Hou, Xue & Zhang (2015) — "Digesting Anomalies: An Investment Approach"
大白话：Review of Financial Studies, 28(3), 650–705（Editor's Choice）。本页基于 NBER Working Paper 18435（2012-10）全文。 从投资基础资产定价出发构造市场 + 规模 + 投资 + ROE 四因子模型，统一解释 FF 模型无法定价的各类异象。
引用
Hou, K., Xue, C., & Zhang, L. (2015). "Digesting Anomalies: An Investment Approach." Review of Financial Studies, 28(3), 650–705. 工作论文版：NBER WP 18435。
四因子
| 因子 | 定义 | 构造 |
|---|---|---|
| MKT | 市场超额收益 | — |
| r_{ME} | 小盘 − 大盘 | 2×3×3 三重排序 |
| r_{\Delta A/A} | 低投资 − 高投资 | 总资产同比变化 |
| r_{ROE} | 高 ROE − 低 ROE | 特殊项目前利润 / 滞后一期账面权益 |
2 × 3 × 3 排序：规模（NYSE 中位数二分）× 投资（三分）× ROE（三分）= 18 个组合。投资与规模按年排序（每年 6 月），ROE 按月重建。
样本：1972-01 至 2011-12（480 个月），CRSP + Compustat，剔除金融企业与账面权益为负的公司。
关键数字
| 因子 | 平均月收益 | t | 关系 |
|---|---|---|---|
| r_{ME} | 0.31% | 2.09 | 与 SMB 相关 0.95 |
| r_{\Delta A/A} | 0.44% | 4.73 | 与 HML 相关 0.69，对 HML 载荷 0.40；对市场 \alpha=0.51\%、\beta=-0.15 |
| r_{ROE} | 0.60% | 4.85 | 对 FF 因子 R^2 仅 19%；与 WML 相关 0.50 |
| 投资 vs ROE | — | — | 相关仅 0.05（正交化成功） |
最高减最低组合的 \alpha（q 因子模型 vs FF vs Carhart）：
| 异象 | FF | Carhart | q 因子模型 |
|---|---|---|---|
| 盈余惊喜 | 0.54%（t=4.26） | 0.32%（t=2.43） | 0.14%（t=0.92） |
| 特质波动率 | -0.91\%（t=-4.48） | -0.58\%（t=-2.59） | -0.04\%（t=-0.19） |
| 财务困境 | -1.43\%（t=-5.21） | -0.55\%（t=-2.51） | 0.02\%（t=0.07） |
短板：总应计十分位（total accrual deciles）定价较差。
理论机制
两期投资模型的一阶条件给出「投资回报率 = 贴现率」：
\frac{\Pi_{i,1} + (1-\delta)}{1 + a \cdot (I_{i,0}/A_{i,0})} = r_i
由此得到两个条件关系：
- 给定投资，预期 ROE 越高 → 贴现率越高 → 预期收益越高
- 给定 ROE，投资越多 → 贴现率越高 → 预期收益越低
这统一解释了净股票发行、资产增长、价值溢价、市场杠杆、长期反转（投资机制），以及动量、盈余惊喜、财务困境（ROE 机制）。
对 Cochrane (2011) 三个问题的回答
- 哪些特征独立？ 投资吸收账面市值比、净股票发行、应计、市场杠杆、长期前期收益、盈利价格比、综合发行；ROE 吸收短期前期收益、盈余惊喜、财务困境。
- 每个异象对应一个因子？ 是。
- 需要多少因子？ 检查约 15 个异象后，四因子足以概括。
论文对 Fama-French 的批评
- Fama-French 把 HML 解释为「相对困境因子」，该说法已被文献否定——困境更重的公司收益更低（Dichev 1998；Campbell-Hilscher-Szilagyi 2008）。
- FF 模型「很大程度上是截面回归成功后的经验拼装」；q 因子模型则「是理论与实证密切互动的产物」，因此较少受到数据挖掘批评。
相关
- q 因子模型 — 概念框架
- Fama & French (2015) 五因子模型 — 主要对照
- SMB 与 HML 因子
- 中文摘要