💧 十一年的因子全是同一批股票赚的：把最挤的那批剔掉，异象归零
假设有十一个在文献里写得很扎实、能扛住发表后衰减的股票市场异象。现在加一道筛子：把每个异象组合里机构持仓最拥挤的那一部分股票剔掉，只在最不拥挤的那一半上建仓。会发生什么？
目录
先做一个几乎无害的思想实验。
假设有十一个在文献里写得很扎实、能扛住发表后衰减的股票市场异象。现在加一道筛子：把每个异象组合里机构持仓最拥挤的那一部分股票剔掉，只在最不拥挤的那一半上建仓。会发生什么？
答案是一串让人坐直的数字：等权组合的月度风险调整 alpha 从 0.390% 掉到 0.009%，t 值从 6.42 掉到 0.18。十一个异象逐个检验，没有一个还能产生正的 alpha。
这篇论文是 Chincarini、Lazo-Paz 与 Moneta 的《Crowded spaces and anomalies》，2026 年 1 月发在 Journal of Banking and Finance 上，卷 182，文章号 107579。
📏 拥挤度怎么量
主流指标叫 Days-ADV，分母是这只股票上季度的平均每日美元成交量，分子是所有机构投资者在上季度末持有的美元市值。
读法很朴素：按正常市场成交量，机构要把全部持仓退出，大约需要多少个交易日的成交量。Days-ADV 是 200，粗略就是退出要走 200 天的市场成交量。
滞后一个季度是因为 13F 披露最多可能晚 45 天。
这个指标同时吃进了两样东西：机构持仓规模，和这只股票本身的流动性。只用机构数量或者只用机构持股比例会漏掉流动性，作者的实验显示这两种口径不产生显著 alpha。
论文还有一个对照指标叫 ActRatio，衡量主动投资者持股比例相对换手率。它与 Days-ADV 的相关系数约 0.99，两者效果几乎一样。
📊 一条四十年的拥挤曲线
论文图 1 画了一条我觉得比任何 alpha 数字都更有分量的曲线。
机构投资者数量从 1980 年的大约 400 家涨到 2021 年的大约 6,000 家，涨了约 15 倍。同期机构持有的上市公司数量在 1990 年代末达到过 5,756 家的峰值，之后一路掉到 2021 年的 2,761 家。
一边是钱变多，一边是可投标的变少。42 年里机构数量翻了 15 倍，能买的公司数量反而少了一半。这个背离就是拥挤的来源。
另一个数字：截至 2016 年 12 月，前十大机构投资者管理着约 26.5% 的股票市场总市值。
💰 拥挤本身就是一个 alpha
先把拥挤当成独立的收益来源看。每季度按 Days-ADV 把股票分五组，买入最拥挤的 Q5、卖出最不拥挤的 Q1。
价值加权的月度 FF3 alpha：
| 分组 | 月度 alpha | 年化 | t 值 |
|---|---|---|---|
| Q5 最拥挤 | +0.54% | +6.48% | 8.87 |
| Q1 最不拥挤 | -0.90% | -10.80% | -7.86 |
| Q5 减 Q1 | +1.44% | +17.28% | 9.67 |
换成 FF5P、FF5A、FF5AM，Q5 减 Q1 的月度 alpha 分别是 0.958%、0.892%、0.796%，t 值全部在 6 以上。加进流动性因子与动量因子之后依然显著，所以这不太可能是传统流动性风险或者动量效应的机械重复。
✂ 真正的发现：剔掉拥挤的，异象归零
这一步是全文的核心。
方法是对每个异象做双重排序。先按异象变量建多空腿，然后在腿内再按 Days-ADV 切一刀：异象多头腿取最拥挤的 30%，异象空头腿取最不拥挤的 30%。
十一个异象来自 Stambaugh 等人 2012 年的清单：综合股权发行、净股权发行、总应计、净经营资产、毛利率，以及资产增长、资本投资、投资与资产比、动量、Ohlson O 分数、失败概率。除动量按季度排序外，其余在每年 6 月 30 日排序，多数考察未来 12 个月收益，动量考察未来 3 个月。
| 构造方式 | 等权 FF3 alpha | t 值 |
|---|---|---|
| 只按异象排序 | 0.390% | 6.42 |
| 异象加拥挤双重排序 | 1.693% | 11.09 |
然后是那句让整个因子库要重新想一遍的话。把拥挤的剔掉之后：
| 剩下的非拥挤异象组合 | 月度 FF3 alpha | t 值 |
|---|---|---|
| 等权 | 0.009% | 0.18 |
| 价值加权 | 0.008% | 0.09 |
十年里被反复验证的十一个因子，收益集中在同一批股票上，最拥挤的那批。
🕯 发表之后呢
这是所有异象文献的标准拷问，论文正面回答了。
按每个异常的原始发表年份把样本切成发表前与发表后两段，等权双重排序的月度 FF3 alpha：
| 阶段 | alpha | t 值 |
|---|---|---|
| 全样本 | 1.693% | 11.09 |
| 发表前 | 1.957% | 9.32 |
| 发表后 | 1.609% | 7.67 |
Fama-MacBeth 回归里，空头腿的发表后证据比多头腿更强：Pos-Pub × Short × LADV 的 t 值是 2.92，Pos-Pub × Long × LADV 只有 1.62。
结论不是"发表后异象消失"，是"发表与传播会削掉一部分，但削不掉拥挤那一块"。
💥 alpha 的代价写在尾部里
作者的解释是套利限制那一套的老逻辑，换了个具体机制：很多机构同时持有同一批异常股票，策略用的是相似信号，甚至带杠杆。市场一冲击，大家一起卖，流动性被抽干，股价崩掉。投资者于是要求更高的收益补偿。
证据有两块。
事件研究比较拥挤组合与非拥挤异常组合在两次危机中的累计异常收益。金融危机窗口是 2006 年 11 月到 2010 年 2 月，差异 t 值 1.97。新冠窗口是 2019 年 3 月到 2021 年 2 月，差异 t 值 2.03。两次都达到显著。
面板回归用两个崩盘风险指标。公司特有周收益的负条件偏度 NCSKEW，全样本 Days-ADV 对数系数 0.011，t 值 3.29。下行波动相对上行波动的不对称性 DUVOL，系数 0.018，t 值 5.13。异常股票的空头腿上风险关系更强。
这一段是全文最该被记住的地方。17% 不是白来的，是崩盘风险的补偿。收益在均值上，代价在尾部上。
🧭 一个诚实的缺口
网页上转录的表 6 里有一个异常标签写作 ROA，与表 1 和正文的资本投资 CI 不一致。这一处以表 1 的标准定义为准。
另外两处口径要说清。论文的基准样本期是 1980 年第一季度到 2021 年第四季度。研究另有一个 1993 年之后的近期子样本，但论文没有单列 2003 到 2021 那一段估计，图 2 的图注写过结构断点是 1995 年，正文与表格用的是 1992 年第四季度，复现时应以正文和表格为准。
样本是美国的 NYSE、AMEX 与 Nasdaq 普通股，股价高于 5 美元，排除公用事业与金融业。
📌 接下来该盯什么
三根钉子。
第一，拥挤度量换成别的口径还成不成立。作者试过其他指标，只有 Days-ADV 与 ActRatio 这两个含流动性的口径有效。如果有人拿一个全新的拥挤度量跑一遍同样十一个异象，能复现"剔掉就归零"，这个结论才算钉牢。
第二，这套逻辑在 A 股与港股上的形态。A 股的散户占比与涨跌停制度跟美股不同，融券余额的限制也不同，拥挤的度量方式和出清机制都会跟着变。
第三，factor zoo 的连带影响。如果十一个异象的收益都集中在同一批股票上，那么按这些因子构建的多因子组合，其风险很可能比模型假设的高得多。这一层论文没有直接给出，第三方研究会给答案。
最后一句提醒。这篇论文自己给的是套利限制的证据，不是推荐。所有数字都是 1980 到 2021 年美股数据上的历史统计，17% 的年化 alpha 对应的是更肥的尾部。
信源与限定
- Ludwig B. Chincarini, Renato Lazo-Paz, Fabio Moneta，《Crowded spaces and anomalies》，Journal of Banking and Finance，卷 182，文章号 107579，2026 年 1 月，DOI 10.1016/j.jbankfin.2025.107579。
- 全文数据取自期刊页与 IDEAS/RePEc 摘要页，多项系数与 t 值以期刊页表格为准。
- 17.28% 为 1.44% 月度 FF3 alpha 乘 12 的线性年化，非实际收益率。
- 论文原页图 2 图注写结构断点 1995 年，正文与表格用 1992Q4，本文以正文表格为准并已标注。
- 表 6 转录中一个异常标签与表 1 不一致，本文按表 1 整理并说明。