朱順偉,劉海龍,周春陽(yáng)

(上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院,上海 200030)

Fama[1]提出的有效市場(chǎng)理論認(rèn)為,在信息充分透明的市場(chǎng)環(huán)境下,理性投資者的充分競(jìng)爭(zhēng)使得投資者無(wú)法通過(guò)已有信息獲得超額收益。然而,信息不對(duì)稱的存在使得現(xiàn)實(shí)中的證券市場(chǎng)很難滿足有效市場(chǎng)假設(shè)1)宮汝凱[4]指出,在發(fā)展不完善的股票市場(chǎng)上,股價(jià)變動(dòng)是信息不對(duì)稱和投資者情緒變化相互影響和共同作用的結(jié)果。即使在信息披露制度健全、機(jī)構(gòu)投資者比重較高的美國(guó)股票市場(chǎng),各類金融異象的存在使得有效市場(chǎng)理論面臨嚴(yán)峻挑戰(zhàn)[2]。

同美國(guó)成熟市場(chǎng)相比,中國(guó)股市尚處于發(fā)展階段,信息摩擦的問(wèn)題更為突出。例如,中國(guó)上市公司的信息披露制度不完善,信息披露質(zhì)量存在缺陷,信息披露不及時(shí)等一系列問(wèn)題,使得中國(guó)股市存在較為嚴(yán)重的信息不對(duì)稱[3];而且,中國(guó)股票市場(chǎng)的投資者以散戶為主2)截至2021年9月24日,中國(guó)股票市場(chǎng)個(gè)人投資者突破1.9億元,其中持股金額低于50萬(wàn)元的投資者占97%,獲取信息的渠道匱乏,基于股票價(jià)格和成交量的技術(shù)分析成為投資者的重要投資手段[5]。因而,本文的研究目的是基于國(guó)內(nèi)股票市場(chǎng)交易數(shù)據(jù),實(shí)證檢驗(yàn)量?jī)r(jià)趨勢(shì)對(duì)股票收益率在橫截面上是否有顯著的預(yù)測(cè)能力,并考察信息不對(duì)稱程度對(duì)量?jī)r(jià)分析的有效性是否有顯著影響。

類似于Han等[6]和Conrad等[7]的研究,本文采用當(dāng)前價(jià)格(成交量)與120天歷史移動(dòng)平均價(jià)格(成交量)的比值構(gòu)建價(jià)格(成交量)趨勢(shì)因子。因子取值越高,反映股票價(jià)格(成交量)的上漲趨勢(shì)越強(qiáng)。例如,某股票成交量趨勢(shì)因子較高而價(jià)格趨勢(shì)因子較低,反映該股票當(dāng)前的量?jī)r(jià)走勢(shì)為放量下跌。

本文基于2005年1月至2021年6月的中國(guó)股票數(shù)據(jù),采用投資組合分析法以及Fama-MacBeth(FM)[8]回歸分析法,考察價(jià)格和成交量趨勢(shì)因子對(duì)股票橫截面收益率的預(yù)測(cè)能力。通過(guò)單變量排序分組構(gòu)建分位數(shù)組合,本文發(fā)現(xiàn)中國(guó)股票市場(chǎng)存在價(jià)格反轉(zhuǎn)效應(yīng),即過(guò)去漲幅較高的股票在未來(lái)一個(gè)月的收益更低。平均而言,輸家組合比贏家組合在未來(lái)一個(gè)月能獲得16%的超額年化收益,表明國(guó)內(nèi)股市存在信息過(guò)度反應(yīng)現(xiàn)象。另外,相較于成交量放大的股票,成交量縮小的股票在未來(lái)一個(gè)月同樣能獲得16%的超額年化收益。FM 回歸分析表明,量?jī)r(jià)趨勢(shì)包含不同的信息,并且成交量趨勢(shì)因子比價(jià)格趨勢(shì)因子具有更高的邊際解釋能力。根據(jù)信息不對(duì)稱代理變量(規(guī)模、非流動(dòng)性或波動(dòng)率)對(duì)量?jī)r(jià)趨勢(shì)因子進(jìn)行雙重排序構(gòu)建組合,本文發(fā)現(xiàn),對(duì)于信息不對(duì)稱程度較高的股票組合,其量?jī)r(jià)趨勢(shì)的預(yù)測(cè)能力更為顯著。

為了充分利用量?jī)r(jià)趨勢(shì)信息,本文將量?jī)r(jià)趨勢(shì)因子的信息進(jìn)行合成。采用等權(quán)法合成量?jī)r(jià)趨勢(shì)因子,因子值越大,表明成交量放大且股價(jià)上漲,即放量上漲;因子值越小,表明成交量縮小且股價(jià)下跌,即縮量下跌。研究發(fā)現(xiàn),縮量下跌的股票可以獲得顯著的超額收益,并且信息不對(duì)稱程度更高的股票組合收益更高。此外,與單因子的表現(xiàn)相比,基于合成因子構(gòu)建的多空組合可以獲得更高的收益率。

在穩(wěn)健性分析中,發(fā)現(xiàn)本文的結(jié)果不依賴于120天的變量計(jì)算窗口的設(shè)定。對(duì)于不同的時(shí)間窗口,通過(guò)量?jī)r(jià)趨勢(shì)合成因子構(gòu)建的股票多空組合都能獲得正的年化收益。只是當(dāng)時(shí)間計(jì)算窗口較短(如5天)時(shí),多空組合收益雖然為正,但不再顯著。本文還考察了不同樣本區(qū)間量?jī)r(jià)趨勢(shì)因子的表現(xiàn)。實(shí)證結(jié)果表明,在不同的分樣本內(nèi)基于量?jī)r(jià)趨勢(shì)因子構(gòu)建的多空組合都可以獲得顯著為正的年化收益率。特別是在市場(chǎng)波動(dòng)較高的情況下,多空組合能獲得更高的收益。

與現(xiàn)有文獻(xiàn)相比,本文的研究貢獻(xiàn)主要體現(xiàn)在以下3個(gè)方面:

(1) 以往文獻(xiàn)研究主要基于股票價(jià)格構(gòu)建指標(biāo),考察股票價(jià)格趨勢(shì)對(duì)股票橫截面收益率的預(yù)測(cè)能力[6,9-11]。不同于上述文獻(xiàn),本文基于股票價(jià)格和成交量構(gòu)建指標(biāo),綜合考察價(jià)格趨勢(shì)和成交量趨勢(shì)對(duì)股票橫截面收益率的預(yù)測(cè)能力。以往文獻(xiàn)研究指出,作為重要的市場(chǎng)信息變量,成交量不僅反映了知情交易者私人信息的質(zhì)量與精度[12-13],還可以揭示投資者進(jìn)行交易的動(dòng)機(jī)[14-16],能夠顯著地預(yù)測(cè)資產(chǎn)未來(lái)收益率[7,17-18]。文獻(xiàn)[19-22]基于國(guó)內(nèi)市場(chǎng),同樣發(fā)現(xiàn)成交量包含預(yù)測(cè)股票收益率和波動(dòng)率的有用信息。本文在Han等[6]的基礎(chǔ)上,基于國(guó)內(nèi)A 股市場(chǎng)構(gòu)建價(jià)格趨勢(shì)因子和成交量趨勢(shì)因子,考察量?jī)r(jià)趨勢(shì)是否包含預(yù)測(cè)股票收益率的有用信息,是對(duì)現(xiàn)有研究的有益補(bǔ)充。

(2) 從信息不對(duì)稱的角度剖析量?jī)r(jià)趨勢(shì)因子預(yù)測(cè)能力的影響因素。以往文獻(xiàn)研究表明,投資者的行為偏差,如過(guò)度反應(yīng)[23-26]和自謙歸因偏向[27],會(huì)導(dǎo)致股票價(jià)格的反轉(zhuǎn)效應(yīng)。而信息不對(duì)稱的存在會(huì)增強(qiáng)投資者對(duì)新消息的過(guò)度自信程度,從而導(dǎo)致更顯著的價(jià)格反轉(zhuǎn)效應(yīng)[28-29]。上述文獻(xiàn)研究表明,信息不對(duì)稱會(huì)影響價(jià)格趨勢(shì)因子的預(yù)測(cè)能力,但信息不對(duì)稱如何影響成交量趨勢(shì)因子的預(yù)測(cè)能力,現(xiàn)有文獻(xiàn)還沒(méi)有研究。本文根據(jù)不同的信息不對(duì)稱代理變量,實(shí)證檢驗(yàn)信息不對(duì)稱對(duì)量?jī)r(jià)趨勢(shì)因子預(yù)測(cè)能力的影響。結(jié)果表明,對(duì)于信息不對(duì)稱程度較高的股票組合,其量?jī)r(jià)趨勢(shì)因子的預(yù)測(cè)能力更為顯著。

(3) 本文將量?jī)r(jià)趨勢(shì)因子的信息進(jìn)行合成,探究合成因子對(duì)股票收益率的預(yù)測(cè)能力。以往研究表明,成交量具有獨(dú)立于股票價(jià)格的有用信息,觀察股票歷史價(jià)格與成交量的聯(lián)合動(dòng)態(tài)有助于提高股票收益率的預(yù)測(cè)能力[30-36]。在以往文獻(xiàn)研究啟發(fā)下,本文對(duì)價(jià)格趨勢(shì)因子和成交量趨勢(shì)因子進(jìn)行等權(quán)合成。實(shí)證研究表明,相較于單一因子,基于合成因子構(gòu)建的股票多空組合能夠獲得更高投資績(jī)效。因此,綜合利用股票價(jià)格和成交量信息,有助于提高股票收益率的預(yù)測(cè)能力和投資組合的績(jī)效。

1 數(shù)據(jù)描述

本文以滬深兩市A 股股票(剔除ST 股)為研究對(duì)象,數(shù)據(jù)來(lái)自CSMAR 數(shù)據(jù)庫(kù),樣本區(qū)間為2005年1月4日至2021年6月30日。在進(jìn)行投資組合分析時(shí),為確保構(gòu)建的資產(chǎn)組合具有實(shí)操性,剔除在調(diào)倉(cāng)日停牌或漲停(主板超過(guò)9%,創(chuàng)業(yè)板超過(guò)19%)的股票。

類似于Han等[6]和Conrad等[7]的研究,本文采用當(dāng)前價(jià)格(成交量)與歷史移動(dòng)平均價(jià)格(成交量)的比值構(gòu)建價(jià)格(成交量)趨勢(shì)因子。令Pt和VOLt分別為股票在t日的價(jià)格和成交量,則價(jià)格趨勢(shì)因子和成交量趨勢(shì)因子分別定義為:

股票的價(jià)格(成交量)趨勢(shì)因子值越高,表明價(jià)格(成交量)的上升趨勢(shì)越強(qiáng)。在實(shí)證研究中,首先令T=120,即利用過(guò)去120天的價(jià)格與成交量數(shù)據(jù)(至少有60天的有效數(shù)據(jù))計(jì)算因子值,并在后續(xù)穩(wěn)健性檢驗(yàn)部分變換T的取值。

為了考察信息不對(duì)稱程度對(duì)量?jī)r(jià)趨勢(shì)因子預(yù)測(cè)能力的影響,采用公司流通市值、波動(dòng)率和非流動(dòng)性3種指標(biāo)來(lái)刻畫中國(guó)股票市場(chǎng)的信息摩擦程度[6,15]。令Rt為股票在t日的收益率,則波動(dòng)率定義為

采用Amihud指標(biāo)[37]來(lái)度量中國(guó)股票市場(chǎng)的非流動(dòng)性,即

該指標(biāo)反映的是1 000萬(wàn)元的日成交額引起股票價(jià)格的平均變化比率。

按照以往文獻(xiàn)的通常做法,設(shè)定股票持有期為1個(gè)月。在每個(gè)月的月底,根據(jù)式(1)～(4)計(jì)算各個(gè)股票的價(jià)格和成交量趨勢(shì)因子、波動(dòng)率和非流動(dòng)性指標(biāo),并采用投資組合分析法和FM 回歸分析法,考察它們對(duì)股票下一個(gè)月的橫截面收益率是否有顯著的預(yù)測(cè)能力。

表1中面板A 展示了主要變量的描述性統(tǒng)計(jì)結(jié)果。價(jià)格趨勢(shì)因子的橫截面均值為 1.71%,表明在120天的時(shí)間窗口內(nèi),中國(guó)A 股市場(chǎng)呈現(xiàn)遞增的價(jià)格趨勢(shì)。然而,價(jià)格趨勢(shì)因子的中位數(shù)為-0.51%,表明橫截面股票中有超過(guò)半數(shù)呈現(xiàn)遞減的價(jià)格趨勢(shì)。成交量趨勢(shì)因子在橫截面中也呈現(xiàn)出較大的差異,成交量趨勢(shì)因子的均值與中位數(shù)分別為-1.45%和-22.04%,說(shuō)明中國(guó)A 股呈現(xiàn)遞減的成交量趨勢(shì)。在本文的樣本區(qū)間內(nèi),A 股股票的平均市值為91.02 億元,其中,規(guī)模最小的公司為3.55億元,市值最大的公司規(guī)模超過(guò)1.13萬(wàn)億元。平均非流動(dòng)性為1.59%,即1 000萬(wàn)元可以引起股票價(jià)格變化 1.59%。

表1 變量描述統(tǒng)計(jì)與相關(guān)系數(shù)矩陣

表1中面板B 給出了不同變量之間的橫截面相關(guān)性,其中括號(hào)中為t統(tǒng)計(jì)量。結(jié)果表明,量?jī)r(jià)趨勢(shì)之間存在顯著的正相關(guān)關(guān)系,相關(guān)系數(shù)達(dá)到29.36%,t統(tǒng)計(jì)量為21.81。這說(shuō)明,在120天的時(shí)間窗口內(nèi),股票價(jià)格的變化往往伴隨著成交量的同步變化。另外,規(guī)模、波動(dòng)率與價(jià)格趨勢(shì)因子的相關(guān)系數(shù)分別為4.69%(t=3.78)和13.77% (t=5.21),表明規(guī)模較大、波動(dòng)率較大的股票具有更強(qiáng)的價(jià)格趨勢(shì)。相比之下,成交量趨勢(shì)因子與公司規(guī)模和波動(dòng)率之間的相關(guān)性較低。然而,成交量趨勢(shì)與股票的非流動(dòng)性之間的相關(guān)性為3.07%,t統(tǒng)計(jì)量為 3.35。這表明,在120天的時(shí)間窗口內(nèi),流動(dòng)性較差的股票往往呈現(xiàn)遞增的成交量趨勢(shì)。

2 實(shí)證分析

本節(jié)采用資產(chǎn)組合分析和Fama-MacBeth回歸分析的方法,考察量?jī)r(jià)趨勢(shì)對(duì)股票收益率的預(yù)測(cè)能力。

資產(chǎn)組合分析包括單變量分組和雙變量分組。單變量分組根據(jù)排序變量(價(jià)格趨勢(shì)或成交量趨勢(shì)),在每個(gè)月的月底將樣本中的股票按照從低到高的順序分為5組,并計(jì)算各投資組合在下個(gè)月的等權(quán)重平均收益率3)在未給出的結(jié)果中,本文也采用市值加權(quán)來(lái)計(jì)算平均收益率,結(jié)果與等權(quán)重情況類似,加權(quán)方式的不同對(duì)文章的主要發(fā)現(xiàn)沒(méi)有影響。為了節(jié)省空間,正文只給出了等權(quán)重的結(jié)果。如果最高分組的股票組合比最低分組的股票組合在未來(lái)一個(gè)月具有顯著更高(或更低)的收益率,則表明排序變量包含預(yù)測(cè)股票橫截面收益率的有用信息。

進(jìn)行雙變量分組是為了探究信息摩擦是否影響量?jī)r(jià)趨勢(shì)因子的預(yù)測(cè)能力。具體而言,在每個(gè)月的月底,先按照信息不對(duì)稱代理變量(市值、波動(dòng)率或非流動(dòng)性)將樣本股票分為5組,再在每個(gè)組中根據(jù)價(jià)格或成交量趨勢(shì)因子將該組中的股票樣本分為5組,這樣就得到了5×5的股票組合。接著,計(jì)算各投資組合在下個(gè)月的等權(quán)重平均收益率。如果價(jià)格或成交量趨勢(shì)因子的預(yù)測(cè)能力隨著信息不對(duì)稱代理變量呈單調(diào)變化,則說(shuō)明量?jī)r(jià)趨勢(shì)因子的預(yù)測(cè)能力受到股票信息不對(duì)稱程度的影響。

最后,在Fama-MacBeth回歸中,除了量?jī)r(jià)趨勢(shì)因子,本文還加入其他一系列影響股票橫截面收益率的預(yù)測(cè)因子,考察在控制其他變量之后,量?jī)r(jià)趨勢(shì)因子是否對(duì)股票未來(lái)收益率仍然具有顯著的預(yù)測(cè)能力。

2.1 資產(chǎn)組合分析

2.1.1 價(jià)格趨勢(shì)因子 本節(jié)首先根據(jù)價(jià)格趨勢(shì)因子進(jìn)行單變量分組,表2 中面板A 給出了基于價(jià)格趨勢(shì)因子構(gòu)建的資產(chǎn)組合的表現(xiàn)?？梢钥吹?投資組合的年化收益率隨著價(jià)格趨勢(shì)因子的增加而降低,買入低價(jià)格趨勢(shì)因子的股票并賣出高價(jià)格趨勢(shì)因子的股票所構(gòu)建的多空組合(L-H),能夠獲得16%的年化收益率,經(jīng)Fama等[38]五因子(FF5)調(diào)整后的年化超額收益率為15%,均在1%的顯著性水平上顯著。上述結(jié)果表明,A 股市場(chǎng)存在顯著的反轉(zhuǎn)效應(yīng),與國(guó)內(nèi)已有文獻(xiàn)[9,20,24,32]的研究相一致。

表2 價(jià)格趨勢(shì)因子的分組表現(xiàn)

Jegadeesh等[39]的早期研究結(jié)果表明,在2～12個(gè)月的時(shí)間窗口內(nèi),美國(guó)股票市場(chǎng)上表現(xiàn)出“中期動(dòng)量效應(yīng)”,即過(guò)去的贏家(輸家)在未來(lái)具有更好(更差)的表現(xiàn)。Rouwenhorst[40]和Asness等[41]在國(guó)際股票市場(chǎng)以及貨幣、期貨等資產(chǎn)中同樣發(fā)現(xiàn)動(dòng)量效應(yīng)。與美國(guó)等發(fā)達(dá)國(guó)家的股票市場(chǎng)相比,為什么A 股市場(chǎng)不存在“中期動(dòng)量效應(yīng)”? 近年來(lái),國(guó)內(nèi)學(xué)者從不同角度對(duì)A 股市場(chǎng)的“動(dòng)量效應(yīng)消失之謎”進(jìn)行了探討。白顥睿等[10]認(rèn)為 A 股市場(chǎng)存在日內(nèi)動(dòng)量效應(yīng)和隔夜動(dòng)量效應(yīng),但是由于T+1制度的存在,導(dǎo)致日內(nèi)與隔夜動(dòng)量之間的相反作用,從而抵消了總體收益的動(dòng)量效應(yīng)。陸蓉等[11]認(rèn)為A 股投資者存在“彩票型”股票偏好,會(huì)推高當(dāng)前股價(jià)并降低未來(lái)收益,而傳統(tǒng)動(dòng)量策略的贏家組合與“彩票型”股票大量重疊,這些股票較低的未來(lái)收益率會(huì)顯著降低贏家組合的收益率,并減弱動(dòng)量效應(yīng)。

為了考察信息摩擦對(duì)價(jià)格趨勢(shì)因子預(yù)測(cè)能力的影響,表2中面板B和面板D 給出了信息不對(duì)稱代理變量(包括市值、波動(dòng)率或非流動(dòng)性)與價(jià)格趨勢(shì)因子的雙變量分組結(jié)果。以公司規(guī)模與價(jià)格趨勢(shì)因子構(gòu)建的5×5資產(chǎn)組合為例,可以發(fā)現(xiàn),公司規(guī)模越小,基于價(jià)格趨勢(shì)因子構(gòu)建的多空組合收益越高,且風(fēng)險(xiǎn)調(diào)整后的收益率也具有同樣的單調(diào)性。以波動(dòng)率或流動(dòng)性作為控制變量也會(huì)得到類似的結(jié)果,即波動(dòng)率越大、流動(dòng)性越差的股票,其價(jià)格趨勢(shì)因子的預(yù)測(cè)能力更強(qiáng)。上述結(jié)果表明,信息不對(duì)稱是影響股票定價(jià)效率的重要因素:股票信息不對(duì)稱程度越高,股票定價(jià)效率越低,基于價(jià)格趨勢(shì)因子的投資策略能夠獲得更高的收益率。

2.1.2 成交量趨勢(shì)因子 類似于表2,表3給出了基于成交量趨勢(shì)因子構(gòu)建資產(chǎn)組合的分析結(jié)果。表3中面板A 的單變量分組結(jié)果表明,成交量趨勢(shì)越低的股票組合能夠獲得更高的年化收益。通過(guò)買入低成交量趨勢(shì)因子的股票并賣出高成交量趨勢(shì)因子的股票所構(gòu)建的股票多空組合能夠獲得16%的年化收益,經(jīng)Fama等[38]五因子調(diào)整后的年化超額收益率為16%,均在1%的顯著性水平上顯著。上述結(jié)果與Lee等[31]針對(duì)美國(guó)股票市場(chǎng)的研究結(jié)論相一致。他們指出:當(dāng)股票人氣下降時(shí),成交量下降導(dǎo)致股票被忽視,市場(chǎng)往往低估這類股票的價(jià)值,因此,這類股票的預(yù)期收益更高;當(dāng)股票人氣上升時(shí),其成交量就會(huì)增加,它們的價(jià)值往往被市場(chǎng)高估,因此,這類股票在未來(lái)獲得更低的收益4)現(xiàn)有研究更多關(guān)注成交量水平或換手率與未來(lái)股票收益率之間的關(guān)系,Conrad等[7]和Datar等[17]在美國(guó)股票市場(chǎng)上發(fā)現(xiàn),成交量低(高)的股票會(huì)獲得更高(更低)的預(yù)期收益。田利輝等[20]也在中國(guó)股票市場(chǎng)上得出同樣結(jié)論。由表4的FM 回歸分析結(jié)果可以看到,在包含換手率等變量之后,成交量趨勢(shì)因子對(duì)股票的預(yù)期收益率依然保持顯著的預(yù)測(cè)能力,表明成交量趨勢(shì)因子與換手率包含不同的預(yù)測(cè)信息。

表3 成交量趨勢(shì)因子的分組表現(xiàn)

表4 Fama-MacBeth回歸結(jié)果

表3中面板 B 給出了對(duì)公司規(guī)模與成交量趨勢(shì)因子進(jìn)行雙變量分組后的結(jié)果。可以發(fā)現(xiàn),公司規(guī)模越小,基于成交量趨勢(shì)因子構(gòu)建的多空組合收益越高,且風(fēng)險(xiǎn)調(diào)整后的收益率也具有同樣的單調(diào)性。面板C和面板D 的實(shí)證結(jié)果表明,基于成交量趨勢(shì)因子構(gòu)建的多空組合,對(duì)于波動(dòng)率越高或流動(dòng)性越低的股票,其收益率越高。上述結(jié)果表明,信息不對(duì)稱程度較高的股票具有更低的定價(jià)效率,成交量趨勢(shì)因子的預(yù)測(cè)能力會(huì)更強(qiáng)。

綜上可知,本節(jié)投資組合的分析結(jié)果表明,基于歷史價(jià)格和成交量構(gòu)建的量?jī)r(jià)趨勢(shì)因子對(duì)股票收益率均具有顯著的預(yù)測(cè)能力。并且,股票的信息不對(duì)稱程度越高(規(guī)模小、波動(dòng)率大或流動(dòng)性差),基于量?jī)r(jià)趨勢(shì)因子構(gòu)建的多空組合可以獲得更高的收益率。

2.2 Fama-MacBeth 回歸分析

為了探究量?jī)r(jià)趨勢(shì)因子的預(yù)測(cè)能力是否被其他解釋變量所吸收,表4給出了 Fama-MacBeth 回歸的結(jié)果。其中:Trend_prc 和 Trend_vol 分別為價(jià)格趨勢(shì)因子和成交量趨勢(shì)因子,由式(1)、(2)定義;非流動(dòng)性和波動(dòng)率分別用Illiquidity 和Volatility表示,定義見式(3)、(4);ln(Size)為流通市值的對(duì)數(shù),PB為市凈率,Turnover為過(guò)去120天的日均換手率,日換手率定義為日成交額與流通市值之比。

由單變量回歸式(1)、(2)可以看出,量?jī)r(jià)趨勢(shì)因子對(duì)股票收益率均具有顯著的預(yù)測(cè)能力。當(dāng)股票之間的價(jià)格趨勢(shì)因子相差1個(gè)標(biāo)準(zhǔn)差(0.135 6),股票之間的預(yù)期收益率相差約 0.48%(-3.54×0.135 6)。同理,當(dāng)橫截面股票之間的成交量趨勢(shì)因子相差1個(gè)標(biāo)準(zhǔn)差(0.753 8),股票之間的預(yù)期收益率相差約0.67%(-0.89×0.753 8)。表4列(5)中同時(shí)考慮量?jī)r(jià)信息的結(jié)果表明,量?jī)r(jià)趨勢(shì)因子的回歸系數(shù)仍然顯著,表明它們包含預(yù)測(cè)股票收益率的不同信息。

隨著控制變量的不斷加入,價(jià)格趨勢(shì)因子的邊際解釋能力逐漸下降。在加入所有控制變量的預(yù)測(cè)回歸中,價(jià)格趨勢(shì)因子變得不再顯著,回歸系數(shù)下降為-1.30%(t=-1.19);而成交量趨勢(shì)因子仍然保持顯著,回歸系數(shù)為-0.90%(t=-7.76)。

3 因子合成

上述分析表明,量?jī)r(jià)趨勢(shì)因子雖然具有顯著的相關(guān)性,但包含不同的預(yù)測(cè)未來(lái)收益率的有用信息。因而,本節(jié)對(duì)量?jī)r(jià)趨勢(shì)因子進(jìn)行簡(jiǎn)單的等權(quán)合成5)作為穩(wěn)健性測(cè)試,本文還嘗試0.4/0.6(即價(jià)格趨勢(shì)因子賦權(quán)0.4,成交量趨勢(shì)因子賦權(quán)0.6)以及0.6/04的賦權(quán)方法,對(duì)量?jī)r(jià)趨勢(shì)因子進(jìn)行合成,相應(yīng)的多空組合年化收益率分別為 19%(t=5.04)和 19%(t=4.66),以考察綜合利用量?jī)r(jià)信息是否能提高對(duì)收益率的預(yù)測(cè)能力。類似于Fernandez-Perez等[42]和Bianchi等[43]的研究,在每月月底,分別基于量?jī)r(jià)趨勢(shì)因子對(duì)樣本中的股票從小到大排序,得到相應(yīng)的排名即RankTrend_prc 和RankTrend_vol。通過(guò)將每個(gè)股票的兩個(gè)排名相加從而構(gòu)造量?jī)r(jià)趨勢(shì)因子,即

表5給出了基于量?jī)r(jià)合成因子構(gòu)建資產(chǎn)組合的分析結(jié)果。由表5中面板A 的單變量分組結(jié)果可以看出,合成因子越小的股票組合在未來(lái)的收益率越高。與表2和表3中的單因子表現(xiàn)相比,基于量?jī)r(jià)趨勢(shì)合成因子的多空組合具有更高的年化收益率,達(dá)到19%(t=4.85)。因此,綜合利用量?jī)r(jià)信息有助于提升股票多空組合的收益。

表5中的面板B和面板D考察了不同信息不對(duì)稱程度指標(biāo)對(duì)股票量?jī)r(jià)信息預(yù)測(cè)能力的影響。以公司規(guī)模為例,可以發(fā)現(xiàn),隨著股票組合的規(guī)模變小,根據(jù)量?jī)r(jià)合成因子構(gòu)建的多空組合可以獲得更高的年化收益率。由大公司構(gòu)建的多空組合年化收益率為6%(t=1.33),而由小公司構(gòu)建的多空組合年化收益達(dá)到26%(t=5.94)。以波動(dòng)率或流動(dòng)性指標(biāo)作為控制變量也會(huì)得到類似的結(jié)果,即波動(dòng)率越大、流動(dòng)性越差的股票,量?jī)r(jià)合成因子的預(yù)測(cè)能力更強(qiáng)。

圖1展示了從2005年5月至2021年6月由單個(gè)趨勢(shì)因子和合成因子構(gòu)建的多空組合的累計(jì)收益。由圖1可見,基于價(jià)格趨勢(shì)因子構(gòu)建的多空組合的累計(jì)收益率為9.20;成交量趨勢(shì)因子的表現(xiàn)要優(yōu)于價(jià)格趨勢(shì)因子,累計(jì)收益達(dá)到14.16;量?jī)r(jià)合成因子的表現(xiàn)最好,累計(jì)收益達(dá)到16.92。因此,綜合利用量?jī)r(jià)趨勢(shì)因子中的有用信息可以提升投資者的投資表現(xiàn)。

圖1 量?jī)r(jià)趨勢(shì)多空組合的累計(jì)收益

4 穩(wěn)健性檢驗(yàn)

4.1 不同計(jì)算窗口的實(shí)證結(jié)果

在上述分析中,對(duì)量?jī)r(jià)趨勢(shì)因子等關(guān)鍵變量的計(jì)算采用的是120天的時(shí)間窗口。為了探究上述結(jié)果是否受到變量計(jì)算窗口的影響,本節(jié)嘗試如下時(shí)間窗口:5、30、60、240和360 天來(lái)計(jì)算量?jī)r(jià)趨勢(shì)因子。表6中的面板A 給出了基于量?jī)r(jià)合成因子構(gòu)建的多空組合的年化收益。可以看到,對(duì)于不同的時(shí)間窗口,多空組合的年化收益均為正值。然而,當(dāng)計(jì)算窗口較短時(shí),如僅用過(guò)去5天的數(shù)據(jù)來(lái)計(jì)算量?jī)r(jià)趨勢(shì),多空組合的收益不再顯著。面板B 考察了不同時(shí)間窗口下,公司規(guī)模6)基于其他信息摩擦代理變量(波動(dòng)率或非流動(dòng)性)的雙變量分組統(tǒng)計(jì)結(jié)果也有類似的結(jié)論對(duì)量?jī)r(jià)多空組合收益的影響。可以看到,公司規(guī)模越小,基于量?jī)r(jià)合成因子構(gòu)建的多空組合收益越高。

表6 不同計(jì)算時(shí)間窗口下合成因子的表現(xiàn)

4.2 不同樣本區(qū)間的實(shí)證結(jié)果

本節(jié)將樣本時(shí)間 2005年8月至2021年6月拆分為 3個(gè)時(shí)間段,即2005-08～2010-12,2011-01～2015-12,2016-01～2021-06,并分階段考察量?jī)r(jià)趨勢(shì)因子對(duì)股票收益率的預(yù)測(cè)能力。表7給出了單個(gè)因子以及合成因子在不同時(shí)段的表現(xiàn)。表7 面板A中的全樣本結(jié)果表明,無(wú)論基于單個(gè)因子還是合成因子,多空組合(L-H)都可以獲得顯著的年化收益率。其中,量?jī)r(jià)合成因子的表現(xiàn)最好,平均年化收益率達(dá)到19%(t=5.20)。面板B和面板D 給出了分樣本的結(jié)果?？梢钥闯?在不同的時(shí)間段,基于量?jī)r(jià)合成因子的多空組合都可以獲得顯著為正的收益率。

表7 不同時(shí)間段量?jī)r(jià)趨勢(shì)因子的表現(xiàn)

圖2直觀地展示了量?jī)r(jià)合成因子在不同時(shí)段的累計(jì)收益率。由圖2可見,在不同的時(shí)間段,基于量?jī)r(jià)趨勢(shì)信息構(gòu)建的多空組合都能獲得穩(wěn)定為正的投資收益。同時(shí),市場(chǎng)的波動(dòng)狀態(tài)對(duì)多空組合也有較大影響。在樣本初期(2005-08～2010-12),中國(guó)股票市場(chǎng)存在較大的波動(dòng),而此時(shí)的信息不確定和不對(duì)稱性較高,因此,基于價(jià)格和成交量的技術(shù)分析可以獲得較高的累計(jì)收益率。而在隨后的兩個(gè)時(shí)間段,隨著中國(guó)股票市場(chǎng)制度的不斷健全,信息不確定性程度有所降低,市場(chǎng)的波動(dòng)呈現(xiàn)遞減的趨勢(shì)。在此期間,股票多空組合的年化收益也有所降低。

圖2 量?jī)r(jià)趨勢(shì)多空組合在不同時(shí)段的累計(jì)收益

5 結(jié)論

本文基于中國(guó)A 股市場(chǎng),采用投資組合方法和Fama-Macbeth方法,考察了量?jī)r(jià)趨勢(shì)對(duì)股票橫截面收益率的預(yù)測(cè)能力。實(shí)證結(jié)果表明,量?jī)r(jià)趨勢(shì)對(duì)股票未來(lái)收益率具有顯著的預(yù)測(cè)能力,成交量或價(jià)格上升趨勢(shì)越強(qiáng)的股票,其未來(lái)的收益率越低。信息摩擦程度對(duì)量?jī)r(jià)趨勢(shì)因子的預(yù)測(cè)能力有顯著影響,對(duì)于市值較小、波動(dòng)率較大和流動(dòng)性較差的股票,其預(yù)測(cè)能力更為顯著。通過(guò)將量?jī)r(jià)趨勢(shì)信息進(jìn)行等權(quán)合成,本文發(fā)現(xiàn)合成后的因子比單個(gè)因子有更好的表現(xiàn)。最后,本文的研究結(jié)果對(duì)于不同的變量計(jì)算窗口、不同樣本區(qū)間和市場(chǎng)狀態(tài)都是穩(wěn)健的,但是隨著市場(chǎng)波動(dòng)程度的降低,股票多空組合的年化收益也有所降低。

本研究對(duì)于理解中國(guó)市場(chǎng)股票定價(jià)效率和市場(chǎng)有效性有一定的啟示意義。一方面,本文發(fā)現(xiàn)量?jī)r(jià)趨勢(shì)因子包含未來(lái)股票橫截面收益率的有用信息,投資者在投資交易時(shí),可以利用量?jī)r(jià)趨勢(shì)信息獲得超額收益;另一方面,本文的研究表明,隨著信息不對(duì)稱程度的增加,量?jī)r(jià)趨勢(shì)因子的預(yù)測(cè)能力更強(qiáng),即股票的信息不對(duì)稱程度是影響股票定價(jià)效率的重要因素。由于信息不對(duì)稱高的股票具備一定的特征(如市值小、流動(dòng)性差、波動(dòng)率高等),從監(jiān)管角度而言,加強(qiáng)這類公司信息披露的質(zhì)量,有助于提高公司信息透明度。另外,何誠(chéng)穎等[44]指出,通過(guò)市場(chǎng)化的融券做空機(jī)制,也能緩解上市公司與投資者之間的信息不對(duì)稱,改善股票市場(chǎng)的定價(jià)效率。

本文后續(xù)還有很多工作值得進(jìn)一步深入研究。首先,現(xiàn)有理論[15,30]和實(shí)證[31,36]研究表明,成交量可以幫助理解價(jià)格反轉(zhuǎn)和價(jià)格動(dòng)量效應(yīng)。Medhat等[36]在美國(guó)股票市場(chǎng)上研究發(fā)現(xiàn),低換手率股票出現(xiàn)了顯著的價(jià)格反轉(zhuǎn),而高換手率股票則表現(xiàn)出價(jià)格動(dòng)量。本文在中國(guó)股票市場(chǎng)上構(gòu)建了簡(jiǎn)單的量?jī)r(jià)合成因子,顯示縮量下跌的股票表現(xiàn)優(yōu)于放量上漲的股票。如何將成交量趨勢(shì)因子和價(jià)格趨勢(shì)因子納入理論模型,并揭示兩者之間的交互影響將是未來(lái)研究的重點(diǎn)。另外,Han等[6]基于不同時(shí)間窗口構(gòu)建了價(jià)格趨勢(shì)因子,并將此納入資產(chǎn)定價(jià)的分析。他們發(fā)現(xiàn),包含趨勢(shì)因子的資產(chǎn)定價(jià)模型可以很好地解釋美股的橫截面收益率。本文發(fā)現(xiàn),在A 股市場(chǎng)上,成交量趨勢(shì)因子提供了額外的預(yù)測(cè)信息,甚至比價(jià)格趨勢(shì)因子具有更強(qiáng)的預(yù)測(cè)能力。如何將成交量趨勢(shì)因子和價(jià)格趨勢(shì)因子結(jié)合并納入現(xiàn)有的資產(chǎn)定價(jià)模型,有待進(jìn)一步研究。