Does Academic Research Destroy Stock Return Predictability?

鏈接：https://www.rhsmith.umd.edu/files/Documents/Departments/Finance/DavidMclean.pdf

作者：Mclean (Depaul) and Pontiff (Boston College)

文章載於Journal of Finance (2016)，並獲得2016年JF頒發的Smith-Breeden Prize。

Backtesting或者portfolio selection的基本原則是不能使用未來的信息，但是無論何種策略都會存在knowledge bias。在此情景中，knowledge bias的意思大致就是將未來的技術手段和認知用在歷史數據中會產生額外收益。比如你把一個2017年的高頻策略拿到2007年可能沒有對手可以打的過...如果一個策略在過去可行但是未來失靈，一個可能的原因是這個策略被trader利用，導致額外盈利能力越來越弱甚至消失。另外一個原因是樣本內的統計偏差。

今天介紹的這篇文章把學術文章發表當成影響策略收益的變數，研究學術文章發表對策略收益的影響，相當於一個自然實驗了...

如果股票價格可以預測，投資者可能會利用可預測性進行盈利，而交易可會使因為mispricing產生的預測性或者可盈利性消失。

如果策略額外收益或者可預測性僅存於學術研究所覆蓋的樣本內，另一個可能的原因是統計偏差。關於統計偏差，比如你用iid simulation模擬一個價格序列，在大樣本下，任何策略會失效，但在有限樣本下，你總會找到一個可以從所模擬的價格序列賺錢的方法。這就是統計偏差的直覺解釋。記得有一篇文章是講樣本數量以及data mining嘗試次數的關係的...總之大意就是給定有限樣本，為獲得某種策略從而嘗試的次數越多，贏利策略為統計偏差的可能性就更大（文章找到再附上）。

總之，統計偏差也會讓策略在樣本外的表現減弱。因此，我們需要在控制統計偏差的基礎上來研究學術研究的發表效應。

收益的變化=統計偏差+發表效應。

作者通過研究97個long-short strategy發現，將學術文章所用的樣本和學術文章樣本之外的策略收益對比，策略收益平均減少26%，因此作者說26%就是平均意義上統計偏差的上界。（這個認識在好幾個方面都不是很嚴格，不過筆者認為在不能做重複實驗的基礎上，這樣的認識是非常合理的。）

但是策略發表後，收益平均下降58%，顯著大於統計偏差。因為，作者認為發表效應確實顯著存在。

同時作者用其他數據提供了側面支持，比如，作者發現跟發表的策略有關的股票交易量明顯變大。

先碼到此有事先撤了...文章也不難，JF里28頁，感興趣的自然會去看...:)