歡迎追蹤我的方格子，你的支持是我繼續創作的動力
因子動能指的是過去因子收益預測其未來收益的現象。大多數因子都呈正自相關(autocorrelation)：平均因子在虧損一年後獲得6個基點的月收益，在收益為正年後獲得51個基點的月收益。在Arnott, R. D., Clements, M., Kalesnik, V., & Linnainmaa, J. T. (2021)的研究更發現，原本學術上所稱的產業動能(industry momentum)基本上只是本現象的其中一種表現形態。
那這個現象該如何應用於策略的投資組合管理呢？
將因子動能(factor momentum)應用於策略的投資管理有一個必要的先決條件，也就是策略是以可驗證的、過去證明有效的因子(不論是自己發現或過去論文中所寫)所組成。
將策略轉為因子化組成後，並可運用因子動能(factor momentum)來進行投資組合的調控。
方法主要有2種：
- 使用正統的因子動能定義，將過去12個月績效為正策略組成投資組合，績效為負的暫時停用，在學術上稱其time-series factor momentum (TSFM)，此種的優點其表現較等下介紹的cross-section factor momentum (CSFM)佳，但會有牛市過多策略組合，熊市則無法選出的尷尬現象(如果是中性策略則影響較小)。
- cross-section factor momentum (CSFM)為做多過去12個月績效在前50%的因子，並放空過去12個月績效在後50%的因子。也就是說我們可以從自己的策略池中選出過去12個月前50%賺錢的策略，組成策略組合。優點是各種市況皆能選出固定的策略數，缺點是其效果較time-series factor momentum (TSFM)差(不過這是以美國市場回測的結果得出，台灣市場可能會有不同的結果)。
結論：本篇介紹的因子動能能夠做到一定程度的市場擇時，對於基礎設施較不足的散戶較為適合，然而這並無法做到完全的擇時。之後的文章會介紹如何使用機器學習分辨市場樣態(market regime)，進而優化策略組合。
資料來源：
Arnott, R. D., Clements, M., Kalesnik, V., & Linnainmaa, J. T. (2021). Factor momentum. Available at SSRN 3116974.
Gupta, T., & Kelly, B. (2019). Factor momentum everywhere. The Journal of Portfolio Management, 45(3), 13-36.
Ehsani, S., & Linnainmaa, J. T. (2022). Factor momentum and the momentum factor. The Journal of Finance, 77(3), 1877-1919.
Barroso, P., & Santa-Clara, P. (2015). Momentum has its moments. Journal of Financial Economics, 116(1), 111-120.
Cooper, M. J., Gutierrez Jr, R. C., & Hameed, A. (2004). Market states and momentum. The journal of Finance, 59(3), 1345-1365.
Chan, L. K., Jegadeesh, N., & Lakonishok, J. (1996). Momentum strategies. The Journal of Finance, 51(5), 1681-1713.
共同作者：New Bing
