On Persistence in Mutual Fund Performance — Mô Hình 4 Nhân Tố và Momentum

Tác giả: Mark M. Carhart (1997) Nguồn: Journal of Finance, Vol. 52, No. 1 Tag: mới:2026-05-16 #factor-model #momentum #asset-pricing

Nội dung chính (Core Concept)

Carhart đặt câu hỏi: liệu một quỹ mutual fund "thắng" có duy trì hiệu suất vượt trội năm sau không? Tác giả thu thập dữ liệu 1,892 quỹ giai đoạn 1962-1993, xếp hạng quỹ theo lợi nhuận năm trước (decile 1 = top performers, decile 10 = bottom), và đo lợi nhuận của các decile trong năm tiếp theo.

Phát hiện chính: persistence chủ yếu đến từ momentum, không phải kỹ năng quản lý. Khi loại bỏ effect momentum (bằng cách bổ sung nhân tố thứ 4 vào mô hình Fama-French), alpha của decile 1 giảm từ +0.67%/tháng xuống chỉ +0.07%/tháng — gần như bằng 0. Nhân tố thứ 4, gọi là UMD (Up Minus Down) hoặc MOM, được xây dựng:

MOM = (TopWinners 12-2m return) − (TopLosers 12-2m return)

Tức là: long-short portfolio dựa trên momentum 12 tháng (loại bỏ tháng gần nhất để tránh short-term reversal). Mô hình Carhart 4-factor trở thành:

R - Rf = α + β_M(R_M - Rf) + β_SMB·SMB + β_HML·HML + β_MOM·MOM + ε

Ý tưởng chính cho giao dịch (Key Trading Insight)

Momentum là anomaly bền vững nhất trong cross-section — tồn tại trên equities, bonds, currencies, commodities, crypto. Carhart confirms what Jegadeesh-Titman 1993 found nhưng nâng tầm: momentum không chỉ là một strategy đơn lẻ mà là một nhân tố giải thích risk premium hệ thống. Bất kỳ chiến lược nào claim alpha cần phải kiểm soát qua MOM, không chỉ qua market/size/value.

Practical use: Khi backtest một chiến lược trên VN30 stocks, alpha sau khi attribute qua Carhart 4-factor mới là true alpha. Nếu chiến lược chỉ kiếm tiền trên decile momentum top, nó chỉ là MOM exposure trá hình, không phải skill.

Ứng dụng trên VN30F

Trên VN30F là single-asset futures, không thể chạy cross-sectional momentum trực tiếp. Tuy nhiên có 2 ứng dụng:

1. Time-series momentum trên VN30F: Áp dụng signal sign(R_{t-12m, t-1m}) — long khi return 11 tháng dương, short khi âm. Đây là biến thể single-asset của MOM (Moskowitz, Ooi, Pedersen 2012).
2. Component attribution: Khi backtest stat-arb pairs giữa VN30 cổ phiếu thành phần, dùng MOM của Việt Nam (từ Nguyễn Anh Phong, 2018) để loại bỏ MOM exposure khỏi P&L. Nếu sau khi attribute còn alpha, đó là microstructure edge thật.

Code minh họa (Python)

import pandas as pd
import statsmodels.api as sm

def carhart_4factor_alpha(strategy_returns, factors_df):
    """
    strategy_returns: pd.Series of monthly returns
    factors_df: DataFrame có cột ['Mkt-RF', 'SMB', 'HML', 'MOM', 'RF']
    """
    excess = strategy_returns - factors_df['RF']
    X = factors_df[['Mkt-RF', 'SMB', 'HML', 'MOM']]
    X = sm.add_constant(X)
    model = sm.OLS(excess, X, missing='drop').fit()

    return {
        'alpha_monthly': model.params['const'],
        'alpha_annual': model.params['const'] * 12,
        'mom_beta': model.params['MOM'],
        'p_value_alpha': model.pvalues['const'],
        'r_squared': model.rsquared,
    }

def build_momentum_factor(price_panel, lookback=12, skip=1):
    """price_panel: DataFrame [date, ticker] với close price"""
    rets = price_panel.pct_change(lookback - skip).shift(skip)
    # winners: top 30%, losers: bottom 30%
    ranks = rets.rank(axis=1, pct=True)
    winners = price_panel.pct_change()[ranks > 0.7].mean(axis=1)
    losers = price_panel.pct_change()[ranks < 0.3].mean(axis=1)
    return winners - losers

Tài liệu tham khảo

• Carhart, M. M. (1997). On persistence in mutual fund performance. Journal of Finance, 52(1), 57-82.
• Moskowitz, T., Ooi, Y. H., & Pedersen, L. H. (2012). Time series momentum. Journal of Financial Economics, 104(2).