張 燃, 陳少霞

(北京科技大學(xué) 經(jīng)濟(jì)管理學(xué)院, 北京 100083)

一、問(wèn)題的提出

資本市場(chǎng)作為重要的要素和資源市場(chǎng),是現(xiàn)代金融體系的核心組成部分。黨的二十大明確指出,健全資本市場(chǎng)功能,提高直接融資比重,進(jìn)一步彰顯資本市場(chǎng)在市場(chǎng)資源配置中的關(guān)鍵作用。然而,由于市場(chǎng)流動(dòng)性偏低、投資者結(jié)構(gòu)不合理等因素,我國(guó)資本市場(chǎng)發(fā)展尚不平衡,并表現(xiàn)出種種“異象”,嚴(yán)重制約了市場(chǎng)功能的發(fā)揮。特定時(shí)期,股票價(jià)格持續(xù)波動(dòng),引發(fā)投資者情緒的廣泛波動(dòng),對(duì)金融市場(chǎng)穩(wěn)定構(gòu)成一定威脅。由此可見(jiàn),對(duì)中國(guó)股票市場(chǎng)“價(jià)格異象”成因的討論具有重要的現(xiàn)實(shí)意義,有助于深刻理解資本市場(chǎng)運(yùn)行規(guī)律,守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)底線。

動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)是資本市場(chǎng)最常見(jiàn)的“異象”之一,即股票過(guò)去的價(jià)格會(huì)對(duì)未來(lái)價(jià)格具有預(yù)測(cè)能力。Jegadeesh &Titman[1]等的研究較早地發(fā)現(xiàn)了國(guó)際資本市場(chǎng)普遍存在動(dòng)量和反轉(zhuǎn)特征,投資者利用上述特征可以獲得可觀的收益。動(dòng)量和反轉(zhuǎn)效應(yīng)受到了學(xué)術(shù)界的持續(xù)廣泛關(guān)注,傳統(tǒng)的金融理論以及前沿的行為金融理論都對(duì)上述現(xiàn)象給出了諸多解釋。值得一提的是,隨著對(duì)動(dòng)量和反轉(zhuǎn)效應(yīng)的深入探索,行為金融學(xué)的理論體系逐漸完善,產(chǎn)生了正反饋交易假說(shuō)、保守偏差及代表性偏差、過(guò)度自信等一系列理論,對(duì)資本市場(chǎng)“價(jià)格異象”的解釋日益深刻。基于風(fēng)險(xiǎn)視角的闡釋是傳統(tǒng)理論分析的延伸,這類(lèi)文獻(xiàn)將收益的持續(xù)性與風(fēng)險(xiǎn)的持續(xù)性聯(lián)系起來(lái),證實(shí)了回報(bào)率的可預(yù)測(cè)性源于風(fēng)險(xiǎn)的可預(yù)測(cè)性[2]。隨著學(xué)術(shù)界對(duì)金融市場(chǎng)價(jià)格風(fēng)險(xiǎn)的研究取得里程碑式的進(jìn)展,即利用自回歸條件異方差(ARCH)模型[3]及廣義自回歸條件異方差(GARCH)模型[4]刻畫(huà)股票回報(bào)率的波動(dòng)聚束(聚集)現(xiàn)象①,對(duì)收益持續(xù)性與風(fēng)險(xiǎn)持續(xù)性的研究逐漸深入。資產(chǎn)價(jià)格波動(dòng)的持續(xù)性可能會(huì)由很多原因?qū)е?。例?影響資產(chǎn)價(jià)格的信息披露過(guò)程是逐步完成的;又如,市場(chǎng)參與者對(duì)信息的感知亦隨著時(shí)間的變化由淺及深,并逐漸調(diào)整其決策行為。當(dāng)資產(chǎn)價(jià)格的波動(dòng)表現(xiàn)出長(zhǎng)持續(xù)性時(shí),風(fēng)險(xiǎn)溢價(jià)的慣性或許會(huì)更為強(qiáng)勁。那么,資產(chǎn)價(jià)格的波動(dòng)持續(xù)與動(dòng)量效應(yīng)或反轉(zhuǎn)效應(yīng)是否存在某種關(guān)系,這種關(guān)系是否相輔相成,對(duì)上述問(wèn)題的回答有助于從全新的視角探索動(dòng)量效應(yīng)或反轉(zhuǎn)效應(yīng)的形成機(jī)理。

需要注意的是,中國(guó)和美國(guó)的股票市場(chǎng)存在巨大差異,因此不能以國(guó)外文獻(xiàn)的經(jīng)驗(yàn)做法直接套用于處理中國(guó)市場(chǎng)。與美國(guó)相比,中國(guó)股票市場(chǎng)散戶投資者占比大②,換手率高③,交易行為易受投資者情緒影響,動(dòng)量效應(yīng)在中國(guó)A股市場(chǎng)總體表現(xiàn)不佳[5-8]。同時(shí),在一個(gè)換手率極高、短期動(dòng)量不足的市場(chǎng)中,波動(dòng)持續(xù)性對(duì)股票回報(bào)率的影響可能會(huì)有獨(dú)特的表現(xiàn),但已有文獻(xiàn)在上述領(lǐng)域尚存空白?；诖?本文以2005—2021年我國(guó)A股市場(chǎng)上市公司作為研究對(duì)象,實(shí)證檢驗(yàn)了股價(jià)波動(dòng)持續(xù)性與股票預(yù)期收益之間的關(guān)系,以及波動(dòng)持續(xù)性對(duì)動(dòng)量效應(yīng)或反轉(zhuǎn)效應(yīng)的影響。具體而言,與陳淼鑫、黃振偉[9]基于GPH估計(jì)法滾動(dòng)測(cè)算我國(guó)股票長(zhǎng)記憶性的研究不同,本文針對(duì)個(gè)股回報(bào)率建立EGARCH模型,用“GARCH系數(shù)”的絕對(duì)值度量股價(jià)波動(dòng)持續(xù)性,根據(jù)股價(jià)波動(dòng)持續(xù)性大小將樣本分組,并建立投資組合檢驗(yàn)股價(jià)波動(dòng)持續(xù)性與預(yù)期收益在時(shí)間序列上的關(guān)系;同時(shí),通過(guò)混同橫截面回歸研究股價(jià)波動(dòng)持續(xù)性對(duì)未來(lái)個(gè)股回報(bào)率的解釋能力。在此基礎(chǔ)上,對(duì)中國(guó)A股市場(chǎng)動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)的特征事實(shí)進(jìn)行識(shí)別,根據(jù)股價(jià)波動(dòng)持續(xù)性與股價(jià)過(guò)去表現(xiàn)進(jìn)行分組,研究股價(jià)波動(dòng)持續(xù)性與動(dòng)量或反轉(zhuǎn)效應(yīng)之間的關(guān)系④,并利用GARCH 模型對(duì)股價(jià)波動(dòng)持續(xù)性的測(cè)算結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。

本文通過(guò)對(duì)波動(dòng)持續(xù)性與股票回報(bào)率關(guān)系的實(shí)證檢驗(yàn),從波動(dòng)持續(xù)性的角度闡釋了中國(guó)A股市場(chǎng)存在“反轉(zhuǎn)效應(yīng)”的原理,對(duì)認(rèn)識(shí)中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)持續(xù)性和收益持續(xù)性的關(guān)系提供了全新視角,具有一定的理論價(jià)值。同時(shí),正如前文所述,本文的研究對(duì)了解資本市場(chǎng)運(yùn)行規(guī)律、提升投資組合業(yè)績(jī)和風(fēng)險(xiǎn)管理效果都具有重要的實(shí)踐意義。

二、文獻(xiàn)綜述

(一)股價(jià)波動(dòng)率與股票預(yù)期回報(bào)的關(guān)系

關(guān)于股價(jià)波動(dòng)率與預(yù)期回報(bào)之間的早期研究只考慮系統(tǒng)性風(fēng)險(xiǎn)的影響,認(rèn)為個(gè)股回報(bào)率與波動(dòng)率正相關(guān)。Ang et al.[10]借助Fama-French三因子模型計(jì)算個(gè)股特質(zhì)波動(dòng)率,指出特質(zhì)波動(dòng)率更高的股票在未來(lái)預(yù)期收益更低,該現(xiàn)象又被稱(chēng)為“特質(zhì)波動(dòng)率異象”。上述發(fā)現(xiàn)打破了傳統(tǒng)理論的解釋框架,在資產(chǎn)定價(jià)的實(shí)證研究領(lǐng)域引起較為激烈的討論。Fu[11]等則提出了相反的看法,他們認(rèn)為Ang et al.[10]發(fā)現(xiàn)的負(fù)相關(guān)性源于樣本中少量的高特質(zhì)波動(dòng)率股票的回報(bào)率反轉(zhuǎn)效應(yīng)以及特殊時(shí)期極端值的影響。在剔除極端值以后,特質(zhì)波動(dòng)率和回報(bào)率之間依然是正相關(guān)關(guān)系。事實(shí)上,特質(zhì)波動(dòng)率與預(yù)期回報(bào)率之間的關(guān)系會(huì)受到多種因素的影響,因此很難有定論[12]。

Bali et al.[13]和Hou &Loh[14]的研究都發(fā)現(xiàn),投資者對(duì)“彩票型股票”的偏好是“特質(zhì)波動(dòng)率異象”的一個(gè)主要原因。較高的特質(zhì)波動(dòng)率常常被視為有礙套利的因素之一。基于這一出發(fā)點(diǎn),Stambaugh et al.[15]從套利風(fēng)險(xiǎn)和套利不對(duì)稱(chēng)性兩個(gè)角度對(duì)“特質(zhì)波動(dòng)率異象”之謎進(jìn)行了研究,建立了特質(zhì)波動(dòng)率、套利風(fēng)險(xiǎn)以及錯(cuò)誤定價(jià)三者之間的聯(lián)系,并認(rèn)為特質(zhì)波動(dòng)率高的股票,套利風(fēng)險(xiǎn)也高,因此錯(cuò)誤定價(jià)難以被消除。套利不對(duì)稱(chēng)性造成高估值股票中特質(zhì)波動(dòng)率和回報(bào)率的負(fù)相關(guān)強(qiáng)于低估值股票中特質(zhì)波動(dòng)率和回報(bào)率的正相關(guān),因而導(dǎo)致截面上出現(xiàn)特質(zhì)波動(dòng)率和回報(bào)率的負(fù)相關(guān)現(xiàn)象。Cao et al.[16]則發(fā)現(xiàn),特質(zhì)波動(dòng)率異象存在顯著的“日歷效應(yīng)”,特質(zhì)波動(dòng)率與下一個(gè)月回報(bào)率的負(fù)相關(guān)性主要出現(xiàn)在當(dāng)月的第三周。

也有部分學(xué)者認(rèn)為,股票價(jià)格中并不包含股票的異質(zhì)性風(fēng)險(xiǎn)。例如,Brockman &Yan[17]發(fā)現(xiàn),特質(zhì)波動(dòng)率呈現(xiàn)隨時(shí)間逐漸降低的趨勢(shì),等權(quán)重加權(quán)或市值加權(quán)的特質(zhì)波動(dòng)率均不會(huì)對(duì)市場(chǎng)收益產(chǎn)生影響。針對(duì)中國(guó)資本市場(chǎng)的研究則發(fā)現(xiàn),中國(guó)股票市場(chǎng)的異質(zhì)性風(fēng)險(xiǎn)與未來(lái)股票收益之間存在負(fù)相關(guān)關(guān)系[18]。

(二)動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)的影響因素

學(xué)術(shù)界對(duì)動(dòng)量效應(yīng)、反轉(zhuǎn)效應(yīng)的理論闡釋主要有兩類(lèi)主流視角,第一類(lèi)基于傳統(tǒng)金融理論框架,第二類(lèi)基于行為金融學(xué)框架。針對(duì)Jegadeesh &Titman[1]提出的“完善動(dòng)量策略所獲得的超額收益無(wú)法由系統(tǒng)性風(fēng)險(xiǎn)解釋”問(wèn)題,傳統(tǒng)金融理論將股票的超額收益歸因于風(fēng)險(xiǎn)溢價(jià),認(rèn)為執(zhí)行動(dòng)量策略所獲得的超額收益是對(duì)隨時(shí)間變化的風(fēng)險(xiǎn)的合理補(bǔ)償[19],“價(jià)格異象”并不能證明市場(chǎng)是非有效的,可能是由于經(jīng)典模型并沒(méi)有包含所有的風(fēng)險(xiǎn)因子,才導(dǎo)致超額收益的存在。市場(chǎng)有效論的支持者一直在嘗試尋找新的風(fēng)險(xiǎn)因子來(lái)解釋動(dòng)量效應(yīng)或反轉(zhuǎn)效應(yīng),但尚未形成統(tǒng)一的框架。同一個(gè)模型在不同的國(guó)家、不同的時(shí)期也會(huì)得出不一致的結(jié)論。對(duì)“價(jià)格異象”基于風(fēng)險(xiǎn)時(shí)變性的闡釋認(rèn)為,時(shí)變風(fēng)險(xiǎn)因子是出現(xiàn)動(dòng)量效應(yīng)或反轉(zhuǎn)效應(yīng)的主要原因。這種觀點(diǎn)強(qiáng)調(diào),“價(jià)格異象”反映了市場(chǎng)參與者對(duì)宏觀風(fēng)險(xiǎn)預(yù)期的時(shí)變性。例如,Johnson[20]認(rèn)為,偶然發(fā)生的持續(xù)紅利沖擊可以解釋包括“動(dòng)量效應(yīng)”在內(nèi)的很多異象;Pastor &Stambaugh[21]分別從流動(dòng)性風(fēng)險(xiǎn)和增長(zhǎng)期權(quán)風(fēng)險(xiǎn)的時(shí)變特征出發(fā)闡釋了動(dòng)量(反轉(zhuǎn))策略有效性的內(nèi)在機(jī)理。

行為金融學(xué)相關(guān)理論給出了截然不同的解釋。大量文獻(xiàn)指出,投資者受到認(rèn)知水平、情緒和心理等因素的影響,在決策時(shí)會(huì)表現(xiàn)出有限理性?；诖?行為金融學(xué)派對(duì)“價(jià)格異象”的探索不斷拓展,理論體系逐漸完善。例如,正反饋交易假說(shuō)認(rèn)為,前期價(jià)格上漲或下跌的股票會(huì)在投資者“追漲殺跌”的正反饋交易中繼續(xù)上漲和下跌[22];保守偏差及代表性偏差的分析視角則指出,保守偏差會(huì)造成反應(yīng)延遲,代表性偏差會(huì)進(jìn)一步加劇資產(chǎn)價(jià)格對(duì)其真實(shí)價(jià)值的偏離程度,兩種偏差行為引起的反應(yīng)不足是導(dǎo)致動(dòng)量(反轉(zhuǎn))效應(yīng)產(chǎn)生的主要原因[23]。還有觀點(diǎn)認(rèn)為,投資者對(duì)私有信息的“過(guò)度自信”及隨后的“過(guò)度反應(yīng)”引起股票價(jià)格持續(xù)的上漲或下跌。Hong &Stein[24]進(jìn)一步將投資者分為信息觀察者和動(dòng)量交易者,并以此為基礎(chǔ)解釋了資本市場(chǎng)中的過(guò)度反應(yīng)、反應(yīng)不足與動(dòng)量和反轉(zhuǎn)效應(yīng)之間的關(guān)系。Lee &Swaminathan[25]通過(guò)研究動(dòng)量策略的長(zhǎng)期表現(xiàn)發(fā)現(xiàn),至少有一部分慣性收益來(lái)源于延遲的過(guò)度反應(yīng)。

對(duì)中國(guó)股票市場(chǎng)動(dòng)量效應(yīng)或反轉(zhuǎn)效應(yīng)的相關(guān)研究主要聚焦特征識(shí)別和原因解釋。特征方面,白顥睿等[5]強(qiáng)調(diào),中國(guó)是一個(gè)動(dòng)量效應(yīng)不足的市場(chǎng)。雖然也有學(xué)者提供了中國(guó)股票市場(chǎng)存在短期動(dòng)量效應(yīng)的證據(jù),但上述動(dòng)量效應(yīng)并不穩(wěn)定。對(duì)“價(jià)格異象”成因的解釋普遍聚焦中國(guó)獨(dú)特的市場(chǎng)環(huán)境、監(jiān)管制度和投資者結(jié)構(gòu)等因素。已有文獻(xiàn)指出,由于我國(guó)股票市場(chǎng)的換手率高、噪聲交易嚴(yán)重,反轉(zhuǎn)效應(yīng)比動(dòng)量效應(yīng)更加明顯。動(dòng)量效應(yīng)或反轉(zhuǎn)效應(yīng)受到如不同的形成期和持有期、換手率,以及估計(jì)模型的差異[26]等諸多因素的影響;此外,彩票型特征會(huì)減弱動(dòng)量效應(yīng)[27]。

(三)文獻(xiàn)述評(píng)與本文的邊際貢獻(xiàn)

回顧上述文獻(xiàn)不難發(fā)現(xiàn),盡管?chē)?guó)內(nèi)外學(xué)者較為全面深入地探索了股價(jià)波動(dòng)率與股票預(yù)期回報(bào)之間的聯(lián)動(dòng)關(guān)系,但鮮有文獻(xiàn)關(guān)注到股票波動(dòng)持續(xù)性對(duì)動(dòng)量效應(yīng)或反轉(zhuǎn)效應(yīng)的影響,針對(duì)上述文獻(xiàn)空缺,本文進(jìn)行了創(chuàng)新性探索。與已有文獻(xiàn)相比,本文的邊際貢獻(xiàn)主要體現(xiàn)在:從風(fēng)險(xiǎn)時(shí)變性視角對(duì)中國(guó)股票市場(chǎng)的反轉(zhuǎn)效應(yīng)給出了解釋,豐富了股價(jià)波動(dòng)持續(xù)性和股票價(jià)格異象的文獻(xiàn)研究范疇;同時(shí),本文通過(guò)波動(dòng)持續(xù)性與動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)的聯(lián)系,給出了“優(yōu)化投資組合,獲得超額收益”的全新思路,將為后續(xù)文獻(xiàn)的基礎(chǔ)策略設(shè)計(jì)提供經(jīng)驗(yàn)參考。

三、研究設(shè)計(jì)

(一)研究思路

股價(jià)波動(dòng)持續(xù)性聚集過(guò)去回報(bào)率方差對(duì)未來(lái)回報(bào)率方差產(chǎn)生持續(xù)的影響。目前,對(duì)股價(jià)波動(dòng)持續(xù)性的估計(jì)方法有非參數(shù)估計(jì)法、半?yún)?shù)估計(jì)法和參數(shù)估計(jì)法。非參數(shù)估計(jì)方法主要包括重標(biāo)極差及其修正方法和去趨勢(shì)分析法等。利用非參數(shù)估計(jì)方法,能夠得到一個(gè)對(duì)時(shí)間序列持續(xù)性的檢驗(yàn)結(jié)果,從而判斷序列是否存在持續(xù)性,但難以進(jìn)行具體的持續(xù)性大小比較,無(wú)法了解估計(jì)量的統(tǒng)計(jì)性質(zhì),因而不適用于本文的研究。半?yún)?shù)估計(jì)方法包括GPH法和局部Whittle估計(jì)方法等。半?yún)?shù)估計(jì)方法適用于弱假設(shè)條件的情形,實(shí)際操作比較復(fù)雜。參數(shù)估計(jì)方法能夠充分利用市場(chǎng)數(shù)據(jù)還原真實(shí)結(jié)果,得到波動(dòng)持續(xù)性的估計(jì)量,相關(guān)模型尤其以Bollerslev[4]為代表的GARCH族模型見(jiàn)長(zhǎng)。模型由均值方程或波動(dòng)率方程共同構(gòu)成,能夠刻畫(huà)金融市場(chǎng)數(shù)據(jù)的異方差性。

越來(lái)越多的研究表明,在美國(guó)股票市場(chǎng)和中國(guó)股票市場(chǎng)均存在顯著的波動(dòng)持續(xù)性,GARCH族模型可以有效描述中國(guó)A股市場(chǎng)的個(gè)股波動(dòng)性。模型中條件方差的自回歸系數(shù)反映了當(dāng)前條件方差的波動(dòng)性對(duì)未來(lái)?xiàng)l件方差的影響程度,可以作為波動(dòng)持續(xù)性的度量。其中,EGARCH模型考慮了非對(duì)稱(chēng)效應(yīng),允許在模型中體現(xiàn)正負(fù)資產(chǎn)收益率對(duì)波動(dòng)率的非對(duì)稱(chēng)影響。本文采用EGARCH (1,1)模型來(lái)估計(jì)股價(jià)波動(dòng)率及波動(dòng)持續(xù)性。方程具體形式如下:

Ri,t=ut+at

(1)

at=σtεt

(2)

(3)

根據(jù)波動(dòng)持續(xù)性的定義,本文使用方程(3)中GARCH項(xiàng)系數(shù)β1的絕對(duì)值來(lái)度量股價(jià)波動(dòng)持續(xù)性。β1的絕對(duì)值越大,表明該時(shí)間序列的波動(dòng)持續(xù)性越大,此時(shí)過(guò)去的波動(dòng)對(duì)未來(lái)波動(dòng)的影響越大;β1的絕對(duì)值越接近0,表明該時(shí)間序列的波動(dòng)持續(xù)性越小,此時(shí)過(guò)去的波動(dòng)對(duì)未來(lái)波動(dòng)的影響越小。

(二)樣本選取和數(shù)據(jù)來(lái)源

本文以中國(guó)發(fā)展最成熟和最具代表性的滬深A(yù)股市場(chǎng)的股票作為研究對(duì)象,考察股價(jià)波動(dòng)持續(xù)性對(duì)預(yù)期收益和動(dòng)量/反轉(zhuǎn)效應(yīng)的影響。本文的樣本區(qū)間設(shè)定為2005—2021年。本文將研究期間設(shè)置在2005年以后主要基于兩方面的考慮:一方面,為了保證研究期間內(nèi)有足夠的樣本觀測(cè)值;另一方面,文中被作為市場(chǎng)組合的滬深300股票指數(shù)是在2005年推出的。

基于研究需要,本文依次對(duì)由全部A股上市公司構(gòu)成的初選樣本做如下篩選:為了避免新股發(fā)行后股價(jià)劇烈波動(dòng)干擾研究結(jié)果,參照Liu et al.[28]的做法,本文刪除了新股上市后首個(gè)半年的交易數(shù)據(jù);由于金融行業(yè)的特殊性,本文參照宮汝凱[29]等的做法,將銀行等金融類(lèi)上市公司排除,同時(shí)排除了ST、PT等非正常交易的股票數(shù)據(jù);為了滿足流動(dòng)性的需要,本文刪除了年內(nèi)交易天數(shù)不足150天的當(dāng)年所有觀測(cè)值。最終,參與實(shí)證研究的上市公司有4 036家。本文實(shí)證研究用到的個(gè)股日收益率數(shù)據(jù)和月收益率數(shù)據(jù)以及公司基本面數(shù)據(jù)來(lái)自CSMAR和Wind數(shù)據(jù)庫(kù)。

(三)描述性統(tǒng)計(jì)

本文首先使用個(gè)股日收盤(pán)價(jià)計(jì)算個(gè)股的對(duì)數(shù)收益率。選取每只股票每半年的收益率時(shí)間序列數(shù)據(jù)建立EGARCH (1,1)模型,共得到了57 228個(gè)波動(dòng)持續(xù)性觀測(cè)值。表1是依據(jù)EGARCH (1,1)模型建模的回歸結(jié)果。從表1可以看到,GARCH項(xiàng)系數(shù)β1的均值為0.510 8,中位數(shù)為0.513 8,標(biāo)準(zhǔn)差為0.295 0。本文在后續(xù)的實(shí)證分析過(guò)程中剔除了GARCH系數(shù)為0的觀測(cè)值(占總觀測(cè)值的比例為0.86%)。

表1 股價(jià)波動(dòng)持續(xù)性指標(biāo)的描述性統(tǒng)計(jì)結(jié)果

在進(jìn)行混合數(shù)據(jù)的回歸時(shí),本文還將用到部分關(guān)鍵解釋變量,即股價(jià)波動(dòng)持續(xù)性之外的變量。本文選擇可能對(duì)股票價(jià)格和回報(bào)率產(chǎn)生重要影響的變量作為控制變量,包括公司規(guī)模(Size)、賬面市值比(BM)、動(dòng)量特征(Mom)、特質(zhì)波動(dòng)率(IVol)、股票流動(dòng)性(Illiq)、彩票特征(Max)和資產(chǎn)收益率(Roe)等。具體而言,公司規(guī)模(Size)以個(gè)股上年年末流通市值的自然對(duì)數(shù)值度量,賬面市值比(BM)為個(gè)股年報(bào)中每年年末的賬面市值比實(shí)際值,動(dòng)量特征(Mom)以個(gè)股當(dāng)年12個(gè)月的累計(jì)超額收益率度量。用股票每月的日超額收益率對(duì)Fama-French三因子回歸,回歸殘差項(xiàng)的標(biāo)準(zhǔn)差即為特質(zhì)波動(dòng)率(IVol)。股票流動(dòng)性(Illiq)用每個(gè)月內(nèi)N個(gè)交易日的日收益率絕對(duì)值與當(dāng)日成交額比值的平均值來(lái)度量;彩票特征(Max)以個(gè)股每個(gè)月的最大日收益率來(lái)度量;資產(chǎn)收益率(Roe)以個(gè)股每年年末的凈資產(chǎn)收益率來(lái)度量。控制變量的統(tǒng)計(jì)特征詳見(jiàn)表2。

表2 控制變量的描述性統(tǒng)計(jì)結(jié)果

四、實(shí)證結(jié)果與分析

為了檢驗(yàn)波動(dòng)持續(xù)性與股票未來(lái)收益之間的關(guān)系,本文首先參考 Jegadeesh &Titman[1]的研究,構(gòu)建動(dòng)量(反轉(zhuǎn))交易策略,根據(jù)股價(jià)波動(dòng)持續(xù)性大小將樣本分組,在每組內(nèi)構(gòu)建反轉(zhuǎn)策略多空組合,觀察不同組內(nèi)反轉(zhuǎn)策略的收益,以此檢驗(yàn)股價(jià)波動(dòng)持續(xù)性與預(yù)期收益在時(shí)間序列上的關(guān)系。在此基礎(chǔ)上,通過(guò)混同橫截面回歸研究股價(jià)波動(dòng)持續(xù)性對(duì)未來(lái)個(gè)股回報(bào)率的解釋能力。

(一)基于單變量分組的時(shí)間序列分析

為了探討股價(jià)波動(dòng)持續(xù)性與股票預(yù)期回報(bào)率之間的關(guān)系,本文首先采用單變量分組方法進(jìn)行投資組合分析。投資組合分析的實(shí)質(zhì)是按照某一指標(biāo)對(duì)股票進(jìn)行排序和分組,構(gòu)建投資組合并持有一定的時(shí)期。然后,計(jì)算投資組合在持有期內(nèi)的收益,比較不同投資組合的超額收益是否具有顯著差異,從而檢驗(yàn)該指標(biāo)對(duì)股票收益的影響。與線性回歸分析相比,投資組合分析法既能減少線性假設(shè)的限制,也能避免個(gè)別極端值的影響。

具體地,在每個(gè)月依據(jù)股票過(guò)去半年的股價(jià)波動(dòng)持續(xù)性指標(biāo)進(jìn)行排序,將樣本平均分為5組,第一組由波動(dòng)持續(xù)性最小的20%股票構(gòu)成,記為L(zhǎng)組合;將波動(dòng)持續(xù)性最大的20%股票構(gòu)成的組合記為H組合;中間各組標(biāo)號(hào)依波動(dòng)持續(xù)性由小到大分別記為2、3和4;同時(shí),買(mǎi)入波動(dòng)持續(xù)性較小的股票組合并賣(mài)出波動(dòng)持續(xù)性較大的股票組合,即做多L組合并做空H組合,記為L(zhǎng)-H組合。每半年進(jìn)行一次調(diào)倉(cāng),計(jì)算L-H組合在不同持有期內(nèi)的平均超額收益,投資組合收益率采用流通市值加權(quán)法計(jì)算。如果最終L-H組合的收益顯著,則證明波動(dòng)持續(xù)性能夠預(yù)測(cè)股票的未來(lái)收益。

事實(shí)上,多空組合L-H的收益率可以視為波動(dòng)持續(xù)性因子的收益率。這是因?yàn)?收益率均值可能會(huì)受到樣本區(qū)間和其他因子變化的影響,學(xué)術(shù)界更加關(guān)心因子在風(fēng)險(xiǎn)調(diào)整后是否具有顯著的風(fēng)險(xiǎn)溢價(jià)。更科學(xué)的方法是,考察控制其他風(fēng)險(xiǎn)因子以后的風(fēng)險(xiǎn)溢價(jià),慣常的做法是使用CAPM模型或者Fama-French三因子模型作為風(fēng)險(xiǎn)調(diào)整的基準(zhǔn)模型[30]。本文將各投資組合收益率和市場(chǎng)因子收益率分別代入CAPM模型和Fama-French三因子模型當(dāng)中,回歸截距項(xiàng)代表投資組合經(jīng)過(guò)風(fēng)險(xiǎn)調(diào)整后的風(fēng)險(xiǎn)溢價(jià)。

表3報(bào)告了樣本期內(nèi)每個(gè)分組投資組合的超額回報(bào)率。R是投資組合回報(bào)率減去無(wú)風(fēng)險(xiǎn)利率之后的平均值,αCAPM和αFF分別由CAPM模型和Fama-French三因子模型計(jì)算得到。CAPM模型和Fama-French三因子模型中涉及的市場(chǎng)因子為滬深300指數(shù)回報(bào)率?？梢钥吹?隨著波動(dòng)持續(xù)性的增大,投資組合的平均回報(bào)率呈現(xiàn)逐漸降低的趨勢(shì)。其中,當(dāng)持有期為6個(gè)月時(shí),L組的超額回報(bào)率為12.434 5%,H組的超額回報(bào)率為9.712 5%,L-H組合的回報(bào)率為2.722 0%,多空組合的回報(bào)率在1%的水平下顯著為正,說(shuō)明股價(jià)波動(dòng)持續(xù)性與股票預(yù)期超額回報(bào)之間存在顯著的負(fù)相關(guān)關(guān)系,股價(jià)波動(dòng)持續(xù)性越大的股票,預(yù)期回報(bào)率越低。進(jìn)一步考慮CAPM市場(chǎng)因子和Fama-French三因子的影響后,αCAPM和αFF依然呈現(xiàn)從低波動(dòng)持續(xù)性組合到高波動(dòng)持續(xù)性組合逐漸降低的趨勢(shì),并且L-H多空組合的異常收益均顯著為正。這說(shuō)明,股價(jià)波動(dòng)持續(xù)性與其預(yù)期收益之間的負(fù)相關(guān)關(guān)系無(wú)法由CAPM市場(chǎng)因子或Fama-French三因子完全解釋。

表3 按照波動(dòng)持續(xù)性分組的投資組合超額回報(bào)率

此外,假設(shè)不考慮賣(mài)空限制,L-H多空組合的收益率顯著為正,這意味著波動(dòng)持續(xù)性小的股票比波動(dòng)持續(xù)性大的股票在6個(gè)月內(nèi)可以多獲得2.722 0%的收益。即使在CAPM模型和Fama-French三因子模型中,該組合仍可以賺取正的收益。這同樣說(shuō)明,波動(dòng)持續(xù)性小的股票預(yù)期回報(bào)顯著高于波動(dòng)持續(xù)性大的股票,證明了二者之間存在穩(wěn)健的負(fù)相關(guān)關(guān)系。

(二)混同橫截面回歸分析

為了進(jìn)一步探索股價(jià)波動(dòng)持續(xù)性與個(gè)股預(yù)期回報(bào)關(guān)系的橫截面特征,本文接下來(lái)采用混同數(shù)據(jù)回歸分析方法進(jìn)行估計(jì)。對(duì)所有股票在控制年份后進(jìn)行回歸,方程如下。

(4)

其中,被解釋變量Ri,t+1是股票i在未來(lái)6個(gè)月內(nèi)的月平均超額收益率,月平均超額收益率以個(gè)股月收益率減去滬深300指數(shù)月度回報(bào)率來(lái)度量。Persistencei,t是股票i在t月(用過(guò)去半年的日度數(shù)據(jù)計(jì)算)的波動(dòng)持續(xù)性,以GARCH項(xiàng)系數(shù)來(lái)度量。ε是回歸方程的殘差項(xiàng)。X是代表公司特征的控制變量,如前文所述包括公司規(guī)模、賬面市值比、動(dòng)量特征、特質(zhì)波動(dòng)率、股票流動(dòng)性、彩票特征和資產(chǎn)收益率等。

根據(jù)表4的實(shí)證結(jié)果,在列(1)中,波動(dòng)持續(xù)性對(duì)預(yù)期收益的影響是-0.003 9,即在截面上,波動(dòng)持續(xù)性的回歸系數(shù)為-0.003 9,變量在1%的水平下顯著,再次驗(yàn)證股票預(yù)期收益與波動(dòng)持續(xù)性呈負(fù)相關(guān)關(guān)系。在列(1)的基礎(chǔ)上逐漸增加公司特征作為控制變量,波動(dòng)持續(xù)性的影響都在1%的水平下顯著,且系數(shù)為負(fù)。在包含所有控制變量的列(8)中,方程對(duì)預(yù)期收益的解釋力為22.00%,波動(dòng)持續(xù)性在1%的水平下顯著,且系數(shù)為負(fù)?？偠灾?通過(guò)回歸結(jié)果可以看到,在控制了公司規(guī)模、動(dòng)量特征、股票流動(dòng)性和年份等因素以后,波動(dòng)持續(xù)性與未來(lái)股票收益依然存在顯著的負(fù)相關(guān)關(guān)系。

表4 波動(dòng)持續(xù)性影響預(yù)期收益的混同橫截面回歸結(jié)果

綜上所述,就中國(guó)A股市場(chǎng)而言,無(wú)論在投資組合層面還是在個(gè)股層面,股價(jià)波動(dòng)持續(xù)性與股票預(yù)期收益之間均存在顯著的負(fù)相關(guān)關(guān)系,股價(jià)波動(dòng)持續(xù)性能夠有效預(yù)測(cè)股票收益。一種可能的解釋是,股價(jià)波動(dòng)持續(xù)性越大意味著波動(dòng)表現(xiàn)出更高的可預(yù)測(cè)性,減少了風(fēng)險(xiǎn)的不確定性,投資者預(yù)期的風(fēng)險(xiǎn)補(bǔ)償降低,故波動(dòng)持續(xù)性與預(yù)期收益呈現(xiàn)負(fù)相關(guān)關(guān)系。

五、進(jìn)一步研究

通過(guò)以上實(shí)證分析過(guò)程不難發(fā)現(xiàn),就中國(guó)A股市場(chǎng)而言,無(wú)論在投資組合層面還是在個(gè)股層面,股價(jià)波動(dòng)持續(xù)性與股票預(yù)期收益之間均存在顯著的負(fù)相關(guān)關(guān)系,股價(jià)波動(dòng)持續(xù)性能夠有效預(yù)測(cè)股票收益。接下來(lái),本文將探索上述關(guān)系具體體現(xiàn)為動(dòng)量特征還是反轉(zhuǎn)特征,進(jìn)而明確如何利用這一關(guān)系構(gòu)建交易策略,實(shí)現(xiàn)投資收益。

Chordia &Shivakumar[2]和Johnson[20]等均認(rèn)為,風(fēng)險(xiǎn)在市場(chǎng)上已經(jīng)被定價(jià),進(jìn)而可以將收益的持續(xù)性與風(fēng)險(xiǎn)的持續(xù)性聯(lián)系起來(lái),解釋不同策略的盈利能力。在控制其他條件的情況下,風(fēng)險(xiǎn)溢價(jià)與個(gè)股波動(dòng)成正比。當(dāng)波動(dòng)表現(xiàn)出較強(qiáng)持續(xù)性時(shí),風(fēng)險(xiǎn)溢價(jià)的慣性也會(huì)增強(qiáng)。所以,從直覺(jué)來(lái)看,在動(dòng)量效應(yīng)顯著的市場(chǎng)中,波動(dòng)持續(xù)性可以增大動(dòng)量效應(yīng);在反轉(zhuǎn)效應(yīng)顯著的市場(chǎng)中,波動(dòng)持續(xù)性大的股票其反轉(zhuǎn)效應(yīng)更強(qiáng)。鑒于中國(guó)股票市場(chǎng)是反轉(zhuǎn)效應(yīng)顯著的市場(chǎng),本文優(yōu)先研究波動(dòng)持續(xù)性與反轉(zhuǎn)收益的關(guān)系,并同時(shí)確認(rèn)反轉(zhuǎn)效應(yīng)的存在性。

(一)基于無(wú)風(fēng)險(xiǎn)利率調(diào)整的反轉(zhuǎn)收益

借鑒Jegadeesh &Titman[1]的方法,在每個(gè)月,根據(jù)過(guò)去半年股價(jià)計(jì)算得到的波動(dòng)持續(xù)性進(jìn)行排序,將樣本平均分為5組,波動(dòng)持續(xù)性最小的20%股票構(gòu)成投資組合P1,以此類(lèi)推,波動(dòng)持續(xù)性最大的20%股票構(gòu)成投資組合P5。對(duì)每一個(gè)股票分組Pi(i=1、2、3、4、5),在樣本期的每一個(gè)月,計(jì)算組中每只股票過(guò)去6個(gè)月的平均收益率;然后按平均收益率排序,平均收益率最大的20%股票構(gòu)成贏家組合,平均收益率最小的20%股票構(gòu)成輸家組合;接下來(lái)計(jì)算各個(gè)組合在持有期內(nèi)的平均月回報(bào)率,其中贏家組合的回報(bào)率記為Rw,輸家組合的回報(bào)率記為Rl;最后構(gòu)建多空組合,買(mǎi)入輸家組合并賣(mài)出贏家組合,其回報(bào)率記為ΔR=Rl-Rw。投資組合回報(bào)率采用市值流通加權(quán)法計(jì)算,本文持有期K分別選擇1、3、6、9、12個(gè)月,對(duì)于每一個(gè)持有期,令:

ΔP=ΔR5-ΔR1

(5)

ΔR1=R1l-R1w-Rf

(6)

ΔR5=R5l-R5w-Rf

(7)

其中,Rf表示月度無(wú)風(fēng)險(xiǎn)利率。ΔR1表示波動(dòng)持續(xù)性最小的20%股票構(gòu)成投資組合P1中多空組合的月平均超額回報(bào)率。ΔR5表示波動(dòng)持續(xù)性最大的20%股票構(gòu)成投資組合P5的反轉(zhuǎn)策略月平均超額回報(bào)率。ΔP=ΔR5-ΔR1為波動(dòng)持續(xù)性差異導(dǎo)致的反轉(zhuǎn)效應(yīng),衡量了波動(dòng)持續(xù)性對(duì)反轉(zhuǎn)效應(yīng)的影響。如果ΔP顯著地大于0,則表明波動(dòng)持續(xù)性放大反轉(zhuǎn)效應(yīng);反之,如果ΔP顯著地小于0,則表明波動(dòng)持續(xù)性減緩反轉(zhuǎn)效應(yīng)。

表5是實(shí)證結(jié)果,表中數(shù)據(jù)為按照算術(shù)平均方法計(jì)算的組合收益率。列(1)是針對(duì)全樣本執(zhí)行反轉(zhuǎn)策略的結(jié)果,不同持有期的反轉(zhuǎn)收益均為正,驗(yàn)證了樣本期內(nèi)主要存在的是反轉(zhuǎn)效應(yīng)。其余列數(shù)據(jù)是在不同波動(dòng)持續(xù)性分組和不同持有期內(nèi)執(zhí)行反轉(zhuǎn)策略的月平均收益率。這里的形成期為6個(gè)月;K代表持有期,分別為1、3、6、9、12個(gè)月。表中列(7)為波動(dòng)持續(xù)性最大的組合與波動(dòng)持續(xù)最小的組合的反轉(zhuǎn)收益之差。實(shí)證結(jié)果表明,波動(dòng)持續(xù)性大的股票相對(duì)于波動(dòng)持續(xù)性小的股票更容易呈現(xiàn)反轉(zhuǎn)效應(yīng)。并且在較短持有期內(nèi),ΔP均顯著大于0,而隨著持有期延長(zhǎng),ΔP在逐漸減小,說(shuō)明波動(dòng)持續(xù)性放大了反轉(zhuǎn)效應(yīng)。應(yīng)用以上反轉(zhuǎn)策略構(gòu)建投資組合,當(dāng)持有期為3個(gè)月和6個(gè)月時(shí),可以獲得顯著的超額收益。

表5 波動(dòng)持續(xù)性與反轉(zhuǎn)收益的實(shí)證結(jié)果

(二)基于因子模型風(fēng)險(xiǎn)調(diào)整的反轉(zhuǎn)收益

為了進(jìn)一步考察經(jīng)CAPM模型和Fama-

French三因子模型風(fēng)險(xiǎn)調(diào)整后,是否仍能獲取反轉(zhuǎn)收益,本文將模型設(shè)定如下:

Rp,t=αp+βpMKTt+εp,t

(8)

Rp,t=αp+βpMKTt+γpSMBt+ηpHMLt+εp,t

(9)

其中,Rp,t為組合回報(bào)率,根據(jù)上式中的截距項(xiàng)檢驗(yàn)ΔP、ΔR1、ΔR5的顯著性。MKT為市場(chǎng)超額收益率,即滬深300指數(shù)回報(bào)率減去無(wú)風(fēng)險(xiǎn)利率,SMB為規(guī)模因子,HML為價(jià)值因子,因子數(shù)據(jù)來(lái)源于CSMAR數(shù)據(jù)庫(kù)。

表6中的組合回報(bào)率采取算術(shù)平均方法計(jì)算。經(jīng)CAPM模型或三因子模型風(fēng)險(xiǎn)調(diào)整后,依然存在波動(dòng)持續(xù)性所帶來(lái)的顯著的反轉(zhuǎn)收益。

表6 經(jīng)風(fēng)險(xiǎn)模型調(diào)整后波動(dòng)持續(xù)性與反轉(zhuǎn)收益的實(shí)證結(jié)果

以上結(jié)果表明,波動(dòng)持續(xù)性會(huì)放大反轉(zhuǎn)收益:波動(dòng)持續(xù)性越大的股票,由于波動(dòng)可預(yù)測(cè)性越強(qiáng),收益的可預(yù)測(cè)性也越強(qiáng),反轉(zhuǎn)效應(yīng)表現(xiàn)出更強(qiáng)的負(fù)慣性。

六、穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)上述實(shí)證結(jié)果的穩(wěn)健性,本文更換估計(jì)方法,采用GARCH (1,1)模型估計(jì)的GARCH項(xiàng)系數(shù)度量股價(jià)波動(dòng)持續(xù)性并重復(fù)以上實(shí)證分析過(guò)程。

(一)時(shí)間序列分析

表7中L組依然是波動(dòng)持續(xù)性最小的20%股票構(gòu)成的投資組合,H組是波動(dòng)持續(xù)性最大的20%股票構(gòu)成的投資組合,L-H為買(mǎi)入波動(dòng)持續(xù)性最小組同時(shí)賣(mài)出波動(dòng)持續(xù)性最大組的多空組合。與前文結(jié)論相似,不同投資組合的平均收益、CAPM模型和Fama-French三因子模型的收益都隨著波動(dòng)持續(xù)性的增大而減小。持有期為1個(gè)月時(shí),L-H組合的三類(lèi)收益都顯著為正,其中L-H組合的收益為1.026 5%,在5%的水平下顯著;經(jīng)CAPM風(fēng)險(xiǎn)模型調(diào)整后達(dá)到1.070 8%,在5%的水平下顯著;經(jīng)Fama-French三因子模型調(diào)整后的收益為1.175 7%,在1%的水平下顯著。上述結(jié)果再次驗(yàn)證,股價(jià)波動(dòng)持續(xù)性與股票預(yù)期收益之間存在顯著的負(fù)相關(guān)關(guān)系,且這種負(fù)相關(guān)關(guān)系無(wú)法被因子模型完全解釋。

表7 按照波動(dòng)持續(xù)性分組的投資組合超額回報(bào)率的穩(wěn)健性檢驗(yàn)結(jié)果

(二)混同橫截面分析

表8是混同橫截面數(shù)據(jù)回歸分析的穩(wěn)健性檢驗(yàn)結(jié)果。與前文結(jié)論相似,波動(dòng)持續(xù)性指標(biāo)對(duì)收益率的影響均顯著且系數(shù)為負(fù)。模型整體顯著,說(shuō)明波動(dòng)持續(xù)性指標(biāo)中包含公司特征因素之外的重要定價(jià)信息,股價(jià)波動(dòng)持續(xù)性與橫截面股票預(yù)期收益之間存在顯著的負(fù)相關(guān)關(guān)系。

表8 混同橫截面回歸分析的穩(wěn)健性檢驗(yàn)結(jié)果

(三)波動(dòng)持續(xù)性與反轉(zhuǎn)收益的關(guān)系

表9是波動(dòng)持續(xù)性與反轉(zhuǎn)收益之間關(guān)系的穩(wěn)健性檢驗(yàn)結(jié)果?？傮w來(lái)看,波動(dòng)持續(xù)性越高、持有期越短時(shí),越容易出現(xiàn)反轉(zhuǎn)效應(yīng)。并且,不同持有期的ΔP顯著大于0,隨著持有期延長(zhǎng),ΔP在逐漸減小,即股價(jià)波動(dòng)持續(xù)性可以放大反轉(zhuǎn)效應(yīng)并隨著持有期的延長(zhǎng)而逐漸減弱。

表9 波動(dòng)持續(xù)性與反轉(zhuǎn)收益關(guān)系的穩(wěn)健性檢驗(yàn)結(jié)果

此外,本文還計(jì)算了波動(dòng)持續(xù)性與經(jīng)過(guò)風(fēng)險(xiǎn)模型調(diào)整后反轉(zhuǎn)收益的關(guān)系⑤。研究發(fā)現(xiàn),在不同持有期內(nèi)ΔP的收益率顯著大于0,同樣證實(shí)了波動(dòng)持續(xù)性放大了股票的反轉(zhuǎn)效應(yīng)。隨著持有期的延長(zhǎng),反轉(zhuǎn)收益逐漸變小。

七、研究結(jié)論與政策建議

行為金融學(xué)曾提出反應(yīng)不足、反應(yīng)過(guò)度、正反饋假說(shuō)等理論來(lái)解釋動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)。本文延續(xù)基于風(fēng)險(xiǎn)的理論分析視角,以2005—2021年中國(guó)A股市場(chǎng)的股票作為研究對(duì)象,研究波動(dòng)持續(xù)性對(duì)股票預(yù)期回報(bào)和反轉(zhuǎn)效應(yīng)的影響。首先,本文采用GARCH項(xiàng)系數(shù)的絕對(duì)值作為個(gè)股在考察期內(nèi)波動(dòng)持續(xù)性的度量。本文通過(guò)投資組合分析法在時(shí)間序列層面考察股價(jià)波動(dòng)持續(xù)性與股票預(yù)期收益之間的關(guān)系,研究發(fā)現(xiàn)波動(dòng)持續(xù)性與股票預(yù)期收益之間存在顯著的負(fù)相關(guān)關(guān)系;通過(guò)構(gòu)建多空組合,買(mǎi)入波動(dòng)持續(xù)性小的股票同時(shí)賣(mài)出波動(dòng)持續(xù)性大的股票能獲得顯著的超額收益。混同橫截面回歸分析證明,股價(jià)波動(dòng)持續(xù)性與股票未來(lái)收益在橫截面上依然存在顯著的負(fù)相關(guān)關(guān)系。在以上研究的基礎(chǔ)上,本文進(jìn)一步探索股價(jià)波動(dòng)持續(xù)性對(duì)股票未來(lái)收益的影響呈現(xiàn)出動(dòng)量特征還是反轉(zhuǎn)特征。本文針對(duì)全樣本驗(yàn)證了A股市場(chǎng)主要存在反轉(zhuǎn)效應(yīng)。根據(jù)股價(jià)波動(dòng)持續(xù)性的大小將樣本分為5組,在每一組中執(zhí)行反轉(zhuǎn)策略,研究發(fā)現(xiàn),隨著股價(jià)波動(dòng)持續(xù)性的增大,反轉(zhuǎn)收益變大,說(shuō)明波動(dòng)持續(xù)性大的股票組合相對(duì)于波動(dòng)持續(xù)性小的股票組合更容易發(fā)生反轉(zhuǎn)。經(jīng)過(guò)CAPM模型和三因子模型風(fēng)險(xiǎn)調(diào)整后,結(jié)果依然穩(wěn)健,即股價(jià)波動(dòng)持續(xù)性放大了反轉(zhuǎn)收益。

本文的研究結(jié)論對(duì)了解中國(guó)資本市場(chǎng)規(guī)律、健全資本市場(chǎng)和提高市場(chǎng)有效性都具有一定的意義?；谏鲜鲅芯拷Y(jié)論,本文提出以下建議:投資和資產(chǎn)管理部門(mén)在建立投資組合時(shí),應(yīng)納入刻畫(huà)股價(jià)波動(dòng)持續(xù)性和反轉(zhuǎn)效應(yīng)的因子,并根據(jù)因子關(guān)鍵變量的變化調(diào)整投資組合,改善投資業(yè)績(jī);監(jiān)管部門(mén)在風(fēng)險(xiǎn)預(yù)警時(shí)也應(yīng)加強(qiáng)對(duì)股價(jià)波動(dòng)持續(xù)性變量的重視和實(shí)時(shí)關(guān)注,未雨綢繆,預(yù)防系統(tǒng)性金融風(fēng)險(xiǎn)的擴(kuò)大和蔓延,促進(jìn)資本市場(chǎng)健康發(fā)展。

注 釋?zhuān)?/p>

①即收益率序列在一段時(shí)間內(nèi)表現(xiàn)出持續(xù)的高波動(dòng)性或者持續(xù)的低波動(dòng)性。

②根據(jù)Wind的數(shù)據(jù),截至2021年12月31日,按照流通市值計(jì)算的我國(guó)A股市場(chǎng)散戶投資者占比為97.24%。

③根據(jù)Choice 的數(shù)據(jù),2011—2020年上證指數(shù)10年間的換手率為1 193.16%。

④鑒于后文驗(yàn)證得到中國(guó)A股市場(chǎng)存在“反轉(zhuǎn)效應(yīng)”的特征事實(shí),可以在不同波動(dòng)持續(xù)性組內(nèi)構(gòu)建多空組合,買(mǎi)入過(guò)去表現(xiàn)較差的股票,賣(mài)出過(guò)去表現(xiàn)較好的股票,即在每個(gè)組內(nèi)執(zhí)行反轉(zhuǎn)策略,觀察不同組反轉(zhuǎn)策略的收益。如果隨著波動(dòng)持續(xù)性增大,反轉(zhuǎn)策略的收益率逐漸增大,即說(shuō)明波動(dòng)持續(xù)性能夠放大反轉(zhuǎn)效應(yīng)。

⑤限于篇幅,具體實(shí)證結(jié)果未列示,留存?zhèn)渌?。作者郵箱:rzhang@ustb.edu.cn.