海外文献推荐：第271期
1. 动量与截面股票波动率
文献来源：Fan M, Kearney F, Li Y, et al. Momentum and the Cross-section of Stock Volatility[J]. Journal of Economic Dynamics and Control, 2022, 144: 104524.
推荐原因：最近的文献表明，动量策略在特定时期表现出显著的下行风险，称为“动量崩溃”。作者发现动量策略收益的高不确定性来源于个股的横截面波动率。在形成期具有高实现波动率的股票往往会失去动量效应。基于此，作者提出了一种新的方法——广义风险调整动量(GRJMOM)，以减轻高动量特定风险的负面影响。事实证明，GRJMOM比现有的多种资产类别(包括英国股票、大宗商品、全球股指和固定收益市场)的动量排名方法更有利可图，风险更低。
2. 动量的拐点
文献来源：Goulding C L, Harvey C R, Mazzoleni M G. Momentum turning points[J]. Journal of Financial Economics, 2023, 149(3): 378-406.
推荐原因：作者使用慢速和快速的时间序列动量来描述四个股票市场周期——牛市、修正、熊市和反弹。牛市和熊市分别代表上升趋势和下降趋势，而修正和反弹代表趋势的转折点。研究表明，这些市场周期虽然结构简单，但具有预测股市回归的信息，并且与宏观经济和经济周期有着密切的联系。其中，熊市倾向于集中在经济衰退的早期，并与坏的宏观消息同时发生。牛市和反弹状态则往往集中在衰退后期。
3. 基于动态二元时间序列模型的牛熊市场预测
文献来源：Nyberg H. Predicting bear and bull stock markets with dynamic binary time series models[J]. Journal of Banking & Finance, 2013, 37(9): 3351-3363.
推荐原因：作者基于动态二元时间序列模型来预测美国股市的熊市和牛市。具体说来，作者基于美国宏观经济与金融变量的月度数据集，使用静态和动态概率模型来预测美国股市的未来状态。结果表明，样本内外的熊市和牛市都是可以预测的，且动态概率模型往往比静态模型产生更好的预测效果。而在简单的交易模拟实验中，基于最佳动态概率模型预测的投资组合收益也高于被动买入并持有策略获得的收益。就预测变量而言，历史股票收益、长期和短期利率之间的期限差和股息率似乎是未来股市状况的最佳领先指标。当所有这些预测因子在动态模型中一起使用时，可以获得最佳的样本外预测。
往期链接
海外文献推荐：因子选股类
向下滑动查看往期链接
第185期：左尾动量：股票市场坏消息的不充分反应
第179期：价值股与成长股的久期——差异没有想象的那么大
第177期：Smart beta多因子构建的方法论：混合与整合
第174期：解决规模效应的问题
第173期：2018-2020年的量化危机：被大盘成长逼入绝境
第171期：Smart beta与多因子组合的最优混合
第170期：通胀错觉和股票价格
第164期：Smart beta 策略中的“肉”在哪里?
第163期：从实体经济角度对股市未来长期收益进行预测
第160期：因子的两种类型：基于因子组合的收益分解
第157期：在分散化收益的视角下Smart Beta是否仍然Smart
第154期：异象策略的相关性结构
第144期：价值因子已死？
第142期：ESG投资：从罪恶股到Smart Beta
第135期：货币政策敞口因子MPE
第108期：分析师的共同覆盖——动量溢出效应的根源
第99期：低PE，成长，利率：对估值的再思考——最聪明的投资回收期
第89期：盈利，留存收益，账面市值比在股票横截面收益中的作用
第52期：微观领先于宏观？非流动性对股票收益和经济活动的预测能力
第36期：一种新的公允周期调整市盈率（CAPE）预测方法
第25期：价格影响还是交易量：为什么是Amihud(2002)度量
第22期：价值、规模、动量、股利回报以及波动率因子在中国A股市场的表现
第13期：股票市场波动性与投资学习
第13期：社会责任共同基金的分类及其绩效的衡量
第13期：因子择时风险导向模型
第10期：利用信息因子解释回报
第10期：异质现金流和系统性风险
第9期：“打赌没有β”投资策略研究
第9期：利用条件信息理解投资组合的有效性
第8期：因子择时模型
第8期：优化价值
第7期：动量崩溃
第7期: 动量因子及价值因子在投资组合中的运用的实证研究
第7期：后悔的神经证据及其对投资者行为的影响
第6期：持续过度反应和股票回报的可预测性
第6期：五因子资产定价模型在国际市场上的检验
第5期：价值的另一面：毛盈利能力溢价
第5期：卖空比例与总股票收益
第4期：巨变的贝塔：连续型贝塔和非连续型贝塔
第4期：全球、本地和传染的投资者情绪
第4期：投资者更关注哪些因子？来自共同基金资金流的证据
第4期：总资产增长率与股票截面收益率的实证
第3期：Beta套利
第3期：前景理论与股票收益：一个实证研究
第3期：趋势因子：投资时限的信息能获得收益？
第3期：时变的流动性与动量收益
第2期：CAPM新视角：突尼斯和国际市场基于copula方法的验证
第2期：资本投资，创新能力和股票回报
第2期：风暴来临前的平静
第2期：资本投资，创新能力和股票回报
第1期：三因子与四因子模型对比与动量因子的有效性检验
第1期：五因子资产定价模型
第1期：多资产组合中的动量因子影响
第1期：基于插值排序标准化变量法和复杂变量的平衡分离树的多因子选股模型
海外文献推荐：资产配置类
向下滑动查看往期链接↓
第193期：债券收益下限与资产配置：债券在资产配置中所扮演的角色将于何时受到危及?
第188期：ESG的Alpha，Beta和Sigma：更好的Beta，额外的Alpha
第156期：资产配置vs.因子配置——我们能否构建一类两者兼顾的策略
第126期：利用Fama-French五因子模型的alpha进行行业轮动
第65期：通过VaR Black-Litterman模型构建FOF投资绝对收益组合
第56期：利用低风险现象增强Black-Litterman模型：来自韩国市场的证据
第26期：协方差矩阵的非线性压缩：当Markowitz遇见Goldilocks
第16期：将因子暴露映射到资产配置
第12期：构造有效收入组合
第12期：投资组合中股票数量是否会影响组合表现
第11期：对冲基金收益优化投资组合
第5期：集中投资与全球机构投资者业绩
海外文献推荐：事件研究类
向下滑动查看往期链接↓
海外文献推荐：投资者行为类
第159期：估计分析师预期偏差新方法——投资者是否过度依赖分析师预期
第16期：坏习惯和好方法
第11期：状态变量、宏观经济活动与个股截面数据的关系
第10期：条件夏普比率
第9期：强制清算，减价出售与非流动性成本
第7期：买方与卖方谁发起交易
第7期：后悔的神经证据及其对投资者行为的影响
第7期：排名效应和交易行为：卖出最差的和最好的，忽略其余的
第6期：持续过度反应和股票回报的可预测性
海外文献推荐：择时策略类
向下滑动查看往期链接↓
海外文献推荐：公司金融类
向下滑动查看往期链接↓
第152期：识别导致价值/成长溢价的预期偏差效应：一种基本面分析方法
第150期：细节决定成败：ESG数据的差异性与责任投资的意义
第12期：世界各地的资本结构决策：哪些因素重要
第11期：财务风险有多重要？
第3期：机构投资者对公司透明度和信息披露的影响
海外文献推荐：基金研究类
向下滑动查看往期链接↓
第162期：COVID-19期间共同基金的业绩表现与资金流动
第140期：价值平均策略、美元成本平均策略以及随机投资方式的收益对比——基于多场历史数据的实证检验
第74期：风格中性FOF:分散投资还是成本重负
海外文献推荐：其他
向下滑动查看往期链接↓
关注我们
风险提示：本报告内容基于相关文献，不构成投资建议。
注：文中报告节选自天风证券研究所已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。
证券研究报告
《天风证券-金融工程：海外文献推荐第271期》
对外发布时间
2023年11月09日
报告发布机构
天风证券股份有限公司
（已获中国证监会许可的证券投资咨询业务资格）
本报告分析师
吴先兴 SAC 执业证书编号：S1110516120001
姚远超 SAC 执业证书编号：S1110523070007
点击“赞”或“在看”，及时获取最新推送
本篇文章来源于微信公众号: 量化先行者
