中國股票市場的領(lǐng)先滯后效應(yīng)

摘 要：利用中國A股上市公司日度與分鐘級(jí)的數(shù)據(jù)，研究了股票間收益率領(lǐng)先滯后關(guān)系的影響因素。研究結(jié)果表明，規(guī)模較大的公司對(duì)市場信息反應(yīng)更快，其股票收益率先于規(guī)模較小的公司變動(dòng)。在時(shí)間序列上，相較于日度數(shù)據(jù)的研究結(jié)果，使用分鐘級(jí)數(shù)據(jù)的領(lǐng)先滯后效應(yīng)指標(biāo)具有更大幅度的衰減，說明我國A股的信息有效性在不斷提升。此外，發(fā)現(xiàn)交易量和分析師覆蓋率也是影響領(lǐng)先滯后關(guān)系的重要因素。

關(guān)鍵詞：領(lǐng)先滯后效應(yīng)；規(guī)模；交易量；分析師覆蓋率

中圖分類號(hào)：F830.91 文獻(xiàn)標(biāo)志碼：A" " " " ""文章編號(hào)：1005-9679（2024）01-00-06

The Lead-Lag Effect in Chinese Stock Market

HUANG Yuqing WU Fei

（Shanghai Advanced Institute of Finance， Shanghai Jiao Tong University， Shanghai 200030， China）

Abstract： Based on the daily and minute data of China's A-share listed companies，this article studies the influencing factors of the lead-lag relationship between stock returns. The results show that larger companies respond more quickly to market information，and their stock returns change earlier than smaller companies. In terms of time series，compared with the results of daily data， the lead-lag effect index of minute level data has a greater attenuation，which indicates that the information effectiveness of a shares in China is constantly improving. In addition，trading volume and analyst coverage are also important factors affecting the lead-lag relationship.

Key words： lead-lag effect; size; trading volume; analyst coverage

0 引言

經(jīng)典的資產(chǎn)定價(jià)理論認(rèn)為，在一個(gè)沒有摩擦的完全市場中，整個(gè)市場信息的傳播是瞬間的，每個(gè)參與者都會(huì)同時(shí)對(duì)其做出反應(yīng)，然而現(xiàn)實(shí)世界中存在著相當(dāng)大的摩擦，會(huì)減緩信息傳遞的速度。

不同的企業(yè)對(duì)市場信息的反應(yīng)速度不同，存在較明顯的領(lǐng)先滯后效應(yīng)。Lo和MacKinlay（1990）發(fā)現(xiàn)投資組合收益是高度自相關(guān)的。此外，他們還發(fā)現(xiàn)這種關(guān)系是不對(duì)稱的，小公司當(dāng)期的股票收益率與大公司前期的股票收益率之間的相關(guān)性遠(yuǎn)強(qiáng)于大公司當(dāng)期的股票收益率和小公司前期的股票收益率之間的相關(guān)性。

關(guān)于領(lǐng)先滯后現(xiàn)象有三種解釋。第一種解釋是傳統(tǒng)的論點(diǎn)，認(rèn)為交叉自相關(guān)是非同步交易的結(jié)果。第二種解釋是預(yù)期收益會(huì)隨時(shí)間變化，從而引起領(lǐng)先滯后效應(yīng)（Conrad和Kaul，1988）。對(duì)于前兩種解釋，有論文（Lo和MacKinlay，1990；Mech，1993；McQueen，Pinegar和Thorley，1996；Hou，2007）表明，它們只能解釋交叉自相關(guān)現(xiàn)象的一小部分。本文參考第三種解釋，認(rèn)為股票收益率對(duì)共同信息的調(diào)整速度是不同的（Hou，2007；Menzly和Ozbas，2010；Huang，Jiang，Tu，等，2015）。市場信息傳遞緩慢的原因包括交易成本、市場不完全、法律限制和其他摩擦等。

在本文中，我們研究了中國市場的領(lǐng)先滯后現(xiàn)象。我們首先對(duì)大公司組成的投資組合收益和小公司組成的投資組合收益進(jìn)行交叉自相關(guān)分析，測試了大小投資組合收益之間的可預(yù)測性。利用日數(shù)據(jù)，我們發(fā)現(xiàn)大投資組合的滯后收益率與小投資組合當(dāng)前收益率的相關(guān)性遠(yuǎn)強(qiáng)于小投資組合的滯后收益率與大投資組合當(dāng)前收益率的相關(guān)性。然而，當(dāng)使用分鐘級(jí)數(shù)據(jù)時(shí)，由于有些股票根本不交易，非交易問題導(dǎo)致分鐘級(jí)數(shù)據(jù)不能反映投資組合之間的可預(yù)測性。

接下來，我們采用了Chordia和Swaminathan（2000）提出的速度調(diào)整度量方法。我們對(duì)每個(gè)投資組合都采用Dimson回歸，其中回歸式左邊是投資組合的當(dāng)前回報(bào)，右邊是市場的當(dāng)前和滯后回報(bào)，調(diào)整速度基于當(dāng)前和滯后項(xiàng)前的系數(shù)（貝塔）。結(jié)果表明，無論是日數(shù)據(jù)還是分鐘級(jí)數(shù)據(jù)，大投資組合收益率的調(diào)整速度都比小投資組合收益率快得多。我們還發(fā)現(xiàn)隨著時(shí)間的推移，日度數(shù)據(jù)和分鐘級(jí)數(shù)據(jù)均顯示出弱化的領(lǐng)先滯后效應(yīng)，說明市場的有效性在增強(qiáng)。同時(shí)，分鐘水平上的領(lǐng)先滯后效應(yīng)弱化幅度高于日度數(shù)據(jù)，表明市場交易頻率加快，日內(nèi)交易次數(shù)增加。

在最后的部分中，我們進(jìn)一步尋找領(lǐng)先滯后關(guān)系的其他決定因素。Chordia和Swaminathan（2000）發(fā)現(xiàn)在控制了規(guī)模后，交易量高的投資組合會(huì)領(lǐng)先于交易量低的投資組合回報(bào)率變動(dòng)。在中國股市中，我們發(fā)現(xiàn)無論是使用日度數(shù)據(jù)還是分鐘級(jí)數(shù)據(jù)，控制公司規(guī)模之后，交易量高的投資組合回報(bào)率均會(huì)領(lǐng)先于交易量低的投資組合。因此，我們認(rèn)為成交量是導(dǎo)致領(lǐng)先滯后效應(yīng)的決定因素之一。除了交易量，之前有學(xué)者發(fā)現(xiàn)分析師覆蓋率也是領(lǐng)先滯后效應(yīng)的一個(gè)重要決定因素（Chordia和Swaminathan，2000；Hou，2007；Crawford， Roulstone和So，2012）。研究表明，在日數(shù)據(jù)和分鐘級(jí)數(shù)據(jù)下，控制了規(guī)模后分析師覆蓋率高的公司組合收益率領(lǐng)先于分析師覆蓋率低的公司。

本文對(duì)股票市場領(lǐng)先滯后效應(yīng)的研究有所貢獻(xiàn)。第一，我們發(fā)現(xiàn)了中國股票市場日內(nèi)數(shù)據(jù)上的領(lǐng)先滯后模式。與Hou（2007）的觀點(diǎn)一致，本文認(rèn)為對(duì)共同信息不同的調(diào)整速度會(huì)導(dǎo)致股票市場的領(lǐng)先滯后效應(yīng)。第二，我們發(fā)現(xiàn)領(lǐng)先滯后效應(yīng)在日度和分鐘級(jí)數(shù)據(jù)上均有所減弱，且分鐘級(jí)數(shù)據(jù)減弱程度更大，與金融市場愈加成熟完善一致。第三，我們研究了公司規(guī)模外的其他決定因素。之前的學(xué)者指出，交易量和分析師覆蓋率在領(lǐng)先滯后效應(yīng)中也起著關(guān)鍵作用（Chordia和Swaminathan，2000；劉煜輝等，2004；Hou，2007；Crawford，Jones和Roulstone等，2012），本文采用日數(shù)據(jù)和分鐘級(jí)數(shù)據(jù)，發(fā)現(xiàn)在中國股市中，在控制規(guī)模后，成交量和分析師覆蓋率都是決定領(lǐng)先滯后效應(yīng)中非常重要的部分。

論文的其余部分安排如下。在第1節(jié)中，我們描述了數(shù)據(jù)及其處理過程。在第2節(jié)中，我們對(duì)大公司組成的投資組合收益和小公司組成的投資組合收益進(jìn)行了交叉自相關(guān)分析。在第3節(jié)中，我們研究了不同投資組合的調(diào)整速度差異。在第4節(jié)中，我們研究了在控制規(guī)模后，成交量和分析師覆蓋率在該效應(yīng)中的作用。第5節(jié)為總結(jié)。

1 數(shù)據(jù)

我們的樣本包括2004年1月至2019年5月上海和深圳證券交易所的所有A股上市公司，利用日收益率和分鐘收益率來估計(jì)中國股市的領(lǐng)先滯后效應(yīng)。隨著高頻交易的增多和信息傳播速度的加快，利用更高頻的數(shù)據(jù)來探索領(lǐng)先滯后模式是必然的。我們把收益率與從WIND得到的規(guī)模、指數(shù)、交易量和分析師覆蓋率等數(shù)據(jù)進(jìn)行匹配。

規(guī)模是指第t年6月底或12月底股票的市值。交易量是t年1月至6月或t年7月至12月的平均交易量。然后，將半年末的規(guī)模和交易量與下一個(gè)半年的回報(bào)進(jìn)行匹配。分析師覆蓋率是指t-1年1月至12月對(duì)公司進(jìn)行年度盈利預(yù)測的分析師報(bào)告總數(shù)。我們將分析師覆蓋率與t年的收益率數(shù)據(jù)相匹配，因?yàn)楹芏喙景肽旮聲r(shí)只有一份報(bào)告，所以選擇一整年作為分析師覆蓋率的頻率。

我們將所有A股上市公司按照上一個(gè)半年末的市值，分成四種規(guī)模的投資組合，每個(gè)組合公司的數(shù)目相等，計(jì)算出下一個(gè)半年每個(gè)投資組合的平均日收益和分鐘收益。

我們對(duì)觀測值進(jìn)行了5%水平上的極值處理，并對(duì)收益率進(jìn)行描述性統(tǒng)計(jì)，表1和表2展示了由規(guī)模最大的公司組成的投資組合P1（規(guī)模處于前25%的公司）和由規(guī)模最小的公司組成的投資組合P4（規(guī)模處于后25%的公司）的收益率，統(tǒng)計(jì)包括日度和分鐘級(jí)收益率的平均值、標(biāo)準(zhǔn)差、最小值和最大值。小公司的平均回報(bào)率總是高于大公司，日度數(shù)據(jù)高了約為13個(gè)基點(diǎn)，分鐘級(jí)數(shù)據(jù)高了約為0.12個(gè)基點(diǎn)。

如果股票價(jià)格對(duì)信息反應(yīng)緩慢，那么價(jià)格上漲之后依舊會(huì)出現(xiàn)價(jià)格上漲，價(jià)格下跌時(shí)也是如此。因此，股票投資組合收益率的自相關(guān)系數(shù)應(yīng)該是正的。表1和表2中的一階自相關(guān)系數(shù)在1%的水平上均顯著為正，與假設(shè)一致。

2004年1月至2019年5月，最大和最小投資組合中的公司平均數(shù)量分別為494家和495家。表3報(bào)告了由不同公司組成的投資組合規(guī)模的平均值和標(biāo)準(zhǔn)差等。4個(gè)投資組合的平均規(guī)模依次為42.84億元、6.33億元、3.68億元和2.73億元。

2 交叉自相關(guān)分析

我們研究了交叉自相關(guān)并把重點(diǎn)放在了極端規(guī)模的投資組合上。根據(jù)我們的預(yù)期，AR（1）模型將得出最大投資組合的滯后收益R1，t-1與最小投資組合的當(dāng)期收益R4，t之間的相關(guān)性應(yīng)該高于最小投資組合的滯后收益R4，t-1與最大投資組合當(dāng)前收益R1，t之間的相關(guān)性。也就是說，corr（R1，t-1， R4，t）gt; corr（R4，t-1， R1，t）。

表4和表5報(bào)告了投資組合交叉自相關(guān)分析的結(jié)果。在表4中，我們發(fā)現(xiàn)日數(shù)據(jù)中最大投資組合的滯后收益與最小投資組合的當(dāng)前收益之間的相關(guān)性為0.119，并且在1%的水平上顯著。最小投資組合的滯后收益與最大投資組合的當(dāng)期收益之間的相關(guān)性為0.035，在5%的水平上顯著。結(jié)果很好地滿足了我們的預(yù)期，即大公司組成的投資組合收益對(duì)小公司組成的投資組合回報(bào)的可預(yù)測性大于小投資組合回報(bào)對(duì)大投資組合回報(bào)的可預(yù)測性。在表5中，當(dāng)使用分鐘數(shù)據(jù)時(shí)投資組合之間沒有這種可預(yù)測性。有些股票根本不交易，非交易問題可能會(huì)導(dǎo)致分鐘級(jí)數(shù)據(jù)失去可預(yù)測性。

3 調(diào)整速度

這一部分研究了規(guī)模差異和整個(gè)市場信息調(diào)整速度之間的關(guān)系。我們發(fā)現(xiàn)，無論是在日數(shù)據(jù)還是分鐘級(jí)數(shù)據(jù)下，由大公司組成的投資組合收益率比小公司組成的投資組合收益率對(duì)共同信息的調(diào)整速度更快。

本文采用Chordia和Swaminathan（2000）提出的調(diào)整速度測量方法，基于Dimson貝塔回歸得出當(dāng)前和滯后貝塔。從2004年1月到2019年5月，估計(jì)投資組合的Dimson貝塔回歸為：

Ri，t＝αi+∑3k＝－3βi，k Rm，t－k+εi，t （1）

其中，Ri，t是投資組合的每日（分鐘）的回報(bào)率，Rm，t－k是整體市場每日（分鐘）的回報(bào)率，市場收益率為樣本中所有股票的平均收益率。βi，k是滯后k期的市場收益率系數(shù)，我們用日數(shù)據(jù)進(jìn)行回歸，得到各年份的貝塔。相應(yīng)地，當(dāng)使用分鐘級(jí)數(shù)據(jù)時(shí)，我們得到了每天的貝塔。

調(diào)整速度與同期和滯后的貝塔有關(guān)。考慮兩個(gè)投資組合1和2。當(dāng)且僅當(dāng)投資組合1的同期貝塔系數(shù)β1，0大于投資組合2的同期貝塔系數(shù)β2，0，且投資組合1的滯后貝塔系數(shù)小于投資組合2的滯后貝塔值時(shí)，投資組合1的收益率比投資組合2的收益率對(duì)公共信息反應(yīng)更快。更精簡的表述：當(dāng)且僅當(dāng)（小于時(shí)，投資組合1的收益率比投資組合2的收益率對(duì)公共信息反應(yīng)更快。

對(duì)于上述Dimson貝塔回歸，將調(diào)整速度定義為，然后我們將它的對(duì)數(shù)變換作為調(diào)整速度的度量方式：

DELAYi＝， 其中x＝" " " " " （2）

對(duì)數(shù)變換有幾個(gè)優(yōu)點(diǎn)。首先，它在x上是單調(diào)的。其次，轉(zhuǎn)換可以減弱異常值的影響，這些異常值可能是太大或太小。它將所有x轉(zhuǎn)換為0到1之間的值。DELAY接近0的投資組合對(duì)整個(gè)市場信息的調(diào)整速度很快。同時(shí)，當(dāng)投資組合的DELAY接近1時(shí)，意味著投資組合對(duì)市場中的信息反應(yīng)緩慢。我們用這個(gè)指標(biāo)來檢驗(yàn)不同投資組合的調(diào)整速度。

表6給出了由最大規(guī)模的公司組成的投資組合和由最小規(guī)模的公司組成的投資組合的DELAY，用日度和分鐘級(jí)數(shù)據(jù)分別報(bào)告2004年至2019年的DELAY差異（對(duì)于分鐘數(shù)據(jù)，我們將每年所有交易日的DELAY平均）。DELAY1代表由最大規(guī)模的公司組成的投資組合的DELAY，DELAY 4代表由最小規(guī)模的公司組成的投資組合的DELAY。結(jié)果表明，在日度數(shù)據(jù)下，最大投資組合與最小投資組合的DELAY差異為-0.030，在1%的水平上顯著。在分鐘級(jí)數(shù)據(jù)下，最大投資組合與最小投資組合的DELAY差為-0.063，在1%的水平上顯著。這兩個(gè)數(shù)據(jù)都表明，最大的投資組合比最小的投資組合對(duì)市場信息的調(diào)整速度更快。

圖1顯示了極端組合之間DELAY差的絕對(duì)值隨時(shí)間變化的情況，可以看到，無論是在日度數(shù)據(jù)上還是在分鐘級(jí)數(shù)據(jù)上，領(lǐng)先滯后效應(yīng)都在弱化，但是在分鐘級(jí)數(shù)據(jù)上弱化得更快。這是符合實(shí)際情況的，因?yàn)殡S著金融市場更加成熟，市場有效程度逐漸提升，日內(nèi)交易頻率逐漸增加。

4 領(lǐng)先滯后效應(yīng)的其他決定因素

4.1 交易量

Chordia和Swaminathan（2000）發(fā)現(xiàn)在控制規(guī)模后，交易量是領(lǐng)先滯后效應(yīng)的重要決定因素。考慮到交易量與規(guī)模的相關(guān)性，我們首先將樣本中的所有公司按其規(guī)模分成4個(gè)投資組合。然后在每個(gè)規(guī)模分位數(shù)上，根據(jù)上半年的平均交易量將其進(jìn)一步劃分為4個(gè)投資組合，即總共有16個(gè)投資組合。

表7報(bào)告了DELAY差的結(jié)果，從日數(shù)據(jù)來看，每個(gè)規(guī)模分位數(shù)中交易量最高的投資組合在1%水平上顯著領(lǐng)先于最低交易量的投資組合。兩個(gè)極端交易量組合的DELAY差依次為0.036、0.022、0.014和0.017。當(dāng)按成交量對(duì)股票進(jìn)行統(tǒng)一排序時(shí)，最高成交量組合與最低成交量組合之間的DELAY差為-0.020。從分鐘級(jí)數(shù)據(jù)看，各規(guī)模分位數(shù)中不同極端交易量組合的超前滯后效應(yīng)也非常明顯，均在1%水平上顯著。只看交易量時(shí)，最高成交量組合與最低成交量組合的DELAY差為-0.057，在1%水平上顯著。因此，我們肯定成交量對(duì)超前滯后效應(yīng)起決定性作用的預(yù)期。成交量高的股票比交易量低的股票對(duì)整個(gè)市場信息的反應(yīng)更快。

4.2 領(lǐng)先滯后效應(yīng)中的分析師覆蓋率

之前有學(xué)者發(fā)現(xiàn)，分析師的盈利預(yù)測也會(huì)影響領(lǐng)先滯后效應(yīng)（Hou，2007；Crawford等，2012）。我們從WIND收集了有關(guān)分析師報(bào)告數(shù)量的數(shù)據(jù)，類似之前對(duì)交易量所做的處理，因?yàn)橐?guī)模和分析師覆蓋率之間存在相關(guān)性，所以首先將樣本中的所有股票按其規(guī)模分成四組。然后，把上一年沒有分析師做過盈利預(yù)測的股票歸類為Pi4，其中i代表股票規(guī)模中第i個(gè)分位數(shù)。然后，根據(jù)分析師報(bào)告的數(shù)量，將剩下的股票分成三份。在過去一年中被分析師跟蹤過的公司組合中，我們關(guān)注Pi1和Pi3，這兩個(gè)投資組合分別代表每個(gè)規(guī)模分位數(shù)中被分析師跟蹤最多的前33.33%的公司和后33.33%的公司。

表9顯示了日度數(shù)據(jù)中的領(lǐng)先滯后效應(yīng)。我們研究了在每個(gè)規(guī)模分位數(shù)內(nèi)，被分析師跟蹤最多的投資組合與沒有被分析師跟蹤的投資組合（Pi1和Pi4）之間的DELAY差異時(shí)，結(jié)果顯示，領(lǐng)先滯后效應(yīng)在1%的水平上是顯著的。更具體地說，兩個(gè)投資組合在每個(gè)規(guī)模分位數(shù)上的DELAY差分別為-0.039、-0.025、-0.021和-0.021。然后我們研究了在每個(gè)規(guī)模分位數(shù)中有分析師跟蹤的兩個(gè)極端情況（Pi1和Pi3）的DELAY差。結(jié)果表明，領(lǐng)先滯后效應(yīng)在1%水平上也都非常顯著。例如，在最大的規(guī)模分位數(shù)中，被分析師跟蹤最多的投資組合DELAY顯著地比被分析師跟蹤最少的投資組合DELAY小0.031。最后，我們比較了被分析師跟蹤最少的組合與沒有被分析師跟蹤的組合（Pi3和Pi4）之間的DELAY差異。同樣，領(lǐng)先滯后效應(yīng)非常顯著，兩種投資組合在每個(gè)規(guī)模分位數(shù)上的DELAY差為-0.007、-0.004、-0.008和-0.021。

在表10中，我們使用分鐘級(jí)數(shù)據(jù)，結(jié)果與表9中報(bào)告的結(jié)果相似。當(dāng)比較投資組合Pi1和Pi4、Pi1和Pi3、Pi3和Pi4之間的DELAY差異時(shí)，除了P43和P44外，在1%的水平上，其他組合之間的領(lǐng)先滯后效應(yīng)都在1%水平上顯著。這是可以理解的，一方面，P43和P44處于最小的分位數(shù)，有更多的噪聲；另一方面，這一對(duì)的分析師覆蓋率差異也比其他組合小。

綜上所述，分析師覆蓋率在領(lǐng)先滯后效應(yīng)中起著重要作用。除去規(guī)模因素，分析師覆蓋率高的投資組合比分析師覆蓋率低的投資組合對(duì)市場信息反應(yīng)更快。

5 結(jié)論

本文研究了我國股票市場的領(lǐng)先滯后效應(yīng)，利用日度和分鐘級(jí)數(shù)據(jù)進(jìn)行了實(shí)證分析，結(jié)果表明，規(guī)模是領(lǐng)先滯后效應(yīng)的重要因素，大公司組成的投資組合收益率顯著領(lǐng)先于小公司組成的投資組合。此外，本文發(fā)現(xiàn)了領(lǐng)先滯后效應(yīng)隨時(shí)間在減弱，且分鐘級(jí)水平上的減弱大于日度數(shù)據(jù)，與金融市場的愈加完善、信息有效性的提升、日內(nèi)交易頻率的提高等客觀事實(shí)符合。不僅如此，我們還發(fā)現(xiàn)在控制了規(guī)模之后，交易量和分析師覆蓋率也對(duì)這一現(xiàn)象起到了關(guān)鍵作用，交易量高和分析師覆蓋率高的公司對(duì)市場信息的反應(yīng)更快，收益率領(lǐng)先于交易量低和分析師覆蓋率低的公司。

參考文獻(xiàn)：

［ 1 ］ LO A W， MACKINLAY A C. When are contrarian profits due to stock market overreaction？[J]. Review of Financial Studies， 1990， 3（2）： 175-205.

［ 2 ］ CONRAD J， KAUL G. Time-variation in expected returns[J]. Journal of Business， 1988， 61（4）： 409-425.

［ 3 ］ MECH T S. Portfolio return autocorrelation[J]. Journal of Financial Economics， 1993， 34（3）： 307-344.

［ 4 ］ MCQUEEN G， PINEGAR M， THORLEY S. Delayed reaction to good news and the cross-autocorrelation of portfolio returns[J]. The Journal of Finance， 1996， 51（3）：889-919.

［ 5 ］ HOU K. Industry information diffusion and the lead-lag effect in stock returns[J]. Review of Financial Studies， 2007， 20（4）： 1113-1138.

［ 6 ］ MENZLY L， OZBAS O. Market segmentation and cross-predictability of returns[J]. The Journal of Finance， 2010， 65（4）：1555-1580.

［ 7 ］ HUANG D， JIANG F， TU J， et al. Investor Sentiment Aligned： A Powerful Predictor of Stock Returns[J]. Review of Financial Studies， 2015， 28（3）： 791-837.

［ 8 ］ CHORDIA T， SWAMINATHAN B. Trading volume and cross-autocorrelations in stock returns[J]. The Journal of Finance， 2000， 55（2）：913-935.

［ 9 ］ CRAWFORD S S， ROULSTONE D T， SO E C. Analyst initiations of coverage and stock return synchronicity[J]. The Accounting Review， 2012， 87 （5）： 1527–1553.

［10］ 劉煜輝， 熊鵬. 中國市場中股票間領(lǐng)先-滯后關(guān)系的規(guī)模與交易量效應(yīng)[J]. 世界經(jīng)濟(jì)， 2004（8）：50-59.

作者簡介：黃雨晴（1995—），女，湖北黃石人，上海交通大學(xué)上海高級(jí)金融學(xué)院碩士研究生，研究方向：實(shí)證資產(chǎn)定價(jià)和行為金融，E-mail： yqhuang.18@saif.sjtu.edu.cn；吳飛（1971—），男，廣西陸川人，愛爾蘭都柏林學(xué)院大學(xué)金融學(xué)博士，上海交通大學(xué)上海高級(jí)金融學(xué)院教授，研究方向：行為金融、市場微觀結(jié)構(gòu)和國際金融市場，E-mail： fwu@saif.sjtu.edu.cn。