《Journal of Banking & Finance》：Lost in the multiverse: Methodological uncertainty in studying global equity returns
编辑推荐：
研究人员检验了国家股票回报横截面研究中的方法论不确定性（methodological uncertainty），分析了多达13,824个研究实现中的15个预测因子（predictors）。通过变化九个关键设计选择（design choices），研究人员发现许
研究人员检验了国家股票回报横截面研究中的方法论不确定性（methodological uncertainty），分析了多达13,824个研究实现中的15个预测因子（predictors）。通过变化九个关键设计选择（design choices），研究人员发现许多经典信号——如动量（momentum）、贝塔（beta）或特质风险（idiosyncratic risk）——出奇地脆弱。强调小型、分割国家的研究设置增强了表现，而关注流动性强、可投资市场的设置则倾向于削弱表现。应用自助法（bootstrap）和样本外检验（out-of-sample tests），只有少数因子，如市场规模（market size）、股息收益率（dividend yield）、短期动量（short-term momentum）和主权风险（sovereign risk），一致地表现出稳健性。研究人员的证据呼吁对国家层面回报模式进行谨慎解释，并在替代研究设计中进行稳健性检验。
**论文解读：方法论不确定性对国家股票回报横截面研究的影响**
**研究背景与问题**
现有文献表明，国家股票市场存在可预测的回报模式，如高当地风险、低估值比率和强动量的市场往往优于对手。然而，国家层面的检验涉及较小的横截面，因此对研究设计选择特别敏感。以往公司层面研究揭示了看似琐碎的方法论决策（methodological decisions）可能产生显著影响，但国家层面测试面临独特挑战，包括数据来源、国家指数表示、地理范围和恶性通胀处理等差异。这些选择可能塑造最终证据。因此，研究人员开展这项研究，旨在系统地探索方法论不确定性（methodological uncertainty）对国家股票回报横截面变化研究的影响，以澄清现有结论的稳健性。
**研究概述与结论**
研究人员编译了来自文献的15个回报预测信号（return-predictive signals），将其转化为长期-短期国家配置策略，并考虑了涉及数据来源、样本准备程序（范围、研究期、恶性通胀处理）和投资组合实施（数量、规模、加权方案、再平衡频率和实施滞后）的九个关键方法论决策。这些选择基于对52项研究的系统回顾来设定基准。总共生成了13,824个独特的研究设计。主要结论包括：第一，方法论设计导致国家投资组合表现出现实质性变异，例如动量（momentum）和价值（value）策略的夏普比率（Sharpe ratio）范围从负到正。第二，即使是最成熟的国家间回报模式也惊人地脆弱，大多数在只有15-20%的实现中产生显著利润。第三，通过自助法（bootstrap）和样本外检验，只有少数信号——主权评级（sovereign rating）、短期动量（short-term momentum）、股息收益率（dividend yield）和市场规模（market size）——一致地表现出稳健性，其中市场规模最为突出。第四，数据来源是关键影响节点，强调小型、分割国家的设计增强表现，而流动性市场削弱。第五，非标准误差（nonstandard errors, NSEs）平均超过标准误差（standard errors, SEs）19%至59%，与研究设计选择相关。该论文发表在《Journal of Banking》。
**关键技术方法概述**
研究人员采用多宇宙分析（multiverse analysis）框架，基于Steegen et al. (2016)和Simonsohn et al. (2020)的方法。样本数据来源包括CRSP/Compustat (COMP)、Datastream (DS)、MSCI、Global Financial Data (GFD)、iShares ETF和Bloomberg期货数据，涵盖1973年1月至2022年12月期间。关键方法包括：利用安德森-达林检验（Anderson-Darling test）评估叉敏感性（fork sensitivity）；回归分析量化设计选择边际影响；自助法（bootstrap）通过块自助（block bootstrapping）计算“均值的均值”（mean of means）以检验整体显著性；以及样本外设计选择（out-of-sample design selection）通过滚动60个月或扩展排名窗口选择过去表现最佳的实现。非标准误差计算遵循Soebhag et al. (2024)的SVV方法和Coqueret and Pérignon (2025)的CP方法。
**研究结果**
**3.1 Baseline findings**（基线发现）：通过箱线图和表格展示，15个特征排序的投资组合的平均月度回报和世界资本资产定价模型（World CAPM）α（alpha）在多达13,824个研究设计间存在显著离散。大多数信号可能同时产生利润和损失，其中市场规模和股息收益率最有利可图，而贝塔和季节性（seasonality）基本无关。平均长期-短期回报仅为每月17个基点，仅14.5%的实现t统计量超过1.96。这表明国家层面溢价的广泛脆弱性。
**3.2 Performance under most common design choices**（最常用设计选择下的表现）：当限制到文献中最常用的研究方法（如MSCI指数、发达和新兴市场、等权重三分位、月度再平衡）时，许多预测因子如经济风险、动量、长期反转（long-term reversal）和发行量（issuance）变得统计学上显著。然而，在2009年后时期，回报可预测性显著下降，表明异常回报随时间减弱。这调和了多宇宙结果与先前文献。
**3.3 Which research design choices matter?**（哪些研究设计选择重要？）：通过分析决策节点性能、安德森-达林检验和回归分析，发现数据来源影响最大：使用COMP或GFD数据提高表现，而ETF和期货降低。地理范围关键：聚焦发达市场产生接近零回报，纳入新兴和前沿市场提升表现。加权方案重要：等权重或秩加权比市值加权更有利可图。再平衡频率和实施滞后也有影响，而恶性通胀处理影响有限。
**3.4 Nonstandard errors**（非标准误差）：使用SVV和CP方法计算，非标准误差（NSEs）平均超过标准误差（SEs）19%至59%。NSE/SE比率因特征而异，如长期反转和股息收益率较高，贝塔较低。某些设计选择如使用COMP或Datastream数据、聚焦发达市场和降低再平衡频率可降低NSEs，而ETF或GFD数据及扩大国家覆盖增加不确定性。
**3.5 Aggregate significance**（聚合显著性）：通过自助法“均值的均值”检验，仅有六个特征在5%水平显著：经济风险、主权风险、股息收益率、盈利收益率、市场规模和发行量，其中市场规模最强。样本外设计选择测试进一步确认主权评级、短期动量、股息收益率和市场规模在排名窗口下持续产生显著和经济的样本外回报，而政治风险和季节性缺乏可预测性。
**总结与结论**
讨论部分强调，研究设计选择对实证结果具有关键影响，数据源、地理范围和加权方案最为重要。非标准误差的存在要求研究者透明地评估结果对替代方法的敏感性。结论部分翻译如下：
“我们的发现揭示了几个常见实施决策对最终结果的关键作用。首先，特征排序的国家投资组合表现在研究设计间差异巨大。其次，我们通过三种互补检验正式评估稳健性——基于自助法的‘均值的均值’检验和样本外设计选择方法——均指向大多数跨国策略的有限可靠性。只有少数特征——主权评级、短期动量、股息收益率和市场规模——在多种规格中表现一致，其中市场规模最为稳健。此外，在各种研究决策中，数据源影响最大，Compustat或GFD指数投资组合的回报溢价显著强于基于更可投资资产（如ETF或期货）的。其他关键选择包括地理覆盖和加权方案，更强结果通常与对小、分割市场的更大暴露相关。最后，我们分析了非标准误差（NSEs）的作用，其平均超过标准误差19%至59%，且在不同信号和研究选择间变化。某些方法论决策如使用Compustat或Datastream数据、聚焦发达市场和降低再平衡频率有助于稳定结果。”
