李興有 朱淑慧 柴植曉 王冠棣

（浙江外國(guó)語(yǔ)學(xué)院，浙江 杭州 310023）

一、引言和文獻(xiàn)回顧

20 世紀(jì)70 年代以來(lái)，有效市場(chǎng)假說(shuō)在金融領(lǐng)域一直占據(jù)著重要的地位，該假說(shuō)提出股票的收益率具備隨機(jī)游走和不可預(yù)測(cè)的特點(diǎn)。但是，之后大量的實(shí)證研究證明，金融市場(chǎng)中觀察到的股票收益率并不完全遵循隨機(jī)游走，其走勢(shì)反而存在一定規(guī)律可循。

動(dòng)量效應(yīng)（Momentum Effect）是股票市場(chǎng)中典型的違背有效市場(chǎng)假說(shuō)的現(xiàn)象之一。該效應(yīng)又稱“慣性效應(yīng)”，是指股票的收益率具有類似物理學(xué)中慣性的特點(diǎn)，未來(lái)一段時(shí)間收益率的走勢(shì)將延續(xù)原有的走勢(shì)，過(guò)去一段時(shí)間收益率較高（低）的股票在未來(lái)仍會(huì)維持較高（低）的收益率。Jegadeesh & Titman（1993）研究中就提出，在3～12 個(gè)月的周期內(nèi)收益率表現(xiàn)良好的股票有可能在今后3～12個(gè)月延續(xù)這種表現(xiàn)。這一現(xiàn)象自提出以來(lái)，便一直被學(xué)者和業(yè)界廣泛關(guān)注，對(duì)它的解釋則涉及金融學(xué)、心理學(xué)、社會(huì)學(xué)等多個(gè)學(xué)科和領(lǐng)域，對(duì)于動(dòng)量效應(yīng)的研究無(wú)論在投資領(lǐng)域還是學(xué)術(shù)界都始終是關(guān)注的焦點(diǎn)。Carhart（1997）提出美國(guó)股票市場(chǎng)中的基金收益會(huì)延續(xù)該基金過(guò)去12個(gè)月內(nèi)的表現(xiàn)，由此可以根據(jù)股票過(guò)去12 個(gè)月的收益率構(gòu)建“一年動(dòng)量因子”。Naughton et al.（2008）根據(jù)1995—2005年期間上交所上市股票數(shù)據(jù)研究動(dòng)量投資策略的盈利能力，結(jié)論表明該策略利潤(rùn)可觀并且動(dòng)量效應(yīng)對(duì)于當(dāng)時(shí)市場(chǎng)中的股票回報(bào)率而言是普遍存在的特征。還有很多研究表明動(dòng)量效應(yīng)是金融資產(chǎn)收益率中普遍存在的情況，例如Chui et al.（2010）以及As?ness et al.（2013）的研究都表明在多個(gè)品種的金融資產(chǎn)收益率中普遍存在動(dòng)量效應(yīng)現(xiàn)象。

對(duì)于動(dòng)量效應(yīng)也有很多研究提出相反的意見(jiàn)，如Barroso & Santa（2015）以及Daniel & Moskowitz（2016）等學(xué)者的研究成果就對(duì)股票收益率存在動(dòng)量效應(yīng)提出了不同的意見(jiàn)。他們認(rèn)為市場(chǎng)中存在與動(dòng)量效應(yīng)相反的現(xiàn)象，即收益率會(huì)因反轉(zhuǎn)效應(yīng)而不能維持前期的走勢(shì)，該現(xiàn)象會(huì)導(dǎo)致“動(dòng)量崩潰”。通常在市場(chǎng)行情多變的情況下更容易發(fā)生反轉(zhuǎn)而不是維持動(dòng)量，此時(shí)動(dòng)量策略投資組合會(huì)產(chǎn)生大幅虧損。目前關(guān)于動(dòng)量效應(yīng)的有效性研究并沒(méi)有形成統(tǒng)一的觀點(diǎn)，因此國(guó)內(nèi)外學(xué)術(shù)界與投資界針對(duì)這一現(xiàn)象還在不斷地推進(jìn)更深入的探索。

國(guó)內(nèi)學(xué)者對(duì)于動(dòng)量效應(yīng)也進(jìn)行了很多深入的研究。周琳杰（2002）基于1995—2000年滬深兩地的股票交易數(shù)據(jù)研究發(fā)現(xiàn)，當(dāng)市場(chǎng)中存在做空操作時(shí)，動(dòng)量策略投資組合的收益率與組合的持有期限呈現(xiàn)負(fù)相關(guān)，相關(guān)操作中持有期為一個(gè)月的動(dòng)量策略超額收益效果最好。沈可挺和劉煜輝（2006）提出股票市場(chǎng)的狀況以及個(gè)股的特征是決定動(dòng)量策略有效性的關(guān)鍵，并且動(dòng)量效應(yīng)是否有效還和持有期相關(guān)，在不超過(guò)6 個(gè)月的時(shí)段內(nèi)動(dòng)量效應(yīng)維持顯著有效。國(guó)內(nèi)很多研究也同國(guó)外一樣對(duì)于動(dòng)量效應(yīng)在中國(guó)股票市場(chǎng)中的有效性提出了諸多不同觀點(diǎn)。魯臻和鄒恒甫（2007）的研究認(rèn)為中國(guó)股市中股票收益率的反轉(zhuǎn)效應(yīng)較動(dòng)量效應(yīng)更明顯，并且針對(duì)持有期限不同、公司規(guī)模不同，動(dòng)量效應(yīng)的顯著程度也不同。游家興（2008）以中國(guó)A 股上市公司2000—2007 年數(shù)據(jù)為研究樣本，將動(dòng)量效應(yīng)的成因解釋為投資者對(duì)于市場(chǎng)的反應(yīng)，研究認(rèn)為市場(chǎng)中同時(shí)存在動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)的原因在于機(jī)構(gòu)投資者和個(gè)人投資者的理性不足。潘莉和徐建國(guó)（2011）在研究中將動(dòng)量效應(yīng)的國(guó)內(nèi)外區(qū)別歸因于投資者結(jié)構(gòu)和行為習(xí)慣的不同，A股動(dòng)量效應(yīng)不明顯的原因在于個(gè)人投資者占比低但是交易量大，并且在選股中更傾向于彩票型股票也影響了動(dòng)量效應(yīng)的作用。高秋明等（2014）的研究認(rèn)為A 股市場(chǎng)中動(dòng)量效應(yīng)的顯著程度與持有期密切相關(guān)。此外，對(duì)于成因的解釋，研究提出規(guī)模、賬面市值比和行業(yè)等因素可以解釋約50%的動(dòng)量收益，并提出行為金融理論不能完全解釋中國(guó)股票市場(chǎng)的動(dòng)量效應(yīng)。白顥睿等（2020）認(rèn)為中國(guó)股市存在“T+1”制度下隔夜折價(jià)現(xiàn)象，這導(dǎo)致中國(guó)股票收益率的日內(nèi)收益動(dòng)量、隔夜收益動(dòng)量的相反作用抵消了總體收益的動(dòng)量效應(yīng)，因此對(duì)于中國(guó)股市而言，只存在日內(nèi)動(dòng)量、隔夜動(dòng)量以及由“T+1”制度導(dǎo)致的日內(nèi)與隔夜動(dòng)量的強(qiáng)反轉(zhuǎn)關(guān)系，而不存在月度動(dòng)量效應(yīng)。

通過(guò)先前的諸多研究可以看到，股票市場(chǎng)中的收益率走勢(shì)在一定程度上具有動(dòng)量效應(yīng)是可普遍觀察到的現(xiàn)象，但是在不同的金融市場(chǎng)、金融產(chǎn)品、持有期限等多種因素作用下，動(dòng)量效應(yīng)的顯著程度呈現(xiàn)出巨大的差異。因此關(guān)于動(dòng)量效應(yīng)的具體成因和影響，以及對(duì)于投資組合收益率是否具有正向影響，其研究結(jié)論仍莫衷一是。本文在現(xiàn)有研究基礎(chǔ)上試圖探討動(dòng)量效應(yīng)在中國(guó)股票市場(chǎng)中的表現(xiàn)，并分析市場(chǎng)指數(shù)的風(fēng)險(xiǎn)因子對(duì)動(dòng)量效應(yīng)的有效性具有較好的指示作用。

二、數(shù)據(jù)、模型構(gòu)建與研究設(shè)計(jì)

動(dòng)量效應(yīng)的有效性檢測(cè)主要方法為篩選出收益率良好的投資組合，并檢測(cè)投資組合的收益率在未來(lái)一段時(shí)間是否會(huì)維持良好表現(xiàn)。本文實(shí)驗(yàn)具體步驟借鑒已有研究中關(guān)于動(dòng)量效應(yīng)研究方法，在其基礎(chǔ)之上根據(jù)中國(guó)投資實(shí)踐進(jìn)行一定改進(jìn)。

首先，根據(jù)股票收益率進(jìn)行排序，其中確定收益率需要限定計(jì)算的時(shí)間區(qū)間，該時(shí)間區(qū)間稱為排序期。完成排序后將所得股票收益率序列等分為一定個(gè)數(shù)的投資組合。其次，構(gòu)建動(dòng)量效應(yīng)多空對(duì)沖投資組合，即做多排名靠前的頭部股票組合與做空排名靠后的尾部股票組合。最后，持有該多空對(duì)沖投資組合一定時(shí)間段，結(jié)算獲得動(dòng)量多空對(duì)沖組合收益序列。序列的顯著性以收益率是否顯著大于零的t 檢驗(yàn)確定。在一些研究中還考慮通過(guò)Newey-West方法處理收益率的異方差和自相關(guān)。

本文在上述研究基礎(chǔ)上提出兩點(diǎn)更為貼近中國(guó)股票市場(chǎng)投資實(shí)踐的改進(jìn)：首先，雖然Daniel & Mos?kowitz（2016）研究提出空頭組合貢獻(xiàn)了動(dòng)量多空對(duì)沖組合超過(guò)50%的收益，但是在中國(guó)股票市場(chǎng)中做空存在相當(dāng)難度，除相關(guān)專業(yè)知識(shí)和操作經(jīng)驗(yàn)門檻以外，股指期貨要求個(gè)人投資者連續(xù)五個(gè)交易日保證金賬戶不低于50萬(wàn)。中國(guó)股市非機(jī)構(gòu)投資者2020年股票賬戶平均資產(chǎn)約為59 萬(wàn)，這說(shuō)明對(duì)于非機(jī)構(gòu)投資者而言，難以通過(guò)股指期貨做空市場(chǎng)。同樣，如果以融券作為做空個(gè)股的渠道，則除了資金限制以外，融券自身成本以及出借方不足也使得該渠道缺乏長(zhǎng)期穩(wěn)定操作的可行性。因此，在本文的實(shí)驗(yàn)中去除做空操作，即動(dòng)量效應(yīng)所有收益來(lái)源于做多投資組合的收益。其次，部分研究在統(tǒng)計(jì)動(dòng)量效應(yīng)有效性時(shí)以投資組合收益率序列異于0 的t 檢驗(yàn)為標(biāo)準(zhǔn)，當(dāng)收益率顯著異于0時(shí)則認(rèn)為動(dòng)量效應(yīng)成立。但是，該收益測(cè)算方式有悖于實(shí)際投資情景，絕大部分投資者對(duì)于有效投資策略的判定是該策略至少取得不低于市場(chǎng)整體表現(xiàn)的收益率。例如，近年全球金融市場(chǎng)被動(dòng)式指數(shù)基金ETF 總規(guī)模、增長(zhǎng)均創(chuàng)歷史記錄，這說(shuō)明投資者至少會(huì)認(rèn)可不低于指數(shù)本身走勢(shì)的收益。簡(jiǎn)單地考察收益率序列是否顯著異于0，則忽略了其有可能低于指數(shù)平均收益的情況，在該情況下投資策略幾乎不具有實(shí)踐價(jià)值。因此，本文將動(dòng)量效應(yīng)的效果檢測(cè)定為觀測(cè)當(dāng)期的多頭投資組合收益率是否高于相關(guān)指數(shù)的收益。

本文實(shí)驗(yàn)具體數(shù)據(jù)選擇上證180 指數(shù)及其成分股。所有指數(shù)和成分股相關(guān)數(shù)據(jù)來(lái)源于東方財(cái)富Choice金融終端。具體研究設(shè)計(jì)框架和步驟如下：

第一，禁止做空。考慮中國(guó)股票市場(chǎng)做空股票難度大，對(duì)于大多數(shù)投資者來(lái)說(shuō)缺乏實(shí)操可能，因此在本文的研究中提出不考慮做空操作的限制。

第二，建立動(dòng)量因子投資組合。上證指數(shù)以周收益率為數(shù)據(jù)考察頻度，將所有股票按周收益率排序，取排名最高的10只股票作為投資組合。由于本文實(shí)驗(yàn)設(shè)計(jì)不考慮做空，故只保留多頭策略作為投資組合全部收益，即動(dòng)量效應(yīng)產(chǎn)生的收益。

第三，投資組合更迭。本文研究重點(diǎn)聚焦于指數(shù)的風(fēng)險(xiǎn)因子是否對(duì)于動(dòng)量效應(yīng)的有效性具有影響，因此不對(duì)動(dòng)量效應(yīng)本身做過(guò)多復(fù)雜假設(shè)和檢驗(yàn)。前期動(dòng)量效應(yīng)排序期取1 周，即以1 周的收益率決定成分股排序。持有期取1 周，即每個(gè)投資組合持有1 周。投資組合的收益率即為本周的周收益。同時(shí)做理想假設(shè)，每周的新建投資組合和結(jié)算本周收益發(fā)生在本周交易日最后時(shí)刻點(diǎn)，因此投資組合間不存在持有期重疊，每周只持有一個(gè)投資組合。

第四，動(dòng)量效應(yīng)策略投資組合有效性評(píng)判。上周選取的動(dòng)量投資組合在本周獲得超過(guò)上證180 指數(shù)的平均收益率的收益即認(rèn)為動(dòng)量效應(yīng)策略有效。其中如果二者皆為負(fù)，但動(dòng)量投資組合虧損較少則依然認(rèn)為策略有效。

第五，研究風(fēng)險(xiǎn)因子是否能夠影響動(dòng)量效應(yīng)。根據(jù)步驟1 至4 獲得的投資組合收益率結(jié)果，統(tǒng)計(jì)動(dòng)量效應(yīng)策略是否有效。本文提出的假設(shè)依據(jù)上證180指數(shù)相關(guān)風(fēng)險(xiǎn)因子對(duì)于市場(chǎng)進(jìn)行分類，篩選出動(dòng)量效應(yīng)保持有效和失效的時(shí)間。分類策略選擇非線性的最小二乘支持向量機(jī)（LSSVM）方法。

LIU Wenli, SUN Wei, XIONG Hui, et al. The curing effect of goethite on heavy metal ions in fly ash from waste incineration and mechanism analysis[J]. Conservation and utilization of mineral resources, 2018(6):87-93.

三、實(shí)驗(yàn)與結(jié)果分析

（一）動(dòng)量效應(yīng)檢測(cè)結(jié)果

本文數(shù)據(jù)時(shí)間跨度為2018 年1 月5 日—2021 年11 月30 日的周數(shù)據(jù)，指數(shù)為上證180 指數(shù)及其成分股，指數(shù)的成分股原始數(shù)據(jù)如表1所示。

表1 成分股數(shù)據(jù)

根據(jù)每周收益率排序，選取收益率最高的10 只成分股作為當(dāng)期的動(dòng)量策略投資組合，結(jié)果如表2所示。當(dāng)期投資組合的下期收益率如表3所示。

表2 投資組合當(dāng)期收益數(shù)據(jù)

表3 投資組合下期收益數(shù)據(jù)

最終針對(duì)本文選取的全部201 組數(shù)據(jù)實(shí)施本操作以后，動(dòng)量效應(yīng)策略投資組合收益率超過(guò)當(dāng)期上證180 指數(shù)收益平均收益率的總數(shù)為98 組。即在本文設(shè)定的不存在做空且收益率至少超過(guò)指數(shù)平均收益率的限制條件下，動(dòng)量策略投資組合保持有效的時(shí)間段只占48.8%（98/201）。但是，以收益率角度考慮，2018—2021年上證180指數(shù)從8872.13上漲至9949.76，漲幅為12.15%。統(tǒng)計(jì)同區(qū)間內(nèi)動(dòng)量投資組合的收益率為58.84%。以上結(jié)果表明以動(dòng)量策略維持有效的頻度為衡量標(biāo)準(zhǔn)，則只有約50%的情況下動(dòng)量策略保持其有效性，但是以投資組合的收益率考量，則動(dòng)量效應(yīng)的效果大幅超過(guò)上證180 指數(shù)被動(dòng)投資的效果。這說(shuō)明動(dòng)量策略雖然難以維持其在市場(chǎng)中出現(xiàn)的頻度，但是可以帶來(lái)更多的收益。有鑒于此，本文提出研究動(dòng)量效應(yīng)的成因以及作用機(jī)理不但具有理論價(jià)值而且還具有很強(qiáng)的實(shí)踐意義，一方面可以幫助深入理解市場(chǎng)的特征與收益率之間的關(guān)系，另一方面借助相關(guān)理論預(yù)測(cè)動(dòng)量效應(yīng)的有效性，可以進(jìn)一步提高策略的收益率?？紤]到數(shù)據(jù)之間的復(fù)雜關(guān)系，本文選取常用的非線性分類模型最小二乘支持向量機(jī)（LSSVM）作為相關(guān)研究的工具。

（二）LSSVM訓(xùn)練結(jié)果

選取2018 年第一周到2020 年12 月31 日最后一周共154組投資組合數(shù)據(jù)用于訓(xùn)練LSSVM，剩余數(shù)據(jù)共47 組用于檢驗(yàn)訓(xùn)練結(jié)果，LSSVM 基于Matlab 的SVM 工具箱完成?；谏献C180 指數(shù)的特點(diǎn)和現(xiàn)有研究成果，用于判別市場(chǎng)中動(dòng)量效應(yīng)有效性的指標(biāo)選取了三大類風(fēng)險(xiǎn)因子，分別是：作為交易指標(biāo)的周漲跌幅、周振幅、換手率和成交量；作為超額收益指標(biāo)的180 指數(shù)阿爾法和180 指數(shù)貝塔；作為財(cái)務(wù)指標(biāo)的市盈率、市現(xiàn)率和市凈率。全部數(shù)據(jù)來(lái)源于Choice金融數(shù)據(jù)庫(kù)。將以上指標(biāo)作為輸入指標(biāo)，訓(xùn)練目標(biāo)為當(dāng)期動(dòng)量投資組合是否在下期獲得超過(guò)180 指數(shù)平均收益的超額收益，獲得為1，否則為-1。LSSVM 模型的基本參數(shù)設(shè)置為徑向基核（RBF 內(nèi)核）、交叉驗(yàn)證、梯度下降方法搜索。

完成訓(xùn)練后將驗(yàn)證數(shù)據(jù)輸入模型，輸出結(jié)果為動(dòng)量效應(yīng)投資組合是否會(huì)在下期的數(shù)據(jù)中獲得不低于180 指數(shù)的收益率。初步實(shí)證中分四類情況進(jìn)行訓(xùn)練，取全部9個(gè)風(fēng)險(xiǎn)因子作為輸入和以三類因子分別作為輸入。最終預(yù)測(cè)的結(jié)果如表4所示。

表4 LSSVM預(yù)測(cè)結(jié)果

結(jié)果表明，無(wú)論是將9個(gè)指標(biāo)全部作為分類訓(xùn)練的輸入還是將不同類型的指標(biāo)分別作為訓(xùn)練的輸入，其預(yù)測(cè)正確結(jié)果皆在50%左右，除成交量類因子效果稍微顯著以外，整體上該情況下LSSVM 的分類預(yù)測(cè)效果相對(duì)較差。為了進(jìn)一步驗(yàn)證各種指標(biāo)對(duì)于動(dòng)量效應(yīng)的影響，分別以單獨(dú)的指標(biāo)作為訓(xùn)練LSSVM 的輸入，分別觀察其結(jié)果如表5所示。

表5 LSSVM預(yù)測(cè)結(jié)果

在檢測(cè)單獨(dú)指標(biāo)的分類效果時(shí)可以發(fā)現(xiàn)，有4個(gè)指標(biāo)：周換手率、周成交、阿爾法和市盈率顯示出了一定的效果，其中除阿爾法外的三個(gè)指標(biāo)正確率接近六成，其余指標(biāo)則對(duì)于預(yù)測(cè)效果較差。

（三）實(shí)驗(yàn)結(jié)果總結(jié)

總結(jié)上述實(shí)驗(yàn)結(jié)果可以得出，在施加一定限定條件下基于動(dòng)量效應(yīng)的投資組合收益率依然高于指數(shù)平均收益。依據(jù)指數(shù)平均風(fēng)險(xiǎn)因子對(duì)于動(dòng)量效應(yīng)有效性的預(yù)測(cè)研究，從實(shí)驗(yàn)中可以看出第一組試驗(yàn)中分類預(yù)測(cè)沒(méi)有取得顯著效果，其可能的原因是由于相關(guān)風(fēng)險(xiǎn)因子對(duì)于動(dòng)量效應(yīng)的影響路徑和作用大小并不相同，不同指標(biāo)共同作為輸入數(shù)據(jù)反而對(duì)分類器形成干擾。故為了進(jìn)一步檢驗(yàn)風(fēng)險(xiǎn)因子對(duì)于動(dòng)量效應(yīng)分類預(yù)測(cè)的效果，將不同指標(biāo)分別單獨(dú)和成類別輸入，實(shí)驗(yàn)結(jié)果可以看出有4個(gè)指標(biāo)相對(duì)預(yù)測(cè)正確率較高，分別是換手率、周成交量、指數(shù)平均阿爾法和指數(shù)平均市盈率。

進(jìn)一步驗(yàn)證多指標(biāo)是否會(huì)加強(qiáng)分類預(yù)測(cè)效果，選取效果最好的3 個(gè)指標(biāo)——換手率、市盈率和成交量，實(shí)驗(yàn)結(jié)果顯示3 個(gè)指標(biāo)共同作為訓(xùn)練輸入，其結(jié)果僅有21 個(gè)（44.7%）數(shù)據(jù)預(yù)測(cè)正確。其次以同類型數(shù)據(jù)換手率和成交量作為訓(xùn)練輸入數(shù)據(jù)，實(shí)驗(yàn)結(jié)果為23個(gè)（48.9%）數(shù)據(jù)預(yù)測(cè)正確，最后以不同類型數(shù)據(jù)換手率和市盈率作為輸入，實(shí)驗(yàn)結(jié)果為24個(gè)（51.1%）數(shù)據(jù)預(yù)測(cè)正確。該結(jié)果表明即使是單獨(dú)分類效果較好的指標(biāo)混合作為分類輸入也不會(huì)使得模型得到更好的分類預(yù)測(cè)結(jié)果，并且即使是相同類型（線性相關(guān)程度較高）的指標(biāo)作為輸入數(shù)據(jù)也并不具備增強(qiáng)分類結(jié)果的效果。

此外，本文實(shí)驗(yàn)?zāi)康臑獒槍?duì)動(dòng)量效應(yīng)有效性的預(yù)測(cè)，即檢測(cè)投資組合是否會(huì)在下一個(gè)周期能延續(xù)本周期的走勢(shì)，其中幾個(gè)指標(biāo)取得一定程度的效果。但是，在針對(duì)收益率的檢測(cè)中可以看到實(shí)驗(yàn)效果相對(duì)下降，以預(yù)測(cè)效果最好的4 個(gè)指標(biāo)作為訓(xùn)練模型的數(shù)據(jù)，可以看到其結(jié)果全部高于指數(shù)平均收益率，但是有2 個(gè)指標(biāo)的預(yù)測(cè)收益率最終結(jié)果低于直接運(yùn)用動(dòng)量策略結(jié)果。針對(duì)這一結(jié)果，本文認(rèn)為文中實(shí)驗(yàn)聚焦于動(dòng)量效應(yīng)延續(xù)與否的預(yù)測(cè)，收益率最終結(jié)果除與動(dòng)量效應(yīng)是否延續(xù)之外還與每次收益率具體變動(dòng)相關(guān)，這一目標(biāo)不在LSSVM 訓(xùn)練目的之內(nèi)，故當(dāng)以收益率為考察目標(biāo)時(shí)，實(shí)驗(yàn)呈現(xiàn)出的結(jié)果有所不足。

總結(jié)以上實(shí)驗(yàn)結(jié)果，本文認(rèn)為在眾多指標(biāo)中確實(shí)存在一些相關(guān)指標(biāo)可以預(yù)測(cè)動(dòng)量效應(yīng)的有效性，但是這些指標(biāo)背后蘊(yùn)含的對(duì)于動(dòng)量效應(yīng)的作用機(jī)理和影響路徑是各不相同的，因此如果混合各個(gè)指標(biāo)在同一個(gè)分類模型中未必可以取得良好的效果。

（四）相關(guān)理論與作用路徑分析

本文選擇運(yùn)用指數(shù)的風(fēng)險(xiǎn)因子預(yù)測(cè)動(dòng)量效應(yīng)的有效性，其原因在于風(fēng)險(xiǎn)因子對(duì)于動(dòng)量效應(yīng)具有一定的解釋作用。例如陳智穎等（2019）也持有相同觀點(diǎn)，其認(rèn)為傳統(tǒng)金融學(xué)觀點(diǎn)中的有效市場(chǎng)理論是不可動(dòng)搖的基礎(chǔ)，因此有效市場(chǎng)下動(dòng)量因子應(yīng)該并不存在，所以需要對(duì)于投資市場(chǎng)中確實(shí)存在的動(dòng)量效應(yīng)提出合理化解。以Fama和French為代表的研究者認(rèn)為該現(xiàn)象的原因在于CAPM 模型對(duì)于收益率的刻畫存在不足，并在此基礎(chǔ)之上提出三因子模型，其后秉承這一思路的研究者們的核心思想在于尋求盡可能多的可以解釋股票收益率的因素，并將這些因素添加到模型中，以此完善有效市場(chǎng)假說(shuō)對(duì)于收益率解釋的不足，通過(guò)細(xì)化傳統(tǒng)模型來(lái)化解動(dòng)量效應(yīng)。秉承這一研究思路，本文選取指數(shù)的風(fēng)險(xiǎn)因子作為動(dòng)量效應(yīng)的解釋因素。

本文實(shí)驗(yàn)中，分類預(yù)測(cè)效果最高的三個(gè)指標(biāo)分別是換手率、成交量和市盈率，其中換手率和成交量相關(guān)度較高并且為同一類風(fēng)險(xiǎn)因子。此類風(fēng)險(xiǎn)因子對(duì)于動(dòng)量效應(yīng)的影響根源在于交易本身，例如Bernstein（2013）提出的觀點(diǎn)認(rèn)為股票價(jià)格會(huì)呈現(xiàn)周期性的動(dòng)量效應(yīng)與反轉(zhuǎn)效應(yīng)，其原因在于投資者周期性的交易熱情導(dǎo)致的對(duì)股票的追捧。同時(shí)，本文認(rèn)為實(shí)驗(yàn)中體現(xiàn)出的動(dòng)量失效也源于交易，其原因在于市場(chǎng)中的交易未必整齊劃一，因此交易行為本身也會(huì)成為破壞動(dòng)量效應(yīng)的因素。例如魯臻和鄒恒甫（2007）的研究也認(rèn)為我國(guó)股市的噪聲交易太多、過(guò)度交易嚴(yán)重，反轉(zhuǎn)效應(yīng)相對(duì)于動(dòng)量效應(yīng)要更明顯一些。Liu et al.（2011）則在研究中將動(dòng)量效應(yīng)不足歸因于換手率，認(rèn)為如果在月度頻率上不能獲得正反饋交易則會(huì)導(dǎo)致動(dòng)量效應(yīng)失效，而由于中國(guó)股市的投資者持有股票的平均時(shí)間只有兩個(gè)月，不足以形成正反饋。鄧學(xué)斌等（2021）的研究采取分組的方法進(jìn)行檢驗(yàn)，高換手率股票與低換手率股票之間表現(xiàn)出不同的特征，動(dòng)量效應(yīng)更傾向于表現(xiàn)在低換手率的股票中，而反轉(zhuǎn)效應(yīng)更多地出現(xiàn)在高換手率的股票中。

上述的一些研究雖然推導(dǎo)出兩種相悖的結(jié)論，但是目前研究認(rèn)為交易行為本身及其存在的特點(diǎn)會(huì)對(duì)動(dòng)量產(chǎn)生影響。結(jié)合本文的實(shí)驗(yàn)結(jié)果可以看到，作為與成交相關(guān)的兩個(gè)指標(biāo)，成交量和換手率對(duì)于動(dòng)量效應(yīng)具有顯著的分類預(yù)測(cè)效果，其實(shí)驗(yàn)結(jié)果與先前的研究具有一致性。為了進(jìn)一步驗(yàn)證該理論的正確性，可以選取簡(jiǎn)單方法檢測(cè)動(dòng)量效應(yīng)的有效性和成交指標(biāo)之間的關(guān)系。由于成交量與換手率相關(guān)性較高，因此以成交量為代表將成交量排序，全部數(shù)據(jù)為201 組，由高到低分3 份。統(tǒng)計(jì)每一份中動(dòng)量效應(yīng)保持有效的數(shù)量，分別為38、29、31。可以看到，以成交量排序的數(shù)據(jù)中，動(dòng)量效應(yīng)有效性數(shù)據(jù)呈現(xiàn)出顯著的不同，交易量最高的組動(dòng)量效應(yīng)保持有效的數(shù)量也最多。以上檢測(cè)結(jié)果也和前文的實(shí)驗(yàn)以及理論假設(shè)形成一致性。

本文的實(shí)驗(yàn)中除成交相關(guān)指標(biāo)影響顯著外，市盈率同樣是影響顯著的指標(biāo)，市盈率由股票價(jià)格和收益率共同決定，其作用的理論依據(jù)在于價(jià)格和收益率對(duì)動(dòng)量效應(yīng)的影響。如李小勝等（2019）的研究以2008—2018 年A 股的周度交易數(shù)據(jù)和季度財(cái)務(wù)數(shù)據(jù)為研究對(duì)象，通過(guò)因子模型研究表明：我國(guó)股票市場(chǎng)存在顯著的個(gè)股動(dòng)量效應(yīng)和行業(yè)動(dòng)量效應(yīng)，股票價(jià)格動(dòng)量與公司未來(lái)盈利在短期和長(zhǎng)期內(nèi)都存在顯著的正相關(guān)關(guān)系。此外，王志強(qiáng)等（2006）的研究提出大盤（高價(jià)和低換手率的股票）相對(duì)于小盤（低價(jià)和高換手率的股票）具有更高的動(dòng)量效應(yīng)收益，為了獲得顯著的動(dòng)量收益應(yīng)該選擇大盤，即高價(jià)和低換手率特征構(gòu)建的套利組合。

市盈率的決定因素是價(jià)格和盈利狀況，盈利狀況以季度（季報(bào)）為頻率發(fā)布，變化頻率慢。本文認(rèn)為周市盈率的變化更多地體現(xiàn)了相同盈利狀況下價(jià)格的變化，因此短期內(nèi)二者之間的關(guān)系更多反映的是價(jià)格對(duì)于動(dòng)量效應(yīng)的影響。秉承上述研究結(jié)論和思路，相同收益下價(jià)格變化表明市場(chǎng)對(duì)于股票的認(rèn)可，因此高市盈率將有更高的動(dòng)量效應(yīng)。同樣使用與上面類似的處理方法，將所有數(shù)據(jù)按照市盈率降序排列分三等份，統(tǒng)計(jì)每份動(dòng)量效應(yīng)的有效性，市盈率最高的分組動(dòng)量效應(yīng)維持有效為33組，中間組維持有效為36組，市盈率最低組維持有效為29 組。結(jié)論表明，在價(jià)格相對(duì)較高的組別中動(dòng)量效應(yīng)更為明顯，這一簡(jiǎn)單結(jié)論也與前文的實(shí)驗(yàn)和理論推測(cè)基本一致。

（五）穩(wěn)健性檢測(cè)

前文實(shí)驗(yàn)中依據(jù)相關(guān)理論，對(duì)于動(dòng)量效應(yīng)是否保持有效性進(jìn)行分類預(yù)測(cè)，考慮到因變量與自變量之間關(guān)系復(fù)雜性，本文選取常用的分類模型支持向量機(jī)（SVM）進(jìn)行測(cè)度。為了證實(shí)變量之間關(guān)系的穩(wěn)定性，本節(jié)選取BP 神經(jīng)網(wǎng)絡(luò)驗(yàn)證變量間關(guān)系。BP 神經(jīng)網(wǎng)絡(luò)依據(jù)Matlab 神經(jīng)網(wǎng)絡(luò)工具箱搭建，訓(xùn)練函數(shù)、學(xué)習(xí)函數(shù)和性能函數(shù)默認(rèn)為10層，傳輸函數(shù)為logsig。和前文相同，154 組用于訓(xùn)練網(wǎng)絡(luò)，其余47 組用于驗(yàn)證訓(xùn)練結(jié)果。本文選取換手率、成交量、周振幅和市盈率作為檢驗(yàn)指標(biāo)，最終結(jié)果如下：換手率分類預(yù)測(cè)正確27 組，數(shù)據(jù)正確率為57.4%，阿爾法分類預(yù)測(cè)正確22 組，數(shù)據(jù)正確率為46.8%；成交量分類預(yù)測(cè)正確29組，數(shù)據(jù)正確率為61.7%；市盈率分類預(yù)測(cè)正確26組，數(shù)據(jù)正確率為55.3%；周振幅分類預(yù)測(cè)正確22 組，數(shù)據(jù)正確率為46.8%；換手率和市盈率二者組合分類預(yù)測(cè)正確24組，數(shù)據(jù)正確率為51.1%；換手率、市盈率和成交量三者組合分類預(yù)測(cè)正確28 組，數(shù)據(jù)正確率為59.6%。

整體上BP 神經(jīng)網(wǎng)絡(luò)的結(jié)果與LSSVM 比較近，但是也存在一定的差異性。兩個(gè)非線性模型的相同之處是風(fēng)險(xiǎn)因子都展現(xiàn)出對(duì)于動(dòng)量效應(yīng)有效性的影響，不同點(diǎn)在于在LSSVM中顯示出較好效果的指數(shù)平均阿爾法在BP 神經(jīng)網(wǎng)絡(luò)中效果不佳，而且在LSSVM 中多因子結(jié)合效果不佳，在BP 神經(jīng)網(wǎng)絡(luò)中則普遍效果良好。

四、研究結(jié)論

與以往研究不同，在對(duì)投資組合建立和收益評(píng)估設(shè)定一定限定條件之后，中國(guó)股市依然具備一定程度的動(dòng)量效應(yīng)。在研究區(qū)間中雖然動(dòng)量效應(yīng)投資組合獲得了更高的收益，但是其并未表現(xiàn)出持續(xù)的有效性。因此，如果在實(shí)踐中能夠預(yù)測(cè)出收益率是否依然保持其運(yùn)動(dòng)趨勢(shì)將會(huì)使基于動(dòng)量效應(yīng)的投資策略具有極大提升。

依據(jù)以往的研究理論，多種因素具有對(duì)于動(dòng)量效應(yīng)的解釋能力。本文依據(jù)指數(shù)的風(fēng)險(xiǎn)因子并結(jié)合非線性的LSSVM模型預(yù)測(cè)當(dāng)前市場(chǎng)環(huán)境下動(dòng)量效應(yīng)是否保持有效性，實(shí)驗(yàn)結(jié)果表明依據(jù)風(fēng)險(xiǎn)因子的非線性模型對(duì)于動(dòng)量效應(yīng)的持續(xù)性有一定的預(yù)測(cè)效果。這一結(jié)果以及后面的穩(wěn)健性檢測(cè)結(jié)果都體現(xiàn)出指數(shù)的風(fēng)險(xiǎn)因子確實(shí)對(duì)于動(dòng)量效應(yīng)具有一定的解釋力。這不僅加深了對(duì)于動(dòng)量效應(yīng)的理解、推進(jìn)相關(guān)理論研究，而且依據(jù)預(yù)測(cè)結(jié)果可以在一定程度上提升動(dòng)量策略投資組合的實(shí)踐表現(xiàn)。

當(dāng)然，本文也注意到與傳統(tǒng)的線性模型不同，LSSVM 或者BP 神經(jīng)網(wǎng)絡(luò)的最終結(jié)果不盡相同，并且由于這類模型的“黑箱”特點(diǎn)使得深入理解變量之間的準(zhǔn)確聯(lián)系相對(duì)傳統(tǒng)理論和模型較為困難。因此，在未來(lái)研究中對(duì)于非線性模型選擇和具體參數(shù)的設(shè)定需要給予更多關(guān)注，并且基于該思路和方法來(lái)進(jìn)行研究還有更多需要細(xì)致、深入探討的地方。