动量因子：【010】横截面动量那些事

基本面动量：【038】不止于价格动量：基本面动量也很酷

---

参考文献：

• Huang, Dashan, Huacheng Zhang, Guofu Zhou, and Yingzi, Zhu. "Twin Momentum: Fundamental Trends Matter ." 2019. Available at SSRN: https://ssrn.com/abstract=2894068 or http://dx.doi.org/10.2139/ssrn.2894068.
• 因子动物园. "不止于价格动量，基本面动量也很酷." Available at 【038】不止于价格动量：基本面动量也很酷.

题图：Winding Roads, from www.pexels.com.