Hou, Mo, Xue & Zhang (2019) —「Which Factors?」
一句话：那些看起来各不相同的因子模型（q 因子、q⁵、FF5、FF6、Stambaugh-Yuan 4 因子、Barillas-Shanken 6 因子、DHS 3 因子），基本上是同一件事的不同说法。
大白话
2015–2018 年间冒出好几套新的因子模型，每一套都声称自己更好。但没人系统比较过它们。
这篇论文用因子跨越检验 (spanning test) 做了一件事：看哪个模型能解释其他模型的因子溢价。如果模型 A 的因子在模型 B 下 \alpha 显著不为零，那 B 就没解释 A。
结论：q 因子和 q⁵ 模型几乎能涵盖所有对手。
核心结果一：q 因子能吃掉 FF 的溢价
1967-01 至 2016-12：
| 因子 | 月均溢价 | t | q 因子下的 \alpha | q⁵ 下的 \alpha |
|---|---|---|---|---|
| HML（价值） | 0.37% | 2.71 | 0.07%（t=0.62） | 0.05%（t=0.48） |
| CMA（投资） | 0.33% | 3.51 | −0.00%（t=−0.02） | −0.04%（t=−0.96） |
| RMW（盈利） | 0.26% | 2.50 | 0.01%（t=0.08） | −0.01%（t=−0.16） |
| UMD（动量） | 0.65% | 3.61 | 0.12%（t=0.50） | −0.16%（t=−0.78） |
四个因子的 \alpha 全部不显著。GRS 检验也无法拒绝「HML、CMA、RMW、UMD 的 \alpha 联合为零」。
为什么：q 因子模型里投资因子吸收了 CMA，ROE 因子吸收了 RMW 与 HML。动量赢家的 ROE 载荷高达 0.91（t=5.9），预期增长因子载荷 0.44（t=2.62）——动量赢家的 ROE 与预期增长都更高。
核心结果二：Stambaugh-Yuan 4 因子其实是 q 因子
Stambaugh-Yuan (2017) 的 4 因子模型声称捕捉了「错价因子」。论文做了两件事：
- 用标准方法复现他们的因子（不按他们自己那套特殊构造）
- 发现复现后的因子与 q 因子的相关系数高达 0.8 和 0.84
也就是说——他们的因子聚类分析基本上重新发现了 q 因子，而 q 因子是有经济理论支撑的。
GRS 检验的方向也说明问题：q 和 q⁵ 模型都无法解释 Stambaugh-Yuan 原始构造的因子，但 q⁵ 模型能解释原始版和复现版两者。
核心结果三：FF5 的动机站不住
论文对 Fama-French (2015) 五因子模型提出两点质疑：
- 估值理论预测的是「预期投资与预期收益正相关」，但 FF5 里的 CMA 是「高投资减低投资」——方向相反
- 账面市值比、投资、盈利能力与内含报酬率之间的关系，不能直接搬到单期模型上
核心结果四：月度构造的 HML 是漏网之鱼
按月（而非按年）构造的 HML 因子，q 和 q⁵ 都解释不了（\alpha = 0.37%，t=2.36；0.41%，t=2.99）。
论文的补充实验很关键：如果把 q 因子也改成月度构造，那么月度 q 和 q⁵ 的 \alpha 就变得不显著了（0.18%，t=0.97；0.26%，t=1.64）。
结论是「构造方式」在起作用，不是「模型优劣」——这一条对做因子研究的人是最实用的提醒。
与本 wiki 的关系
- q 因子模型 — 被本文确认为最有解释力的模型之一
- Which Factors? — 论文页
- q⁵ — 本文涵盖的另一个模型
- Test Assets 与因子模型检验 — 模型怎么比才公平，本文是跨越检验的范例