由“顧客動量”引發的思考

俞忻悅

摘 要：本文先介紹了行為金融學、動量投資、三因子模型等基礎名詞，為后文研究做鋪墊。主體部分主要摘錄和借鑒了一些Lauren Cohen和Andrea Frazzini在“經濟聯系和可預測回報（Economic Links and Predictable Returns，2006）”一文中提出的觀點，并結合已有知識對其觀點進行解釋說明，最后引發出對未來相關課題研究方向的思考和見解。

關鍵詞：行為金融學 資本資產定價模型 三因子模型 顧客動量

1、序言

傳統金融理論假設，金融市場的參與者是理性的，并且理性投資人的目標是“收益最大化”。這種假設前提意味著投資者將依靠市場信息做出合理的金融決策。然而，在現實生活中，有不計其數的心理或情感變量會影響投資者做出的判斷，使得投資者展現出無法預測的或者不理性的表現。研究這一矛盾的經濟學分支就被稱為“行為金融學”。

資本資產定價模型（CAPM）描述了股票系統風險和期望收益之間的關系。CAPM模型廣泛用于證券定價中。CAPM模型的表達式為：

其中，rf指的是無風險利率，βa表示a證券的β值；表示市場期望收益率。從公式可以看出，利用CAPM模型，就可以根據給出的風險水平，計算出相應資產的期望收益。

九十年代初，學者在資本資產定價模型 （CAPM）的基礎上發展出了著名的 Fama-French 三因子模型，將市場資產組合、市值因子和賬面市值比因子納入股票定價模型，共同決定股票回報率。四因子模型則在三因子模型的基礎上，繼續加入了動量因子。

動量投資認為當前趨勢會持續一段時間，并且投資者在這段時間內可以依靠持續的趨勢獲利。具體來說，動量投資利用市場已經存在的上升或下降趨勢，買入有上升趨勢的股票等金融產品，賣出有下降趨勢的金融產品，組成多空投資組合。

2、經濟聯系和預測回報

在Lauren Cohen和Andrea Frazzini關于“經濟聯系和預測回報”的研究中，他們發現具有經濟聯系的公司的股價不會及時反應當前的信息。正是因為這種股價變化的“滯后性”，投資者可以通過分析相關公司的信息來預測特定公司的未來股價。因此，投資者也可以利用這個特性，使用多空策略獲利。

不同公司之間存在著很多不同的關聯關系，論文主要研究“顧客-供應商”這一條關系，由于作為顧客的公司（以下簡稱顧客公司）和作為供應商的公司（以下簡稱供應商公司）交叉持股，所以其中一家公司的股價變化會影響另一家公司的股價變化。但是由于股價波動的滯后性，會使得相關公司的股價變化在一定時間內具有可預測性。舉例來說，市場利好消息催生的顧客公司股價的大幅上漲，往往會導致未來一段時間內，其對應的主要供應商公司的股價緩慢且持續地上漲，投資者有機會在這段時間內根據顧客公司的股價走勢，預測供應商公司未來的趨勢。這種“可預測性回報”又稱作“顧客動量”。

假設是投資者的注意力是有限的，對繁多的市場消息的消化能力也是有限的，所以股價有時沒能及時地完全反映出新信息的影響，為投資者預測未來股價、構造多空組合提供了可能。

表1展現了從1981到2004年每個月不同變量之間的平均相關關系：

表1 顧客回報和供應商回報相關系數， 1981—2004

供應商回報（XRET）和其對應的顧客公司的回報（CXRET，一家公司的等權重客戶股票組合月回報減去市場組合月回報）相關。顧客公司回報（CXRET）和規模（SIZE，用上一個月的市值的對數衡量）、賬面市值比（B/M）和股票本身的動量（MOM，用上一年股票收益衡量）無關。

下面介紹動量投資中，多空組合的具體構造方法：

先根據市場公開信息，確定市場中所有公司之間的顧客-供應商關系（只選取年購買量在總生產量10%以上的主要顧客公司；經濟聯系不密切或不明確的公司不考慮）。之后將所有符合條件的顧客公司按上個月的股票收益由小到大排序，每個顧客公司都會對應和其相關的供應商公司。排序完成后，將顧客公司平均分為五組，每組中股票數量占總數的1/5。這樣一來，與顧客公司對應的供應商公司也被平均分為了五組，作為五個投資組合：

第一組供應商公司（Q1）對應的顧客公司上個月收益最低，也就是我們常說的“輸家組合”；第五組供應商公司（Q5）對應的顧客公司上個月收益最高，也就是我們常說的“贏家組合”。以上排序和分組過程會在每個月月初重復一遍。

事實上，正的顧客公司股票收益會導致供應商公司在未來正的異?；貓螅@在一定程度上暗示了“可預測回報”確實存在。研究者追蹤這五個投資組合的未來收益，根據t-1時期的顧客回報，在t時期構造五個市值加權的投資組合之后，追蹤這五個投資組合之后的異常收益xret，并且得出結論，t-1時期較高的顧客公司收益預示著未來較高的相應供應商公司收益；而t-1時期較低的顧客公司收益預示著未來較低的相應供應商公司收益。

Alpha是滾動策略（rolling strategy）中，對月收益做回歸的截距，代表異常收益。我們可以構造一種多空策略，具體來說，持有20%高顧客公司收益的股票，并賣出20%低顧客公司收益的股票。從最右側一列數據可以發現，用三因子模型（Fama and French，1993）做回歸時，每月有約1.56%（t=3.6，t值顯著）的異常收益不能被這這三個因子解釋。使用Carhart的四因子模型控制了動量因素之后，每個月仍然有1.376%（t=3.13，t值顯著）的異常收益不能被解釋。這說明，“顧客動量”或許是導致產生異常收益的原因所在。

當組合內股票為等權重時，得到的結論與市值權重時相同。對于多空顧客動量組合來說，在所有的因素（市場指數、市凈率、公司規模、一年期收益動量）當中，沒有一個因素占比顯著。這說明了回報產生的原因是投資者對新信息的估計不足，而不是系統性風險。

折線圖1表示了供應商股票組合和顧客股票組合在一定時間范圍內的累積回報率?？梢钥吹?，有利好消息時，顧客股票組合的回報新信息會直接導致顧客公司股價的波動，然后帶動主要相關供應商公司的股價變化。這種股價波動的相關性會影響供應商公司一年之久。換句話說，供應商公司要將自己的股價調整到正確的位置，大概需要一年的時間。在這一年時間里，如果投資者足夠心細，將相關公司的股價波動納入投資策略考慮的范圍之內，就在很大程度上獲得了預測股價并投資獲利的機會。表2表現了顧客動量投資組合的回報和相關系數。CRET表示顧客公司股票在t月的回報，CCAR表示顧客公司股票在接下來[t+1，t+6]個月的累積回報。RET表示供應商公司股票在t月的回報，CAR表示供應商公司股票在接下來[t+1，t+6]個月的累積回報。URC為自定義的函數（也可稱為“低估系數”），用來衡量新消息在股價上的反應程度，表示為t月產生的回報占總回報的比例，即URC=RET/（RET+CAR）。

我們可以從表2中的數據得出：顧客公司的URC十分接近于1（URCcust=0.939，t=1.53）。這說明在t月，公司股價就幾乎充分反映了新信息的影響。相比較之下，供應商公司的URC僅為0.6（URCsup=0.6，t=5.71），表明股價在t月低估了新信息對相關企業的影響，并且低估程度為40%。對比顧客公司和供應商公司，顯而易見，供應商公司需要用更長的時間將股價調整至合適的位置，給“股價走勢預測”提供了時間和可能性。

另外，表格還表明低估系數和公司規模呈現出負相關關系。具體來說，規模越小的公司，越可能出現股價未充分反映信息的情況。以上圖表說明新信息要完全反應在股價上的過程是緩慢的，因此顧客動量投資組合會持續產生回報。一系列的穩健性檢驗也表明顧客公司股價在過去一段時間中的上揚或下跌確實會引起相關供應商公司在未來一段時間的上揚或下跌。

3、總結

總結起來看，論文通過實證檢驗，證明了開篇提出的假設是正確的。投資者幾乎沒有考慮相關企業的信息，導致了股價變化緩慢，使得股價預測成為可能。這時候，只要正確選擇合適的多空組合，就能獲得超額收益。

本篇的主要研究范圍為股票市場中不同公司之間的顧客-供應商關系，因為這種關系比較明確，可以從公開資料中搜集到。我認為，未來的研究人員可以在更多的細分市場中利用實證，研究這種“公司關系動量”產生的原因和影響。具體來說，研究范圍方面，除了股票市場，債券、保險、衍生品中或許也存在類似的動量關系，但是程度和表現形式可能與股票市場中不同，值得研究；動量類型方面，除了本文著重研究的“顧客-供應商動量”之外，不同的公司之間還應該有其他多種聯系，和股價波動產生關聯，比如與本論文相反的“供應商-顧客動量”，研究供應商股價的變化如何影響主要顧客企業股價的變化。

參考文獻

[1] Cohen， Lauren， and Andrea Frazzini， 2008， Economic links and predictable returns，Journal of Finance 63， 1977–2011.

[2] Fama， E.， French， K.， 1993， Common Risk Factors in the Returns on Stocks and Bonds， Journal of Financial Economics 33，3-56