动量投资像是追着近期赢家跑，但赢家并非在任何经济环境里都继续赢。固定持有动量组合，可能遇到很长的失灵期。Feng Dong 在这项 JPM 研究中给动量暴露加了一道“状态开关”：因子暴露，就是组合对动量这类共同收益来源有多敏感；经济状态则是由历史宏观、市场情绪和政策不确定性指标识别出的不同环境。
策略只在模型判断环境合适时持有美国大盘股中的动量赢家组合，其他时候回到市场基准。机器学习分类器负责识别状态，但作者强调，它只是工具，核心是让仓位随环境变化。论文报告称，这套策略在样本外的年化 Sharpe ratio——衡量每承担一单位波动换来多少超额回报——达到1.56，市场基准为0.96，同时回撤也低于基准和长期持有动量的策略。值得继续追问的是，所用滞后指标是否严格按当时真实发布时间和可得数据构建；仅仅“滞后”，并不能自动排除前视偏差。