中国股市动量及反转投资策略研究

5.2 短期反转策略研究

　　5.2.1 样本数据及研究方法

　　（一）样本数据描述

　　本章样本数据来源于上海万德（WIND）资讯数据库系统，该数据库系统广泛被基金公司、证券公司等专业机构所采用，数据来源较为可靠并且较为完整。本文采用了万德系统的A股日交易数据，其中个股价格数据以上市日为基点向后复权，考虑了分红、送配及增发等对股价的影响，在时间上具有可比性和一致性。

　　样本期为1995年1月至2004年6月，对样本期的选取出于如下考虑：其一，由于沪深股市自95年1月1日起交易制度由“T+0”改为“T+1”，可能导致市场短期交易行为发生重大变化，因此选取95年以后的样本数据可保证不受交易制度变更的影响，同时保证了成交量（换手率）度量的一致性；其二，样本期包括了中国股市的相对牛市期（95年至2001年上半年）及相对熊市期（自2001年下半年起），以避免实证结果出现时段依赖性。

　　样本股为沪深股市所有上市A股，其中剔除了ST、PT类上市公司及深圳中小企业板上市公司，为排除新股上市初期异常收益的干扰，新股上市第一个月的交易数据亦被剔除。计算周收益的价格数据为A股日复权价格数据，所有收益率均考虑了现金红利的再投资，对成交量的度量采用了换手率数据，市场组合则由沪深股市所有上市A股构成。与国外相关研究类似（JT，1995等），我们计算周收益时以周四为第一个交易日，下周三为最后一个交易日，如下周三数据缺失则以周二为最后一个交易日，以此类推，如果一周交易数据少于3日，则该周数据予以剔除，如此界定可避免市场中可能存在的“周一效应”及“周末效应”对实证结果的干扰。最后，与LM（1990）及JT（1995）等一致，为消除由于小样本数据可能导致的向下有偏性，我们要求样本股至少有52周以上的连续交易周。

　　（二）研究方法

　　1.LM反转策略构建方法

　　LM（1990）反转策略具有两个显著的特点：其一，针对全部样本股进行操作，同时赋予极端收益个股更大的权重，而并非只关注极端的输家与赢家组合，因此减少了异常值影响，在统计上具有很好的稳健性。其二，更重要的是，LM策略为反转（动量）收益分解提供了基础框架，因而在收益来源分析时被广泛采用（如Conrad和Kaul，1998；Lewellen，2002等）。LM反转策略中输家与赢家的划分按照个股相对于等权市场组合的超额收益率，其中个股权重由（5.1）式决定：

　　（5.1）

　　上式中 为个股t期权重，为该股t-1期收益率，为等权市场组合t-1期收益率，N为个股总数。由于=0，因此该策略构建了一个零投资的套利组合，该组合t期总收益 与多头（空头）总投资 分别由（5.2）式和（5.3）式决定：

　　（5.2）

　　（5.3）

　　2.JT收益分解框架

　　JT（1995）将影响个股收益的信息分为市场公共信息与公司特有信息，并假定个股收益由下式单因子模型驱动：

　　（5.4）

　　上式中 为个股无条件期望回报，为未预期的共同因子回报（与JT等相一致，本文中 由流通市值加权市场组合 刻划），为相应因子载荷（Beta），反映个股收益受当前和滞后市场公共信息影响敏感性，为个股回报特质因子（specific component），反映公司特有信息对收益影响。根据（5.4）式，反转策略期望收益 可分解为以下三部分：

　　（5.5）

　　其中：（5.6）

　　（5.7）

　　（5.8）

　　以上（5.5）-（5.8）式中：为期望收益的截面方差，可视为共同因子无法刻划的额外风险，将减少反转收益（增加动量收益）；为个股回报特质因子一阶自协方差的截面均值，即自相关结构，由股价对公司特有信息（firm-specific information）的反应决定，如果股价对公司特有信息反应过度，则 为负，反之如果股价反应不足，则 为正；为共同因子无条件回报方差与当前及滞后Beta交叉序列协方差截面均值的乘积，反映“领先-滞后”（lead-lag）效应，若＜0，则“领先-滞后”结构对反转策略收益贡献为正，反之为负。

　　5.2.2 LM（1990）反转策略及JT（1995）收益分解

　　（一）策略收益

　　显示，中国股市以一周为组合形成期与持有期时，表现出强烈的收益反转：（1）除最大规模组合外，其余4个规模组合及全部样本组合周收益均值和周投资回报率均值皆在5%的统计水平上显著。策略周回报率最高达到0.57%，具有经济意义上的重要性，这一发现与LM（1990）、JT（1995）等一致；（2）赢家组合与输家组合基本都呈现收益反转特征，然而输家组合收益反转最为强烈，其周收益均值皆在10%的统计水平上显著，是策略收益的主要贡献者，这一结果表明国内投资者对可能导致股价下跌的（坏）消息更易产生过度反应；（3）收益反转强度与组合规模相关，小市值组合反转最为强烈，随着规模增加，反转收益呈现一定下降趋势，最大规模组合则基本不呈现反转特征，这一结果在LM（1990）和JT（1995）中亦被观察到。对于短期收益反转体现出的规模效应，LM（1990）等认为一个可能的解释来自于市场微观结构（market microstructure），即由于小规模个股缺乏流动性，因而容易产生大的买卖报价反弹（bid-ask bounce）及非同步交易。然而中国股市有其特殊性，小规模公司往往交易更活跃、换手率更高，基本不存在流动性缺失的问题，因此本文认为这一结果更有可能是由于国内股市小市值个股更易受到“庄家”操纵、“噪声交易者”或正反馈交易者“羊群行为”以及时常充斥的各类消息（谣言）迅速扩散的影响，因而对公司特有信息相关的过度反应最强烈。

　　注：Small，2，3，4，Large 分别为5个规模组合（规模组合划分以每年年初流通市值为标准），Full为样本期全部样本组合。为反转策略周收益均值，R为经（3）式调整的周投资回报率均值，分别为赢家与输家周收益均值。括号内为经Newey-West调整的t值，表示5%的统计显著性水平，表示10%的统计显著性水平。

　　（二）参数敏感性分析

　　（三）收益分解

　　显示，在JT（1995）反转收益分解的3个来源中：（1）为正值，对反转收益产生负的贡献，其平均相对贡献为-33%，并不对反转收益构成大的影响；（2）规模组合1、2、3及全样本组合 为正值，对反转收益产生负的贡献，规模组合4、5的 虽为负值，但对反转收益相对贡献仅为6%和2%，证明“领先-滞后”结构并不是反转收益的主要来源；（3）则全部为负值，因而对反转收益产生正的贡献，并且在规模组合1、2、3及全样本组合中是反转收益唯一来源，其平均相对贡献达到106.66%，是反转收益主要贡献部分。总之，上述发现均表明，中国股市短期收益反转并非由于对市场公共信息反应不同所导致的“领先-滞后”结构驱动，对公司特有信息的反应过度是其最主要来源，这一结果与JT（1995）、Conrad和Kaul（1998）等相一致。

　　（四）鲁棒性检验

　　我们将全部样本期1995.01 2004.06划分为两个子样本期1995.01 1999.12、2000.01 2004.06分别进行了鲁棒性检验，、的检验结果与基本类似（由于篇幅所限，此处只列出了3个规模组合与全样本组合），进一步表明了本文结果的稳健性，此外我们还将反转组合形成期与持有期间隔一天，以消除潜在买卖报价反弹的影响，结果亦基本类似，在此不再赘述。

　　注：Small，3，Large 分别来自5个规模组合（规模组合划分以每年年初流通市值为标准），Full为样本期全部样本组合。表中第2列括号内为经Newey-West调整的t值，其余3列括号中数字为各部分对反转收益的相对贡献度。表示5%的统计显著性水平，表示10%的统计显著性水平。

　　5.2.3 短期反转的成交量效应

　　（一）研究设计

　　在JT（1993），Conrad，Hameed和Niden（1994）及Lee和Swaminathan（2000）等人的研究基础上，本文采用将收益率及成交量冲击进行复合分组的技术，考察了短期价格反转的成交量效应：（1）每周根据上周收益率大小将个股平均分为N1组，其中历史收益率最小组合定义为输家组合（loser），历史收益率最大组合定义为赢家组合（winner）；（2）在输家和赢家组合内分别按照成交量冲击的大小再平分为N2组，其中成交量冲击最大组合定义为高量组合（high），最小组合定义为低量组合（low）；（3）持有上述组合一周。这样共形成了N1 N2个策略组合，我们只关注由8个极端组合构成的4组典型策略：（1）高量赢家组合与高量输家组合构成的WH-LH策略；（2）低量赢家组合与低量输家组合构成的WL-LL策略；（3）高量赢家组合与低量赢家组合构成的WH-WL策略4）高量输家组合与低量输家组合构成的LH-LL策略。

　　我们对成交量冲击的定义与Conrad，Hameed和Niden（1994）类似，为本期换手率相对于滞后m阶换手率均值的百分比变化即（5.10）式，不同之处在于Conrad，Hameed和Niden（1994）中为t期成交笔数，而本文中为换手率（因国内股市为指令驱动型市场，并非做市商制）。

　　（5.9）

　　上式中表示成交量冲击，表示换手率，m表示滞后阶数，可分别取值1，4，52.

　　（二）实证结果及分析

　　由于极端市值规模个股易产生异常波动，因此在规模分组时剔除了5%的极端市值样本股，报告了按3 3二维分组的策略结果。

　　显示，高量策略与低量策略有着明显不同的策略表现：（1）从策略层次分析，在各个规模组合及全部样本组合中，WH-LH策略和WL-LL策略（除最大规模组合外）都取得了显著为正的收益率，策略收益与组合规模成反比，最小规模组合有着最高的反转收益；高量策略的反转收益明显大于低量策略，且具有更高的统计显著性。从组合层次分析，输家组合反转强度明显强于赢家组合，并且高量组合赢家与输家反转强度皆大于低量组合；（2）从策略层次分析，在各个规模组合及全部样本组合中，WH-WL策略都获得了显著为正的收益率，而LH-LL策略收益不具有统计显著性；从组合层次分析，WH-WL策略收益主要来自于高量赢家组合的强烈反转，而LH-LL策略由于高量、低量组合同时呈现较强反转，因此总体收益不具有统计显著性。这一结果与Conrad，Hameed和Niden（1994）有所不同，Conrad，Hameed和Niden（1994）发现高量组合经历显著的收益反转，而低量组合则表现出收益惯性，这一差别亦反映了中国股市具有一定特殊性。

　　上述分析显示，引入成交量（冲击）后，短期反转策略得到了明显优化，高成交量组合经历更强烈的反转证明成交量对短期收益确实具有很强的预测力。各个规模组合中策略收益的不同表现，进一步表明成交量并非仅仅作为一个流动性指标，其含有的信息内容与规模所代表的信息内容并不完全相同。结合股价对公司特有信息的过度反应及成交量效应，我们认为DeLong（1990）关于正反馈交易和Hong和Stein（1999）信息逐渐扩散的行为模型对短期价格反转都具有一定解释力：国内股市存在大量从事短线交易的正反馈交易者（positive feedback trader）或动量交易者（momentum trader），他们的投资行为往往表现为“追涨杀跌”及“羊群行为”，成交量（冲击）则指示了正反馈交易的强度和信息扩散的程度，大的成交冲击表明短期大量的正反馈交易及信息（谣言）的迅速扩散，引发强烈的“追涨杀跌”及“羊群行为”，从而产生短期过度反应并导致随后的收益反转。此外，由于中国股市的特殊性，短期反转的成交量效应可能因国内股市普遍存在的“庄家”操纵而进一步强化，即“庄家”为达到顺利出货或打压震仓的目的，通常散布一些个股的所谓利好利坏消息，并制造虚假的交易量吸引跟风者或技术分析者的加入，由此导致股价短期的过度反应。

　　在鲁棒性检验中，我们还就m=4，52，5 3、5 5复合分组以及将样本期划分为二个不同子样本期的情况分别进行检验，结果与类似，因篇幅所限不再赘述。