动量效应的研究与发展
1.行为金融与中国大陆股票市场的动量效应
(一)传统财务理论和行为财务模型
Fama和French(1993，1996)从传统理论的角度解释了动量效应:动量效应并不是市场无效率的证据，动量策略的超额收益可能与人们采用的理论工具有关——在资本资产定价模型中，β值并不是一个很好的风险指标，只要在因子模型中加入新的风险因子，超额收益就可能消失。然而，学者们未能就哪些风险因素应加入因素模型达成共识。
行为金融学认为传统金融理论的前提有问题，所以试图从投资者的决策行为中找出动量效应的机制，但这些解释也是有缺陷的。Shefrin(2000)认为行为金融模型中投资者行为模式的假设不是基于心理学实验，缺乏合理依据。正如彼得(1999)所认为的:“为了开发一个理论模型而去寻找不合理的逻辑假设，就像是把车放在了马的前面”。同时也让经济学失去了自己的特色。毕竟经济学不是心理学。它不应该研究具体的认知模型，它的假设应该是一般性的、抽象的。
(二)中国股市动量效应与行为金融
对于中国股市的动量效应，中国学者已经做了大量的研究。、赵学军(2001)、朱、吴、王(2003)、吴世农、吴(2003)、肖俊、徐新忠(2004)、马超群、章昊(2005)、赵振权、丁志国、苏志(2005)。周(2002)发现动量策略的盈利对形成期和持有期的持续时间比较敏感，形成期和持有期为一个月的动量策略盈利能力最显著；、何和沈克庭(2003)认为形成期和持有期在2周和24周之间的动量策略收益显著；于(2004)发现形成期和持有期为10 ~ 15天的动量策略具有显著的收益。和吴(2004)认为，作为新兴市场的股市的反转策略不同于西方股市，主要是因为中国股市的反转周期短于西方发达国家。
虽然上述实证研究的样本期不同，但一致的结论是，中国股市的动量策略盈利只存在于形成期和持有期在4周以内的周期性策略中；而西方股市的动量策略盈利一般存在于中期(3-12个月)的形成期和持有期策略中。朱、吴和王(2003)都认为模型、模型和HS模型没有揭示中国股票市场动量效应的机制。他们认为，BSV模式、DHS模式等模式的投资者根据对业绩的预期对上市公司股票进行估值，符合发达资本市场投资者的投资行为模式，而国内投资者基本不关心公司基本面，喜欢短线操作，容易跟风。从投资者认知偏差的角度来解释中国股市的动量效应是不恰当的。
第二，从奈特的不确定性看股票市场的动量效应
1.不确定性的两种分类
Knight (1921)把未来的不确定性分为两种情况:一种是概率分布确定的不确定性，也就是常说的“风险”；另一种是没有确定概率分布的不确定性，其主观概率是不确定的，称为奈特不确定性或模糊性。抛硬币就知道风险有多大了。如果你赌人头，赢的概率是50%。奈特认为，当你不知道所有可能的状态和各种状态的概率时，就存在奈特不确定性。Savage(1954)等人认为，虽然一个事件的概率分布有时无法计算，但我们可以为这个事件指定一个先验信念，这对于建立数学模型的技术选择来说没有什么区别。所以奈特对不确定性的分类是没有意义的。埃尔斯伯格(1961)等人通过一系列实验否定了野人假说。他们的实验表明，奈特对不确定性的划分是有意义的。这些实验还表明，人们通常对骑士不确定性表现出厌恶。即使实验者被告知埃尔斯伯格实验存在逻辑矛盾，实验者仍然坚持自己的选择，并愿意支付溢价以避免奈特不确定性。他们发现有些人喜欢赌博(风险)，但不喜欢骑士的不确定性。讨厌骑士不确定性的人不一定讨厌风险。这进一步印证了奈特的观点，风险厌恶和奈特的不确定性是两种不同的现象。他们还发现，面对奈特的不确定性，人们更在意别人的想法，更容易形成“羊群效应”。
2.系统的复杂性导致了骑士的不确定性。
奈特的不确定性是怎么来的？现代自然科学证明，系统内部的非线性机制(或正反馈机制或复杂性机制)造成了系统的演化，从而形成奈特不确定性。如果系统是一个简单系统，那么这个随机过程就是遍历的，通过频率检验可以得到这个过程的概率分布。自然界中大多数随机事件都属于这个过程，这就是一般的不确定性——风险。然而，如果系统是进化的，那么这个过程就不是遍历的。即使拥有所有的历史和当前信息(完全信息)，也不可能获得未来某些不确定事件的概率分布，因为它不是过去过程的简单重复，新的状态总是不断产生的。我们无法预测这个状态，更不用说获得这个状态的概率分布了。经济社会中的大部分系统都属于这个过程，这种不确定性就是奈特不确定性。
(二)奈特不确定性视角下动量效应的微观机制
Lewellen和Shanken(2002)认为股票价格序列的可预测性与股票定价过程中的“参数不确定性”有关。当决策者对未来现金流的先验信念不确定时(即存在概率分布的不确定性时)，代表性投资者通过贝叶斯过程逐渐更新信念，这种学习过程渗透到股票定价的过程中，导致股票价格之间正相关。
、黄、(2003)、(2004)从奈特不确定性的角度探讨了股票市场动量效应的微观机制。与LS模型类似，投资者不可能准确确定未来现金流的概率分布，因为投资者面临骑士不确定性。与LS模型不同，他们认为市场中的投资者不能被一个“代表性投资者”所取代。这些投资者是异质的，对未来现金流有不同的先验信念。当这些异质投资者出现市场传染时，就会产生动量效应。
Ford，Kelsey和Pang(2006)从微观金融角度研究了动量(反向)效应的机制。当市场出现模糊信号，股票的基本价值无法确定时(面临骑士不确定性)，如果做市商和投资者都表现出乐观(悲观)，股票市场就会出现动量现象。
Gerdjikova(2006)试图在CBD理论下解释股票市场的所有异常现象。因为投资者面对奈特的不确定性，他无法确定股票的基本价值。如果股票价值在一个合理的范围内，投资者会在股票市场上进行日交易，以追求更多的财富，从而产生动量效应。
奈特从不确定性角度提出的动量效应机制理论认为，投资者无法确定股票未来现金流的概率分布，异质投资者的市场传染或情绪的悲观(乐观)造成了动量效应。这些模型能够较好地解释中国股票市场的动量现象。行为金融学认为，决策者对股票现金流的概率分布是确定的，不存在所谓的“骑士不确定性”。是有限理性投资者犯了认知偏差错误，从而造成了动量效应。这两种解释最大的区别在于对不确定性的处理。
(3)骑士不确定性视角下的“骑士不确定性厌恶”补偿模型
近年来，西方学者开始从奈特的不确定性“厌恶”角度研究动量策略的“利润”来源。Andrew，Hodrick(2006)和张(2006)发现动量策略的超额利润和收益率的横截面差异与Knight不确定性正相关。Anderson，Ghysels和Juergens(2005，2006)试图在资产定价模型中加入“骑士不确定性厌恶因子”来解释股票市场中的动量效应。从奈特不确定性的角度来看，投资者面临的不仅是一般风险，还有“更高的风险”，即奈特不确定性。只要在定价因子模型中考虑这种“更高的风险”，异常超额收益就会消失。
(四)从奈特的不确定性看两种解释方案的逻辑联系。
从奈特不确定性的角度研究动量效应也有两种方法:一种是从奈特不确定性的角度研究动量效应的机制；二是在传统资产定价模型中加入“奈特不确定性厌恶因子”，作为动量策略“超额”利润的来源。逻辑上，这两个想法并不矛盾。奈特不确定性视角下的动量效应微观机制涉及“内”，奈特不确定性厌恶补偿模型涉及“结果”而非“表”。以奈特的不确定性为逻辑起点，这两种研究思路可以紧密联系起来。
行为金融模型主要从认知偏差(或噪音)或信息不完全的角度解释动量效应等异常现象。但问题是，既然这些直觉决策容易导致认知偏差，为什么投资者还会采用直觉决策模式？行为金融学并没有给出“理性”决策者产生上述决策行为模式的原因。实际上，投资者面对的是奈特的不确定环境，这种环境的特征是事实上的“有限理性”。从决策行为中可以看出人类学习记忆在进化过程中的适应性:倾向于本能的自我安全感(自我控制，认知失调)，通过直觉决策做出决策，即规则理性)(Aumann，1997)。从原则理性的角度来看，如果决策者处于一个复杂的、骑士式的不确定世界，采用直觉决策是符合其理性的。
行为金融学并没有给出“噪音”的确切定义。如果噪音是与投资价值无关的信息，为什么理性投资者不能过滤噪音？行为金融学也关注在信息不对称条件下，具有信息优势或劣势的投资者的行为对证券价格的影响。有人认为，对于大量在公开市场上广泛交易的股票，投资者之间信息不对称的可能性很小，也就是说，不存在引起股价大幅波动的信息不对称问题。有人认为“噪音”是与股票价值相关的信息，但由于投资者在面对骑士不确定性时的“原则理性”，决策者只能凭直觉使用这些信息。