李　宏， 王　剛*， 路　磊

(1. 上海財經(jīng)大學金融學院， 上?！?00433； 2． 北京大學光華管理學院， 北京 100871)

?

股票流動性能夠解釋收益反轉(zhuǎn)之謎嗎？

李宏1， 王剛1*， 路磊2

(1. 上海財經(jīng)大學金融學院， 上海200433； 2． 北京大學光華管理學院， 北京 100871)

以我國滬深股票市場為例研究了股票收益率反轉(zhuǎn)與股票流動性的關系，以期為股票收益率反轉(zhuǎn)和股票流動性之間關系明確前提條件，提供不同國家金融市場差異性研究的佐證.研究表明我國滬深A股市場存在著顯著的反轉(zhuǎn)效應與流動性溢價效應；然而與針對美國市場的理論解釋相悖，發(fā)現(xiàn)股票收益的反轉(zhuǎn)與股票流動性之間代表了我國滬深A股市場上的兩種截然不同的風險因素，股票的流動性因素并不完全是股票收益反轉(zhuǎn)的潛在解釋因素.并進一步通過分析得出操縱股票行為可能導致這種流動性解釋在我國滬深股市上并不適用，這種操縱股票行為本身直接就會導致我國滬深股市短期收益反轉(zhuǎn).

股票收益反轉(zhuǎn)； 股票流動性； 多因子模型

0　引　言

現(xiàn)代金融理論認為資產(chǎn)的任何超額收益都是風險的反映，有效市場中較長的時間跨度可以預測資產(chǎn)價格的變化[1]，較短的時間跨度上資產(chǎn)價格則應該遵循鞅過程.股票收益短期反轉(zhuǎn)是指過去表現(xiàn)較差的股票在未來較短時間內(nèi)會表現(xiàn)出較高收益的一種市場異象.許多研究都表明股票收益存在著這種顯著的短期反轉(zhuǎn)*例如Jegadeesh[29]表明，在1934年至1987年期間，基于前1個月的股票收益進行交易的反轉(zhuǎn)策略(持有期為1個月)每個月大約可以獲得2%的利潤..按照弱有效市場假說，股票的歷史交易信息并不能用來預測股票的預期收益.然而，反轉(zhuǎn)策略的投資收益依賴的就是股票價格歷史信息本身，這勢必嚴重違背弱有效市場假說*一直以來，理論界都在試圖使用其他風險因子來解釋這種異象，有些研究發(fā)現(xiàn)股票市值大小和賬面市值比反映了公司的財務困境.他們認為股票市值越小，賬面價值比越高，那么股票的風險就越大，所以這樣的股票在未來會給投資者提供較高的預期收益.然而，財務困境理論并不能合理地解釋股票收益反轉(zhuǎn)效應，股票收益反轉(zhuǎn)意味著過去股價有較大跌幅的股票風險越高，但是這難以理解為什么二級市場上市值變小(由于股價的下降)而基本面沒變的股票會面臨更大的財務困境..所以，給予股票收益短期反轉(zhuǎn)現(xiàn)象合理的風險解釋是當代金融的難點同時也是急待解決的課題.

大量金融文獻致力于尋找股票收益與系統(tǒng)風險的代理變量.一般有股票Beta(股票超額收益對市場超額收益的敏感性)、股票流動性、公司市值大小(Size)和賬面市值比率(BE/ME)等等.股票Beta和股票流動性作為系統(tǒng)風險的代理變量有著堅實的理論論證，相比之下，公司市值大小和賬面市值比率則沒有較強理論支撐的因素.但他們卻在解釋股票橫截面收益方面有較好的表現(xiàn)[2-4].由此構造了多因素模型來解釋股票的收益，例如CAPM模型、Acharya和Pedersen[5]的基于流行性風險的LCAPM模型、Fama和French[6]的3因素模型和Carhart[7]的4因素模型等等.

對于股票短期反轉(zhuǎn)現(xiàn)象，當前有兩種理論解釋得到了廣泛關注.第一種是Shiller[8], Black[9], Stiglitz[10], Summers和Summers[11]以及Subrahmanyam[12]等認為短期反轉(zhuǎn)意味著投資者對信息存在著過度反應，或是在認知上存在誤區(qū)，這一般歸納為行為金融的理論解釋.第二種理論解釋是將股票流動性作為股票收益反轉(zhuǎn)現(xiàn)象的基本風險因素.Campbell等[13]認為成交量增加反映了市場上投資者風險厭惡程度的變化，如果一部分投資者風險厭惡程度增加，則會賣出股票.然而為了使另一部分提供流動性的投資者購買更多股票，股票價格又必須下降以提供較高的預期收益.股票收益反轉(zhuǎn)是對那些提供流動性投資者的流動性補償，所以成交量大小對股票短期收益反轉(zhuǎn)有一定的預測作用.同時，還發(fā)現(xiàn)股票成交量越大則股票短期收益反轉(zhuǎn)程度越大.Pastor和Stambaugh[14]則基于Campbell等[13]的理論模型，直接用股票短期收益反轉(zhuǎn)大小來衡量股票流動性大小.此類對股票短期收益反轉(zhuǎn)現(xiàn)象的解釋多是以流動性為基礎.

現(xiàn)有研究表明股票流動性是影響股票收益的重要因素之一，這也得到了大量實證文獻的支持*盡管資本資產(chǎn)定價模型對股票Beta的重要性進行了堅實的理論論證，但是許多實證研究表明，CAPM的Beta對股票收益的預測能力比較薄弱..在理論研究方面，Amihud和Mendelson[15]，Pastor和Stambaugh[14]以及Acharya和Pedersen[5]等建立了基于股票流動性因素的資本資產(chǎn)定價模型，將其中的一些風險因素與股票的流動性聯(lián)系在一起.鄒小芃等[16]進一步從理論上拓展了基于流動性風險調(diào)整的資產(chǎn)定價模型.實證研究方面以北美市場數(shù)據(jù)為研究對象，包括Brennan等[17]和Amihud[18]分別使用不同流動性指標對股票流動性和橫截面股票收益之間的關系進行了研究，他們的研究表明股票流動性與股票收益之間存在著顯著性負相關關系.對于我國滬深股票市場的研究，包括蘇冬蔚和麥元勛[19]，陸靜和唐小我[20]，以及張崢等[21]等等都表明在我國滬深股票市場上股票流動性與橫截面股票收益之間也存在著顯著的負相關關系.股票流動性與股票收益的這種負相關關系被稱作為流動性溢價，流動性差的股票由于其預期流動性風險較大，所以投資者要求為這種股票提供較高的預期收益來補償風險.

間接說明股票流動性和股票收益反轉(zhuǎn)效應之間存在一定的相關關系有Avramov等[22]的研究，發(fā)現(xiàn)股票反轉(zhuǎn)策略的收益主要來源于那些小市值和低流動性的股票.Da等[23]使用美國的數(shù)據(jù)發(fā)現(xiàn)流動性沖擊對反轉(zhuǎn)策略中購買過去收益較差的股票組合所提供的收益有一定的解釋作用.這些實證研究在一定程度上表明股票歷史收益有可能通過股票的流動性變化來影響未來的股票收益，從而支撐以流動性為基礎的理論解釋.

本文主要研究以流動性為基礎的理論解釋在我國滬深股票市場上的適用性，即在我國滬深股票市場上股票流動性是否是股票收益反轉(zhuǎn)效應的潛在解釋因素.這方面已有一些研究，如鄭方鑣等[23]以我國滬深股市的股票為研究對象發(fā)現(xiàn)高成交量的交易日后股票收益率更傾向于出現(xiàn)反轉(zhuǎn).然而，卻少有文獻對這種解釋直接地提供實證上的證據(jù).鑒于此，本文直接對股票短期收益反轉(zhuǎn)的流動性解釋進行檢驗，以期對這一熱點問題給予直接的實證結(jié)果支持.通過使用Fama-Macbeth兩階段回歸方法來研究股票流動性指標的介入能夠顯著地減弱我國股票市場上的反轉(zhuǎn)效應，從而回答股票流動性是否是我國大陸股票收益反轉(zhuǎn)效應的潛在驅(qū)動因素這一問題.如果反轉(zhuǎn)效應在加入流動性因素后有顯著的減弱，則說明我國滬深股票市場的反轉(zhuǎn)效應確實可以由股票流動性來解釋，否則，這種基于流動性的理論解釋將受到一定的質(zhì)疑.

本文的實證研究結(jié)果表明加入流動性因素并不能顯著地減弱我國滬深股票市場上的反轉(zhuǎn)效應，且當使用其中的一種流動性指標代表股票流動性因素時，股票反轉(zhuǎn)效應甚至有略微的加強.這樣的結(jié)果表明在我國滬深股票市場上，股票流動性因素可能并不是股票短期收益反轉(zhuǎn)效應的潛在解釋因素.

研究在一定程度上否定了股票流動性對反轉(zhuǎn)效應的解釋作用，具有一定的理論和現(xiàn)實意義.盡管沒有找到合理解釋股票收益反轉(zhuǎn)效應的風險理論，但是它在一定程度上給出了方向上的指引，在我國滬深股票市場上，股票短期收益反轉(zhuǎn)與股票流動性因素似乎代表了市場上截然不同的因素，應該從其他方向上尋找出能夠解釋反轉(zhuǎn)效應的風險因素.

本文認為這樣的結(jié)果與我國滬深股票市場運作一定程度的不規(guī)范性有關.在我國滬深股票市場上，上市公司治理水平總體不高，投資者信息不對稱程度較突出，存在操縱股票價格的現(xiàn)象.因此，基于制度條件差異，國外成熟股市研究的理論結(jié)論并不一定適合于我國滬深股市.尤其是大機構的操縱股票問題，首先會導致成交量和換手率不能真實反映股票的流動性成本，這在一定程度上可能會導致與理論解釋相悖的實證結(jié)果；其次，即使在交易成本不發(fā)生變化的情況下，操縱股票行為本身也會導致出現(xiàn)股票短期收益反轉(zhuǎn)的現(xiàn)象.

1　文獻綜述

對研究股票收益反轉(zhuǎn)和股票流動性的相關文獻進行梳理，先歸納分析有關股票收益中反轉(zhuǎn)效應相關的研究文獻，考察股票價值中流動性溢價的相關文獻，最后整理關于股票收益影響因素中反轉(zhuǎn)效應與股票流動性之間關系的相關研究成果.

1.1股票收益中的反轉(zhuǎn)效應

股票收益的反轉(zhuǎn)最早出現(xiàn)在De Bondt和Thaler[25]和De Bondt和Thaler[26]的文章當中，他們的研究表明將過去表現(xiàn)較差的股票作為輸家組合，將過去表現(xiàn)較好的股票作為贏家組合，如果同時持有兩個投資組合若干年后，輸家組合的收益將會好于贏家組合的收益.之后，Jegadeesh[27]和Lehmann[28]的研究表明當持有期小于1個月的情況下，輸家組合的收益也會好于贏家組合的收益.最近，Da等[23]的研究表明基于行業(yè)內(nèi)的輸贏分組所得到的反轉(zhuǎn)策略收益會更加的顯著.

按照弱有效市場假說，股票的歷史交易信息并不能用來預測股票的預期收益.然而，反轉(zhuǎn)策略的投資收益基于股票價格的歷史信息，這必然嚴重違背弱有效市場假說.一直以來，理論界都在試圖使用其他風險因子來解釋這種異象，但最終卻沒有找到這樣的因素，在Fama和French[6]提出3因素模型后，Carhart[7]以股票的歷史收益為基礎構造了動量因子，并基于此提出了4因素模型.

1.2股票流動性溢價

根據(jù)Amihud和Mendelson[15]，流動性反映了交易一定量股票所需要的時間和成本，流動性較好的股票迅速交易一定量股票所需要的成本較小，或者在一定交易成本下所需交易時間較短.由于流動性不能在市場上直接觀測到，所以必須構造指標來間接反映股票的流動性大小.到目前為止，許多文獻提出了各種流動性指標，如相對買賣差價(股票的最低賣價與最高買價之差再除以買賣中間價)來反映股票的流動性大小.當交易數(shù)量不大時，這個指標可以用來衡量該股票交易成本.還可以使用Kyle[29]的lambda指標，它衡量單次交易對股票價格的影響.

然而，上面兩個指標的構建需要大量高頻數(shù)據(jù)，這在許多市場上都是很難獲得的.所以需要嘗試著構建其他一些低頻指標來解決數(shù)據(jù)可得性問題.一種選擇是使用股票的成交額作為股票流動性的指標，例如Brennan等[17]等等；另一種是使用股票的換手率(股票成交量除以在外流通的股票數(shù)量)作為流動性指標，例如Amihud和Mendelson[15]等等.這兩個指標衡量在市場上找到批量交易對象的容易程度.另外，Amihud[18]使用股票收益絕對值與成交金額的比值作為股票流動性的指標，實際上反映了股票非流動性大小，衡量單位成交金額對價格的影響.由于我國滬深股票市場的特殊性和流動性低頻指標的多樣性，張崢等[21]使用我國數(shù)據(jù)研究了這些低頻指標的適用性，其研究表明Amihud[18]所構建的指標與相對買賣差價指標的相關性最高，比較適合作為構建我國滬深股票流動性因素的低頻指標.

在研究股票流動性與股票收益的關系上，Amihud和Mendelson[15]是最早的文獻之一，他們發(fā)現(xiàn)股票的買賣差價，即股票非流動性大小，對經(jīng)風險調(diào)整后股票收益有正向預測作用.之后，大量的文獻使用不同流動性指標進一步證實了股票流動性與股票收益的這種關系.例如，Brennan和Subrahmanyam[30]使用了不同的非流動性指標，發(fā)現(xiàn)這些非流動性指標都對股票收益呈正向影響.Brennan等[17]使用成交額作為流動性指標，對經(jīng)3因子調(diào)整后的股票收益有負向預測作用.Amihud[18]使用股票收益率絕對值與當天成交金額的比值作為股票非流動性指標，發(fā)現(xiàn)其對股票的預期收益同樣有顯著正向作用.

1.3股票收益反轉(zhuǎn)與股票流動性

許多文獻都間接表明股票收益反轉(zhuǎn)效應可能是由股票流動性作用引起的.例如，以北美數(shù)據(jù)為研究對象，Subrahmanyam[31]發(fā)現(xiàn)換手率對股票收益的影響依賴于股票的歷史收益；如果過去一段時間股票表現(xiàn)較好，那么其換手率對股票未來收益有正向作用，反之，如果股票表現(xiàn)較差，其換手率對股票未來收益則產(chǎn)生負向作用.Pastor和Stambaugh[14]直接將股票日收益反轉(zhuǎn)的程度作為股票流動性的指標；在給定成交金額下，次交易日的股價反轉(zhuǎn)程度越大則股票的非流動性越大.以我國滬深股票數(shù)據(jù)為研究對象，張維和梁朝暉[32]應用格蘭杰因果性檢驗等方法研究了股票流動性與股票收益的動態(tài)關系，發(fā)現(xiàn)股票收益率是股票流動性的格蘭杰原因，而股票流動性不是股票收益率的格蘭杰原因；收益率的增加會迅速引起流動性的增加，說明投資者可能隨著股票價格的漲跌而進出市場，這意味著股票的歷史收益可能會通過影響股票流動性的變化而間接對股票的預期收益產(chǎn)生影響.

2　模型與假設檢驗

根據(jù)以往基于股票收益的研究文獻，可以確定一般股票的收益函數(shù)的表達為

(1)

以此為基礎可以確定有關收益相關影響因素，進而設定一般化的隨機模型來研究股票收益反轉(zhuǎn)的流動性解釋.

Rit=αt+x1t×Betait+x2t×lnMEit+

x3t×BE_MEit+x4t×Reversalit+

x5t×ILLIQit+eit

(2)

進一步表達為

(3)

其中下標t代表第t期；Exretit，Betait，lnMEit，BE_MEit，Reversalit和ILLIQit分別為第t期第i只股票的超額收益率、市場收益的Beta系數(shù)、市值大小、賬面市值比率、歷史收益大小以及非流動性指標；Interceptt，bet，lmt，bmt，rst和lqt為相應變量的系數(shù)，下標t表示他們是隨機的，不同t可能有不同的值，然而，各系數(shù)的期望值卻是常值，代表了各變量風險溢價的期望值，且不同的理論對其有著不同的檢驗要求.其中ILLIQit也可分別由Turnoverit和volit代替，Turnoverit和volit為第t期第i只股票的流動性指標.下面具體介紹各變量的計算方法.

首先，整理與股票收益反轉(zhuǎn)相關的實證文獻，并提出我國滬深股票市場上存在著反轉(zhuǎn)效應的假設檢驗；其次，考察與流動性溢價相關的文獻，提出我國滬深股票市場上存在著流動性溢價的假設檢驗；最后，深入研究反轉(zhuǎn)效應與股票流動性之間的關系，提出我國滬深股票市場上流動性因素是解釋股票收益反轉(zhuǎn)效應的風險因素的假設檢驗.

由于當前文獻的研究結(jié)果都只是間接的表明股票收益反轉(zhuǎn)效應可能是由股票流動性的作用引起的，但是，實際情況真的如此嗎？當前的研究還未給出直接的答案.本文使用上面的一般模型將直接對此進行檢驗.如果股票流動性是解釋股票收益反轉(zhuǎn)效應的潛在風險因素，那么將股票流動性因素加入到研究股票收益反轉(zhuǎn)效應的回歸方程后，股票收益的反轉(zhuǎn)效應會顯著降低.

(主體假設)H1加入股票的非流動性(或流動性)因素將顯著地降低股票收益的反轉(zhuǎn)效應，股票流動性是解釋我國大陸股票收益反轉(zhuǎn)效應的潛在風險因素.

具體來講，在式(3)中，比較不包含流動性變量ILLIQit時的Reversalit風險溢價的期望值E[rst]與包含ILLIQit的E[rst]之間的關系.如果股票流動性是解釋我國大陸股票收益反轉(zhuǎn)效應的潛在風險因素，那么后者與前者比較其絕對值會顯著減小.

另一方面，在考察H1之前，首先要確立在中國滬深股票市場上收益反轉(zhuǎn)效應和流動性溢價效應是否同時存在.只有中國滬深股票市場上存在著收益反轉(zhuǎn)效應，才有研究的必要性，同時，只有中國滬深股票市場上存在著流動性溢價效應，反轉(zhuǎn)效應才有可能由股票的流動性因素來解釋，因此，有必要設立如下兩個前提假設，并以此作為H1的前提.

(前提假設)H2股票的歷史收益與股票的未來短期收益之間存在著負相關關系，我國滬深股票市場存在著收益反轉(zhuǎn)效應.

具體來講，在式(3)中，檢驗在不包含流動性變量ILLIQit時，Reversalit風險溢價的期望值E[rst]是否顯著為負，即是否E[rst]<0.

(前提假設)H3股票預期非流動性(或流動性)對股票收益有正向(或負向)預測作用，我國滬深股票市場存在著流動性溢價效應.

具體來講，在式(3)中，檢驗在不包含股票過去收益變量Reversalit時，ILLIQit風險溢價的期望值E[lqt]是否顯著為正，即是否E[lqt]>0.若ILLIQit分別由Turnoverit和volit代替，檢驗是否E[lqt]<0，因為兩者代表的是股票流動性的大小.

3　數(shù)據(jù)描述與實證方法

3.1數(shù)據(jù)描述

選擇1997-01～2013-11之間的我國滬深A股市場的數(shù)據(jù)，具體包括深圳A股和上海A股(不包括創(chuàng)業(yè)板數(shù)據(jù)).數(shù)據(jù)全部來源于CSMAR數(shù)據(jù)庫系統(tǒng).月度股票價格為當月最后一個交易日的收盤價格.由于不能直接觀測到市場的預期，所以使用考慮現(xiàn)金紅利的月度股票收益率作為股票的預期收益率.根據(jù)這些數(shù)據(jù)構造了如下一些變量.

Exret：股票的月度預期超額收益率，即股票的月度預期收益率減去當月的無風險利率.日度無風險利率來源于CSMAR所提供的無風險利率文件，選取當月第1個交易日的月度化無風險利率作為當月的無風險收益率，并用此來構造Exret變量.

Beta：股票的CAPM beta值.數(shù)據(jù)來源于CSMAR系統(tǒng)的中國滬深股票市場風險評價系數(shù)β數(shù)據(jù)庫(GTA_BETA).

lnME：股票的規(guī)模.其具體為上市公司前一個月月末股票流通市值的自然對數(shù).

BE_ME：股票賬面市值比.為了實現(xiàn)信息的可得性，選取每年的年報賬面價值作為第2年7月到第3年6月的賬面值，這樣可以保證在這個期間所有股票的年報都已經(jīng)發(fā)布，并且可以由公眾獲得；與賬面價值對應，選取每年年末的市值數(shù)據(jù)作為第2年7月到第3年6月的股票市值；將前者與后者的比值作為賬面市值比BE_ME.

Reversal：股票過去兩個月的累計收益率.反轉(zhuǎn)效應意味著股票的歷史收益對股票的預期收益有反向作用；研究發(fā)現(xiàn)過去(1-6)個月期間的累積收益都與未來股票超額收益率有負向關系，而2個月的累積收益對未來股票收益的影響最為穩(wěn)健，故選擇2個月的累積收益來研究我國滬深股票市場的反轉(zhuǎn)效應.

由于市場的高頻數(shù)據(jù)難以獲得，所以使用低頻流動性指標來代表股票的流動性.同時，為了防止單一流動性指標對實證結(jié)果可能造成的偏頗，在研究中使用了下面3個文獻中普遍使用的低頻流動性指標，這3個指標從不同角度體現(xiàn)了資產(chǎn)流動性的內(nèi)涵.

Vol:股票過去6個月的平均月交易金額(單位為：10億元).這個指標衡量的是投資者在進行大量交易時找到交易對手的難易程度.Glosten和Harris[34]與Brennan和Subrahmanyam[30]的研究表明股票的成交金額體現(xiàn)了股票流動性的重要方面.

Turnover：股票過去6個月的平均月?lián)Q手率.Amihud和Mendelson[15]和Sadka[35]使用這個指標代表股票的流動性.

表1給出了上述變量的統(tǒng)計性描述.其中A組給出是原始數(shù)據(jù)下各變量的統(tǒng)計性描述，B組給出的是對異常值進行縮尾(winsorized)處理后各變量的統(tǒng)計性描述.在B組中將每一個變量的原始數(shù)據(jù)中高于或低于其均值3個標準差的數(shù)值設置成為均值加上或減去3個標準差，這種處理是為了降低某些極值數(shù)據(jù)(可能由觀測誤差，股票的特殊性等等原因造成)對結(jié)果可能產(chǎn)生的影響.將B組和A組對比，即可明白這種處理的重要性.例如，在未經(jīng)縮尾處理的股票超額收益率Exret的范圍是-78.37%到1 160.81%，可以發(fā)現(xiàn)其中某些數(shù)據(jù)是不合常理的.然而，經(jīng)過縮尾處理后的數(shù)據(jù)變得較為合理些，Exret的范圍變?yōu)?50.51%到53.05%.另外從B組可以發(fā)現(xiàn)各個變量的取值也大致符合預期，例如Beta的均值和中值都接近于1，分別為1.006 3和1.008 8；賬面市值比BE_ME的均值和中值分別為0.417 2和0.358 3，也都是比較合理的.

表1　各變量的統(tǒng)計性描述

3.2研究方法

在實證金融中，F(xiàn)ama-Macbeth回歸方法[36]是比較常用而且有效的方法，該方法在資產(chǎn)定價因素的研究和識別方面應用廣泛.為了與其他相關研究保持一致性同時也能夠與其結(jié)果進行比較，采用這種方法來研究股票收益的反轉(zhuǎn)效應和股票流動性溢價問題；而且由于這種方法實質(zhì)上是線性回歸，可以用它來考察股票收益的反轉(zhuǎn)效應與股票流動性之間是否存在著共同的信息.

一般來講，在沒有CAPM beta的情況下，F(xiàn)ama-Macbeth方法分為兩步.首先，將每一個股票的超額回報對市場的超額回報在時間序列上進行線性回歸，其回歸系數(shù)作為每一個股票的CAPM beta值；其次，按時間逐一將各股票的超額回報對要考察的風險因素以及CAPM beta進行橫截面線性回歸.在第二步回歸后，將得到各因素回歸系數(shù)的時間序列，利用這些系數(shù)的時間序列，可以評估這些風險因素在資產(chǎn)定價中的重要性.

Fama-Macbeth方法相對于標準的面板數(shù)據(jù)混合估計方法而言有兩個優(yōu)點，一是它考慮了面板數(shù)據(jù)在橫截面上的相關性，另一個是它允許風險因素隨時間變化，這些是Fama-Macbeth回歸方法在資產(chǎn)定價實證中流行的原因.然而，F(xiàn)ama-Macbeth方法卻并沒有考慮面板數(shù)據(jù)在時間序列上的相關性.一般來講，只要數(shù)據(jù)采樣頻率足夠的短，這一缺點所產(chǎn)生的偏差可以忽略不計.從這個方法考慮，不能使用過長的數(shù)據(jù)采樣頻率，例如季度或年度數(shù)據(jù).但是，如果數(shù)據(jù)采樣頻率過短，則會增加數(shù)據(jù)非風險因素的成分，從而不利于識別出正確的風險因素.基于這兩方面的原因，選取月度數(shù)據(jù)作為研究對象.

共有203個月的數(shù)據(jù)，所以對于每一個風險因素的系數(shù)Interceptt，bet，lmt，bmt，rst和lqt，F(xiàn)ama-Macbeth回歸將產(chǎn)生203維的時間序列.將每個時間序列的均值作為相應風險因素對股票超額回報的解釋系數(shù)，并用其樣本t值來評估其風險因素的解釋系數(shù)在統(tǒng)計上是否顯著，從而決定這種風險因素在資產(chǎn)定價中的重要性.

如果股票的歷史收益Reversal和股票流動性之間蘊涵著相同的信息，那么在含有Reversal的回歸中加入股票流動性因素后，Reversal對股票超額收益的解釋力度將會有顯著下降；同理，在含有股票流動性因素的回歸中加入Reversal后，股票流動性的解釋力度也應有顯著下降.整體研究就是用這種邏輯來研究股票流動性因素是否是我國滬深股票收益反轉(zhuǎn)效應的重要解釋因素.

4　實證分析

與所提出的3個假設檢驗相對應，考察了3大類Fama-Macbeth回歸模型.在考察股票收益反轉(zhuǎn)效應的流動性解釋之前，首先要確立中國滬深股票市場上的收益反轉(zhuǎn)效應和流動性溢價效應，所以在第1類模型中，考察股票歷史收益Reversal對股票超額收益的解釋作用；對這類模型，將模型式(3)中剔除股票流動性因素ILLIQ，只將Reversal(單獨或者與Fama-French 3因子一起)加入到模型當中.在第2類模型中，考察股票流動性對股票超額收益的解釋作用；這類模型中，在模型式(3)中剔除Reversal變量，只將股票的流動性因素(單獨或者與Fama-French 3因子一起)加入到模型當中，其中股票的流動性因素分別由ILLIQ、Turnover和Vol來代替.最后，研究流動性因素的加入是否顯著地減少股票收益反轉(zhuǎn)效應；這類模型中，同時將Reversal和股票流動性指標(ILLIQ、Turnover或Vol)加入到模型中.總而言之，研究共考察了12個模型，表2和表3分別給出了在原始數(shù)據(jù)下和在縮尾數(shù)據(jù)下這些模型的回歸結(jié)果.

表2　原始數(shù)據(jù)樣本下Fama-Macbeth回歸結(jié)果

4.1股票收益反轉(zhuǎn)效應

模型1和模型8考察了股票的歷史收益Reversal對股票超額收益Exret的解釋作用.從表2和表3中模型1的回歸結(jié)果中，可以看出，Reversal對Exret具有負向解釋作用，且這種解釋作用是顯著的，Reversal系數(shù)的t值在原始數(shù)據(jù)中為-4.28，在Reversal數(shù)據(jù)中為-4.84；模型8的結(jié)果表明，在控制了Fama和French[6]所提出的三因子后，Reversal對Exret仍然具有顯著的負向解釋作用，Reversal系數(shù)的t值在原始數(shù)據(jù)中為-4.87，在縮尾數(shù)據(jù)中為-5.65.所以，模型的回歸結(jié)果支持了前提假設H2，可以得出結(jié)論，在我國股票市場上存在著顯著的收益反轉(zhuǎn)效應.

另外，CAPM beta、股票市值和賬面市值比這三個公認的風險因素的加入并沒有顯著減少我國股票收益的反轉(zhuǎn)效應.由模型1到模型8，Reversal的系數(shù)的絕對值只有微小的下降，但是其顯著水平卻有所提高，說明在我國股票市場上股票收益的反轉(zhuǎn)效應并不能由Fama和French[6]所提出的三因素模型來解釋，這樣的結(jié)果與現(xiàn)有文獻的結(jié)論是一致的.

表3　縮尾數(shù)據(jù)樣本下Fama-Macbeth回歸結(jié)

4.2流動性溢價

在模型2，模型3和模型4中，逐一加入3個流動性指標，來考察各流動性指標對股票超額收益率的解釋作用；在模型5，模型6和模型7中，控制Fama和French[6]所提出的3因子后來考察各流動性指標的預測作用.如果一只股票具有較高的非流動性ILLIQ，那么投資者對這只股票有較高的非流動性預期，所以要求其提供較高的超額收益來補償其流動性風險.這樣，可以預期ILLIQ對Exret有正向解釋作用，Vol和Turnover則有負向的解釋作用.

表2和表3中，模型2，模型3和模型4的回歸系數(shù)結(jié)果支持了本文的理論預測，然而顯著性水平卻各有不同.Amihud[18]非流動性指標ILLIQ和股票換手率指標Turnover都對股票的超額收益率Exret有顯著的預測作用，但是成交金額指標Vol對Exret的預測作用并不顯著，例如在縮尾數(shù)據(jù)中(表3)，Vol系數(shù)的t值為-1.84，在原始數(shù)據(jù)中(表2)也只有-1.72.模型5，6和7的結(jié)果與之類似，在控制Beta，lnME和BE_ME3個因子后，ILLIQ的顯著性盡管有所減弱，但仍然是顯著的；值得注意的是，Turnover的顯著性出現(xiàn)了較大幅度的增加，例如，在縮尾數(shù)據(jù)中(表3)，Turnover的t值由模型3的-2.87變?yōu)槟Ｐ?的-5.33；Vol在加入3因子之后變得更加的不顯著，以縮尾數(shù)據(jù)(表3)的結(jié)果為例，其t值由模型4的-1.87變?yōu)槟Ｐ?的-1.36.

總體而言，上述模型的結(jié)果支持了H3，表明流動性差的股票具有較高的預期收益率，我國滬深股票市場存在著流動性溢價.除此之外，成交金額指標Vol并不是很好的流動性指標.在上述模型中，盡管它對股票預期超額收益的作用方向符合流動性溢價的特征，但是這種特征并不顯著，而且，在將所有流動性指標都加入到模型中(即模型12)時，它的作用完全被其他兩個指標所吸收，甚至其作用方向也發(fā)生了改變，例如，在縮尾數(shù)據(jù)中(表3)，模型12的Vol系數(shù)是0.000 8，其t值為0.41.

4.3反轉(zhuǎn)效應與流動性

在前兩部分，初步得出結(jié)論，在我國滬深股票市場上既存在顯著的反轉(zhuǎn)效應，又存在著顯著的流動性溢價效應.在本節(jié)，進一步研究股票流動性因素加入回歸模型后對反轉(zhuǎn)效應的影響.模型8將股票歷史收益Reversal加入到了Fama和French[6]的3因素模型當中，發(fā)現(xiàn)Reversal的系數(shù)為負，且在統(tǒng)計上是顯著的.在這節(jié)，模型9，模型10和模型11分別將3個流動性指標加入到了模型8當中來考察各流動性指標是否包含了與Reversal相同的信息.

張維和梁朝暉[32]應用格蘭杰因果性檢驗等方法研究了股票流動性與股票收益的動態(tài)關系，發(fā)現(xiàn)股票收益率是股票流動性的格蘭杰原因，而股票流動性不是股票收益率的格蘭杰原因；收益率的增加會迅速引起流動性的增加，說明投資者可能隨著股票價格的漲跌而進出市場，這意味前期上漲幅度較大的股票會吸引更多投資者的關注，而更多的投資者會帶來更多的流動性，相反，前期下跌幅度較大的股票逐漸無人問津，導致其流動性下降.從直覺上，觀測到的股票收益反轉(zhuǎn)效應可能是由股票流動性變化導致的，所以本文預期在加入流動性后股票收益反轉(zhuǎn)效應將會顯著減少.

然而，模型9的回歸結(jié)果并沒有支持這樣符合常理的預測.模型9的結(jié)果表明，加入ILLIQ后反轉(zhuǎn)效應并沒有減弱反而有略微的增強；Reversal系數(shù)的絕對值和其t值的絕對值都有微微的增加，以表3報告的縮尾數(shù)據(jù)為例，模型8中Reversal系數(shù)和t值分別是-0.009 8和-5.65，而在模型9中，它們分別變?yōu)?0.010和-5.83，在表2報告的原始數(shù)據(jù)樣本中也是類似的變化.

模型10和模型11的結(jié)果也沒有支持反轉(zhuǎn)效應的流動性解釋.模型10和模型11分別將Turnover和Vol加入到了模型8中.盡管Reversal的系數(shù)和t值的強度有所減弱，但是這種減弱非常微弱，不足以支持反轉(zhuǎn)效應的流動性解釋.仍以表3報告的縮尾數(shù)據(jù)為例，在加入Turnover后，Reversal的系數(shù)和其t值從模型8的-0.009 8和-5.65變?yōu)槟Ｐ?0的-0.008 4和-4.80；在加入Vol后，他們變?yōu)槟Ｐ?1的-0.009 4和-5.53，表2報告的原始數(shù)據(jù)樣本也有類似的結(jié)果.鑒于張崢和劉力[37]發(fā)現(xiàn)在我國滬深股市上Turnover不僅反映了股票的流動性還反映了市場上的其他定價因素，而且，在本文中發(fā)現(xiàn)Vol也不是一個很好的流動性指標，所以可認為Reversal解釋力度的下降不能由流動性因素來解釋.

模型12將所有3個流動性指標同時加入到了模型8中.與模型10和模型11的情況相似，盡管Reversal的系數(shù)和t值的強度有所減弱，但是這種微弱的減弱不足以將其歸因于流動性因素.另外，模型12中各流動性指標的解釋力度都有下降，這說明這3個指標包含了一些相同的信息；然而他們減弱的幅度各有不同，ILLIQ和Vol的解釋作用變得不夠顯著，但Turnover的作用仍舊是顯著的，這樣的結(jié)果與張崢和劉力[37]的研究是一致的，股票換手率Turnover反映了市場上除流動性因素以外的其他因素.

總之，本節(jié)的研究結(jié)果不支持H1，加入流動性因素并沒有顯著減弱股票收益的反轉(zhuǎn)效應，這意味著流動性因素可能并不是我國大陸股票收益反轉(zhuǎn)效應的潛在解釋因素.

5　穩(wěn)健性檢驗

在這部分，將針對不同的樣本做穩(wěn)健性檢驗，由于股票收益反轉(zhuǎn)和流動性溢價在其他研究文獻中基本上已經(jīng)達成共識，所以將注意力集中在檢驗所提出的H1上，即流動性因素的加入是否會顯著減弱我國大陸股票收益的反轉(zhuǎn)效應.

首先，考慮在金融危機期間金融市場可能是無效率的，從而會減弱風險因素對股票預期超額收益的預測作用，所以將整個樣本時間分為3段來考察.第1段是從1997-01～2006-12的樣本，對應著金融危機前的時間段；第2段是從2007-01～2009-12的樣本，對應著金融危機中的時間段；第3段是從2010-01～2013-11的樣本，對應著金融危機后的時間段.

對于每一時間段上的樣本，同樣考察了原始數(shù)據(jù)樣本和經(jīng)縮尾處理后的數(shù)據(jù)樣本.由于原始數(shù)據(jù)的結(jié)果與縮尾數(shù)據(jù)的結(jié)果相似，所以，只報告出經(jīng)縮尾處理的數(shù)據(jù)樣本的結(jié)果，并且只報告出一些關鍵模型的結(jié)果.表4中的A，B和C組分別報告了金融危機前、中和后的模型在縮尾數(shù)據(jù)上的回歸結(jié)果.

表4　不同時間段縮尾數(shù)據(jù)樣本的回歸結(jié)果

在表4中，模型8將股票的歷史收益Reversal加入到了張崢和劉力[37]、Fama和French[6]的3因素模型當中，目的是考察我國大陸股票的反轉(zhuǎn)效應.由A，B和C組的結(jié)果可知，我國大陸股票的收益反轉(zhuǎn)效應在金融危機前、中、后都是顯著的.模型9，模型10和模型11分別將3個流動性因素加入到模型8當中，模型12將全部3個流動性指標加入到模型8當中.與主檢驗的結(jié)論相同，無論在金融危機前、中、后哪個樣本時間段上，表4的結(jié)果都不支持本文的H1，流動性因素的加入并沒有顯著減少我國大陸股票反轉(zhuǎn)效應的強度.

其次，由于金融行業(yè)特殊的資產(chǎn)負債結(jié)構，金融企業(yè)與非金融企業(yè)的賬面市值比率BE_ME可能缺乏可比性，所以許多文獻在使用Fama和French[6]3因素模型時將金融企業(yè)的股票排除在外.鑒于此，也對非金融企業(yè)樣本的結(jié)果進行了穩(wěn)健性檢驗.表5報告了數(shù)據(jù)經(jīng)縮尾處理后的非金融企業(yè)樣本的模型回歸結(jié)果，各模型的設置與表4相同.從中可以看出，股票的收益反轉(zhuǎn)效應依然存在，且流動性的加入并沒有顯著減弱反轉(zhuǎn)效應的強度.

表5　縮尾非金融企業(yè)樣本的回歸結(jié)果

表6　各行業(yè)回歸的起始月

可以看出，以上的穩(wěn)健性檢驗結(jié)果表明，關于我國大陸股票收益反轉(zhuǎn)效應、股票流動性溢價以及兩者之間關系的主要結(jié)論并沒有隨著樣本區(qū)間和樣本股票的變化而發(fā)生改變.

6　結(jié)束語

股票收益反轉(zhuǎn)流動性解釋主要是基于Campbell等[13]的理論，認為成交量的增加反映了市場上一部分投資者的風險厭惡程度增加，需要賣出股票，但是為了使得另一部分提供流動性的投資者愿意購買更多的股票，股票價格必須下降以提供較高的預期收益，這樣股票收益的反轉(zhuǎn)是對那些提供流動性的投資者的流動性補償，所以成交量的大小對股票短期收益反轉(zhuǎn)有一定的預測作用.如果將成交量作為股票的流動性指標，那么從理論上講，股票流動性對股票短期收益反轉(zhuǎn)應具有一定的解釋作用.但是，Campbell等[13]的理論模型有個前提條件，即投資者是股票價格的接受者，且投資者所擁有的信息是同質(zhì)的.然而，其前提條件在我國滬深股票市場上可能并不成立，從而導致股票收益反轉(zhuǎn)的流動性解釋在我國并不適用.

在我國滬深股票市場上，一方面，投資者相當于發(fā)達國家市場的投資者來說有差異，而且市場上的投機氣氛相對來說比較濃厚，價值投資者的比例比較低；另一方面，我國上市公司的公司治理水平總體不高，投資者信息不對稱程度較突出；這導致了在我國滬深股票市場一些機構或主體操縱股票以影響股價的現(xiàn)象比較普遍.這就意味著我國金融市場中存在股票價格的操縱者，并且投資者的信息存在著嚴重的異質(zhì)性.我國滬深股票市場的這種特征可能會通過兩種途徑來干擾股票流動性因素對股票短期收益反轉(zhuǎn)現(xiàn)象的解釋.

由于我國滬深證券市場的信息不對稱性比較嚴重，上市公司與大機構聯(lián)合起來共同操縱股票價格的現(xiàn)象比較普遍，他們通過上市公司發(fā)布利空或利好消息，操縱股票的主體或機構利用對倒手法人為地制造成交量、換手率等流動性指標來影響投資者對未來公司現(xiàn)金流的判斷.按照傳統(tǒng)金融理論，在沒有內(nèi)幕信息的情況下，投資者的偏好突然發(fā)生變化的可能性很小，所以投資者對一只股票的供給和需求不可能發(fā)生突然的巨大變化，從而不會導致成交量的巨額增加[13]；然而，可以發(fā)現(xiàn)在一般情況下，當一只股票的價格有快速上升的情況下，上方的賣盤會突然增加，但是價格在主動買盤的推動下是向上急升的；所以推測股市上成交量以及流動性的大幅度變化很有可能是其他機構與操縱股票的主體或機構對倒的結(jié)果，這樣流動性指標不能正確地反映股票的正常交易成本，從而可能導致在中國滬深股市上得不到支持股票收益反轉(zhuǎn)的流動性解釋的證據(jù).而且，大機構操縱股票進行大規(guī)模的交易，對股價會產(chǎn)生一定程度的沖擊.無論交易成本即股票流動性，是否發(fā)生變化，這種沖擊都會產(chǎn)生收益反轉(zhuǎn)的現(xiàn)象(具體分析見附錄2).

總之，本文對我國滬深股票市場上股票收益的反轉(zhuǎn)效應、股票流動性溢價以及兩者之間的關系進行了考察.首先，基于現(xiàn)有的相關文獻，提出了3個假設檢驗，然后，基于我國A股市場1997年1月份到2013年12月份的數(shù)據(jù)，用3類Fama-Macbeth回歸模型對所提出的這3個假設進行了檢驗.回歸結(jié)果支持了兩個前提假設(H2和H3)，但沒有對主體假設(H1)給予足夠的支持，甚至有的結(jié)果與H1完全相悖.具體來講，在我國滬深股票市場上存在著顯著的反轉(zhuǎn)效應，股票的歷史收益與其預期超額收益之間存在著顯著的負相關關系；股票非流動性對股票超額預期收益存在著較強的正向作用，這意味著我國滬深股票市場上存在著流動性溢價效應；然而，流動性的加入?yún)s沒有顯著減弱我國大陸股票反轉(zhuǎn)效應的強度，這意味著流動性因素可能并不是我國大陸股票收益反轉(zhuǎn)效應的潛在解釋因素.

由于我國滬深股票市場上的特征違背了國外理論模型的前提假設條件，所以在我國金融市場上股票短期收益反轉(zhuǎn)的流動性解釋可能并不適用.首先，認為市場上普遍存在著的大機構操縱股票的現(xiàn)象會導致成交量和換手率不能真實反映股票的流動性成本，這在一定程度上可能會導致與理論解釋相悖的實證結(jié)果；其次，通過建立股票供求模型發(fā)現(xiàn)，即使在交易成本不發(fā)生變化的情況下，操縱股票行為本身也會導致出現(xiàn)股票短期收益反轉(zhuǎn)的現(xiàn)象.

理性金融理論認為投資者是理性的，市場上存在許多種無法分散的系統(tǒng)風險，股票超額收益的存在正是對投資者承擔這些風險的補償.為了研究股票市場上存在著的各種異象，實證資產(chǎn)定價模型試圖找到一些風險因素來解釋這些異象，這些風險因素有的是有資產(chǎn)定價模型理論所支撐的，有的卻是基于金融學家的理論解釋，但不管怎樣，風險因素的解釋不應出現(xiàn)相互矛盾的地方.股票收益的反轉(zhuǎn)效應不能由Fama-French 3因素模型來解釋，股票歷史收益作為風險因素的解釋也無法與這3個風險因素的解釋取得一致.當前的許多文獻試圖將反轉(zhuǎn)效應與股票的流動性因素聯(lián)系在一起，有的文獻則直接將股票的反轉(zhuǎn)程度作為股票的非流動性指標.然而，與這種普遍的預期相悖，無論是主檢驗還是穩(wěn)健性檢驗，本文的結(jié)果都意味著股票流動性可能并不是我國股票收益反轉(zhuǎn)效應的潛在解釋因素，所以，在解釋我國大陸股票收益反轉(zhuǎn)效應上，認為應該從市場的其他因素方面著手.

[1]Sims C A. Martingale-Like Behavior of Prices and Interest Rates[R]. Center for Economic Research, Department of Economics, University of Minnesota, 1984.

[2]Basu S. Investment performance of common stocks in relation to their price-earnings ratios: A test of the efficient market hypothesis[J]. The Journal of Finance, 1977, 32(3): 663-682.

[3]Banz R W. The relationship between return and market value of common stocks[J]. Journal of Financial Economics, 1981, 9(1): 3-18.

[4]Rosenberg B, Reid K, Lanstein R. Persuasive evidence of market inefficiency[J]. The Journal of Portfolio Management, 1985, 11(3): 9-16.

[5]Acharya V V, Pedersen L H. Asset pricing with liquidity risk[J]. Journal of Financial Economics, 2005, 77(2): 375-410.

[6]Fama E F, French K R. Common risk factors in the returns on stocks and bonds[J]. Journal of Financial Economics, 1993, 33(1): 3-56.

[7]Carhart M M. On persistence in mutual fund performance[J]. The Journal of Finance, 1997, 52(1): 57-82.

[8]Shiller R J. Stock prices and social dynamics[J]. Brookings Papers On Economic Activity, 1984, 2: 457-498.

[9]Black F. Noise[J]. The Journal of Finance, 1986, 41(3): 529-543.

[10]Stiglitz J E. Using tax policy to curb speculative short-term trading[J]. Journal of Financial Services Research, 1989, 3(2): 101-115.

[11]Summers L H, Summers V P. When financial markets work too well: A cautious case for a securities transactions tax[J]. Journal of Financial Services Research, 1989, 3(2/3): 261-286.

[12]Subrahmanyam A. Distinguishing between rationales for sshort-horizon predictability of stock returns[J]. Financial Review, 2005, 40(1): 11-35.

[13]Campbell J Y, Grossman S J, Wang J. Trading volume and serial correlation in stock returns[J]. The Quarterly Journal of Economics, 1993, 108(4): 905-939.

[14]Pastor L, Stambaugh R F. Liquidity risk and expected stock returns[J]. Journal of Political Economy, 2003, 111(3): 642-685.

[15]Amihud Y, Mendelson H. Asset pricing and the bid-ask spread[J]. Journal of Financial Economics, 1986, 17(2): 223-249.

[16]鄒小芃, 黃峰, 楊朝軍. 流動性風險、投資者流動性需求與資產(chǎn)定價[J]. 管理科學學報, 2009, 12(6): 139-149.

Zou Xiaopeng, Huang Feng, Yang Chaojun. Liquidity risk, liquidity demand of investors and asset pricing[J]. Journal of Management Sciences in China, 2009, 12 (6): 139-149. (in Chinese)

[17]Brennan M J, Chordia T, Subrahmanyam A. Alternative factor specifications, security characteristics, and the cross-section of expected stock returns[J]. Journal of Financial Economics, 1998, 49(3): 345-373.

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

[19]蘇冬蔚, 麥元勛. 流動性與資產(chǎn)定價: 基于我國股市資產(chǎn)換手率與預期收益的實證研究[J]. 經(jīng)濟研究, 2004, (2): 95-105.

Su Dongwei, Mai Yuanxun. Liquidity and asset pricing: An empirical exploration of turnover and expected returns on Chinese stock markets[J]. Economic Research Journal, 2004, (2): 95-105. (in Chinese)

[20]陸靜, 唐小我. 股票流動性與期望收益的關系研究[J]. 管理工程學報, 2004, 18(2): 109-111.

Lu Jing, Tang Xiaowo. The relationship between liquidity and expected stock returns[J]. Journal of Engineering Management, 2004, 18(2): 109-111. (in Chinese)

[21]張崢, 李怡宗, 張玉龍, 等. 中國股市流動性間接指標的檢驗——基于買賣價差的實證分析[J]. 經(jīng)濟學(季刊), 2014, 13(1): 233-262.

Zhang Zheng, Li Yizong, Zhang Yulong, et al. A test on indirect average measures in China stock market: An empirical analysis of the direct and indirect measures of the bid-ask spread[J]. China Economic Quarterly, 2014, 13(1): 233-262. (in Chinese)

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

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

[24]鄭方鑣, 吳超鵬, 吳世農(nóng). 股票成交量與收益率序列相關性研究——來自中國股市的實證證據(jù)[J]. 金融研究, 2007, (3): 140-150.

Zheng Fangbiao, Wu Chaopeng, Wu Shinong. Stock trading volume and returns serial correlation study, empirical: Evidence from Chinese stock market[J]. Journal of Financial Research, 2007, (3): 140-150. (in Chinese)

[25]De Bondt W F M, Thaler R H. Does the stock market overreact?[J]. The Journal of Finance, 1985, 40(3): 793-805.

[26]De Bondt W F M, Thaler R H. Further evidence on investor overreaction and stock market seasonality[J]. Journal of Finance, 1987, 42(3): 557-581.

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

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

[29]Kyle A S. Continuous auctions and insider trading[J]. Econometrica, 1985, 53(6): 1315-1335.

[30]Brennan M J, Subrahmanyam A. Market microstructure and asset pricing: On the compensation for illiquidity in stock returns[J]. Journal of Financial Economics, 1996, 41(3): 441-464.

[31]Subrahmanyam A. On the stability of the cross-section of expected stock returns in the cross-section: Understanding the curious role of share turnover[J]. European Financial Management, 2005, 11(5): 661-678.

[32]張維, 梁朝暉. 中國股票市場流動性與收益動態(tài)關系研究[J]. 系統(tǒng)工程理論與實踐, 2004, 24(10): 22-26.

Zhang Wei, Liang Zhaohui. A study of the dynamic relationship between liquidity and return in Chinese stock markets[J]. Systems Engineering-Theory & Practice, 2004, 24(10): 22-26. (in Chinese)

[33]陳青, 李子白. 我國流動性調(diào)整下的CAPM研究[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究, 2008, (6): 66-78.

Chen Qing, Li Zibai. Liquidity-adjusted capital asset pricing model in China[J]. The Journal of Quantitative & Technical Economics, 2008, (6): 66-78. (in Chinese)

[34]Glosten L R, Harris L E. Estimating the components of the bid/ask spread[J]. Journal of Financial Economics, 1988, 21(1): 123-142.

[35]Sadka R. Momentum and post-earnings-announcement drift anomalies: The role of liquidity risk[J]. Journal of Financial Economics, 2006, 80(2): 309-349.

[36]Fama E F, MacBeth J D. Risk, return, and equilibrium: Empirical tests[J]. The Journal of Political Economy, 1973, 81(3): 607-636.

[37]張崢, 劉力. 換手率與股票收益: 流動性溢價還是投機性泡沫?[J]. 經(jīng)濟學(季刊), 2006, 5(2): 871-892.

Zhang Zheng, Liu Li. Turnovers and stock returns: Liquidity premium or speculative bubbles?[J]. China Economic Quarterly, 2006, 5(2): 871-892. (in Chinese)

附錄1：

根據(jù)中國證監(jiān)會2012年公布的《上市公司行業(yè)分類指引》(以下簡稱《指引》)，選出平均公司個數(shù)前五的行業(yè).這5個行業(yè)對應《指引》中的5大門類，分別為：C制造業(yè)，D電力、熱力、燃氣及水生產(chǎn)和供應業(yè)；F批發(fā)和零售業(yè)；G交通運輸、倉儲和郵政業(yè)；K房地產(chǎn)業(yè).使用縮尾行業(yè)內(nèi)數(shù)據(jù)進行了Fama-Macbeth回歸，其具體結(jié)果如下.

C制造業(yè)-縮尾

變量截距項BetalnMEBE_MEReversalILLIQTurnoverVol模型理論取值符號(+)(-)(+)(-)(+)(-)(-)1系數(shù)0.0122-0.0118t值(1.75)(-4.19)2系數(shù)0.00912.9616t值(1.29)(4.53)3系數(shù)0.0177-0.0100t值(2.77)(-2.27)4系數(shù)0.0166-0.0054t值(2.33)(-1.69)5系數(shù)0.1199-0.0035-0.00490.00412.2184t值(2.92)(-1.01)(-2.76)(1.12)(4.00)6系數(shù)0.1787-0.0021-0.00710.0038-0.0173t值(4.31)(-0.63)(-3.9)(1.01)(-4.52)7系數(shù)0.1155-0.0027-0.00460.0040-0.0028t值(2.62)(-0.81)(-2.36)(1.08)(-1.15)8系數(shù)0.1379-0.0035-0.00560.0043-0.0111t值(3.38)(-1.02)(-3.14)(1.15)(-5.00)9系數(shù)0.1106-0.0035-0.00450.0043-0.01102.1971t值(2.76)(-1.05)(-2.59)(1.16)(-4.90)(3.97)10系數(shù)0.1678-0.0023-0.00660.0040-0.0098-0.0165t值(4.16)(-0.68)(-3.73)(1.06)(-4.40)(-4.3)11系數(shù)0.1042-0.0027-0.00400.0041-0.0110-0.0027t值(2.44)(-0.83)(-2.15)(1.11)(-5.04)(-1.12)12系數(shù)0.1502-0.0025-0.00590.0040-0.00971.5521-0.01620.0022t值(3.7)(-0.78)(-3.36)(1.09)(-4.38)(3.14)(-4.21)(0.94)

D電力、熱力、燃氣及水生產(chǎn)和供應業(yè)-縮尾

變量截距項BetalnMEBE_MEReversalILLIQTurnoverVol模型理論取值符號(+)(-)(+)(-)(+)(-)(-)1系數(shù)0.0101-0.0178t值(1)(-3.47)2系數(shù)0.004610.7487t值(0.45)(4.07)3系數(shù)0.0120-0.0042t值(1.24)(-0.61)4系數(shù)0.0172-0.0061t值(1.69)(-1.73)5系數(shù)0.07420.0000-0.0030-0.00257.8176t值(1.33)(-0.01)(-1.28)(-0.48)(2.46)6系數(shù)0.16740.0012-0.0065-0.0052-0.0164t值(3.75)(0.19)(-3.44)(-1.13)(-2.76)7系數(shù)0.1420-0.0018-0.0057-0.0026-0.0012t值(2.35)(-0.28)(-2.15)(-0.56)(-0.35)8系數(shù)0.1420-0.0009-0.0058-0.0015-0.0181t值(3.09)(-0.13)(-3.01)(-0.27)(-3.69)9系數(shù)0.06380.0009-0.0026-0.0019-0.02077.8413t值(1.17)(0.14)(-1.14)(-0.35)(-4.25)(2.44)10系數(shù)0.15550.0018-0.0061-0.0036-0.0171-0.0127t值(3.54)(0.28)(-3.29)(-0.75)(-3.38)(-2.06)11系數(shù)0.1321-0.0013-0.0053-0.0012-0.0181-0.0018t值(2.28)(-0.21)(-2.08)(-0.25)(-3.78)(-0.53)12系數(shù)0.12540.0019-0.0052-0.0017-0.01965.8619-0.01250.0019t值(2.02)(0.28)(-1.92)(-0.34)(-3.88)(1.76)(-1.81)(0.48)

F批發(fā)和零售業(yè)-縮尾

變量截距項BetalnMEBE_MEReversalILLIQTurnoverVol模型理論取值符號(+)(-)(+)(-)(+)(-)(-)1系數(shù)0.0085-0.0164t值(1.15)(-4.82)2系數(shù)0.00455.2189t值(0.6)(3.76)3系數(shù)0.0164-0.0139t值(2.38)(-2.57)4系數(shù)0.0129-0.0068t值(1.74)(-2.05)5系數(shù)0.09150.0028-0.00440.01853.8796t值(1.96)(0.57)(-2.12)(3.61)(2.55)6系數(shù)0.17870.0051-0.00770.0119-0.0170t值(4.03)(1.07)(-3.92)(2.33)(-3.71)7系數(shù)0.12040.0035-0.00540.0135-0.0053t值(1.99)(0.76)(-1.96)(2.54)(-1.13)8系數(shù)0.14090.0049-0.00650.0128-0.0158t值(3.12)(1)(-3.25)(2.35)(-5.21)9系數(shù)0.08430.0043-0.00410.0176-0.01704.1961t值(1.84)(0.88)(-2.04)(3.37)(-5.73)(2.8)10系數(shù)0.17120.0060-0.00750.0111-0.0148-0.0156t值(3.92)(1.26)(-3.85)(2.15)(-4.98)(-3.4)11系數(shù)0.12010.0049-0.00540.0124-0.0159-0.0055t值(2.05)(1.08)(-2.04)(2.31)(-5.37)(-1.17)12系數(shù)0.19230.0029-0.00860.0153-0.01572.9088-0.01610.0027t值(3.35)(0.62)(-3.34)(3.03)(-5.48)(2.28)(-3.26)(0.52)

G交通運輸、倉儲和郵政業(yè)-縮尾

K房地產(chǎn)業(yè)-縮尾

變量截距項BetalnMEBE_MEReversalILLIQTurnoverVol模型理論取值符號(+)(-)(+)(-)(+)(-)(-)1系數(shù)0.0124-0.0077t值(1.55)(-3.14)2系數(shù)0.00666.3910t值(0.82)(3.92)3系數(shù)0.0201-0.0171t值(2.57)(-2.88)4系數(shù)0.0138-0.0044t值(1.72)(-1.21)5系數(shù)0.0764-0.0005-0.00310.00684.5776t值(1.4)(-0.12)(-1.31)(1.16)(3.30)6系數(shù)0.15130.0014-0.00580.0023-0.0214t值(3.11)(0.34)(-2.68)(0.41)(-4.04)7系數(shù)0.11160.0000-0.00450.0051-0.0040t值(2.1)(0)(-1.88)(0.85)(-1.02)8系數(shù)0.1146-0.0007-0.00460.0051-0.0070t值(2.35)(-0.18)(-2.11)(0.87)(-3.07)9系數(shù)0.0612-0.0005-0.00240.0079-0.00764.8666t值(1.13)(-0.12)(-1)(1.32)(-3.37)(3.39)10系數(shù)0.13900.0016-0.00520.0032-0.0063-0.0206t值(2.9)(0.4)(-2.43)(0.54)(-2.83)(-3.99)11系數(shù)0.0989-0.0001-0.00380.0055-0.0066-0.0035t值(1.89)(-0.03)(-1.63)(0.91)(-2.89)(-0.87)12系數(shù)0.10350.0020-0.00390.0057-0.00674.0824-0.0176-0.0002t值(1.92)(0.51)(-1.62)(0.95)(-3.05)(2.90)(-3.31)(-0.06)

與文章前面主體檢驗的結(jié)果類似，行業(yè)內(nèi)的回歸結(jié)果表明股票流動性的加入并沒有顯著的減弱股票收益反轉(zhuǎn)的強度.

附錄2：

可以建立簡單的模型考慮操縱股票問題，即通過供給和需求的分析來解釋為什么操縱股票形成的大規(guī)模股票交易會產(chǎn)生收益反轉(zhuǎn)效應.

圖A-1(a)描述了一只股票的均衡狀態(tài)，均衡成交價格為P*,均衡成交量為Q*.假設操縱股票的機構在此時進入市場購買該股票，其購買規(guī)模為q(一次性或分批的不斷買進).在其購買股票時，有兩種過程將同時發(fā)生.首先，如圖A-1(b)所示，股票的需求曲線向右增加q單位，需求曲線由D平移到D1，價格變?yōu)镻1，成交量變?yōu)镼1；其次,如圖A-1(c)所示，由于我國滬深股票市場上信息不對稱程度較大，在操縱股票的機構購買股票對價格給予了正的沖擊的同時，市場上原來的賣方傾向于認為股票的價格上漲是由于股價低估造成的，這樣他們會提高股票的賣出價格，股票的供給曲線將會由S向上平移到S1，所以當操縱股票的機構完成股票的購買時，股票的均衡價格為P2，成交量為Q1.

圖A-1　操縱股票的機構購買對股票供求關系的影響

圖A-1(d)描述了操縱股票機構購買行為結(jié)束后的市場供求情況。在其購買完成后，市場上原來的參與者會重新評估股票的價格，相對于其進入前，賣方會提高股票的賣出價格，供給曲線保持在S1處；對需求曲線而言，由于買方的數(shù)量又回到了原來的水平，其最終位置將取決于原買方是否愿意在較高的價格上購買股票.

一方面有些投資者不會在較高的價格上成交，其需求曲線仍為操縱股票的機構進入前的狀態(tài)，例如一些價值投資基金經(jīng)理只有股票價格在一定區(qū)間內(nèi)時才會購買股票，一旦股票的價格超出這個區(qū)間，他們將不再購買這樣的股票。如果是這種情況，那么均衡價格將為原需求曲線D與新供給曲線S1的交叉點。而另一些投資者則會在較高的價格上繼續(xù)購買股票，例如我國滬深股票市場的一些散戶投資者傾向于追漲殺跌，另外，我國的指數(shù)基金經(jīng)理也會繼續(xù)購買所跟蹤指數(shù)的成分股，即使股票的價格在操縱股票推動下有了很大的漲幅，為了跟蹤某個指數(shù)也會購買這樣的股票，由于愿意在較高的價格上購買股票，股票的需求曲線將恢復到比原需求曲線更高一些的位置D2，均衡價格將為需求曲線D2和新供給曲線S1的交叉點.

但是，無論上述的哪種情況，股票的收益都會由于操縱股票的大規(guī)模買入操作而出現(xiàn)反轉(zhuǎn)現(xiàn)象，而這種現(xiàn)象與股票的流動性無關。同樣，其大規(guī)模賣出操作也會導致出現(xiàn)股票收益反轉(zhuǎn)現(xiàn)象。圖A-2描述了上述股票供求分析所對應的股票價格變化過程。其中T1為操縱股票的機構進入市場購買股票的時刻，T2為其結(jié)束購買股票的時刻；在T1時刻前，股票處于均衡狀態(tài)，均衡價格為P*；在T1和T2間，操縱股票的機構對該股票進行買入，股票價格從P*上漲到P2；在T2時刻后，原市場參與者重新對股票價值進行評估，需求曲線逐漸回歸到D2,股票價格逐漸由P2回復到P3.

Does stock liquidity explain stock return reversal puzzle?

LI Hong1, WANG Gang1*, LU Lei2

1. School of Finance, Shanghai University of Finance and Economics, Shanghai 200433, China;2. Guanghua School of Management, Peking University, Beijing 100871, China

This paper provides novel evidences for the link between stock return reversals and stock liquidity. Using the data from Chinese A-share stock market for the period between January 1997 and November 2013, the paper examines the stock return reversal effect, the impact of stock liquidity on excess stock returns, and the liquidity-based explanation for stock return reversal effect, respectively. Consistent with previous studies, the paper finds that the stock return reversal effect is significant in Chinese stock market and stock liquidity has a positive effect on excess stock returns. However, inconsistent with the liquidity-based explanation for stock return reversals, our results suggest that stock liquidity is not likely a driver of stock return reversals in Chinese stock market. These results are explained with a demand-supply model, in which stock price manipulations by large institution investors lead to stock return reversals.

stock return reversal; stock liquidity; multifactor model

圖A-2　操縱股票機構購買對股票價格變化的影響

2014-08-16；

2014-10-23.

國家自然科學基金資助項目(71271008)；上海財經(jīng)大學研究生創(chuàng)新基金資助項目(CXJJ-2013-321).

王剛(1981—)， 男， 遼寧沈陽人， 博士生. Email: 823204368@qq.com

F830; F832

A

1007-9807(2016)08-0084-18