日本股票因子投资:2026 年哪些因子有效
相较于美国,哪些因子在历史上于日本 TOPIX 范围内取得溢价,以学术文献为基础,并附带实时的 SurgeFlow 因子数据与免费 API。
类别:因子研究
日本股票因子投资中哪些因子有效
日本股票因子投资将 Fama-French 风格的因子套用于 TOPIX 范围。其学术记录具有独特性:价值因子(HML)与规模因子(SMB)的溢价在日本历史上一直很强,而价格动量因子(WML)则微弱或不存在——这与美国不同,在美国动量因子相当稳健。SurgeFlow 每日依据 J-Quants 与 EDINET 数据构建这些因子。
本页面说明因子方法论以及 SurgeFlow 用于计算的日本数据。这是研究数据,而非投资建议,且并未陈述任何前瞻性回报。凡断言某因子历史上的强度之处,皆归因于已发表的文献;凡涉及 SurgeFlow 自有模型之处,则指引你查看实时数值,而非引用某个数字。
日本因子记录相较于美国
关于股票因子的跨国证据,是实证资产定价中研究较为审慎的领域之一,而日本是全球动量结果的教科书例外。若干研究发现在独立研究中反复出现。
价值与规模因子在日本相对较强。Fama and French(2012,「Size, value, and momentum in international stock returns」, Journal of Financial Economics)记录了日本股票在各规模组别中存在庞大且统计上可靠的价值溢价。其国际价值因子是日本区域中最强的因子之一。
动量因子在日本微弱以至于不存在。同一份 Fama-French(2012)研究,以及 Asness, Moskowitz and Pedersen(2013,「Value and Momentum Everywhere」, Journal of Finance),两者皆发现在美国、英国与欧洲大陆稳健的横截面动量溢价,在日本大致消失。Chui, Titman and Wei(2010,「Individualism and Momentum around the World」, Journal of Finance)将较弱的动量与较低的文化个人主义相连结,提供了一种行为层面的解释。 - 价值因子(HML):历史上在日本很强——Fama and French(2012) - 规模因子(SMB):一项有记录的溢价,常与价值因子交互作用——Fama and French(2012) - 动量因子(WML):在日本微弱或不存在,是全球的例外——Fama and French(2012);Asness, Moskowitz and Pedersen(2013) - 日本动量微弱的行为层面解释——Chui, Titman and Wei(2010)
SurgeFlow 如何构建与测试日本因子
SurgeFlow 计算 Fama-French 风格的因子——SMB(规模)、HML(价值)、RMW(盈利能力)、CMA(投资)、WML(动量)以及一项流动性因子(LIQ)——并为每个市场(包括日本)报告每日因子回报。因子构建采用标准的双重排序:股票依规模与特征分入各个桶(bucket),形成多头与空头腿,并记录价差回报。
因子溢价以 Fama-MacBeth 横截面回归估计:每一期将回报对因子载荷进行回归,斜率系数的时间序列给出平均溢价及其标准误。因子之间的多重共线性以方差膨胀因子(VIF)检查,有效方向解析器(effective-direction resolver)固定各因子的符号,并有一道发布闸门(publication gate)阻挡未通过完整性检查的因子被呈现出来。
Factor Backtest V2 在两种权重方案下构建单一因子与组合因子的多头分层(sleeve)——等权重(EW)与风险平价(RP),后者使每条腿的配置与其波动率成反比,因此没有单一因子占主导地位。每个分层报告超额 Sharpe、年化信息比率、最大回撤、换手率与观测数。数据质量闸门要求时点数据(point-in-time data)、幸存者偏差处理,以及最低观测数量;针对某分层的各 alpha 是否联合为零的 GRS 检验(Gibbons, Ross and Shanken, 1989)被报告为一项诊断,而非用于排除分层。SurgeFlow 目前的第 1 阶段回测为 research_backtest_insample(样本内研究回测)——一项样本内因子归因分解,而非实时的样本外滚动信号证据。综合优胜者由 0.5·z(Sharpe) + 0.5·z(InfoRatio) 的 argmax 选出。就美国范围而言,目前的优胜者是 WML+RMW Top-30 RP 分层,在大约十年期间以 Sharpe 与信息比率两者皆排名第 1;日本的各分层由同一套流程计算,并可实时查看。
本页使用哪些 SurgeFlow 数据
日本因子构建自 J-Quants(提供 TOPIX 范围的定价、基本面与公司数据),以及 EDINET 大量持股报告(大量保有報告書,用于机构持股与大股东披露)。此组合提供动量与流动性所需的价格历史、价值与盈利能力所需的账面与盈余数据,以及贯穿 SurgeFlow 研究所使用的持股层。
相同的 J-Quants 与 EDINET 数据源支撑着日本覆盖页面与大户(持股)视图。日本的每日因子回报、分层指标与实时综合优胜者发布于 factor 与 backtesting 页面,并可通过免费 API 查询,因此你可以读取当前数值,而非依赖此处引用的任何数字。 - J-Quants——TOPIX 范围的定价、基本面与公司数据 - EDINET 大量持股报告——机构与大股东持股 - 使用方:实时因子模型、Factor Backtest V2 分层,以及大户持股视图
诚实的注意事项与跨市场框架
历史因子强度并非预测。上述引用的文献描述的是特定过去样本中已实现的溢价;溢价会随体制(regime)而变化,并可能压缩或反转,而日本动量微弱的结果是一项历史规律,而非对任何未来期间的保证。
因子行为也具有市场特异性。日本的形态(价值与规模强、动量弱)不同于美国,又再次不同于中国 A 股;在中国 A 股,Liu, Stambaugh and Yuan(2019,「Size and value in China」, Journal of Financial Economics)记录了强劲的规模与价值溢价,同时价格动量微弱。比较各市场需要一致的构建方式与时点数据,而这正是发布闸门与完整性检查所要执行的。以上皆非投资建议——这是开放的研究数据,描述因子过去如何表现以及 SurgeFlow 如何衡量它们。
查看实时的日本因子
阅读 SurgeFlow 日本因子强度的诚实方式,是查看当前数值,而非页面上的某个静态数字。在 /membership 创建一把免费 API 密钥,即可查询所有八个市场的每日因子回报、筛选结果与持股数据——每天 2,000 次请求,零成本。由此你可以在 /factors 拉取日本的实时因子模型,在 /backtesting 的 Factor Backtest V2 中查看 EW 与 RP 分层指标,并在 /whales 核查机构持股。这把免费密钥即是转换步骤:到 /membership 获取它,并从实时的 JP 数据开始。
来源与延伸阅读
支持上述论点的主要、学术与 SurgeFlow 数据参考文献: - Fama, E. F., & French, K. R. (2012). Size, value, and momentum in international stock returns. Journal of Financial Economics, 105(3), 457-472. - Asness, C. S., Moskowitz, T. J., & Pedersen, L. H. (2013). Value and Momentum Everywhere. Journal of Finance, 68(3), 929-985. - Chui, A. C. W., Titman, S., & Wei, K. C. J. (2010). Individualism and Momentum around the World. Journal of Finance, 65(1), 361-392. - Liu, J., Stambaugh, R. F., & Yuan, Y. (2019). Size and value in China. Journal of Financial Economics, 134(1), 48-69. - Gibbons, M. R., Ross, S. A., & Shanken, J. (1989). A Test of the Efficiency of a Given Portfolio. Econometrica, 57(5), 1121-1152. - Fama, E. F., & MacBeth, J. D. (1973). Risk, Return, and Equilibrium: Empirical Tests. Journal of Political Economy, 81(3), 607-636.