附录D 典型学术论文导读

每一篇都整理了摘要、核心结论和对本书的启示，你可以根据兴趣选读原文。

D.1 Fama & French (1993) 《Common risk factors in the returns on stocks and bonds》

摘要：提出三因子模型，包含市场、市值、价值三个因子，是因子投资的基石。
关键图表：SMB和HML因子的累计收益曲线。
对本书的启示：因子可以系统性地解释收益，但三因子模型在A股表现一般，具体参考第六章朱英姿团队的研究。

D.2 Carhart (1997) 《On persistence in mutual fund performance》

摘要：在三因子基础上加入动量因子，形成四因子模型。
关键图表：动量因子的分组收益。
对本书的启示：动量在美股有效，在A股短期有效但长期反转，要注意持有期。

D.3 Novy-Marx (2013) 《The other side of value: The gross profitability premium》

摘要：毛利润与总资产的比值可以预测收益，效果比账面市值比更强。
关键图表：毛利润因子的多空收益。
对本书的启示：质量因子是有效的，但在A股要注意财务造假风险。

D.4 Hou, Xue, Zhang (2015) 《A comparison of new factor models》

摘要：对比了多个因子模型，发现q-factor模型表现最佳。
关键图表：不同模型的GRS检验统计量。
对本书的启示：没有唯一的正确模型，多模型结合更稳健。

D.5 朱英姿等 (2018) 《中国股票市场定价因子的实证研究》

摘要：提出包含趋势因子的四因子模型，在A股表现优于Fama-French三因子模型。
关键图表：趋势因子与其他因子的相关性热力图。
对本书的启示：A股必须重视量价信息，尤其是交易量，第六章有详细引用。

D.6 Hui et al. (2016) 《Quantitative strategy crowding and tail risk》

摘要：发现量化策略同质化程度越高，尾部风险越大。
关键图表：拥挤度与未来最大回撤的散点图。
对本书的启示：第一章拥挤度的核心理论基础。

D.7 Leippold, Wang, Zhou (2022) 《Machine learning in the Chinese stock market》

摘要：用机器学习方法发现A股最重要的预测因子是趋势和换手率。
关键图表：因子重要性排序条形图。
对本书的启示：趋势因子在A股极其重要，第六章有引用。

D.8 Jegadeesh & Titman (1993) 《Returns to buying winners and selling losers》

摘要：动量策略的经典论文。
关键图表：赢家组合与输家组合的累计收益差。
对本书的启示：动量效应存在，但也有崩溃风险。

D.9 Ang et al. (2006) 《The cross-section of volatility and expected returns》

摘要：提出低波动异象，低波动股票长期收益更高。
关键图表：波动率分组的年化收益。
对本书的启示：低波因子在全球有效，但在A股需要结合流动性判断。

D.10 证监会 (2024) 《证券市场程序化交易管理规定（试行）》

摘要：中国程序化交易监管的核心框架文件。
关键条款：报告制度、差异化收费、高频交易认定标准。
对本书的启示：合规是量化交易的底线，第六章、第九章都有涉及。