美国与日本市场异象:2026 年数据研究
以第一手来源比较美国与日本之间既有的股票异象有何差异,附学术归属,并链接至实时的跨市场因子数据。
类别:因子研究
美国与日本的市场异象有何不同?
美国与日本同样具有 Fama 与 French 所记录的规模、价值与盈利能力异象,但动量异象则大不相同:Asness (2011) 与 Fama-French (2012) 显示动量在美国稳健,但在日本历史上薄弱或不存在,而价值在日本相对较强。SurgeFlow 为两个市场发布实时因子回报。
股票异象是一种既有记录的平均回报模式,单因子市场模型无法加以解释。衡量这些异象的标准学术工具是 Fama-French 因子框架:SMB(规模)、HML(价值)、RMW(盈利能力)、CMA(投资),加上价格动量因子(WML / UMD)与流动性因子(LIQ)。有趣的研究问题不在于这些异象是否在某处存在,而在于同一因子是否在两个结构迥异的市场中赚取相同符号与显著性的溢价。
美国是研究最深入的股票市场,也是三因子与五因子模型的原始场域(Fama 与 French,1993;2015)。日本(TOPIX)是最重要的样本外检验,因为它规模大、流动性高且已开发,但历史上在至少一个核心因子上的表现却有所不同。 - 价值(HML):两个市场皆有记录;Fama 与 French (2012) 报告价值溢价横跨包括日本在内的已开发地区,而在日本相对显著。 - 动量(WML/UMD):在美国强劲且持续;在日本历史上薄弱或统计上不显著(Fama 与 French,2012;Asness,2011〈Momentum in Japan: The Exception That Proves the Rule〉,JPM)。 - 规模(SMB):两个市场皆存在,惟规模溢价被广泛指出随时间变动,且在美国于发表后减弱。 - 盈利能力与投资(RMW、CMA):在五因子模型中加入(Fama 与 French,2015);国际证据大致支持,但较新且不如价值稳定。
为何日本是动量的典范样本外检验
动量是美国数据中最稳健的异象之一,但 Asness (2011) 将日本定位为「证明规则的例外」。独立动量在日本历史上一直薄弱,然而 Asness 主张价值与动量的组合策略在日本仍然有效,因为价值与动量呈负相关,所以同时持有两者的投资组合比单独持有任一者更为分散。因此,日本案例并非动量为虚假的证据,而是提醒我们单因子溢价具有体制与地区依赖性。
这对任何构建跨市场因子模型的人都很重要。不能假设一个以美国为调校基准的动量配置可以转移至日本;诚实的做法是针对各市场分别估计每个因子,并报告已实现的溢价,而非借用美国的结果。SurgeFlow 的设计反映了这一点:因子按市场分别构建与发布,且发布闸门会阻挡无法以特定市场的可用数据支持的因子。
方法论:如何衡量异象
异象以一小组成熟的方法进行检验,这些方法 SurgeFlow 的因子系统全数遵循。
因子构建将横截面排序为投资组合(例如,SMB 为大减小,HML 为高减低账面市值比),并计算每日多空回报价差。为判断一组因子投资组合是否被联合定价,GRS 检验(Gibbons、Ross 与 Shanken,1989)检查检验资产回归的截距(alpha)是否联合为零;拒绝该原假设意味着模型留下了无法解释的异象。某一特征的横截面定价以 Fama-MacBeth (1973) 两阶段回归检验,该方法估计横截面斜率的时间序列,并检验其平均值是否异于零。
对于投资组合回测,SurgeFlow 的 Factor Backtest V2 在两种加权方案下构建单一与组合因子的多头配置:等权重(EW)与风险平价(RP),其中 RP 将每个仓位按其波动率的反比缩放,使风险贡献而非美元敞口达到平衡。每个配置报告超额 Sharpe、年化信息比率、最大回撤、换手率与观测值数量,并通过时点数据、幸存者偏误处理与最低观测值下限的数据质量闸门;GRS 检验与其他诊断一并报告,而非用于设限或排除配置(目前的第 1 阶段运行为样本内,research_backtest_insample(研究回测·样本内))。配置以 z 分数综合指标排名,即 0.5*z(Sharpe) + 0.5*z(InfoRatio) 的 argmax,该方法在结合前将两个指标标准化,使任一者皆不因量级而主导。在此规则下,目前美国的综合胜出者是约十年期间的 WML+RMW Top-30 RP 配置,其按 Sharpe 与信息比率皆排名第 1。
本页使用哪些 SurgeFlow 数据
本比较取材自 SurgeFlow 实时的多市场股票因子系统,涵盖包括美国与日本在内的全部八个市场。美国的基本面与价格来自 FMP,并以 SEC EDGAR 13F 获取机构持股。日本(TOPIX)由 J-Quants 的价格与基本面,加上 EDINET 大量保有报告(获取主要股东持股)构建而成。
对两个市场,SurgeFlow 计算 Fama-French 式因子(SMB、HML、RMW、CMA、WML、LIQ)的每日因子回报,并具备有效方向解析器、VIF 多重共线性诊断,以及阻挡无法诚实支持之因子的发布闸门。各因子已实现的溢价、符号与显著性在此并未被断言为固定数字;它们实时发布并随时间变动。若要读取目前美国与日本的数值而非快照,请见 /factors 上的实时模型与 /backtesting 上的各配置回测指标。本页为研究数据,而非投资建议。
诚实的跨市场注意事项
异象研究带有众所周知的风险,且这些风险同等适用于美国与日本。发表偏误与数据挖掘偏误意味着某些溢价在被记录之后会缩小或消失;规模效应是常被引用的例子。幸存者偏误与前视偏误可能制造出实际上在当时并不存在的溢价,这正是为何时点数据与幸存者偏误处理是完整性闸门,而非可选步骤。
跨市场比较增添了进一步的注意事项。日本的覆盖历史、会计惯例与持股披露制度与美国不同,因此衡量到的溢价差异既可能反映市场行为,也可能反映数据结构。货币、市场微观结构与不同的样本长度都会影响可比性。站得住脚的立场是报告各市场自身数据所显示的内容,将每项学术发现归属于其来源,并让读者检视实时数字,而非信赖单一的汇总统计量。
查看美国与日本的实时因子数据
上述异象是来自学术文献、归属于其作者的既有发现。本页的重点是引导你前往实时、当前的证据,而非一个冻结的数字。请在 /membership 创建免费 API 密钥,以查询 SurgeFlow 开放的多市场数据控制台:免费方案允许每日 2,000 次请求,横跨全部八个市场,包括美国与日本的因子回报。由此你可以拉取当前因子值、在 /backtesting 比较配置,并在 /factors 阅读方法论细节。所有输出皆为研究数据,而非投资建议。
来源与延伸阅读
支持上述主张的第一手、学术与 SurgeFlow 数据参考文献: - Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics. - Fama, E. F., & French, K. R. (2012). Size, value, and momentum in international stock returns. Journal of Financial Economics. - Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of Financial Economics. - Asness, C. (2011). Momentum in Japan: The Exception That Proves the Rule. Journal of Portfolio Management. - Fama, E. F., & MacBeth, J. D. (1973). Risk, return, and equilibrium: Empirical tests. Journal of Political Economy. - Gibbons, M. R., Ross, S. A., & Shanken, J. (1989). A test of the efficiency of a given portfolio. Econometrica. - Liu, J., Stambaugh, R. F., & Yuan, Y. (2019). Size and value in China. Journal of Financial Economics.