刊於《信報》，2025年7月19日
股票間收益如何相互影響？
余家林
科大商學院金融學系副教授
愈來愈多研究文獻表明，一隻股票過去的收益，可以預測與之關聯的其他公司股票收益。這種跨股票收益動量（cross-stock return momentum）存在於同行同業、供應鏈和同一地理位置的關聯公司股票之中；而「領先-滯後」的關係（lead-lag relation）也出現於使用相似技術，或生產互補產品等的公司之間；亦有學者研究了大型股票的收益，是否領先於小型股票的收益。
誠然，過去有不少學者探討過股票間收益的相互影響，但在理解上仍然存在明顯差異。筆者對「跨股票動量」（cross-stock momentum）研究，採用一種新穎的數據驅動方式，取得了更為完備的跨股票動量。這項研究結果對股票之間的相互作用，以及這些相互作用如何影響回報，給出了一個更細緻和嶄新的解釋。筆者相信，研究發現對投資策略有一定啟迪和參考，有助投資者通過關注「股票間關係」，而不僅僅依賴傳統的「因子動量」（factor momentum）策略，來優化投資回報。
從「跨股票關聯」入手分析
究竟先前關於「跨股票動量」研究是否已經明確了股票之間領先-滯後關聯的主要特徵，抑或數據中仍然隱藏著一些重要特徵？筆者聯同中國人民大學商學院財務與金融系助理教授閆景達，攜手進行深入探討。
首先，我們從理論上剖析跨股票關聯（Cross stock linkage），而關聯由「非對稱成分」和「對稱成分」所組成。兩隻股票之間的「非對稱關聯」，可分解為「領先股對滯後股的高關聯」，以及「滯後股對領先股的低關聯」，這反映了領先-滯後關係的「橫截面差異」。 至於「對稱關聯」則取決於長期和短期同期聯動之間的差異，這反映了它們的時間序列特性。值得指出，跨股票關聯的不對稱性將「跨股票動量」與「因子動量」區別開來。
利用「主投資組合」建關聯網絡
在此向讀者簡單闡釋一些與本文討論相關的專業述語。在計量經濟學中，「橫截面數據」是指在某一時點收集不同對象的數據，研究在某一時點上某種現象，突出對象的差異；而「時間序列數據」則是指對同一對象在不同時間連續觀察所取得的數據，聚焦研究對象在時間順序上的變化，觀察對象發展的規律。
我們採用了學者Malamud B. Kelly於2023發表的論文〈Principal Portfolios〉所提出的「主投資組合」（Principal Portfolios ‧PP）方法，去構建數據驅動的跨股票關聯網絡。我們利用橫截面上所有股票的信號，構建預測矩陣，以預測未來股票收益。
研究發現，跨股票收益具有顯著的可預測性。在1926年至2018年的樣本期內，數據驅動的跨股票動量，可以產生每月1.62% 的阿爾法值（Alpha）。在此補充說明，Alpha 收益是指除市場收益之外，那些不隨市場波動所產生的收益這部分，而先前研究的跨股票動量，並未包含這種可預測性，反映數據驅動得出的「跨股票動量」，揭示和彌補了過往文獻分析的缺漏。此外，我們的研究發現，在控制了因子動量後，跨股票動量的Alpha 收益仍然顯著。研究結果清楚顯示跨股票動量並非完全由因子動量驅動。
規模大股票預測功能更強
根據學者R.D. Arnott 等於 2023年發表的〈Factor Momentum〉論文，認為因子動量包含了「行業動量」（Industry momentum‧指在金融市場中，某些行業的股票作為一個整體，在經歷了一段時間的強勢表現（或弱勢表現）後，傾向在接下來的一段時間內，繼續保持這種表現的現象）。然而，我們利用行業關聯的不對稱性發現了顯著的 alpha 值。經進一步探究，我們發現，Arnott 等學者使用的價值加權行業收益，放大了行業聯繫不對稱性中的錯誤設定。行業關聯強調了規模的不對稱性，其中規模較大的股票在預測同一行業中其他股票的未來收益方面，比規模較小的股票更重要。換言之，與規模較小的股票相比，規模較大的股票收益，在預測同一行業其他股票的未來收益方面更為重要。
「非對稱性」關聯起核心作用
另一方面，我們研究了跨股票動量如何促進因子動量。我們利用跨股票關聯不對稱性進行分析，發現因子動量的收益主要來自高關聯股票組合。此外，我們的分析表明，主要負責回報可預測性的跨股票聯繫，隨時間變化頻率大約與商業週期頻率相同。
總的來說，我們這項研究揭示了「非對稱性」在股票關聯中的核心作用。過往的跨股票動量研究或假設對稱性關聯，或採用等權/市值加權設定非對稱性——這種設定可能存在偏誤。我們的研究清楚顯示，構建關聯網絡時，精細化不稱性設定，既可增強跨股票動量效應，又能把跨股票動量與因子動量有效區分開來。這些研究發現，相信對投資者作投資決策時具一定參考價值。有興趣詳閱研究細節的讀者，可參考我們的論文——" Cross-stock momentum and factor momentum”。