Li, Liu, Liu & Wei (2024) —「Replicating and Digesting Anomalies in the Chinese A-share Market」
一句话：把 Hou-Xue-Zhang (2020) 的复制流程搬到 A 股，469 个异象里 83.4% 复现不出来——比美股的 65% 更糟。
大白话
美股的复制危机已经广为人知。A 股呢？
这篇论文把同一套流程搬到 A 股，结论是：失败率更高（83.4% vs 65%）。
原因不是「A 股更有效率」，而是A 股的微盘股问题更严重——A 股的微盘股数量占比更大，等权排序会把权重全压到它们身上。换句话说，A 股的「因子异象」里有更大比例是微盘股的性质，而不是因子的性质。
关键数字
| 口径 | 失败率 |
|---|---|
| 高减低五分位原始收益差不显著 | 83.37% |
| 用 CAPM \alpha 判定 | 84.2% |
| 用 Fama-French 三因子 \alpha 判定 | 86.9% |
对比美股：Hou-Xue-Zhang (2020) 的 452 个异象在 NYSE 断点 + 价值加权下失败率是 65%。
检验流程：A 股版「NYSE 断点」
论文用主板断点 (mainboard breakpoints) + 价值加权替代美股的 NYSE 断点。
为什么不能用常规做法：A 股文献常用的「全 A 股断点 + 等权」有两个问题：
- 微盘股权重被放大——市值占比小，但在等权组合里权重被放大到不成比例
- 投资容量极低——真正按这个组合建仓，容量小得没法做
七个因子模型的比较
论文测试了七个模型：
美股来的五个：CAPM、Fama-French 三因子 (F3)、Carhart 四因子 (Car4)、Fama-French 五因子 (F5)、Hou-Xue-Zhang (2015) q 因子
专为 A 股设计的两个：CH3 与 CH4（Liu-Stambaugh-Yuan 2019）
| 结论 | 内容 |
|---|---|
| 全样本期表现最好 | CH3、CH4、q 因子三者在同一水平 |
| 2007 年后表现最好 | q 因子模型——2007 年后完成了股权分置改革、实施新会计准则（符合 IFRS），市场环境改善明显 |
| 2007 年后非国企子样本 | CH4 与 q 因子表现最好 |
「非国企子样本更干净」这个设定值得注意：国企与非国企在投资行为、盈利质量、政策敏感度上差别很大，剔除国企后的样本更接近「市场定价」的逻辑。
与本 wiki 的关系
- Liu-Stambaugh-Yuan (2019) — CH3/CH4 因子的出处
- Hou-Xue-Zhang (2020) — 流程与数据来源的直接前作
- A 股因子模型 — 概念页
- q 因子模型 — 在 A 股 2007 年后表现最好的模型
- 多重检验与因子动物园 — A 股版本的复制危机