“投资范围包括美国股票市场（NYSE/AMEX/NASDAQ），数据来源于CRSP。该市场时机策略基于LASSO回归，计算每只股票的关联性，选取均方误差（MSE）最低的10%股票。每月末构建加权投资组合收益作为参考收益，计算动量溢出（MS_i）。根据MS_i排序，构建市值加权总动量溢出（AMS），在OLS回归中使用作为预测变量。投资者根据预测收益和风险厌恶系数（γ = 3）每月重新平衡投资组合。”
资产类别：差价合约 (CFDs)、交易所交易基金 (ETFs)、基金、期货、股票 | 地区：美国 | 频率：每月 | 市场：股票 | 关键词：动量、溢出因子
策略概述
投资范围包括美国股票市场（NYSE/AMEX/NASDAQ）。(您可以从CRSP获取股票横截面收益)。以下展示的是基于论文研究成果的市场时机策略，该论文被纳入我们的精选投资和交易数据库：
每月月底，为每只股票i计算过去一年其他股票日收益的LASSO回归（如公式1所示），然后按照公式2中的LASSO优化目标进行。为了准确捕捉股票收益的关联性，在接下来的分析中仅使用均方误差 (MSE) 最低的10%股票。
每月月底，对每只股票i，构建其关联股票的加权投资组合收益作为参考收益R^∗_i（如公式3所示）。最后，计算每只股票i的动量溢出MS_i = R_i − R^∗_i
根据MS_i对股票进行排序，构建每组的市值加权总动量溢出 (AMS)，并在标准OLS回归（如公式5所示）中将其作为预测变量（自变量），以及预测收益r_t+1作为应变量（因变量）。
您是一名均值方差投资者，使用预测回归超额回报预测在股票和无风险票据之间进行每月配置，基于预测变量𝐴𝑀𝑆_Low,10%，并按预测收益r_t+1及其方差的1/3进行股票权重分配（如公式8所示）。
在月份t的末尾，投资者重新平衡投资组合，并在下个月根据不同的风险厌恶系数 (γ = 3) 最优分配投资组合的股票比例。
策略合理性
研究提供了关于总动量溢出角度下市场时机预测问题的创新解答。LASSO回归方法用于识别标准回归技术难以发现的统一股票关联性。作者的结果对多种方法识别股票之间的关联性具有稳健性，提供了经济解释支持总订单失衡渠道的作用，并将我们的研究与现有投资者关注指数文献区分开来。然而，作者承认仍需使用更精确的方法评估领先-滞后效应以得出更明确的结论。该研究对市场回报可预测性文献的主要贡献在于揭示市场层面的低反应性和有限关注度。
论文来源
The Role of Momentum Spillovers [点击浏览原文]
- Honghai Yu, Zhuo Chen, Xianfeng Hao, 南京大学管理与工程学院
<摘要>
通过动量溢出效应测量市场层面的投资者低反应性，我们发现总动量溢出（AMS）在样本内和样本外框架中显著预测市场溢价。通过LASSO方法，我们识别出未来市场的领头股票，而无需考虑股票的事前特征。通过汇总领头股票与其跟随者之间的回报差距，我们构建了一个指标AMS，用以衡量市场层面的动量溢出效应。从经济角度来看，该指标为均值-方差投资者提供了有利的信息，能够识别出未来市场的领头股票。最后，我们进一步探讨了该新指标的预测能力来源，并说明了通过订单失衡揭示市场回报可预测性中，投资者有限关注和低反应性的机制。
回测表现
| 年化收益率 | 4.13% |
| 波动率 | 6.56% |
| Beta | N/A |
| 夏普比率 | 0.63 |
| 索提诺比率 | N/A |
| 最大回撤 | N/A |
| 胜率 | N/A |
