paperanomaliestransaction-coststurnoverdata-snoopingrfscanonical

Novy-Marx & Velikov (2016) —「A Taxonomy of Anomalies and Their Trading Costs」

一句话：把异象的交易成本算进去之后，大部分异象不再显著；但有一个简单的构造技巧能救回大部分——买入/持有价差 (buy/hold spread)。

大白话

前面三十年的因子研究几乎都在报毛收益 (gross return)：组合排序出来赚了多少。没人系统地扣掉交易成本。

这篇论文把成本算清楚，结论分两层：

  1. 成本是致命的：交易成本会把异象的收益削掉一大截，统计显著性随之下降。单边月换手超过 50% 的策略里，只有两个还能保住显著的净收益。
  2. 但构造可以救：如果一开始就把策略设计成低换手，很多异象扣完成本仍然显著。

成本模型：用 Hasbrouck 的有效价差

论文不用「买卖价差的一半」这种粗糙口径，而是用 Hasbrouck (2009) 的有效买卖价差 (effective bid-ask spread)：

  • 在 Roll (1984) 模型基础上扩展，加入市场收益因子，用贝叶斯 Gibbs 采样估计
  • 估计出单笔交易的有效成本 c

理由很实在：Roll 的朴素估计量 c = \sqrt{-\text{Cov}(\Delta P_t, \Delta P_{t+1})} 在日频数据上不可用——因为日收益序列里正自协方差的比例很高（这正是 Roll (1984) 那条线在处理的问题），必须先把市场因子剔掉。

关键数字

口径 数字
典型价值加权策略的往返交易成本 平均 超过 50 bps
成本对收益的侵蚀 一般吃掉单边月换手 1% 以上的收益
等权策略的成本 是价值加权策略的 2–3 倍
单边月换手 < 50% 的异象 大部分扣完成本仍显著（前提是构造时考虑了成本）
单边月换手 > 50% 的异象 只有两个还能有显著的净收益

「等权比价值加权贵 2–3 倍」这一条极重要：学术文献里等权组合结果更强是常态（因为小盘股权重被放大），但等权组合恰恰是最难交易的。论文直接说：等权结果具有误导性，应当谨慎对待。

这与 Hou-Xue-Zhang (2020) 的微盘股发现是同一件事的两面——那边说「等权排序把微盘股权重放大」，这边说「等权排序的交易成本高 2–3 倍」。

三种成本缓解技术

技术 做法 效果
买入/持有价差 设一个滞回 (hysteresis) 阈值：只有当信号变化超过阈值才换仓，允许继续持有不再主动交易的股票 最有效的单一技术
限制在高成本股票之外交易 只在预期交易成本低的股票上建仓 有效但会牺牲收益
降低再平衡频率 从月频降到季频、半年频 有效但对高换手策略不适用

买入/持有价差为什么最有效：它直接降低换手率，而成本与换手率近似成正比。对换手极高的策略，三种技术组合使用的效果更好。

对数据窥探的担忧

论文的落脚点不只是成本，而是成本放大了数据窥探的嫌疑：

即使很多策略的净超额收益在 t > 2 水平上仍然显著，能产生显著净收益的策略数量大幅缩水——而如果研究者事先不知道自己会面对多大的成本，那「毛收益显著」就更可能只是运气。

与本 wiki 的关系