主要观点：
　　本篇是“学海拾珠”系列第二百三十六篇，文献提出了一种将股票价格动量与高维资产组合的层级聚类（HC）相结合的投资组合构建方法，改善了Markowitz均值-方差（MV）投资组合权重不稳定和配置过于集中的问题。回到国内市场，该方法在股票组合构建、ETF组合构建、资产组合构建等多个领域都存在可施行的空间。
　　层级动量策略
　　由资产收益间的pearson相关系数推导出距离函数。使用自下而上递归的方法，合并距离更近的资产进行聚类，结果是一个树状图。在树状图的某个高度h处进行水平切割，将树分割成n个聚类。对于每个聚类，识别出动量得分最高的资产，并使得动量得分为负的资产被赋予零权重，由此构建的策略称为HM策略（Hierarchical Momentum）。
　　对比策略包括：最大动量（MM，Maximum Momentum）策略、动量阈值（TM，Threshold Momentum）策略、分层拉菲诺（HR，HierarchicalRaffinot）策略、均值方差（MV，Markowitz）策略。
　　实证结论
　　文献回测采用的时间区间为1997年6月至2022年8月，使用MSCI全球所有国家指数（ACWI）所包含股票的高维数据集，涵盖了23个发达市场和24个新兴市场中的大盘股和中盘股。
　　扣除交易费用后，HM策略在纯收益（即累计收益和平均收益）、风险调整后收益（即夏普比率和索提诺比率）以及风险（即波动率和最大回撤）方面均优于其他所有策略。从行业配置情况来看，层次聚类（HC）的组合构建方式使得HM策略的稳定性有所提高。
　　最大动量（MM，以及动量阈值TM）存在众所周知的潜在大幅回撤问题。但当动量与分层聚类（HC）相结合时，这一问题得到了缓解，整个回撤分布得到了改善，回撤的尾部情况改善。
　　投资组合收益率对Fama和French（2015）的五因子模型+动量因子回归后，获得了1.87%的年化Alpha，在10%的显著性水平下具有统计意义。
　　风险提示
　　文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。