量價趨勢、信息不對稱與股票收益率:基于中國A股市場的實證研究

朱順偉,劉海龍,周春陽

(上海交通大學 安泰經濟與管理學院,上海 200030)

Fama[1]提出的有效市場理論認為,在信息充分透明的市場環境下,理性投資者的充分競爭使得投資者無法通過已有信息獲得超額收益。然而,信息不對稱的存在使得現實中的證券市場很難滿足有效市場假設1)宮汝凱[4]指出,在發展不完善的股票市場上,股價變動是信息不對稱和投資者情緒變化相互影響和共同作用的結果。即使在信息披露制度健全、機構投資者比重較高的美國股票市場,各類金融異象的存在使得有效市場理論面臨嚴峻挑戰[2]。

同美國成熟市場相比,中國股市尚處于發展階段,信息摩擦的問題更為突出。例如,中國上市公司的信息披露制度不完善,信息披露質量存在缺陷,信息披露不及時等一系列問題,使得中國股市存在較為嚴重的信息不對稱[3];而且,中國股票市場的投資者以散戶為主2)截至2021年9月24日,中國股票市場個人投資者突破1.9億元,其中持股金額低于50萬元的投資者占97%,獲取信息的渠道匱乏,基于股票價格和成交量的技術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內股票市場交易數據,實證檢驗量價趨勢對股票收益率在橫截面上是否有顯著的預測能力,并考察信息不對稱程度對量價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,本文采用當前價格(成交量)與120天歷史移動平均價格(成交量)的比值構建價格(成交量)趨勢因子。因子取值越高,反映股票價格(成交量)的上漲趨勢越強。例如,某股票成交量趨勢因子較高而價格趨勢因子較低,反映該股票當前的量價走勢為放量下跌。

本文基于2005年1月至2021年6月的中國股票數據,采用投資組合分析法以及Fama-MacBeth(FM)[8]回歸分析法,考察價格和成交量趨勢因子對股票橫截面收益率的預測能力。通過單變量排序分組構建分位數組合,本文發現中國股票市場存在價格反轉效應,即過去漲幅較高的股票在未來一個月的收益更低。平均而言,輸家組合比贏家組合在未來一個月能獲得16%的超額年化收益,表明國內股市存在信息過度反應現象。另外,相較于成交量放大的股票,成交量縮小的股票在未來一個月同樣能獲得16%的超額年化收益。FM 回歸分析表明,量價趨勢包含不同的信息,并且成交量趨勢因子比價格趨勢因子具有更高的邊際解釋能力。根據信息不對稱代理變量(規模、非流動性或波動率)對量價趨勢因子進行雙重排序構建組合,本文發現,對于信息不對稱程度較高的股票組合,其量價趨勢的預測能力更為顯著。

為了充分利用量價趨勢信息,本文將量價趨勢因子的信息進行合成。采用等權法合成量價趨勢因子,因子值越大,表明成交量放大且股價上漲,即放量上漲;因子值越小,表明成交量縮小且股價下跌,即縮量下跌。研究發現,縮量下跌的股票可以獲得顯著的超額收益,并且信息不對稱程度更高的股票組合收益更高。此外,與單因子的表現相比,基于合成因子構建的多空組合可以獲得更高的收益率。

在穩健性分析中,發現本文的結果不依賴于120天的變量計算窗口的設定。對于不同的時間窗口,通過量價趨勢合成因子構建的股票多空組合都能獲得正的年化收益。只是當時間計算窗口較短(如5天)時,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間量價趨勢因子的表現。實證結果表明,在不同的分樣本內基于量價趨勢因子構建的多空組合都可以獲得顯著為正的年化收益率。特別是在市場波動較高的情況下,多空組合能獲得更高的收益。

與現有文獻相比,本文的研究貢獻主要體現在以下3個方面:

(1) 以往文獻研究主要基于股票價格構建指標,考察股票價格趨勢對股票橫截面收益率的預測能力[6,9-11]。不同于上述文獻,本文基于股票價格和成交量構建指標,綜合考察價格趨勢和成交量趨勢對股票橫截面收益率的預測能力。以往文獻研究指出,作為重要的市場信息變量,成交量不僅反映了知情交易者私人信息的質量與精度[12-13],還可以揭示投資者進行交易的動機[14-16],能夠顯著地預測資產未來收益率[7,17-18]。文獻[19-22]基于國內市場,同樣發現成交量包含預測股票收益率和波動率的有用信息。本文在Han等[6]的基礎上,基于國內A 股市場構建價格趨勢因子和成交量趨勢因子,考察量價趨勢是否包含預測股票收益率的有用信息,是對現有研究的有益補充。

(2) 從信息不對稱的角度剖析量價趨勢因子預測能力的影響因素。以往文獻研究表明,投資者的行為偏差,如過度反應[23-26]和自謙歸因偏向[27],會導致股票價格的反轉效應。而信息不對稱的存在會增強投資者對新消息的過度自信程度,從而導致更顯著的價格反轉效應[28-29]。上述文獻研究表明,信息不對稱會影響價格趨勢因子的預測能力,但信息不對稱如何影響成交量趨勢因子的預測能力,現有文獻還沒有研究。本文根據不同的信息不對稱代理變量,實證檢驗信息不對稱對量價趨勢因子預測能力的影響。結果表明,對于信息不對稱程度較高的股票組合,其量價趨勢因子的預測能力更為顯著。

(3) 本文將量價趨勢因子的信息進行合成,探究合成因子對股票收益率的預測能力。以往研究表明,成交量具有獨立于股票價格的有用信息,觀察股票歷史價格與成交量的聯合動態有助于提高股票收益率的預測能力[30-36]。在以往文獻研究啟發下,本文對價格趨勢因子和成交量趨勢因子進行等權合成。實證研究表明,相較于單一因子,基于合成因子構建的股票多空組合能夠獲得更高投資績效。因此,綜合利用股票價格和成交量信息,有助于提高股票收益率的預測能力和投資組合的績效。

1 數據描述

本文以滬深兩市A 股股票(剔除ST 股)為研究對象,數據來自CSMAR 數據庫,樣本區間為2005年1月4日至2021年6月30日。在進行投資組合分析時,為確保構建的資產組合具有實操性,剔除在調倉日停牌或漲停(主板超過9%,創業板超過19%)的股票。

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

股票的價格(成交量)趨勢因子值越高,表明價格(成交量)的上升趨勢越強。在實證研究中,首先令T=120,即利用過去120天的價格與成交量數據(至少有60天的有效數據)計算因子值,并在后續穩健性檢驗部分變換T的取值。

為了考察信息不對稱程度對量價趨勢因子預測能力的影響,采用公司流通市值、波動率和非流動性3種指標來刻畫中國股票市場的信息摩擦程度[6,15]。令Rt為股票在t日的收益率,則波動率定義為

采用Amihud指標[37]來度量中國股票市場的非流動性,即

該指標反映的是1 000萬元的日成交額引起股票價格的平均變化比率。

按照以往文獻的通常做法,設定股票持有期為1個月。在每個月的月底,根據式(1)～(4)計算各個股票的價格和成交量趨勢因子、波動率和非流動性指標,并采用投資組合分析法和FM 回歸分析法,考察它們對股票下一個月的橫截面收益率是否有顯著的預測能力。

表1中面板A 展示了主要變量的描述性統計結果。價格趨勢因子的橫截面均值為 1.71%,表明在120天的時間窗口內,中國A 股市場呈現遞增的價格趨勢。然而,價格趨勢因子的中位數為-0.51%,表明橫截面股票中有超過半數呈現遞減的價格趨勢。成交量趨勢因子在橫截面中也呈現出較大的差異,成交量趨勢因子的均值與中位數分別為-1.45%和-22.04%,說明中國A 股呈現遞減的成交量趨勢。在本文的樣本區間內,A 股股票的平均市值為91.02 億元,其中,規模最小的公司為3.55億元,市值最大的公司規模超過1.13萬億元。平均非流動性為1.59%,即1 000萬元可以引起股票價格變化 1.59%。

表1 變量描述統計與相關系數矩陣

表1中面板B 給出了不同變量之間的橫截面相關性,其中括號中為t統計量。結果表明,量價趨勢之間存在顯著的正相關關系,相關系數達到29.36%,t統計量為21.81。這說明,在120天的時間窗口內,股票價格的變化往往伴隨著成交量的同步變化。另外,規模、波動率與價格趨勢因子的相關系數分別為4.69%(t=3.78)和13.77% (t=5.21),表明規模較大、波動率較大的股票具有更強的價格趨勢。相比之下,成交量趨勢因子與公司規模和波動率之間的相關性較低。然而,成交量趨勢與股票的非流動性之間的相關性為3.07%,t統計量為 3.35。這表明,在120天的時間窗口內,流動性較差的股票往往呈現遞增的成交量趨勢。

2 實證分析

本節采用資產組合分析和Fama-MacBeth回歸分析的方法,考察量價趨勢對股票收益率的預測能力。

資產組合分析包括單變量分組和雙變量分組。單變量分組根據排序變量(價格趨勢或成交量趨勢),在每個月的月底將樣本中的股票按照從低到高的順序分為5組,并計算各投資組合在下個月的等權重平均收益率3)在未給出的結果中,本文也采用市值加權來計算平均收益率,結果與等權重情況類似,加權方式的不同對文章的主要發現沒有影響。為了節省空間,正文只給出了等權重的結果。如果最高分組的股票組合比最低分組的股票組合在未來一個月具有顯著更高(或更低)的收益率,則表明排序變量包含預測股票橫截面收益率的有用信息。

進行雙變量分組是為了探究信息摩擦是否影響量價趨勢因子的預測能力。具體而言,在每個月的月底,先按照信息不對稱代理變量(市值、波動率或非流動性)將樣本股票分為5組,再在每個組中根據價格或成交量趨勢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,計算各投資組合在下個月的等權重平均收益率。如果價格或成交量趨勢因子的預測能力隨著信息不對稱代理變量呈單調變化,則說明量價趨勢因子的預測能力受到股票信息不對稱程度的影響。

最后,在Fama-MacBeth回歸中,除了量價趨勢因子,本文還加入其他一系列影響股票橫截面收益率的預測因子,考察在控制其他變量之后,量價趨勢因子是否對股票未來收益率仍然具有顯著的預測能力。

2.1 資產組合分析

2.1.1 價格趨勢因子 本節首先根據價格趨勢因子進行單變量分組,表2 中面板A 給出了基于價格趨勢因子構建的資產組合的表現。可以看到,投資組合的年化收益率隨著價格趨勢因子的增加而降低,買入低價格趨勢因子的股票并賣出高價格趨勢因子的股票所構建的多空組合(L-H),能夠獲得16%的年化收益率,經Fama等[38]五因子(FF5)調整后的年化超額收益率為15%,均在1%的顯著性水平上顯著。上述結果表明,A 股市場存在顯著的反轉效應,與國內已有文獻[9,20,24,32]的研究相一致。

表2 價格趨勢因子的分組表現

Jegadeesh等[39]的早期研究結果表明,在2～12個月的時間窗口內,美國股票市場上表現出“中期動量效應”,即過去的贏家(輸家)在未來具有更好(更差)的表現。Rouwenhorst[40]和Asness等[41]在國際股票市場以及貨幣、期貨等資產中同樣發現動量效應。與美國等發達國家的股票市場相比,為什么A 股市場不存在“中期動量效應”? 近年來,國內學者從不同角度對A 股市場的“動量效應消失之謎”進行了探討。白顥睿等[10]認為 A 股市場存在日內動量效應和隔夜動量效應,但是由于T+1制度的存在,導致日內與隔夜動量之間的相反作用,從而抵消了總體收益的動量效應。陸蓉等[11]認為A 股投資者存在“彩票型”股票偏好,會推高當前股價并降低未來收益,而傳統動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收益率會顯著降低贏家組合的收益率,并減弱動量效應。

為了考察信息摩擦對價格趨勢因子預測能力的影響,表2中面板B和面板D 給出了信息不對稱代理變量(包括市值、波動率或非流動性)與價格趨勢因子的雙變量分組結果。以公司規模與價格趨勢因子構建的5×5資產組合為例,可以發現,公司規模越小,基于價格趨勢因子構建的多空組合收益越高,且風險調整后的收益率也具有同樣的單調性。以波動率或流動性作為控制變量也會得到類似的結果,即波動率越大、流動性越差的股票,其價格趨勢因子的預測能力更強。上述結果表明,信息不對稱是影響股票定價效率的重要因素:股票信息不對稱程度越高,股票定價效率越低,基于價格趨勢因子的投資策略能夠獲得更高的收益率。

2.1.2 成交量趨勢因子 類似于表2,表3給出了基于成交量趨勢因子構建資產組合的分析結果。表3中面板A 的單變量分組結果表明,成交量趨勢越低的股票組合能夠獲得更高的年化收益。通過買入低成交量趨勢因子的股票并賣出高成交量趨勢因子的股票所構建的股票多空組合能夠獲得16%的年化收益,經Fama等[38]五因子調整后的年化超額收益率為16%,均在1%的顯著性水平上顯著。上述結果與Lee等[31]針對美國股票市場的研究結論相一致。他們指出:當股票人氣下降時,成交量下降導致股票被忽視,市場往往低估這類股票的價值,因此,這類股票的預期收益更高;當股票人氣上升時,其成交量就會增加,它們的價值往往被市場高估,因此,這類股票在未來獲得更低的收益4)現有研究更多關注成交量水平或換手率與未來股票收益率之間的關系,Conrad等[7]和Datar等[17]在美國股票市場上發現,成交量低(高)的股票會獲得更高(更低)的預期收益。田利輝等[20]也在中國股票市場上得出同樣結論。由表4的FM 回歸分析結果可以看到,在包含換手率等變量之后,成交量趨勢因子對股票的預期收益率依然保持顯著的預測能力,表明成交量趨勢因子與換手率包含不同的預測信息。

表3 成交量趨勢因子的分組表現

表4 Fama-MacBeth回歸結果

表3中面板 B 給出了對公司規模與成交量趨勢因子進行雙變量分組后的結果。可以發現,公司規模越小,基于成交量趨勢因子構建的多空組合收益越高,且風險調整后的收益率也具有同樣的單調性。面板C和面板D 的實證結果表明,基于成交量趨勢因子構建的多空組合,對于波動率越高或流動性越低的股票,其收益率越高。上述結果表明,信息不對稱程度較高的股票具有更低的定價效率,成交量趨勢因子的預測能力會更強。

綜上可知,本節投資組合的分析結果表明,基于歷史價格和成交量構建的量價趨勢因子對股票收益率均具有顯著的預測能力。并且,股票的信息不對稱程度越高(規模小、波動率大或流動性差),基于量價趨勢因子構建的多空組合可以獲得更高的收益率。

2.2 Fama-MacBeth 回歸分析

為了探究量價趨勢因子的預測能力是否被其他解釋變量所吸收,表4給出了 Fama-MacBeth 回歸的結果。其中:Trend_prc 和 Trend_vol 分別為價格趨勢因子和成交量趨勢因子,由式(1)、(2)定義;非流動性和波動率分別用Illiquidity 和Volatility表示,定義見式(3)、(4);ln(Size)為流通市值的對數,PB為市凈率,Turnover為過去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,量價趨勢因子對股票收益率均具有顯著的預測能力。當股票之間的價格趨勢因子相差1個標準差(0.135 6),股票之間的預期收益率相差約 0.48%(-3.54×0.135 6)。同理,當橫截面股票之間的成交量趨勢因子相差1個標準差(0.753 8),股票之間的預期收益率相差約0.67%(-0.89×0.753 8)。表4列(5)中同時考慮量價信息的結果表明,量價趨勢因子的回歸系數仍然顯著,表明它們包含預測股票收益率的不同信息。

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

3 因子合成

上述分析表明,量價趨勢因子雖然具有顯著的相關性,但包含不同的預測未來收益率的有用信息。因而,本節對量價趨勢因子進行簡單的等權合成5)作為穩健性測試,本文還嘗試0.4/0.6(即價格趨勢因子賦權0.4,成交量趨勢因子賦權0.6)以及0.6/04的賦權方法,對量價趨勢因子進行合成,相應的多空組合年化收益率分別為 19%(t=5.04)和 19%(t=4.66),以考察綜合利用量價信息是否能提高對收益率的預測能力。類似于Fernandez-Perez等[42]和Bianchi等[43]的研究,在每月月底,分別基于量價趨勢因子對樣本中的股票從小到大排序,得到相應的排名即RankTrend_prc 和RankTrend_vol。通過將每個股票的兩個排名相加從而構造量價趨勢因子,即

表5給出了基于量價合成因子構建資產組合的分析結果。由表5中面板A 的單變量分組結果可以看出,合成因子越小的股票組合在未來的收益率越高。與表2和表3中的單因子表現相比,基于量價趨勢合成因子的多空組合具有更高的年化收益率,達到19%(t=4.85)。因此,綜合利用量價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稱程度指標對股票量價信息預測能力的影響。以公司規模為例,可以發現,隨著股票組合的規模變小,根據量價合成因子構建的多空組合可以獲得更高的年化收益率。由大公司構建的多空組合年化收益率為6%(t=1.33),而由小公司構建的多空組合年化收益達到26%(t=5.94)。以波動率或流動性指標作為控制變量也會得到類似的結果,即波動率越大、流動性越差的股票,量價合成因子的預測能力更強。

圖1展示了從2005年5月至2021年6月由單個趨勢因子和合成因子構建的多空組合的累計收益。由圖1可見,基于價格趨勢因子構建的多空組合的累計收益率為9.20;成交量趨勢因子的表現要優于價格趨勢因子,累計收益達到14.16;量價合成因子的表現最好,累計收益達到16.92。因此,綜合利用量價趨勢因子中的有用信息可以提升投資者的投資表現。

圖1 量價趨勢多空組合的累計收益

4 穩健性檢驗

4.1 不同計算窗口的實證結果

在上述分析中,對量價趨勢因子等關鍵變量的計算采用的是120天的時間窗口。為了探究上述結果是否受到變量計算窗口的影響,本節嘗試如下時間窗口:5、30、60、240和360 天來計算量價趨勢因子。表6中的面板A 給出了基于量價合成因子構建的多空組合的年化收益。可以看到,對于不同的時間窗口,多空組合的年化收益均為正值。然而,當計算窗口較短時,如僅用過去5天的數據來計算量價趨勢,多空組合的收益不再顯著。面板B 考察了不同時間窗口下,公司規模6)基于其他信息摩擦代理變量(波動率或非流動性)的雙變量分組統計結果也有類似的結論對量價多空組合收益的影響。可以看到,公司規模越小,基于量價合成因子構建的多空組合收益越高。

表6 不同計算時間窗口下合成因子的表現

4.2 不同樣本區間的實證結果

本節將樣本時間 2005年8月至2021年6月拆分為 3個時間段,即2005-08～2010-12,2011-01～2015-12,2016-01～2021-06,并分階段考察量價趨勢因子對股票收益率的預測能力。表7給出了單個因子以及合成因子在不同時段的表現。表7 面板A中的全樣本結果表明,無論基于單個因子還是合成因子,多空組合(L-H)都可以獲得顯著的年化收益率。其中,量價合成因子的表現最好,平均年化收益率達到19%(t=5.20)。面板B和面板D 給出了分樣本的結果。可以看出,在不同的時間段,基于量價合成因子的多空組合都可以獲得顯著為正的收益率。

表7 不同時間段量價趨勢因子的表現

圖2直觀地展示了量價合成因子在不同時段的累計收益率。由圖2可見,在不同的時間段,基于量價趨勢信息構建的多空組合都能獲得穩定為正的投資收益。同時,市場的波動狀態對多空組合也有較大影響。在樣本初期(2005-08～2010-12),中國股票市場存在較大的波動,而此時的信息不確定和不對稱性較高,因此,基于價格和成交量的技術分析可以獲得較高的累計收益率。而在隨后的兩個時間段,隨著中國股票市場制度的不斷健全,信息不確定性程度有所降低,市場的波動呈現遞減的趨勢。在此期間,股票多空組合的年化收益也有所降低。

圖2 量價趨勢多空組合在不同時段的累計收益

5 結論

本文基于中國A 股市場,采用投資組合方法和Fama-Macbeth方法,考察了量價趨勢對股票橫截面收益率的預測能力。實證結果表明,量價趨勢對股票未來收益率具有顯著的預測能力,成交量或價格上升趨勢越強的股票,其未來的收益率越低。信息摩擦程度對量價趨勢因子的預測能力有顯著影響,對于市值較小、波動率較大和流動性較差的股票,其預測能力更為顯著。通過將量價趨勢信息進行等權合成,本文發現合成后的因子比單個因子有更好的表現。最后,本文的研究結果對于不同的變量計算窗口、不同樣本區間和市場狀態都是穩健的,但是隨著市場波動程度的降低,股票多空組合的年化收益也有所降低。

本研究對于理解中國市場股票定價效率和市場有效性有一定的啟示意義。一方面,本文發現量價趨勢因子包含未來股票橫截面收益率的有用信息,投資者在投資交易時,可以利用量價趨勢信息獲得超額收益;另一方面,本文的研究表明,隨著信息不對稱程度的增加,量價趨勢因子的預測能力更強,即股票的信息不對稱程度是影響股票定價效率的重要因素。由于信息不對稱高的股票具備一定的特征(如市值小、流動性差、波動率高等),從監管角度而言,加強這類公司信息披露的質量,有助于提高公司信息透明度。另外,何誠穎等[44]指出,通過市場化的融券做空機制,也能緩解上市公司與投資者之間的信息不對稱,改善股票市場的定價效率。

本文后續還有很多工作值得進一步深入研究。首先,現有理論[15,30]和實證[31,36]研究表明,成交量可以幫助理解價格反轉和價格動量效應。Medhat等[36]在美國股票市場上研究發現,低換手率股票出現了顯著的價格反轉,而高換手率股票則表現出價格動量。本文在中國股票市場上構建了簡單的量價合成因子,顯示縮量下跌的股票表現優于放量上漲的股票。如何將成交量趨勢因子和價格趨勢因子納入理論模型,并揭示兩者之間的交互影響將是未來研究的重點。另外,Han等[6]基于不同時間窗口構建了價格趨勢因子,并將此納入資產定價的分析。他們發現,包含趨勢因子的資產定價模型可以很好地解釋美股的橫截面收益率。本文發現,在A 股市場上,成交量趨勢因子提供了額外的預測信息,甚至比價格趨勢因子具有更強的預測能力。如何將成交量趨勢因子和價格趨勢因子結合并納入現有的資產定價模型,有待進一步研究。