据JFQA官网显示，滴水湖高级金融学院助理教授唐雨山与德克萨斯农工大学陈勇教授、罗格斯大学Sophia Zhengzi Li教授、圣路易斯华盛顿大学周国富教授合作的研究论文“Anomalies as New Hedge Fund Factors”近期在国际金融学顶级期刊《Journal of Financial and Quantitative Analysis》(JFQA)线上正式发表。
唐雨山助理教授2017年获得西南财经大学数学和经济学双学士学位，2023年获得美国罗格斯新泽西州立大学管理学（金融）博士学位。现任滴水湖高级金融学院助理教授、AI金融项目负责人，主要研究方向包括实证资产定价、金融计量、机器学习、投资管理。
唐雨山 滴水湖高级金融学院助理教授 美国罗格斯新泽西州立大学金融学博士 Title: Anomalies as New Hedge Fund Factors 异象作为新的对冲基金因子 作者：德克萨斯农工大学陈勇、罗格斯大学Sophia Zhengzi Li、上海财经大学滴水湖高级金融学院唐雨山、圣路易斯华盛顿大学周国富 摘要 We identify a parsimonious set of factors from a large pool of candidates for explaining hedge fund returns, ranging from equity market, anomaly and trend-following factors to macroeconomic factors. The resulting nine-factor model, including five anomaly factors, outperforms existing hedge fund models both in-sample and out-of-sample, with a significant reduction in alphas while showing substantial cross-sectional performance heterogeneity. Further analysis based on fund holdings confirms the model's ability to capture returns from arbitrage trading. Overall, the anomaly factors help quantify hedge fund strategies and risk exposures and improve fund performance evaluation. 本文从多个潜在因子中识别出一组精简且具有解释力的因子，以刻画对冲基金收益的来源。考虑的潜在因子涵盖股票市场因子、异象因子、趋势跟随因子以及宏观经济因子。由此得到的九因子模型，其中包含五个异象因子，无论在样本内还是样本外，表现均优于现有对冲基金模型。该模型显著降低了基金的阿尔法值，并揭示了基金收益的横截面差异性。进一步基于基金持仓数据的分析验证了模型在捕捉套利交易收益方面的有效性。整体而言，异象因子的引入有助于量化对冲基金的交易策略与风险敞口，并提升对基金绩效的评估能力。
