超越Fama-French因子：短期信号的阿尔法机会

文章预览

Content 本文探讨了传统资产定价模型中通常被忽视的短期信号，并提出了一种综合模型， 通过结合短期反转、短期动量、分析师盈利修正、短期风险和月度季节性等信号，并应用先进的买卖交易规则来降低交易成本，证明了投资者能够从这些传统上被忽视的短期信号中获得显著的净阿尔法收益。研究结果表明，这种策略不仅在样本外和发表后时期稳健，而且与传统的Fama-French因素不相关，对市场效率提出了挑战。 第1章：引言 本章深入探讨了主流资产定价模型，这些模型尝试用有限的基本因素描述股票收益的横截面，例如市值、价值、盈利能力和投资。特别提到了Fama和French（2015）的五因素模型、Hou、Xue和Zhang（2015）的q因素模型以及Stambaugh和Yuan（2017）的误定价模型。这些模型中的因素通常通过风险基础解释或基本模型来合理化，并且预期在完整的 ………………………………