董晨昱, 劉維奇, LIU Wei-min , 王　鈺

(1. 山西大學(xué)數(shù)學(xué)科學(xué)學(xué)院, 太原 030006; 2. 山西大學(xué)管理與決策研究中心, 太原 030006;3. 山西大學(xué)軟件學(xué)院, 太原 030006; 4. 山西財經(jīng)大學(xué)財政金融學(xué)院, 太原 030006)

?

股票收益反轉(zhuǎn)效應(yīng)及與買賣價差關(guān)系研究①

董晨昱1, 2, 劉維奇2, 4*, LIU Wei-min2, 王鈺3

(1. 山西大學(xué)數(shù)學(xué)科學(xué)學(xué)院, 太原 030006; 2. 山西大學(xué)管理與決策研究中心, 太原 030006;3. 山西大學(xué)軟件學(xué)院, 太原 030006; 4. 山西財經(jīng)大學(xué)財政金融學(xué)院, 太原 030006)

研究了買賣價差與股票短期收益反轉(zhuǎn)的關(guān)系. 拓展了“真實”價格保持不變或遵循隨機游走的假設(shè),在三種情形下對比連續(xù)時間上觀測價格和“真實”價格的路徑圖及其價格變化的聯(lián)合分布來分析買賣價差對股票短期收益反轉(zhuǎn)的影響,結(jié)果表明,當(dāng)“真實”收益的一階自相關(guān)系數(shù)接近于0時,買賣價差是造成觀測收益反轉(zhuǎn)的唯一原因;當(dāng)“真實”收益有較強的一階負(fù)自相關(guān)性時,買賣價差對觀測收益反轉(zhuǎn)的作用不再明顯,甚至可能減弱此效應(yīng);買賣價差加劇了觀測收益的波動.通過買賣價差與股票觀測收益間的恒等關(guān)系,建立了收益分解模型,將“真實”收益從觀測收益中分離,隨后使用NASDAQ市場的個股日、周和月數(shù)據(jù)進行橫截面回歸和方差比檢驗,實證結(jié)果也支持上述結(jié)論.

收益反轉(zhuǎn); 買賣價差; 方差比檢驗

0　引　言

股票收益的反轉(zhuǎn)效應(yīng)是指相鄰期股票收益呈負(fù)相關(guān)的現(xiàn)象.這一現(xiàn)象多年來得到廣泛承認(rèn),Huang等[1]利用股票月收益的反轉(zhuǎn)效應(yīng)解釋了“特質(zhì)波動率之謎”,更多學(xué)者是將Jegadeesh[2]和Lehmann[3]的短期反轉(zhuǎn)因子作為控制變量用于實證資產(chǎn)定價的研究中,如Bail等[4], Bail等[5],鄭振龍等[6].

關(guān)于短期收益反轉(zhuǎn)的原因, 一些學(xué)者給予了市場微觀結(jié)構(gòu)角度的解釋.Niederhoffer和Osborne[7]最先指出由于觀測價格在買價和賣價間跳躍,從而可能引起股票短期收益的反轉(zhuǎn). Roll[8]在市場有效且相鄰期股票“真實”價格(買賣價差不存在時的價格)保持不變的假設(shè)下,建立了有效買賣價差與相鄰期股票價格變化協(xié)方差間的恒等關(guān)系,即表明是買賣價差造成了股票收益的反轉(zhuǎn).Cohen等[9]使用NYSE和AMEX股票市場數(shù)據(jù),通過模擬買賣報價發(fā)現(xiàn)短期收益的反轉(zhuǎn)效應(yīng)是由買賣價差造成的.Jegadeesh和Titman[10]在“真實”價格遵循隨機游走的假設(shè)下基于存貨的市場微觀結(jié)構(gòu)模型進一步證實短期收益反轉(zhuǎn)主要由買賣價差引起.Kaul和Nimalendran[11]使用NASDAQ市場的數(shù)據(jù),通過方差比檢驗發(fā)現(xiàn)股票日觀測收益有較強的負(fù)自相關(guān)性,而基于收盤賣價計算的日收益表現(xiàn)出較弱的正自相關(guān),從而認(rèn)為股票日收益反轉(zhuǎn)效應(yīng)是由于買賣價差造成的.Heston等[12]發(fā)現(xiàn)30分鐘股票觀測收益有滯后多期的負(fù)自相關(guān)性,基于買價、賣價和買賣報價中點計算的30分鐘收益有高于滯后一階的正自相關(guān)系數(shù),而一階自相關(guān)系數(shù)仍顯著為負(fù),表明買賣價差引起了以30分鐘為區(qū)間長度的跨期反轉(zhuǎn)效應(yīng),但其不能解釋相鄰期收益的負(fù)自相關(guān)性. Avramov等[13]認(rèn)為由于非信息交易者引起的流動性壓力需要被流動性提供者補償,從而產(chǎn)生收益反轉(zhuǎn),文中刻畫流動性采用了Amihud[14]的價格影響流動性指標(biāo)及四個買賣價差指標(biāo),均表明股票周和月收益反轉(zhuǎn)與流動性有很強的關(guān)系.Liu[15]以1983年12月至2003年6月NASDAQ市場的所有普通股為樣本,發(fā)現(xiàn)Amihud的流動性指標(biāo)與相對買賣價差有很強的線性相關(guān)性,兩者相關(guān)系數(shù)為0.941.基于上述文獻的分析,股票收益短期反轉(zhuǎn)的市場微觀結(jié)構(gòu)解釋可歸結(jié)為是買賣價差的影響.

另有些學(xué)者從投資者認(rèn)知偏差和市場對信息的過度反應(yīng)等行為角度來解釋.Jegadeesh[2]剔除每月最后一個交易日的數(shù)據(jù)以消除買賣價差的影響,通過橫截面回歸發(fā)現(xiàn)相鄰期月股票收益有顯著的負(fù)相關(guān)性,且發(fā)現(xiàn)月反轉(zhuǎn)策略有顯著溢價,從而認(rèn)為股票月收益反轉(zhuǎn)效應(yīng)是由于投資者的行為因素造成的.Lehmann[3]、Daniel等[16]及Barberis等[17]也持相同觀點.而Da等[18]不同于上述兩種絕對的觀點,他們將觀測收益減去現(xiàn)金流收益和預(yù)期收益所得的剩余收益視作是由投資者情緒及流動性沖擊引起的收益,對剩余收益構(gòu)建月反轉(zhuǎn)策略,其經(jīng)風(fēng)險調(diào)整的溢價收益是原始反轉(zhuǎn)策略收益的四倍,通過時間序列回歸和截面回歸發(fā)現(xiàn)流動性沖擊對多頭組合收益有解釋作用,投資者情緒對空頭組合收益有解釋作用,基于此他們得出結(jié)論認(rèn)為月反轉(zhuǎn)策略收益主要歸因于投資者情緒和流動性沖擊.事實上從文中的分析可知Amihud流動性因子對基于觀測收益的反轉(zhuǎn)策略溢價收益有顯著的解釋力而情緒因子的解釋作用不明顯.

綜上文獻分析,基于理論模型研究股票收益反轉(zhuǎn)效應(yīng)時常限定于市場有效、“真實”價格遵循隨機游走等特定假設(shè),如Roll[8]、Jegadeesh和Titman[10]等.通過實證分析解釋引起股票短期收益反轉(zhuǎn)的原因時,常基于某一頻率數(shù)據(jù)進行分析,而忽略了不同頻率數(shù)據(jù)的反轉(zhuǎn)效應(yīng)可能由不同的原因造成這一問題,這也是不同文獻得出不同結(jié)論的可能原因之一.盡管Avramov等[13]同時考慮了周數(shù)據(jù)和月數(shù)據(jù),兩者均是來說明收益反轉(zhuǎn)與流動性有很強的關(guān)系:高換手率、低流動性(他們認(rèn)為交易量和流動性是兩個不同的概念)股票表現(xiàn)出更強的負(fù)自相關(guān)性,且反轉(zhuǎn)策略收益也最大.

本文重新審視這一經(jīng)典問題,主要基于三點:第1, 考慮到可能存在市場對新到信息的過度反應(yīng),以及由于股票供需關(guān)系而產(chǎn)生的正常的價格回復(fù),股票的“真實”價格可能圍繞其價值上下波動,且基于“真實”價格計算的“真實”收益表現(xiàn)出一定的負(fù)自相關(guān)性,此時,買賣價差對觀測收益反轉(zhuǎn)的影響如何;第2,不同頻率的收益反轉(zhuǎn)效應(yīng)是否由同一因素造成;第3,在實證分析中基于“真實”價格計算的“真實”收益如何獲得.

通過實證分析檢驗買賣價差對股票收益反轉(zhuǎn)效應(yīng)的影響時,一個重要的問題是如何消除買賣價差對觀測收益的影響或者如何獲得“真實”收益. Jegadeesh[2]和Lehmann[3]分別采用剔除月末最后一個交易日和一周內(nèi)周二數(shù)據(jù)的方法,該時間間隔方法在一定程度上可減弱個股觀測收益及組合觀測收益中買賣價差的影響,但正如Lehmann[3]指出的,前一天收盤報價為買價或賣價可能會影響第二天收盤時的報價情形(買價或賣價).因此消除一天的數(shù)據(jù)后,買賣價差的影響仍可能存在,且該方法也丟失了有效數(shù)據(jù)中所隱含的信息.Blume 和Stambaugh[19]表明由于買賣價差的存在使得股票觀測收益與“真實”收益相比有向上的偏差,建議使用買賣報價中點作為股票的“真實”價格,基于報價中點計算的收益作為“真實”收益.Park[20]、Heston等[12]及Han 和 Lesmond[21]也采用了同樣的方法.然而,Ho和Stoll[22]證明當(dāng)做市商的存貨不均衡時,報價中點將偏離“真實”價格. Kaul和Nimalendran[11]及Conrad等[23]則基于收盤的賣價計算股票收益以消除買賣價差的影響.此處考慮一種特殊情形:相鄰時點上的買賣價差s保持不變,做市商存貨均衡,股票的買賣報價中點Pt為其“真實”價格,基于買賣報價中點計算的股票收益為(Pt-Pt-1)/Pt-1,基于賣價Pbt計算的股票收益為:(Pbt-Pbt-1)/Pbt-1,且Pt=Pbt+s/2,顯然基于賣價計算的收益高于基于買賣報價中點計算的收益,且基于賣價計算的股票收益也損失了買的指令信息.Daniel 和Titman[24]在研究市場對有形信息和無形信息的反應(yīng)時,通過建立賬面市值比與會計信息收益(有形收益)間的恒等關(guān)系從賬面市值比中分解出有形收益和無形收益. Donelson和Resutek[25]在研究研發(fā)對公司未來收益和盈余預(yù)期的影響時借鑒Daniel 和Titman[24]的模型分解思想將公司收益分解為研發(fā)收益和非研發(fā)收益.這里的模型分解思想為本文從觀測收益中分離出“真實”收益提供了借鑒.

本文主要想研究的問題是:在投資者存在認(rèn)知偏差或?qū)κ袌鲂碌叫畔⒎从尺^度時,分析買賣價差對股票短期收益反轉(zhuǎn)的影響.本文的主要貢獻在于,第1, 拓展了“真實”價格保持不變或遵循隨機游走的假設(shè),通過分析三種不同情形連續(xù)時間上觀測價格和“真實”價格的路徑圖及其價格變化的聯(lián)合分布來探究買賣價差與股票短期收益反轉(zhuǎn)效應(yīng)的關(guān)系; 第2,通過不同頻率數(shù)據(jù)的實證比較分析買賣價差對股票收益反轉(zhuǎn)的影響; 第3,通過建立收益分解模型將“真實”收益從觀測收益中分離,且該方法可適用于分析買賣價差與各種異象(如“特質(zhì)波動率之謎”等)的關(guān)系.

1　價格變化的自相關(guān)性

情形1*Roll[8]僅考慮了此種情形.設(shè)短期內(nèi)股票的“真實”價格等于其價值,且保持不變,買賣價差不隨時間變化,記為s,觀測價格在買價Pa和賣價Pb間跳躍,且P{Pt=Pa}=P{Pt=Pb}=1/2,各路徑均等可能發(fā)生.由于“真實”價格保持不變,因此“真實”價格變化的一階自相關(guān)系數(shù)為0,下面考慮觀測價格變化的一階自相關(guān)系數(shù),圖1是t-1時刻觀測價格為賣價時的價格路徑圖.

圖1　連續(xù)時間區(qū)間上觀測價格路徑圖(情形1)

通過上述觀測價格路徑圖可求得在t-1時刻觀測價格分別取Pa和Pb的條件下,ΔPt和ΔPt+1的條件聯(lián)合概率分布列分別為

ΔPtΔPt+10s-s01/401/41/4s1/40

(a)t-1時刻觀測價格為賣價

(b)t-1時刻觀測價格為買價

(b) Observed price at timet-1 is ask price

圖2ΔPt和ΔPt+1的條件聯(lián)合概率分布列(情形1)

Fig.2 Conditional joint distribution ofΔPtandΔPt+1(Situation 1)

由于假設(shè)觀測價格分別取Pa和Pb的概率各占1/2,故可得ΔPt和ΔPt+1的無條件聯(lián)合概率分布列

ΔPt

ΔPt+1-s0s-s01/81/801/81/41/8s1/81/80

圖3ΔPt和ΔPt+1的無條件聯(lián)合概率分布列(情形1)

Fig.3 Unconditional joint distribution ofΔPtandΔPt+1(Situation 1)

進而可求得

Cov(ΔPt,ΔPt+1)=-s2/4

Var(ΔPt)=Var(ΔPt+1)=s2/2

Cor(ΔPt,ΔPt+1)=-1/2

在情形1下,“真實”價格變化的一階自相關(guān)系數(shù)為0,而由于買賣價差的存在,使得觀測價格變化的一階自相關(guān)系數(shù)為-1/2,即“真實”收益序列不相關(guān),觀測收益的反轉(zhuǎn)效應(yīng)是由買賣價差造成的,同時,買賣價差的存在使得觀測價格變化產(chǎn)生明顯波動.

圖4　連續(xù)時間區(qū)間上“真實”價格路徑圖(情形2)

類似于情形1可求得

考慮到買賣價差的存在,則問題變得復(fù)雜的多.為便于計算,取h=2s,各路徑均等可能發(fā)生,且P{Pt=Pua}=P{Pt=Pub}=P{Pt=Pda}=P{Pt=Pdb}=1/4.圖5給出了在t-1時刻,觀測價格為Pdb時的價格路徑圖.在t-1時刻,觀測價格分別為Pdb,Pda,Pub,Pua的條件下,觀測價格變化的條件聯(lián)合概率分布列見圖6:

圖5　連續(xù)時間區(qū)間上觀測價格路徑圖(情形2)

ΔPtΔPt+10s2s3s-3s0001/16-2s001/161/16-s01/161/161/1601/161/161/161/16s1/161/161/1602s1/161/16003s1/16000

ΔPtΔPt+1-s0s2s-3s0001/16-2s001/161/16-s01/161/161/1601/161/161/161/16s1/161/161/1602s1/161/16003s1/16000

(a)t-1時刻觀測價格為Pdb　　　 　　　(b) t-1時刻觀測價格為Pda

ΔPtΔPt+1-3s-2s-s0-3s0001/16-2s001/161/16-s01/161/161/1601/161/161/161/16s1/161/161/1602s1/161/16003s1/16000

(c)t-1時刻觀測價格為Pub(d)t-1時刻觀測價格為Pua

圖6ΔPt和ΔPt+1的條件聯(lián)合概率分布列(情形2)

Fig.6 Conditional joint distribution ofΔPtandΔPt+1(Situation 2)

基于上述四個條件聯(lián)合概率分布列,不難獲得相鄰期觀測價格變化的無條件聯(lián)合概率分布列:

ΔPtΔPt+1-3s-2s-s0s2s3s-3s0001/161/641/641/64-2s001/162/162/642/641/64-s01/642/163/163/642/641/6401/642/643/164/163/642/641/64s1/642/643/163/642/641/6402s1/642/642/642/641/64003s1/641/641/641/64000

圖7ΔPt和ΔPt+1的無條件聯(lián)合概率分布列(情形2)

Fig. 7 Unconditional joint distribution ofΔPtandΔPt+1(Situation 2)

由ΔPt和ΔPt+1的無條件聯(lián)合概率分布列可求得

Cov(ΔPt,ΔPt+1)=-5s2/4

Var(ΔPt)=Var(ΔPt+1)=5s2/2=5h2/8>h2/2

Cor(ΔPt,ΔPt+1)=-1/2

在情形2下,“真實”價格變化與觀測價格變化有相同的一階自相關(guān)系數(shù)-1/2,表明在此種情形下觀測收益的反轉(zhuǎn)效應(yīng)是由投資者對新信息的過度反應(yīng)等行為因素引起而與買賣價差無關(guān).然而買賣價差的存在使得觀測價格變化的波動率要高于“真實”價格變化的波動率.

圖8　連續(xù)時間區(qū)間上“真實”價格路徑圖(情形3)

ΔP*tΔP*t+1-hh-h01/2h1/20

從而可求得

在此情形下,圖10給出了t-1時刻觀測價格為Pdb時的價格路徑圖,且假設(shè)h=2s,各路經(jīng)均等可能發(fā)生,則相鄰期觀測價格變化的聯(lián)合分布列如圖11.由ΔPt和ΔPt+1的無條件聯(lián)合概率分布列可求得

Cov(ΔPt,ΔPt+1)=-17s2/4

Var(ΔPt)=Var(ΔPt+1)=9s2/2=9h2/8>h2

Cor(ΔPt,ΔPt+1)=-17/18>-1=

在情形3下,買賣價差的存在削弱了“真實”的價格變化的一階負(fù)自相關(guān)關(guān)系,但同樣增加了價格變化的波動率.

由于股票價格變化與股票收益同方向變化,因此上述三種情形同樣適用于分析股票收益的自相關(guān)問題.考慮到樣本的隨機性,買賣價差和“真實”價格波動幅度的時變性,上述三種情形的分析結(jié)果表明: 當(dāng)“真實”收益的一階自相關(guān)系數(shù)接近于0時,買賣價差是造成觀測收益反轉(zhuǎn)的唯一原因;當(dāng)“真實”收益有較強的一階負(fù)自相關(guān)性時,買賣價差的作用不再明顯,甚至可能減弱反轉(zhuǎn)效應(yīng);買賣價差的存在使得收益波動率增加.

圖10連續(xù)時間區(qū)間上觀測價格路徑圖(情形3)

Fig. 10 Paths of observed price between successive time periods (Situation 3)

ΔPt

ΔPt+1-3s-2s-ss2s3s-3s00001/161/16-2s0001/162/161/16-s0001/161/160s01/161/160002s1/162/161/160003s1/161/160000

圖11ΔPt和ΔPt+1的無條件聯(lián)合概率分布列(情形3)

Fig. 11 Unconditional joint distribution ofΔPtandΔPt+1(Situation 3)

2　收益分解模型

設(shè)t時刻股票的絕對買賣價差為st,即買價pat與賣價pbt的差,pt為t時刻的收盤價*這里的買價、賣價、收盤價均是經(jīng)價格調(diào)整因子調(diào)整過的數(shù)據(jù).,使用st/pt表示相對買賣價差,且記St=ln(st/pt),文中使用St作為買賣價差的度量指標(biāo).不難發(fā)現(xiàn)如下恒等關(guān)系成立*借鑒了Daniel和Titman[24]的模型設(shè)計思想.

(1)

(2)

St=St-1+SRt-Rt+nt

Ri,t=a1Si,t+a2SRi,t+εi,t

3　實證分析

3.1數(shù)據(jù)描述

考慮到日收盤和月末收盤股票報價的有效性,本文以NASDAQ市場所有普通股(股票代碼為10和11的股票)為樣本.從CRSP (Center for Research in Security Prices)數(shù)據(jù)庫中選取日末和月末收盤時的交易價、買價、賣價、收益及累積價格調(diào)整因子數(shù)據(jù).由于NASDAQ市場從1993年1月開始有較完整的買賣報價數(shù)據(jù),所以樣本從1993-01-01～2012-12-31,共4 660個交易日,240個月.由日數(shù)據(jù)計算得到相應(yīng)的周數(shù)據(jù),并通過累積價格調(diào)整因子調(diào)整三種頻率(日、周、月)的三類價格(交易價、買價、賣價)數(shù)據(jù).

3.2數(shù)據(jù)基本統(tǒng)計分析

首先基于收益分解模型(4)求每只股票三種頻率數(shù)據(jù)的“真實”收益.日、周和月數(shù)據(jù)分別以60日、50周和48個月為窗寬*三種頻率的樣本中分別剔除了不足60日、50周和48個月的股票.,在每個時間區(qū)間上對每只股票進行時間序列回歸,獲得相應(yīng)的殘差序列,即“真實”收益序列.表1給出了三種頻率觀測收益序列和“真實”收益序列的描述性統(tǒng)計量(首先計算每只股票的特征值,然后以股票為樣本求均值).不難發(fā)現(xiàn),三種頻率的兩類收益序列均有較大的相關(guān)性,周收益的相關(guān)性最大,達到0.969 6,最小的是月收益,但也達到了0.928 1,從相關(guān)性角度來看,買賣價差對月收益反轉(zhuǎn)效應(yīng)的影響最大.比較兩類收益的均值,觀測收益均有負(fù)的平均收益,而“真實”收益均值接近于零,且偏度也有明顯的增加,表明買賣價差的存在降低了股票收益,因此使用買賣價差刻畫交易成本是合理的.與均值的結(jié)果相反,和觀測收益相比“真實”收益的標(biāo)準(zhǔn)差都有所減小, 日數(shù)據(jù)和周數(shù)據(jù)的結(jié)果更為顯著,這與之前的價格變化相關(guān)性分析結(jié)果一致.直觀上時間區(qū)間越短,買賣價差對股票收益的影響應(yīng)該越大,值得注意的是,這種影響更體現(xiàn)在波動率上,而對收益反轉(zhuǎn)效應(yīng)并非如此.

表1　觀測收益和“真實”收益的描述性統(tǒng)計量

3.3橫截面回歸

分別對三種頻率的個股觀測收益和“真實”收益建立Jegadeesh[2]的橫截面回歸模型

其中Rit是股票i在t期的收益,固定時期t,以股票為樣本進行上述截面回歸,各系數(shù)序列在時間上的均值為最終的系數(shù)估計.對不同的頻率數(shù)據(jù)選取不同的滯后期,月數(shù)據(jù)選取J=12,可考察t月的股票收益與滯后一年的各月股票收益的相關(guān)性.周數(shù)據(jù)J=12(最長滯后期為一個季度),日數(shù)據(jù)J=10(最長滯后期為兩周),表2給出了不同頻率數(shù)據(jù)滯后前5期的回歸系數(shù)及t統(tǒng)計量.

對于三種頻率數(shù)據(jù),觀測收益和“真實”收益均表現(xiàn)出顯著的一階負(fù)自相關(guān)關(guān)系,即存在顯著的反轉(zhuǎn)效應(yīng).日數(shù)據(jù)的兩個滯后一階回歸系數(shù)的絕對值最大,分別為0.129 9和0.137 6,而周數(shù)據(jù)和月數(shù)據(jù)滯后一階回歸系數(shù)的絕對值均不足日數(shù)據(jù)的一半,表明日數(shù)據(jù)的反轉(zhuǎn)效應(yīng)更為強烈,因此日收益反轉(zhuǎn)策略更有可能獲得溢價.

從觀測收益的多期滯后回歸系數(shù),發(fā)現(xiàn)日收益數(shù)據(jù)表現(xiàn)出高階的負(fù)自相關(guān)關(guān)系;月收益數(shù)據(jù)除一階負(fù)自相關(guān)外,二階以上均有顯著的正相關(guān)關(guān)系;而周觀測收益數(shù)據(jù)除存在顯著的一階負(fù)自相關(guān)關(guān)系外,高階自相關(guān)關(guān)系不顯著,結(jié)果表明價格回復(fù)周期更接近于一周,月收益數(shù)據(jù)除反轉(zhuǎn)效應(yīng)外還有明顯的動量效應(yīng)(t-12月到t-2月的股票收益與t月股票收益正相關(guān)).

比較日、周和月“真實”收益的一階負(fù)自相關(guān)性,日收益表現(xiàn)最強,月收益最弱,滯后一階回歸系數(shù)分別為-0.137 6和-0.050 2,且均顯著.分別與其觀測收益的滯后一階回歸系數(shù)對比,發(fā)現(xiàn)消除買賣價差影響后,月收益的反轉(zhuǎn)效應(yīng)略有減弱,滯后一階回歸系數(shù)由-0.053 9上升為-0.050 2,而周收益和日收益的反轉(zhuǎn)效應(yīng)都有所增強,尤其是日收益數(shù)據(jù)表現(xiàn)更為明顯,滯后一階回歸系數(shù)由-0.111 6下降為-0.137 6,表明買賣價差增強了月觀測收益的反轉(zhuǎn)效應(yīng)(即買賣價差和投資者的過度反應(yīng)共同引起了股票月觀測收益的反轉(zhuǎn)效應(yīng))而減弱了日和周觀測收益的反轉(zhuǎn)效應(yīng),即買賣價差的存在提高了股票市場的短期(日和周)效率.這可能是由于短期(日和周)內(nèi)投資者對新信息的過度反應(yīng)表現(xiàn)強烈導(dǎo)致股票收益反轉(zhuǎn),而買賣價差作為交易成本之一能抑制頻繁交易的發(fā)生,從而削弱了觀測收益的反轉(zhuǎn)效應(yīng).隨著時間延續(xù),投資者對信息的過度反應(yīng)有所減弱,此時報價的跳躍所引起的收益反轉(zhuǎn)才得以體現(xiàn).這與前面價格變化相關(guān)性分析結(jié)果相印證：當(dāng)“真實”收益的一階自相關(guān)系數(shù)接近于0時,買賣價差是造成觀測收益反轉(zhuǎn)的唯一原因;當(dāng)“真實”收益有較強的一階負(fù)自相關(guān)性時,買賣價差對觀測收益反轉(zhuǎn)效應(yīng)的作用不再明顯,甚至減弱了反轉(zhuǎn)效應(yīng).

表2　橫截面回歸結(jié)果

考慮到1997年3月24日和2001年4月9日NASDAQ股票市場最小買賣報價單位分別下降為1/16美元和1/100美元,可能會對研究結(jié)果尤其是日數(shù)據(jù)結(jié)果產(chǎn)生影響,同時考慮到2007年波及全球的金融危機,在一定程度上會影響投資者的投資行為,因此,本文考慮了子區(qū)間1997-03-24～2001-04-06(子樣本Ⅰ)和2001-04-09～2007-11-30(子樣本Ⅱ)的日數(shù)據(jù)橫截面分析,結(jié)果見表3.

第一個子區(qū)間股票市場處于“熊市”階段,第二個子區(qū)間股票市場為“牛市”階段.在兩個階段,兩類日收益均有顯著的反轉(zhuǎn)效應(yīng).縱向比較,子樣本Ⅱ的兩類收益回歸系數(shù)的絕對值均小于對應(yīng)的子樣本Ⅰ的回歸系數(shù),表明股票市場行情不佳時,股票日收益表現(xiàn)出更為強烈的負(fù)相關(guān)關(guān)系.橫向比較,股票市場不論在“熊市”還是在“牛市”,“真實”收益均比觀測收益表現(xiàn)出更強烈的反轉(zhuǎn)效應(yīng).因此日收益的反轉(zhuǎn)效應(yīng)主要由投資者的行為因素主導(dǎo),在壞的市場行情下表現(xiàn)更為明顯.與全樣本數(shù)據(jù)結(jié)果類似,買賣價差削弱了股票日收益的負(fù)自相關(guān)性.

表3　子區(qū)間上日收益橫截面回歸結(jié)果

3.4方差比檢驗

方程比檢驗是檢驗?zāi)骋粫r間序列是否遵循隨機游走的常用方法,這里用來檢驗兩類收益的反轉(zhuǎn)效應(yīng).首先構(gòu)造方差比檢驗統(tǒng)計量如下

(5)

(6)

這里ρj表示Rt的第j階自相關(guān)系數(shù),j=1,2,…,k-1.即k期方差比近似等于一期收益的前k-1階自相關(guān)系數(shù)的加權(quán)平均,直觀上可以得出結(jié)論:1)若股票收益序列不存在自相關(guān)關(guān)系,則E[VR(k)] =1;2)若股票收益存在反轉(zhuǎn)效應(yīng)(動量效應(yīng)),則方差比將小于(大于)1;3)比較兩類收益方差比檢驗統(tǒng)計量的大小,可判斷買賣價差在收益反轉(zhuǎn)效應(yīng)中的作用.根據(jù)不同頻率的數(shù)據(jù),取不同的k值,使用月數(shù)據(jù)時k=2,4,7,13,周數(shù)據(jù)取k=2,3,4,5,日數(shù)據(jù)則取k=2,3,5,6.*不同k的取值，反應(yīng)所關(guān)心的收益序列自相關(guān)性的滯后階數(shù)，如在考慮月數(shù)據(jù)時，取k=2,4,7,13，分別可以考察滯后一個月、一個季度、半年、一年的序列自相關(guān)性.

在求方差比檢驗統(tǒng)計量時,考慮到波動率的時變性,將樣本數(shù)據(jù)進行分割,日、周和月數(shù)據(jù)分別以60日、50周和48個月為周期,每只股票的方差比檢驗統(tǒng)計量為各時間段上統(tǒng)計量的均值,而最終三個頻率數(shù)據(jù)的方差比檢驗統(tǒng)計量是以股票為樣本的截面均值, Lo 和MacKinlay[29]證得方差比檢驗統(tǒng)計量滿足漸進正態(tài)性,因此在其獨立同分布假設(shè)下可對其均值是否等于1進行t檢驗.

表4的第三行和第五行分別是不同數(shù)據(jù)頻率,取不同k值時兩類收益的方差比統(tǒng)計量值,第四行和第六行分別是原假設(shè)E[VR(k)]=1對備擇假設(shè)E[VR(k)]<1的檢驗的t統(tǒng)計量值.從取值可以看出,這里所有的方差比統(tǒng)計量都顯著小于1,表明不論是觀測收益還是“真實”收益,也不論是日數(shù)據(jù)、周數(shù)據(jù)還是月度數(shù)據(jù),反轉(zhuǎn)效應(yīng)均顯著存在,且日收益反轉(zhuǎn)效應(yīng)最為強烈.

比較兩類收益的方差比檢驗結(jié)果,發(fā)現(xiàn)消除價差影響后,周數(shù)據(jù)和日數(shù)據(jù)的兩類收益方差比略有減小, 不同于Kaul和Nimalendran[11]的結(jié)果：使用日收盤賣價計算收益所得的方差比高于觀測收益的方差比,這可能是由于基于賣價計算的日收益波動率低于“真實”收益的波動率所至.月“真實”收益的方差比高于相應(yīng)觀測收益的方差比,當(dāng)k=2時,“真實”收益的方差比為0.973 7,觀測收益的方差比為0.958 7.結(jié)果表明買賣價差加劇了股票月觀測收益的反轉(zhuǎn)效應(yīng),對日收益和周收益的反轉(zhuǎn)效應(yīng)作用不明顯,甚至有所減弱.這里所有結(jié)果均與橫截面回歸分析結(jié)果一致,共同印證了價格變化自相關(guān)性分析的結(jié)果.

表4　方差比檢驗結(jié)果

4　結(jié)束語

通過分析三種情形下連續(xù)時間上觀測價格和“真實”價格的路徑圖及其價格變化的聯(lián)合分布,發(fā)現(xiàn)買賣價差的存在加劇了觀測收益的波動,但是并不絕對造成股票收益的反轉(zhuǎn),當(dāng)股票“真實”收益表現(xiàn)出較強的一階負(fù)自相關(guān)性時,買賣價差的作用不再顯著.

分別使用日、周、月三種頻率數(shù)據(jù),通過建立的收益分解模型,將“真實”收益從觀測收益中分離,對觀測收益和“真實”收益進行橫截面回歸和方差比檢驗,發(fā)現(xiàn)三種頻率數(shù)據(jù)均存在顯著的收益反轉(zhuǎn)效應(yīng),日收益的反轉(zhuǎn)效應(yīng)最強,月收益反轉(zhuǎn)效應(yīng)最弱,且買賣價差加劇了月收益反轉(zhuǎn)效應(yīng),但使得日收益和周收益的反轉(zhuǎn)效應(yīng)略有減弱,表明買賣價差的存在提高了股票市場的短期(日和周)效率. 需要特別指出的是,直觀上時間區(qū)間越短,買賣價差對股票收益的影響應(yīng)該越大,這種影響更體現(xiàn)在波動率上,而對收益反轉(zhuǎn)效應(yīng)并非如此.

[1]Huang W, Liu Q, Rhee S G, et al. Return reversals, idiosyncratic risk, and expected returns[J]. Review of Financial Studies, 2010, 23(1): 147-168.

[2]Jegadeesh N. Evidence of predictable behavior of security returns[J]. Journal of Finance, 1990, 45(3): 881-898.

[3]Lehmann B N. Fads, martingales, and market efficiency[J]. Quarterly Journal of Economics, 1990, 105(1): 1-28.

[4]Bali T G, Cakici N, Whitelaw R F. Maxing out: Stocks as lotteries and the cross-section of expected returns[J]. Journal of Financial Economics, 2011, 99(2): 427-446.

[5]Bali T G, Peng L, Shen Y, et al. Liquidity shocks and stock market reactions[J]. Review of Financial Studies, 2014, 27(5): 1434-1485.

[6]鄭振龍, 王磊, 王璐拓. 特質(zhì)偏度是否被定價？[J]. 管理科學(xué)學(xué)報, 2013, 16(5): 1-12.

Zheng Zhenlong, Wang Lei, Wang Lutuo. Idiosyncratic skewness is pricing?[J]. Journal of Management Sciences in China, 2013, 16(5): 1-12.(in Chinese)

[7]Niederhoffer V, Osborne M F M. Market making and reversal on the stock exchange[J]. Journal of American Statistical Association, 1966, 61(316): 897-916.

[8] Roll R. A simple implicit measure of the effective bid-ask spread in an efficient market[J]. Journal of Finance, 1984, 39(4): 1127-1139.

[9] Cohen K J, Maier S F, Schwartz R A, et al. On the existence of serial correlation in an efficient securities market[M]// Portfolio Theory, Portfolio Theory, 25 Years After: Essays in Honor of Harry Markowitz. New York: Elsevier North-Holland, 1979: 151-168.

[10]Jegadeesh N, Titman S. Short-horizon return reversals and the bid-ask spread[J]. Journal of Financial Intermediation, 1995, 4(2): 116-132.

[11]Kaul G, Nimalendran M. Price reversals: Bid-ask errors or market overreaction?[J]. Journal of Financial Economics, 1990, 28(1-2): 67-83.

[12]Heston S L, Korajczyk R A, Sadka R. Intraday patterns in the cross-section of stock returns[J]. Journal of Finance, 2010, 65(4): 1369-1407.

[13]Avramov D, Chordia T, Goyal A. Liquidity and autocorrelations in individual stock returns[J]. Journal of Finance, 2006, 61(5): 2365-2394.

[14]Amihud Y. Illiquidity and stock returns: Cross-section and time-series effects[J]. Journal of Financial Markets, 2002, 5(1): 31-56.

[15]Liu W. A liquidity-augmented capital asset pricing model[J]. Journal of Financial Economics, 2006, 82(3): 631-671.

[16]Daniel K, Hirshleifer D, Subrahmanyam A. Investor psychology and security market under-and over-reactions[J]. Journal of Finance, 1998, 53(6): 1839-1886.

[17]Barberis N, Shieifer A, Vishny R. A model of investor sentiment[J]. Journal of Financial Economics, 1998, 49(3): 307-343.

[18]Da Z, Liu Q, Schaumburg E. A closer look at the short-term return reversal[J]. Management Science, 2014, 60(3): 658-674.

[19]Blume M, Stambaugh R F. Biases in computed returns: An application to the size effect[J]. Journal of Financial Economics, 1983, 12(3): 387-404.

[20]Park J. A market microstructure explanation for predictable variations in stock returns following large price changes[J]. Journal of Financial and Quantitative Analysis, 1995, 30(2): 241-256.

[21]Han Y, Lesmond D. Liquidity biases and the pricing of cross-sectional idiosyncratic volatility[J]. Review of Financial Studies, 2011, 24(5): 1590-1629.

[22]Ho T, Stoll H. On dealer markets under competition[J]. Journal of Finance, 1980, 35(2): 259-267.

[23]Conrad J, Gultekin M N, Kaul G. Profitability of short-term contrarian strategies: Implications for market efficiency[J]. Journal of Business & Economic Statistics, 1997, 15(3): 379-386.

[24]Daniel K, Titman S. Market reactions to tangible and intangible information[J]. Journal of Finance, 2006, 61(4): 1605-1643.

[25]Donelson D C, Resutek R J. The effect of R&D on future returns and earnings forecasts[J]. Review Account Study, 2012, 17(4): 848-876.

[26]孔東民, 孔高文, 劉莎莎. 機構(gòu)投資者、 流動性與信息效率[J]. 管理科學(xué)學(xué)報, 2015, 18(3): 1-15.

Kong Dongmin, Kong Gaowen, Liu Shasha. Institutional investors, liquidity and information efficiency[J]. Journal of Management Sciences in China, 2015, 18(3): 1-15. (in Chinese)

[27]文鳳華, 肖金利, 黃創(chuàng)霞， 等. 投資者情緒特征對股票價格行為的影響研究[J]. 管理科學(xué)學(xué)報, 2014, 17(3): 60-69.

Wen Fenghua, Xiao Jinli, Huang Chuangxia, et al. The influence research of investor sentiment on stock price behavior[J]. Journal of Management Sciences in China, 2014, 17(3): 60-69. (in Chinese)

[28]Cochrane J H. How big is the random walk in GNP?[J]. Journal of Political Economy, 1988, 96(5): 893-920.

[29]Lo A W, MacKinlay A C. Stock market prices do not follow random walks: Evidence from a simple specification test[J]. Review of Financial Studies, 1988, 1(1): 41-66.

Research on reversal effect and the relationship between reversal effect and bid-ask spread

DONGChen-yu1, 2,LIUWei-qi2, 4*,LIUWei-min2,WANGYu3

1. School of Mathematical Sciences, Shanxi University, Taiyuan 030006, China;2. Research Center for Management and Decision Making, Shanxi University, Taiyuan 030006, China;3. School of Software Engineering, Shanxi University, Taiyuan 030006, China;4. Faculty of Finance and Banking, Shanxi University of Finance and Economics, Taiyuan 030006, China

The paper analyzes the relationship between the bid-ask spread and stock short-run return reversals in individual stocks. This paper extends the assumption that the “true” price remains constant or follows random walk. Contrasted paths of observed price and “true” price between successive time periods, and adjacent period joint distribution of observed price change and the “true” price change in three cases, we analyze the impact of the bid-ask bounce on the return reversal. The results show, the bid-ask spread is the only reason for stock observed return reversal when the first order autocorrelation coefficient of the stock “true” return is close to 0; the role of the bid-ask spread on observed return reverse is not obvious and may even weaken the reverse when the “true” return has a strong negative first order autocorrelation; the bid-ask spread intensify the volatility of observed return. Based on the identity relation between bid-ask spread and stock return, we establish the return decomposition model to isolate the “true” return from the observed return, and cross section regression and variance-ratio test are adopted to support these conclusions using individual stocks daily, weekly and monthly data in NASDAQ market respectively.

return reverse; bid-ask spread; variance-ratio test

① 2015-03-26；

2015-12-26.

國家自然科學(xué)基金資助項目(71371113); 教育部人文社科基金資助項目(13YJA790154).本文入選“第十二屆金融系統(tǒng)工程與風(fēng)險管理年會”優(yōu)秀論文(山西大學(xué)， 2014年8月).

劉維奇(1963—), 男, 山西忻州人, 博士, 教授, 博士生導(dǎo)師. Email: liuwq@sxu.edu.cn

F830

A

1007-9807(2016)06-0171-12