中国股票市场的季节性异象研究(txt+pdf+epub+mobi电子书下载)

作者：杨云峰

出版社：中国经济出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

中国股票市场的季节性异象研究试读：

序言

对市场有效性理论的争论和探索极大地丰富了人们对于股票市场的理解。特别是在实证过程中大量违背市场有效性异常现象的发现，促使人们寻求更加符合市场实际的解释，导致许多新的金融理论的创新和发展。因此，对市场异象的研究具有非常重要的理论和实际意义。

大部分股票市场的季节性异象是在已经存在了几百年之久的西方成熟股票市场上被揭示出来的。对于季节性异象的研究不仅丰富了金融学术界对于市场有效性理论的理解，而且对于投资实务也具有明显的指导意义。中国股票市场虽然只发展了短短的二十年，但在我国国民经济中的作用越来越显著，其重要地位已不容忽视。然而由于中国股票市场发展时间较短，与西方成熟的资本市场相比，在法律的体系、监管的制度、市场的规则以及投资者的结构等方面均有显著的差异，因而其季节性市场异象也与美国等发达国家股票市场存在不同的特征。例如在美国股市非常显著的个股收益的季节性异象在中国股市就没有统计上的显著表现。而且中国股票市场自身也存在独特的季节性异象，如“冬播、春生、夏歇、秋抢”季节性市场异象。本文除了应用沪深两市的A股和B股指数数据进行季节性异象、如周日效应、月份效应和五月卖出效应研究外，还利用了沪深两市所有A股的月收益率面板数据，来分析研究中国股票市场上个股预期收益的季节性市场异象。本书的主要工作和结论总结如下：（1）对于资本市场有效性理论的发展历史及其主要内涵进行了系统的阐述，并对违背市场有效性的股票市场异象进行了详细的分类，对于每一类的市场异象的含义、与异象相关的指标及其研究文献通过列表进行了说明。其次，对中国股票市场从萌芽到发展壮大的历史进行了回顾，并对其存在的主要问题进行了分析，在此基础上对于中国股票市场的有效性状况进行了评价。特别对于季节性市场异象的概念内涵及其在中国股票市场上的表现进行了分析和探讨。（2）对于中国股票市场上是否存在股票收益横截面上的季节性异象进行了检验。结果表明，中国上市公司股票的月收益率存在显著的自相关性，其中在一个月的短期内，表现出显著的负自相关性，而在六个月和九个月的中期存在非常显著的正自相关性。但是并不存在美国股市中的个股收益横截面季节性震荡模式。（3）对于中国股票市场上的“日历效应”季节性异象利用最新的数据进行了检验。从上海股市A、B股和深圳股市A、B的周日效应和月份效应的实证结果中发现，不同市场的估计结果存在很大的差异。而且即使是同一个市场，在按照涨跌幅限制与否划分不同的阶段，其周日效应也是不同的。深圳A股市场无论是在整个样本期间以及1996年底施行涨跌幅限制前后，都没有表现出显著的周日效应。而上海A股市场在1992年施行涨跌停板限制前后表现出不同的周日效应，但是在1996年底以后的时间内，与深圳A股一样，并未表现出任何显著的周日效应。四个市场中，只有深圳B股市场在整个样本期间以及在1996底以后体现出显著的星期二效应。这与奉立城（2000）的结论基本上是一致的。从“月份效应”实证估计结果看，上海A股市场表现出典型的“一月份效应”，但深圳A股市场的“一月份效应”并不显著。而沪深两市的B股市场均未发现存在显著的“一月份效应”的证据。（4）基于流行于欧美国家的“五月卖出，然后离开”的古老股市谚语，考察了中国股票市场是否也存在类似的季节性市场异象。结果发现，沪深股市在1997年以前，这种异象并不明显；但在1997年以后，每年11月初至次年4月底（冬）与5月初至10月底（夏）两个期间的平均收益存在显著的差异，而且冬（半年）的平均收益显著为正。也就是说，中国股票市场在此期间也存在显著的“五月卖出”效应。为了进一步考察中国股市行业收益的“五月卖出”效应，按照证监会行业划分标准所形成的22个行业在冬和夏（半年）的收益情况被统计出来。结果发现，所有的行业在冬（半年）的平均收益均超过在夏（半年）的平均收益；除了交通运输仓储业、金融保险业、采掘业以及房地产业之外，其他行业在冬和夏的收益均存在统计上的显著差异，尤其是在农林牧渔业、电子业和传播与文化业存在非常显著的差异。通过对所有22个行业的“五月卖出”效应的计量模型估计结果的分析发现，采掘业和金融保险业两个行业是不存在“五月卖出”效应的，而木材家具业、造纸印刷业、电子业、医药生物制品业和社会服务业五个行业在冬（半年）的平均收益显著地超越其在夏（半年）的平均收益，因而这五个行业存在显著的“五月卖出”效应。因此，中国上市公司的不同行业间的“五月卖出”效应是存在非常显著的差异的。（5）为了验证流行于中国股市的“冬播、春生、夏歇、秋抢”的说法，利用沪深股市冬、夏、春和秋季的数据，进行了统计与计量分析。结果发现这种说法是有统计学依据的，沪深两市的综合指数平均收益按季节从高到低依次为：春季、冬季、夏季和秋季。其中春季、冬季平均收益为正，而秋季的平均收益是负。而利用本书提出的季节模型估计表明，在春季的平均收益显著为正，秋季与春季的平均收益存在高度显著的负差异，而且夏季与春季的平均收益的负差异也比较显著。因此，“冬播、春生、夏歇、秋抢”的说法在一定程度上是一种可行的投资策略。

本书主要的创新点有：（1）对于中国股票市场所特有的“冬播、春生、夏歇、秋抢”异象，进行了详细的实证分析，使得这种流行的说法有了严谨的统计学依据。提出了检验该异象的计量模型：R=α+αW+αS+αA+εt01t2t3tt

这里，R表示指数在第t季的收益率；W、S和A分别代表冬季、tttt夏季和秋季的虚拟变量。（2）首先对于中国股票市场是否存在个股收益的季节性市场异象进行了验证。研究中使用沪深所有交易A股的面板数据对有关异象进行分析，这在以前的文献中是不多见的。（3）有可能是首次对于中国股票市场是否存在“五月卖出”市场异象进行了实证分析，并对于不同行业在冬（半年）和夏（半年）的平均收益的差异以及行业间的收益差异进行了统计分析。

Preface

The discussion and exploration about efficient market theory have greatly en-riched people's understanding of the stock market.Especially during the process of empirical research,large number of anomalies against efficient market theory have been discovered,this prompt people to seek the interpretation more in line with the actual market and lead to many new innovations and development of fi-nancial theory.Therefore,the research on the market anomalies is very important theoretically and practically.

Most of the stock market seasonal anomalies were revealed in the mature Western stock markets which has existed for several centuries.The research on seasonal anomalies not only academically enrich the understanding of efficient market theory,but also has obvious practical significance for pracitical investment.Although China stock market has only developed in a short period of two decades,its role is more and more significant in our national economy and its importance can not be ignored.However,due to the shorter period of develop-ment,China stock market has significant differences with the Western mature capital markets in the aspects of legal system,market regulation,rules of market and structure of investors,so it has different seasonal market anomalies character-istics with the United States and other developed countries.For example,season-ality in the cross-section of stock return is very significant in U.S.stock market,but it is not statistically significant in China stock market.Moreover,China’sstock market itself,has some unique seasonal market anomalies,such as“seed in winter,grow in spring,rest in summer,rush in fall”.In addition to applying the Shanghai and Shenzhen A-share and B share index data to study the seasonal anomalies,such as the weekday effect,Sell in May and the month effect,the panel data of the monthly return of the Shanghai and Shenzhen A share has also been used to analyze seasonality in the cross-section of stock return in China stock market.The main work and conclusions are summarized as follows：（1）The development history and main meaning of efficient market theory were systemically described,detailed classification of the market anomalies against the efficient market theory are described through the list of table in which with the market anomalies,related indicators and the research literature are in-cluded.Secondly,history of China stock market from the its beginning was re-viewed,and its main problems were analyzed on this basis,the market efficiency of the China stock market were evaluated.In particular the concept of seasonal market anomalies was defined and its performance in China stock market was ana-lyzed and discussed.（2）The existence of the seasonality in the cross-section of stock return in China stock market was tested.The results show that there is a significant auto-correlation on the stock return of China's listed companies.In a short period of one month,there is a significant negative autocorrelation,and there is significant positive autocorrelation in the medium periods of six and nine months.However,seasonality anomaly in the cross-section of stock return is not statistically signifi-cant in China stock market like the U.S.market.（3）The“calendar effect”seasonal anomaly for the China stock market was exmined with the latest data about the A and B shares from the Shanghai and Shenzhen stock markets.From the empirical results,it is found that there is a difference among the two markets.Even within same market,the empirical result of weekday effect is different with or without price limits.Shenzhen A-share mar-ket,whether in the whole sample period or in periods with or without price limits,have not shown a significant weekday effect.The Shanghai A-share market shows different effects before and after the implementation of price limits in 1992，but after the end of 1996，it does not show any significant weekday effect just like Shenzhen A shares.Only the Shenzhen B-share market Among the four markets shows a significant Tuesday effect in the entire sample period and af-ter the end of 1996.This is consistent with the result of Feng Li-Cheng（2000）.From the“January effect”empirical estimates,it is discovered that the Shanghai A-share market shows a typical“January effect”，but the“January effect”in Shenzhen A-share market is not significant.The the evidence of“January effect”on Shanghai and Shenzhen B-share markets were not found.（4）Based on the old stock market adage“Sell in May and Go away”which is popular in Europe and the United States,this paper examined whether the Chinese stock market has a similar seasonal market anomaly.It is found that this anomaly is not significant in Shanghai and Shenzhen stock market before 1997；but after 1997 there is statistically significant differences of the average re-turn between the period of early November to the end of April（winter six months）and the period of early May to the end of October（summer six months）.The average return is significantly positive in winter six months and is significantly negtive in summer six months.In other words,the China stock market during this period also shows“Sell in May”effect.Furthermore,the“Sell in May”effect among the industries of the Chinese stock market was exam-ined.the average returns in the winter and summer（six months）for 22 industries formed in accordance with the industry standards.Except industries of transporta-tion and storage,finance and insurance,mining and real estate,there are sta-tistically significant differences in the return of other industries between the winterand summer,especially in industries of agriculture,forestry,animal husbandry,fisheries,electronics and communication and culture industry.Empirical analysis result was estimated on the“Sell in May”effect about all 22 industries.The result show that mining industry,finance and insurance industry do not exist“Sell in May”effect.The average return during the winter（six months）is signif-icantly more than that during summer（six months）in five industries of wood and furniture,paper and printing,electronic industry,pharmaceutical and biological products,the social services.So there is significant“May sell”effect in the five industries.Therefore，“Sell in May”effect among different industries of the Chi-nese listed companies is significantly different.（5）In order to verify the popular saying“Plant in Winter,Grow in Spring,Rest in Summer,Grab in Fall”about Chinese stock market,this paper statisti-cally and econometrically analyses the return data in four quarters of winter,sum-mer,spring and autumn on the Shanghai and Shenzhen stock markets.The results show that there is a statistical evidence for this saying.The average returns on the Shanghai and Shenzhen composite index by quarter in descending order are spring,winter,summer and autumn.In spring and winter,the average return is positive,while the average return is negative in autumn.The estimates of seasonal model proposed by this paper show that the average return in the spring is signifi-cantly positive,there is a significant negative difference between the average re-turn for the fall and spring.，and differences of the average return for spring,summer and negative are more significant.Therefore,to some extent,the saying of“Plant in Winter,Grow in Spring,Rest in Summer,Grab in Fall”is a feasible investment strategy.

The innovations of this paper are：（1）For the Chinese stock market's unique saying of“Plant in Winter,Grow in Spring,Rest in Summer,Grab in Fall”，a detailed empirical analysis makes this popular saying has rigorous statistical basis.A model about the seasonal anomaly is proposed as following：

R=α+α+αS+αA+εt01t2t3tt

Where R represents the quarterly return on the t period,Wt,St and tAt are the dummy variables of winter,summer and fall,respectively.（2）For the first time,seasonal anomaly in the cross-section of stock return is examined in China stock market.Panel data of all the A shares in Shanghai and Shenzhen stock market is used to analyze the anomaly,which is rare in pre-vious literature.（3）This paper may be the first empirical analysis to exmine the existence of“Sell in May”seasonal anomaly in the Chinese Stock Market.The average return differences for the different industries and inter-industry between the winter（six months）and summer（six months）are analyzed statistically.

第1章 导论

1.1 本书研究背景与意义

经典金融理论中的有效市场学说（Efficient Market Hypothesis,EMH）认为在运行良好的证券市场中，许许多多的投资者不断收集和分析关于股份公司及其证券的各种信息，假如投资者认为某种证券的价格被高估，他们就会抛售或卖空它；反之，若投资者认为某种证券被低估，理性的投资者就会购买或持有它。由于这些投资者的竞争行为，证券的最终成交价格也就基本上反映了投资者经过理性分析后的共识，此即证券价格的形成过程。在运行良好的（或有效）的资本市场中证券价格反映了其所有的相关信息；而一个完全有效的市场中，价格在任何时刻都与价值相符合，价格只有在新信息出现时才发生变化。由于新信息是不可预测的，它的到来是随机的，因而生成的证券价格模式将具有随机序列特征，即证券价格服从随机游走（Random Walk），其收益率在各个交易日基本相同。如果某个证券市场是有效的，那么关于某种证券真实价值的最佳估计就由这种证券的现行市场价格所给出。由于有效市场理论假定现行市场价格已充分反映市场的历史信息，包括证券的历史价格序列、收益率、交易量数据和其他市场产生的信息，如零售交易、批量交易和股票交易所做市商或其他特别的组织进行的交易，所以这就意味着过去的收益率应该与将来的收益率没有什么关系（收益率应该是独立的），而遵照根据过去的收益率或者任何其他过去的市场数据得出的交易规律进行买卖，是得不到超常收益的。因此按照有效市场理论，证券的超常预期收益应该是不存在的。

但是，大量的实证分析表明，现实金融市场运行中存在许多理论无法解释的市场异象（Market Anomalies），即金融资产的超常收益是经常存在的。例如在现实金融市场中，证券的收益率序列并不是相互独立，而是经常表现出自相关的特性。例如，French和Roll（1986）报告了股票日收益率方面显著的负的序列相关性，Fama和French（1988）发现股票年收益率在2～5年的观察区间内存在所谓的U形模式序列相关性异象，即在滞后期为2年时开始变为负自相关，在滞后期为3～5年时达到最大的负自相关，然后随着滞后期的增加，自相关程度逐渐趋于零。Jegadeesh（1990）发现股票的月收益率数据也显示出很强的相关性，而且股票的季度收益也存在显著自相关性，并且特别指出在滞后12、24、36个月后，股票收益表现出非常显著的年度正的自相关异象；Moskowitz和Grinblatt（1999）表明股票在行业层面上的收益也存在较显著的正自相关，即存在所谓行业投资组合的惯性效应异象。国内学者对中国股票市场异象的实证研究开始于1994年，俞乔（1994）对上海和深圳股市是否达到了弱式有效进行了研究，他应用误差项序列相关检验、游程检验、非参数检验等方法对上海和深圳股市1990—1994年的综合指数进行实证分析，均证明中国股市的股票收益率存在很强的序列相关性，研究结果表明上海和深圳股市还不具备弱式有效性。综合国内外的研究成果，可以看出不论是国外市场还是国内市场，股票收益率的自相关异象均是显著存在的。

自从有金融资产交易以来，能够“击败市场”的交易策略就成为许多参与实际市场交易大众的梦想。既然大量证据表明股票收益率存在显著的自相关性异象，那么这种自相关性除了表明市场弱式有效性不成立以外，利用这种自相关性就可以构造出不同的投资策略而取得超常利润。在市场有效性理论提出前（1960年以前），许多交易人员和学者相信股票收益的可预测性会使得相应的交易策略取得“超常的”收益。近年来，越来越多的学者将专业兴趣集中于基于资产的过去收益而预测其未来的收益。而且许多研究人员认为收益在时间序列上的相关性缘于市场的无效性，并且由此导致相应投资策略的获利可能性。例如DeBondt和Thaler（1985，1987）通过实证发现对于前3～5年表现比较差的股票，买入并分别持有3年和5年将比买入并持有同一时期表现好的股票获得更高的收益。买入以前表现最差的股票组合（称为输家）同时卖出以前表现最好的股票组合（称为赢家）的投资策略被称为反转策略，反转策略是依据股票收益的负自相关而获得超常收益。而利用股票收益的正自相关性也可构造出所谓的惯性策略，即买入过去的赢家而卖出过去的输家。大量文献显示，在美国市场，具有超常收益的反转策略主要基于非常短的时期（一个星期或一个月）或者非常长的时期（3～5年）的收益反转市场异象。而实际上，交易人员往往也是采用基于3到12个月的股票价格变动的惯性策略来进行交易的。Jegadeesh和Titman（1993，2001）研究了组合的形成期和持有期分别为3、6、9和12个月的16个惯性投资策略，结果发现所有的这些投资策略均产生统计上显著的正收益，特别是自融资组合的收益均为正，而且统计上显著。最成功的自融资组合是基于前12个月收益并持有3个月的组合，这种策略产生了平均每个月1.31%的收益；而不管持有期有多长，基于过去6个月的收益排序构造出的自融资组合都产生大约1%的月收益（相当于年度复合收益率约12%）。周琳杰（2002）采用Jegadeesh和Titman（1993）提出的重叠组合形成期的抽样方法对1995—2000年沪深两市的所有上市公司进行惯性策略的实证分析后发现，组合形成期和持有期皆为一个月的惯性策略营利性最为显著，但随着持有期的延长，自融资组合的收益呈明显的下降趋势。

Heston和Sadka（2008）对于Jagedeesh（1990）的结论（对于12、24、36个月的滞后期，股票收益存在显著的年度正自相关）进行了扩展研究。他们发现股票收益在横截面上呈现出一种令人吃惊的季节性震荡模式，即在前几年的某个特定月的赢家股票，其表现在一年后的同一个月仍然会超越同一个月的输家股票，而且这种表现持续长达20年之久。也就是说，美国股票市场的股票收益在横截面上存在这样一种季节性异象，即个股或投资组合的收益率与某个特定的月份相关联的一种市场异常现象。即在年度区间上呈现出收益的惯性而在超过一年的区间上呈现出收益的反转。此外，可以利用此种季节性异象构造出具有正超常收益的投资组合。

其次，实际证券市场中常见的季节性异象就是所谓的“日历效应”，即证券的收益率水平与特定的日期（时间）有关且存在统计上非常显著的差异，例如“周内效应”、“月份效应”、“月初效应”等。“周内效应”指证券市场在周一的平均收益率要比一周内其他任何一天的平均收益率要低得多，且在统计上显著为负，有时也被称为“星期一效应”或“周末效应”；“月份效应”指证券市场在一月的平均收益率比一年中其他任何月份的平均收益率要高得多，且统计上显著为正，有时也被称为“一月份效应”；“月初效应”指证券市场在一个月的头几个交易日的平均收益率比同月其他交易日的平均收益率要高得多，且在统计上显著为正。对此，国内外已进行了大量的研究，其结论表明，在大部分发达国家（如美国、欧洲国家、澳大利亚、日本等国）证券市场中，都存在显著的“日历效应”异象。

第三种常见的季节性异象为“五月卖出”效应。通常在每年的五月，欧美的财经媒体常会引用一种古老的市场说法“五月卖出，然后离开市场”。例如，英国《经济学家》杂志于1992年和1993年分别刊发文章，描述了这一市场季节性异象。在1999年和2001年，美国有线新闻电视网（CNN）甚至将“五月卖出”作为专题进行了讨论。按照这种说法，五月标志着一个熊市的开始，投资者最好卖出他们的股票，转而持有现金。也就是说，股票收益在每年5月到9月应该比其余的月份要低。此外，O’Higgigs和Downes（1990）提到一个与此密切相关且类似的投资策略，即所谓的“万圣节”指标（Hal-loween Indicator），它如此命名，是因为这种策略要求人们在每年的10月31日到次年的4月30日待在股票市场，然后在其余时间离开市场。Bouman和Jacobsen（2002）探讨了股票收益在5—10月是否确实比一年中的其余月份显著的要低，结果发现在样本中的37个国家（未含中国）中，有36个国家的股票市场存在“五月卖出”效应。在其中的欧洲国家股市，这种效应尤其显著。而且这种异象并未随时间的推移而发生变化，在样本中的许多国家中，这种季节性异象存在了很长的时间。例如，在英国股市，“五月卖出”效应可以追溯到1694年。此外，这种异象不能被诸如风险、市场之间的交互影响以及“一月份效应”等因素所解释。令人感兴趣的是，“五月卖出”效应不仅存在于发达国家股市，在一些新兴国家股市中这种季节性异象也非常显著。

此外，在年轻的中国股票市场，近年来流行一种类似的说法，即所谓的“冬播、春生、夏歇、秋抢”。其大意是说，投资者应该在每年的冬季进入股票市场买入股票，在每年的春季持有股票，在每年的夏季逢高卖出股票然后休息，而在每年的秋季只能做下跌途中的反弹。近年来，这种季节性异常现象由于得到各种媒体的广泛报道而流行起来，而且这是一种近年来颇受中国股票投资者推崇的一种季节性市场异象。

以上几种与某个特定的日期、月份或季度相关联的违背市场有效性的市场现象在本文中统一称为股票市场季节性异象。而中国股票市场的季节性异象正是本书的主要研究课题。

中国股票市场是在从计划经济下的体制，向市场经济体制的转轨这样的背景中，诞生和发展起来的。在过去的20年来，中国股票市场从无到有，从小到大，从区域到全国，得到了迅速的发展。在很多的方面走过了成熟市场几十年甚至是上百年的道路。尽管经历了各种坎坷，中国股票市场规模不断地壮大，制度不断地完善，证券期货经营机构和投资者不断地成熟，逐步成长为一个在法律制度、交易规则、监管体系等各方面与国际普遍公认原则基本相符的资本市场。中国股票市场在我国国民经济中越来越显著的重要地位已不容忽视。特别是在近年来，众多历史遗留问题，如股权分置问题得到了妥善的解决。在机构投资者迅速壮大，法律体系逐步完善的基础上，中国资本市场出现了一系列积极而深刻的变化。首先，中国股票市场的融资功能对整个经济的发展，起到了巨大的推动作用。从1990年开市时的老八股，到2009年底为止，共有1718家各类不同所有制的股份公司在上海和深圳股票交易所挂牌上市。在反映二级市场容量的市价总值和流通市值方面，中国股票市场也取得了迅猛的发展。20年来，中国股市投资者的队伍在不断地扩大，截至2009年底，投资者的开户数达到了空前的1.71亿户。从反映股票二级市场活跃程度成交量方面看，也达到了惊人的水平。2009年境内股票总成交额和日均成交额分别高达53.60万亿元和2196.67亿元，成为全球最为活跃的市场之一。

尽管中国股票市场取得了很大的进步，但是在其发展的过程中，不可避免地带有新兴市场的某些共同缺陷。主要表现在如下几个方面：个体投资者占投资者总数的比例过大；市场波动非常剧烈；投机特征非常明显，市场中投资者的操作方式主要以频繁交易、短期行为为主；投机泡沫成分过多；政府的政策对股票市场有过大的影响。

在上述发展状况下，中国股票市场上的季节性异象具有哪些特征，一些新的异象（如个股收益的季节性）在中国股市是否存在？此外，中国股票市场经过20年的发展，在其发展的早期，学者们所揭示的一些季节性异象（如“日历效应”）是否仍然显著？是否有统计学证据支持中国股票市场特有的“冬播、春生、夏歇、秋抢”的流行说法？如果这些市场季节性异象在统计上显著，则利用这种模式的投资者是否可以应用其预测未来收益、并采用相应的动量或反转策略而获得超额利润？这些问题将是本书的主要课题。

1.2 本书研究思路和方法

本书的研究思路为：首先对国内外有关季节性市场异象的研究文献进行综述，并对文献中的研究方法进行比较和分析。然后对数据先进行描述性统计，并利用相关的计量模型对数据进行回归分析，以检验各种季节性异象的存在性。最后对研究的结果进行分析和讨论。

在研究方法上，绝大部分研究季节性异象的文献是利用股价指数的收益率来进行研究的，很少有从横截面上对个股收益率的差异进行探讨。本书除了应用沪深两市的指数进行季节性异象，如“周日效应”、“月份效应”和“五月卖出”效应研究外，还利用了沪深两市所有A股的月收益率面板数据，分析中国上市公司个股收益率是否具有Heston和Sadka（2008）所揭示的个股收益率令人吃惊的季节性特征，即在某个月的赢家组合是否会在下一年的同一个月其表现仍然会超越输家组合。此外，在研究“日历效应”和“五月卖出”效应季节性异象时，除了利用常见的指数如上证和深证综合指数以外，还使用了国泰安公司的利用沪深两市所有股票构造出的CSMAR沪深两市综合等权重和流通市值加权指数、上海以及深圳的A股和B股的等权重和流通市值加权指数。此外，我们还利用CSMAR数据构造了按照证监会行业标准的行业等权重指数的月收益率数据，以便分析行业收益的季节性特征。

1.3 本书研究的主要内容

本书主要对中国股票市场的季节性异象进行系统的分析研究。

首先，对于中国股票市场是否存在个股收益率横截面上的季节性异象进行了研究。对于沪深两市所有A股的月度收益率面板数据，进行了大量的分析和整理工作，以便其易于计量软件程序进行处理，并利用Fama-Macbeth横截面回归模型估计了平均收益响应参数，然后对这些参数进行统计上的假设检验。以便推断出中国股票市场个股收益率是否与特定的月份相关。

其次，对于中国股票市场上代表整体市场表现的主要指数，包括沪深两市的A股和B股指数以及由沪深两市所有股票构成的等权重和流通市值加权指数，其收益与特定的日期或月份相联系的“日历效应”季节性异象，如“周日效应”和“月份效应”进行了深入而系统的研究。

最后，对于中国股票市场上表现为季度或半年度方面的季节性异象，如中国股票市场所特有的“冬播、春生、夏歇、秋抢”效应和“五月卖出”效应，进行了系统的研究。此外，按照证监会行业划分标准所形成的22个行业在冬和夏（半年）以及在本文所界定的冬季、春季、夏季和秋季的收益情况被统计出来，以便考察中国股市行业收益的“冬播、春生、夏歇、秋抢”效应和“五月卖出”效应。

1.4 本书研究发现与结论

本书研究结果表明：（1）中国股票市场并不存在美国股市中个股收益横截面上的季节性震荡模式（在某一给定月份具有最高收益的股票组合，在一年后的同一个月中其收益率仍将超越最低收益的股票组合）。但是中国上市公司股票的月收益率存在非常显著的自相关性，其中在一个月的短期内，表现出显著的负自相关性，而在6个月和9个月的中期存在非常显著的正自相关性。（2）从上海股市A股、B股和深圳股市A、B股的周日效应和月份效应的实证结果中可以发现，不同市场的估计结果存在很大的差异。而且即使是同一个市场，在按照涨跌幅限制与否划分不同的阶段，其“周日效应”也是不同的。深圳A股市场无论是在整个样本期间以及1996年底施行涨跌幅限制前后，都没有表现出显著的“周日效应”。而上海A股市场在1992年施行涨跌停板限制前后表现出不同的“周日效应”，但是1996年底以后的时间内，与深圳A股一样，并未表现出任何显著的周日效应。四个市场中，只有深圳B股市场在整个样本期间以及在1996底以后体现出显著的“星期二负收益”效应。总之，从整体上看，中国股票市场并不存在显著的体现于美国股票市场上的那种典型的“周日效应”，只在个别市场（深圳B股市场）表现出一定程度的“星期二效应”。再从“月份效应”实证估计结果看，上海A股市场表现出典型的“一月份效应”，但深圳A股市场的”一月份效应“并不显著。而沪深两市的B股市场均未发现存在显著的“一月份效应”的证据。（3）基于流行于欧美国家的“五月卖出，然后离开”的古老股市谚语（或者“万圣节指标”），我们考察了中国股票市场是否也存在类似的市场异象。

结果发现，沪深股市在1997年以前，这种异象并不明显；但在1997年以后，每年11月初至次年4月底（冬）平均收益显著超越5月初至10月底（夏）的平均收益。也就是说，中国股票市场在此期间也存在显著的“五月卖出”效应。为了进一步考察中国股市行业收益的“五月卖出”效应，按照证监会行业划分标准所形成的22个行业在冬和夏（半年）的收益情况被统计出来。结果发现，所有的行业在冬（半年）的平均收益均超过在夏（半年）的平均收益；除了交通运输仓储业、金融保险业、采掘业以及房地产业以外，其他行业在冬和夏的收益均存在统计上的显著差异，尤其是在农林牧渔业、电子业和传播与文化业存在非常显著的差异，而且不同行业的收益分布存在显著的差异。通过对所有22个行业的“五月卖出”效应的计量模型估计结果的分析发现，采掘业和金融保险业两个行业是不存在“五月卖出”效应的，而木材家具业、造纸印刷业、电子业、医药生物制品业和社会服务业五个行业在冬（半年）的平均收益显著地超越其在夏（半年）的平均收益，因而这五个行业存在显著的“五月卖出”效应。因此，中国上市公司的不同行业间的“五月卖出”效应是存在非常显著的差异的。（4）为了验证流行于中国股市的“冬播、春生、夏歇、秋抢”的说法，利用沪深股市的月度收益率数据，本书计算出了沪深两市的指数和各个行业在冬、夏、春和秋季的季度收益数据，然后进行了统计与计量分析。结果发现这种说法是有统计学依据的，上证综合指数的季度收益的平均值按季节从高到低依次为：春季（10.23%）、冬季（3.96%）、夏季（2.61%）和秋季（-2.9%）；深证综合指数体现了与上证指数相同的季节性收益特征，其季度收益的平均值从高到低依次为：春季（11.79%）、冬季（4.58%）、夏季（2.44%）和秋季（-3.65%）。而利用本书提出的季节模型估计表明，在春季的平均收益显著为正，秋季与春季的平均收益存在高度显著的负差异，而且夏季与春季的平均收益的负差异也比较显著。因此，“冬播、春生、夏歇、秋抢”的说法在一定程度上是一种可行的投资策略。此外，由中国上市公司所构成的行业也是存在显著的“冬播、春生、夏歇、秋抢”季节性市场异象的。其中其他制造业、造纸印刷业、社会服务业、交通运输仓储业、批发零售和贸易业、纺织服装皮毛业、木材家具业和公用事业等行业的“冬播、春生、夏歇、秋抢”效应比较显著，而采掘业和金融保险业两个行业的“冬播、春生、夏歇、秋抢”效应是不明显的。

1.5 本书的结构安排、创新点与不足之处

本书结构安排如下（见图1-1）：图1-1 本书结构

第1章是导论部分，主要介绍研究背景、意义以及研究论文写作过程中的研究思路与研究方法。

第2章是理论回顾部分，首先对于市场有效性理论产生的历史过程进行了回顾，并系统地阐述了市场有效性理论的思想内涵。然后回顾了市场有效性理论的实证过程，并在对该理论实证过程中所发现的违背市场有效性的各种市场异象进行了系统的分类整理，并且对于每一类市场异象的含义、与异象相关的指标及其研究文献通过列表进行了说明。

第3章先简要介绍中国股票市场的发展历程，然后对市场中具有季节性特征的市场异象进行概念的界定和详细的描述。最后对本文写作之前的季节性市场异象在中国股票市场上的表现进行了简要阐述。

第4、5、6、7章是本论文的核心部分，集中讨论了中国股票市场上具有季节性特征的市场异象，即个股收益率的季节性、“日历效应”、“五月卖出”效应和中国股市所特有的“冬播、春生、夏歇、秋抢”效应。第4章利用了中国股票市场上个股的月度收益率的面板数据，借鉴了Heston和Sadka（2008）研究美国股市个股收益率横截面上季节性异象的研究方法，详细地探讨了中国股票市场个股是否也存在类似的市场异象。第5章除了对于中国股市“日历效应”的研究文献进行回顾以外，又利用最新的数据对中国股票市场的“周日效应”和“月份效应”进行了系统的检验，得到了关于中国股票市场“日历效应”的一些最新结论。第6章则对中国股票市场的“五月卖出”效应进行了系统的研究，首先对于沪深两市的综合指数的“五月卖出”效应进行了计量分析，然后对于按照证监会行业划分标准所形成的22个行业在冬和夏（半年）的收益情况进行了统计，并且对这些行业的“五月卖出”效应进行了验证。第7章对于中国股票市场上流行的说法“冬播、春生、夏歇、秋抢”利用本文所提出的季节性计量模型进行了系统的研究。先对沪深两市的综合指数的“冬播、春生、夏歇、秋抢”效应进行了计量分析，然后对于按照证监会行业划分标准所形成的22个行业在本文所界定的冬季、春季、夏季和秋季的收益情况进行了统计，并且对这些行业的“冬播、春生、夏歇、秋抢”效应进行了验证，得到了有启发性的结论。

第8章作为结束部分对主要研究结论进行了梳理与总结，并对利用中国股票市场季节性异象进行投资提出了可行的投资策略。最后指出了本书研究过程中存在的不足之处，并对未来研究进行了展望。1.5.2 可能的创新点与不足之处

本书在研究中主要采用实证分析的研究方法，通过对中国股票市场大量交易数据的整理和分析，以便对于中国股票市场的季节性市场异象进行验证和分析。以前研究季节性异象的文献主要是利用股价指数的收益率来进行研究的，很少有从横截面上对个股的预期收益率的差异进行探讨。本文除了应用沪深两市的A股和B股指数进行季节性异象，如“周日效应”、“月份效应”和“五月卖出”效应研究外，还利用了沪深两市所有A股的月收益率面板数据，来分析中国上市公司个股预期收益率是否具有Heston和Sadka（2008）所揭示的预期收益率的季节性特征。此外，在以前研究中国股票市场“周日效应”的文献中，其数据样本的选择，不是在股市成立之初的几年（如1990—1994年），就是在非常短的一个时间段，很容易造成样本选择偏误以及存活性偏误。本书将探讨从沪深股市成立开始一直到2009年8月底比较长的期间内的周内股票收益市场异象，并将样本期按照两次股价涨跌停板的时间点划分成三个子样本期，然后对整个样本期以及子样本期间的情形分别进行了研究。此外，除了研究A股外，对B股也进行了探讨。因此本书的研究结果更接近于当前的市场实际情况。在研究中国股票市场“五月卖出”效应和“冬播、春生、夏歇、秋抢”时，对于按照证监会行业划分标准所形成的22个行业，分别对这些行业在冬和夏（半年）以及在本文所界定的冬季、春季、夏季和秋季的收益情况进行了统计分析，以便反映所有这些的行业在冬（半年）和夏（半年）以及在四个季度的平均收益的差异以及行业间的收益差异。

本书可能的创新点有以下几处：（1）对于中国股票市场所特有的“冬播、春生、夏歇、秋抢”异象，进行了详细的实证分析，使得这种流行的说法有了严谨的统计学依据。提出了检验该异象的计量模型：R=α+αW+αS+αA+εt01t2t3tt

这里，R表示指数在第t季的收益率，W、S和A分别代表冬季、tttt夏季和秋季的虚拟变量。（2）首先对于中国股票市场是否存在个股预期收益的季节性市场异象进行了验证。研究中使用沪深所有交易A股的面板数据对有关异象进行分析，这在以前的文献中是不多见的。（3）有可能是首次对中国股票市场是否存在“五月卖出”市场异象进行了实证分析，并对不同行业在冬（半年）和夏（半年）平均收益的差异以及行业间的收益差异进行了统计分析。

当然，由于多种原因，仍有诸多不足之处。如下所示：（1）学者从西方发达国家市场的长达百年的交易数据中，总结出来的违背市场有效性的异象。由于中国股票市场特殊的发展背景以及股票交易的历史较短、投资者的构成中个人投资者占有绝大多数、投资者的投资理念与成熟股市相比存在显著的差异，因而中国股票市场上违背市场有效性假设的市场异象也与发达国家的成熟股市存在一定的差异，而且那些在西方成熟股市存在的季节性异象在中国股票市场表现出不同的特征，但是导致这种差异原因值得进行深入的探讨。（2）当某种季节性异象被揭示后，当越来越多的人尽力运用此种异象进行统计套利时，是否也会使这种异象消失？（3）虽然本文对于中国股市的“冬播、春生、夏歇、秋抢”季节性异象进行了系统的统计与计量分析，但对于导致这种异象的原因并未进行深入的探讨，这有待于作者在今后的研究工作中进一步努力。（4）从“月份效应”实证估计结果来看，上海A股市场表现出典型的“一月份效应”，但深圳A股市场的“一月份效应”并不显著，那么是什么原因导致这种差异呢？这也是今后值得探讨的问题。（5）先前的关于中国股市季节性异象的文献中，由于使用的数据时间段不同，因而得到的结论也存在较大的差异，由哪些原因导致这些差异呢？

第2章 市场有效性理论与股票市场异象

2.1 市场有效性理论

有效市场理论经历了长达半个多世纪的缓慢演进。1900年法国数学家Louis Bachelier在他的博士论文《投机理论》中，较早地运用统计方法分析股票的收益。他相信股票价格是不可预测的，并涉及随机游走（Random Walk）的概念。关于随机游走最简单的模型就是所谓的二叉树模型：它可被想象为一个在一条直线上横行走动的醉汉运动。在每一时刻，醉汉都可能往左走或往右走。于是在N个时刻以后，N他可能到达的地方有2种可能。如果用数学来表述这样的运动，那么我们可以说，这样的随机游走是一个随机序列，序列的每一项都是独立同（二项）发布的随机变量。具有这样特征的随机序列通常称为伯努利（Bernoulli）序列。但是为了与“随机游走”相区别，我们不妨称为“随机摆动”。因此，所谓的“随机游走”序列，就是将“随机摆动”序列叠加起来的结果。这样的随机游走序列，它本身将具有如下特点：其每一项（表示它在任意时刻位置的随机变量）的期望值都等于其起点的位置，而其方差与时间间隔成正比。若设{}表示随机t游走序列，对每一时刻t都有-=ε ，这里ε表示独立同分布的随tt-1tt2机变量，E（ε）=0，VAR（ε）=σ，则由此可以推出：E（）=，ttt02Var（）=tσ。t

若将随机游走序列连续化，即假定时间是连续变化的，那么“醉汉”在每一时刻都有可能“左右摇摆”地无规则地行走，则就成为著名的布朗（Brown）运动的概念。布朗运动本来是指苏格兰生物学家Brown于1827年在显微镜底下发现的花粉颗粒的无规则运动。在数学上，我们可将其定义为一个随机过程，它样本的轨迹要求是关于时间的连续函数，同时，在不同时刻小的时间间隔内，它的增量是独立同分布的随机变量。当时，人们都认为关于布朗运动的数学定义是由物理学家爱因斯坦于1905年最先提出、并利用它使一些统计物理问题得到解决。但是自Bachelier的学位论文被发现后，学者们才意识到，第一个给布朗运动用数学方式表述的是Bachelier。作为一位数学造诣很深的人，他在布朗运动的数学研究方面，比爱因斯坦要深入。Bachelier之后又一次提出股价变化是随机游走的是经济学家Cowles，在1933年他发表了一篇题为“股票市场能预测吗？”的著名文章。通过实证数据分析，他认为股价的变化是不可预测的。同时，Working于1934年论文也对商品的价格变动规律进行了相似的研究，他们共同的结论是：由价格序列{Sn}的对数所形成的序列服从随机游走，或者说价格序列对数的差分hn=logSn-logSn-1所形成的时间序列是“随机摆动”，即其各项是独立同分布的。遗憾的是，当时的学术界和实务界并未对此给予足够的关注。那个年代的经济学家对于价格的动态变化并不是很重视，而且有很好的数学和统计学基础的经济学家并不是很多。20年后的另一位统计学家Kendall于1953年，在伦敦皇家统计学会发表的演讲中指出，他对19种股票在1928—1938年的周价格、芝加哥市场上的小麦在1883—1934年月平均价格以及纽约市场上的棉花在1816—1951年价格进行了分析，发现对于股票价格而言，没有任何规律可循，其似乎是按照一种随机游走的模式运动。接下来由统计学家Roberts于1959年的论文以及Osborn在同年的论文，他们认为股票价格的变动方式可以用布朗运动来刻画。将随机游走以及布朗运动这两个概念与股票市场相联系的正是这两篇论文，文章中又一次对股价的对数序列服从随机游走进行了确认，换句话说，股票价格服从几何布朗运动。最后，在1965年Samuelson已经发现Bachelier的研究以后，发表了题为“恰当预期价格随机涨落的证明”（1965）的一篇论文，价格的随机性得到再次的强调。“恰当预期”（Properly Anticipated）在这里被认为，价格真正体现了所有市场参与者的期望与信息。正是Samuleson使得有效市场假说（Efficient Market Hypothesis,EMH）的提法开始流行于学术界。

对有效市场假说进行完整地论述的是Fama，他在1965年发表了题为“股票价格中的随机游走”的论文（1965a），并且在1970年发表了关于市场有效性的综述论文（见Fama（1970））。在此篇论文中，他明确提出：“价格总是完全反映可获得的信息市场称为是有效的（A market in which prices al-ways fully reflect available information is called efficient）。他认为股价的运动是一种被称为鞅的随机过程，即信息是不能被用来在市场上获利的。正是由于Fama的杰出工作，对于市场有效性的研究才形成完整的理论体系。2.1.2 有效市场理论的概念内涵

现在被人们广泛接受的、关于有效市场的定义，是构建于信息与价格反应机制的基础之上的。所谓有效市场（Efficient Market），即在这样的市场中，证券的价格完全且及时地反映了所有可获得的相关信息。这就是说，当我们进行证券交易时，证券价格提供了证券配置的准确信号。Fama（1976）给有效市场所下的定义是：如果在t-1期，市场参与者用于决定证券价格的信息集为等于全部相关信息η在t-1期均得到利用时价格的联合分布f（P，t-11t……，P|η）。换句话说，如果在前一时期t-1，以市场所使用的信ntt-1mt-1息结构η为基础进行了预测，在时期t形成价格的实际分布与根据前一时期到现在的所有相关信息做出的价格预测一致，则市场所使用mt-1t-1的信息η与所有相关信息集η之间对于价格的预测是无差异的。这就是有效市场的本质，即市场可以及时且完全地反映所有的相关信息。

与有效市场概念对应的是有效市场理论（Efficient Market Theory,EMT）也称为有效市场假说（Efficient Market Hypothesis,EMH）：认为证券价格可以反映所有可得的相关信息。假如证券市场是有效的，那么对某种证券真实价值的最佳估计，就是由这种证券的现行市场价格给出。有效市场理论认为，市场上有许许多多的投资者不断地收集和分析有关股份公司及其证券的各种信息。这些信息在充分散布的条件下，假如投资者认为某种证券的价格被高估，他们就会抛售或卖空它；反之，若投资者认为某种证券被低估，理性的投资者就会购买或持有它。由于这些投资者的竞争性行为，证券最终成交价格也就基本上反映了投资者通过理性分析以后的共识，此即股票价格的形成过程。在运行良好的（或有效）资本市场中，证券价格反映了其所有可获得的相关信息；而在一个完全有效的市场中，价格在任何时刻都与价值相符合，价格只有在新信息出现时才发生变化。由于新信息是不可预测的，它的到来将是随机的，因而生成的证券价格模式将具有随机序列特征，即证券价格服从随机游走（random walk），其收益率在各个交易日基本相同。如果某个证券市场是有效的，那么关于某种证券的、真实价值的最佳估计就由这种证券的现行市场价格所给出的。由于有效市场理论假定现行市场价格已充分反映市场的历史信息，包括证券的历史价格序列、收益率、交易量数据和其他市场产生的信息，如零售交易、批量交易和股票交易所做市商或其他特别的组织进行的交易，所以这就意味着过去的收益率应该与将来的收益率没有什么关系（收益率应该是独立的），而遵照根据过去的收益率或者任何其他过去的市场数据得出的交易规律进行买卖，是得不到超常收益的。

有效市场理论是建立在以下四个假说基础之上：

第一，市场上的投资者都是理性的，他们均以利润的最大化作为其投资的目标，投资者均相互独立地对证券的价值做出判断。

第二，市场内外的相关信息均以随机的方式进入证券市场，投资者能够对各种进入市场的各种信息做出快速反应。由于新信息的随机性以及投资者对信息的快速响应，使得证券市场上价格的变化是彼此独立的，即价格是随机波动的。

第三，证券市场应该有足够多的投资者以及足够多的交易。投资者越多、交易量越大，则市场上证券价格的调整越快、市场越有效。

第四，证券市场不存在摩擦，即市场上没有交易费用，信息的传播非常快，而且信息获取的成本是可以忽略不计的。

在证券市场上，不同的信息对价格的影响程度是不同的。因而证券市场效率也会因信息种类不同而存在程度不同的差异。根据相关信息对于证券价格的影响，Fama把市场的效率设定为证券价格能充分反映所有可获得的信息。同时他又意识到“充分反映”与“可获得的信息”概念是含糊而且是不易操作的。为此，Fama（1970）及Fama（1991）等按照信息存在的三种类型，把信息分为三类：（1）由证券过去的价格和成交量等信息所形成的历史信息；（2）可以公开得到的所有信息，包括盈余报告、年度的财务报表、证券分析师公布的盈余预测报告以及上市公司所发布的关于公司的各种消息等；（3）所有可以获知的信息，包括上市公司内部人员所了解的信息。按照这种对于信息的分类，则市场效率的程度可被相应地分为以下三种，即分别为：弱式有效（Weak-form Efficiency）、半强式有效（Semi-strong Efficiency）和强式有效（Strong-form Efficiency）。

弱式有效指证券价格已经反映了其相关的历史信息，即认为关于价格过去的信息已经完全地反映在当前的价格之中，未来价格的变化和当前以及过去的价格无关，市场参与各方均不能按照对有关证券的历史信息分析以获取超常收益。反过来说，若关于证券过去的信息对当前的价格变化仍有影响，则证券市场就不能称为是弱式有效的。弱式有效性是股票市场效率的最低程度，市场为弱式有效的就被认为是，以历史信息为基础所进行的技术分析（Technical Analysis）是无法获得超常收益的。

半强式有效则表明证券价格已反映了所有的已“公开”的信息，即证券价格已充分、及时地反映了所有公开信息。在一个完全竞争的市场上，价格的调整取决于供求关系的变化，在新信息尚未公布之前，证券价格基本上处于均衡状态，一旦新信息出现，价格将根据新的信息发生变化。公开信息发布的速度越快、越均匀，价格的调整也就越迅速。如果投资者同时掌握和使用有关的公开信息来投资决策，则信息一旦公布后，任何投资者都不可能使用任何方法来分析这些已公开发布的信息以获得超额收益。半强式有效性意味着，基于公开信息的基础分析（Fundamental Analysis）无效。

强式有效则是指市场价格反映了所有的相关信息，即证券价格除了充分反映了所有公开有用的信息外，也充分地反映了尚未公开的或者是原本保密的内幕信息。如果强式有效性成立，那么内幕知情者将不能通过按照其所知的信息而进行的交易中获利。市场强式有效性包含了弱式有效性和半强式有效性这两种情况，因此它也是最难实现的市场效率形式。因为任何违反弱式有效和半强式有效的市场异象都能否定强式有效性市场的存在。显然，这种关于市场有效性定义的确具有很强的特性。如果市场有效性表现为这种强式有效的形式，价格就可以反映出所有现存的信息，包括那些仅为公司内部人所了解的信息。例如，如果我们知道某公司刚刚研发出如何控制核聚变的技术，但在利用这条信息进行交易之前，在强式有效的市场中，该公司的价格已经进行了相应的调整，从而我们是无法从中获取超常收益的。

Fama（1991）对于有效市场假设的进行了经典的综述，他写道：“我对市场有效性假设采用简单的陈述：证券价格完全反映所有可接受的信息。假设这一强文本的前提是信息成本和交易成本总为零。有效性假设的一个较弱、经济学上更明智的文本说，价格反映的信息在于采用信息的边际效益（所产生的利润）不超过边际成本。”“由于肯定有正的信息成本和交易成本，市场有效性假设的极端文本肯定是错的。然而，它的好处在于它是一个清晰的基准，使我避开了确定什么是合理的信息成本和交易成本这一杂乱无章的问题。我可以代之以集中投入寻求价格对各种不同的信息的调节这一更有意义的任务中去。每位读者因而可灵活判断什么是市场有效的一种好近似的情景（也就是说，与有效性的极端文本之间的偏差在信息成本和交易成本之内）以及某些其他模型是世界的更好的简化的情景。”

从更宽泛地意义上说，有效的资本市场不仅意味着资产的价格对信息的反应机制是有效的（通常意义上的有效性）而且也意味着其运行的机制也是有效率的，我们分别称为信息有效性和资源配置有效性。如果资产价格能够完全地和及时地反映现有的相关信息，则它仍然为一个准确的信号，因而可以有效地将资金流从储蓄者引导到可以产生更高收益率的生产性项目中来（即使该项目的收益率可能反映出产品市场中的垄断现象），我们称为资产价格配置有效。如果提供的服务将资金从储蓄者引导到投资者手中的中介人，仅仅需要付出最小的成本，就能得到由于他们提供服务而得到的应有的公平收益，则我们认为该资本市场是运行有效的。2.1.3 市场有效性的实证检验

通常地说，有关有效市场性问题的研究均是通过实证检验来进行。有效市场理论的定义虽然很明晰，但是难以进行精确的实证方面检验。若要对有效市场理论进行检验，就必须了解证券价格的变化过程。大部分的学者都使用预期收益模型，来描述股票的均衡价格形成过程。每一种具体检验的方法都要涉及许多数理统计方面的模型和大量的研究数据。以下为检验市场有效性理论常用的用于描述证券价格变动行为的模型。（1）证券价格行为的时间序列模型

文献中现存三种有关证券价格的时间序列理论模型：

①公平博弈模型（Fair-Game Model）

公平博弈是以证券的平均收益变化（而不是整个概率分布）为基础的。设P表示证券j在第t+1期的实际价格，E（P|η）是在第t期j,t+1j,t+1t信息结构既定的条件下，预期的证券j在t+1期的期末价格，εj,t+1是在第t+1期的实际收益与预期收益之差。在t+1期的收益率为：r=（Pj,t+1j,t-P）/P，于是：+1jtjt

在一般的情况下，公平博弈是指，若大样本的数据被使用，资产的预期收益率就等于其实际收益率。即ε=0，相当于：E（P|η）j,t+1j,t+1t=P所以从公平博弈的角度看，并不表明参与公平博弈，你将获j,t+1。得正的收益，它只是说明你的期望是无偏的。

②鞅与半鞅模型（Martingale or Submartingale Model）

半鞅为对未来的价格期望高于当前的价格一种公平博弈形式，即

若使用收益率形式，则半鞅表示期望收益率为正。即

鞅是对未来价格的预测就等于当前的价格的一种公平博弈形式，即

半鞅在实证方面的意义在于：因预测价格会在整个检验期间不断地上升，对被检验的投资组合的超额收益所作的检验，与对和该投资组合具有相同组成成分的对照投资组合，采用购买—持有（Buy-and-Hold）的策略中所获得的收益进行比较。若证券市场为有效的半鞅，则上述两种投资组合均可以得到正的收益，且二者的收益之差是等于零的。也就是说，半鞅是一种具有正的收益的公平博弈。

③随机游走模型（Random Walk Model）

按照随机游走模型，使用现有信息集得到的条件收益分布与无条件收益分布之间没有任何区别。也就是说，给定t-1期证券市场来决m定证券价格的信息集η，证券价格的条件联合分布f（P，……，t-1m1tP|η）等于包括市场信息集在内的全部相关信息，在t-1期均得到ntmt-1利用时，价格的联合分布f（P，……，P|η）。这也是Fama（1976）1tntt-1给有效（资本）市场所下的定义。即

随机游走模型要求比公平博弈和鞅更严格的条件。由于要求不论信息的结构是否给定，故对于服从随机游走模型，其分布的所有相应的参数（如均值、方差、偏度和峰度）都是要保持一致的。另外整个检验期间的样本要满足独立性以及同分布性。若收益满足随机游走模型，则分布的均值就不会随时间而变化，因而也是一种公平博弈。

很多实证方面的分析表明，证券收益是不能满足随机游走的所有特性的。这是因为要求收益的概率分布在整个期间内保持平稳是一种过强的条件。实证分析表明，由于上市公司的风险会发生变化，所以其股票收益的方差也必然会随着时间而发生变化。

公平博弈则没有涉及证券收益的分布方差，因而对于服从公平博弈的模型而言，收益方差的非平稳性与其市场有效性是无关的。公平博弈与随机游走模型在统计上的差别表现在，后者要求所有的抽样均是独立的而且是取自相同的分布，而前者对此并无要求。这就是说，对于随机游走而言，所有滞后期收益间的序列协方差均为零。但收益间的协方差非零并没有违背公平博弈。（2）市场有效性的实证检验

对于弱式有效性的检验，Fama（1970）将其定义为收益的可预测性检验，也就是随机游走检验。即检验以前的收益是否可用来预测未来的收益，从而由此可以设计具有超常收益的交易策略，Fama（1970）将关于半强式有效性的检验称为事件研究。即检验当有关上市公司的事件发生时，其股票价格是否已及时而且充分地吸收了有关该事件信息内容，因而投资者不能根据这样的公开信息获取超常收益，Fama（1970）把关于强式有效性的检验定义为私人信息的检验。因为私人信息是很难获取的，在实证检验时我们可以采取某种间接的办法，对那些可能拥有私人信息的机构投资者（例如证券公司、开放式基金以及退休基金等）进行测试，以检验能否在市场上获得持续的超额收益。下面将重点对近期有关弱式有效性检验的文献进行回顾。

具有投机性的证券价格的不可预测性，或者说随机性，是市场有效性理论的核心，而信息的不确定性决定了这种随机性。价格是随着新信息的到来以及意外事件的发生而变动的。正是由于股票价格的这种随机性才体现了证券市场的生命力以及对投资者的吸引力。在Bachelier分析了“公平博弈”的基本经济学含义后，提出具有投机性的价格变化遵循随机游走以来，在研究的早期，大部分实证研究文献是通过对证券价格变化规律进行分析，进而得出证券价格是不可预测的结论，因而研究的结论大部分支持随机游走模型。然而，随着研究的不断深入，越来越多的证据显示股票收益率具有显著的自相关性，或者说股票价格对数的增量并不是不相关的。

根据随机游走的定义，若证券价格变化遵循随机游走模型，那么证券价格增量的序列{p-p}将是独立同分布的序列（这里p表示证券t+1tt价格P的自然对数，即p=lnP，于是证券的连续复合收益率r=p-tttt+1t+1p）。因此对于随机游走假设最直接的检验，就变成对证券收益率序t列是否具有相关性的检验。所以关于随机游走的检验，就是检验收益率序列的自相关系数能否均为零。

在证券市场发展史上，有过很多的此类实证检验。例如Fama（1965）研究了道琼斯工业指数中的30只股票，发现有11只股①票的日收盘价的自然对数，其改变量的序列相关性显著不等于零（当很小时）。，而且其中的22只股票的序列相关数值是正值。这些证据和其他学者研究都表明，证券收益是不服从随机游走模型的。但是，这些研究的结果并没有违背公平博弈，更不用说违背半鞅模型。Alexander（1961）、Fama和Blume（1966）对于公平博弈模型进行了检验。技术交易过滤规则在检验中得到了应用，所谓过滤规则即：若股价相对于其历史价格上升了x%，就买入这只股票并持有，直到它的价格下跌了x%，然后将其出售并且卖空。这个空头头寸一直保持到其价格再次上升x%，就出售空头头寸同时建立一个多头头寸。在一个固定的期间当中不断重复这一过程，将依照过滤规则得到的收益和由同种证券的购买并持有策略所取得的业绩来进行比较。因为是同一种证券的比较，所以不用对其风险进行调整。若价格变动在整个检验期存在一种系统的模式，则投资者可用过滤法则来取得收益。当然，必须尝试足够多的过滤方法，以找到一种能够选出依赖于价格的时间序列的方法，同时取得大于简单的购买—持有策略所能获得的利润。①价格对数的改变量是收益率一个非常好的近似：

通过对过滤法则检验，结果发现：首先，即使不考虑交易的成本，超过1.5%的过滤规则也没有超越简单的购买并持有策略；其次，低于1.5%的过滤规则能得到较少的利润，原因是频繁的交易能取得大于市场平均水平的收益。这也说明价格在非常短时期内的变动存在序列相关性。但是这些并不能证明证券市场的无效率。原因如下：首先，应该将按过滤法则进行投资的成本，从总的收益当中扣除。Fama和Blume（1996）认为，按照历史的数据，场内交易者（在纽约股票交易所拥有席位的会员）都将为其进行的每笔交易，支付至少0.1%的成本。如果从低于1.5%的过滤器所获得的总收益中，扣除这些费用，则这些收益将会不复存在了。所以证券市场的效率将会随着交易的成本水平的上升而下降。交易的成本越低，则市场的运行效率就会越高，因而通过套利交易可以消除价格的依存度将会更小。所以依照过滤法则产生的信息的价值为零，即技术性交易方式是无效的。通过过滤法则可以获得的另一条推论为，市场似乎遵循半鞅模型。几乎所有的检验过的证券均获得正平均利润。原因是投资者通常期望风险性资产将会产生正的收益，从而能够补尝所承受的风险。由于遵循历史的信息而建立的投资组合的收益，与那些未使用任何的信息的购买并持有策略的收益相同，所以资本市场是弱式有效的。

但是下面的文献研究则表明，市场收益存在显著的自相关性。Blume和Friend（1978）利用证券价格研究中心（Center for Research in Security Prices,CRSP）中的纽约股票交易所（NYSE）从1926—1975年的月度收益率数据，对相邻两个月的股票收益率数据的相关性进行了分析，在样本的整个598个月中，422个月的相邻月份的收益率自相关系数显著为负。如果假设股票收益是不可预测的（或者说服从随机游走，即假设收益率在不同时间是相互独立的），那么这么大比例的负相关则是远远超出预期的，因此假设股票价格服从随机游走模型是不能令人信服的。随机游走的确定性含义在于增量的不相关性，不服从这种假设意味着股票价格变化在某种程度上是可以预测的。DeBondt和Thaler（1985，1987）通过实证发现对于前3～5年表现比较差的股票，买入并分别持有3～5年将比买入并持有同一时期表现好的股票会获得更高的收益。对于这种违背市场有效性的异象，他们认为“如果股票价格系统性地高估，那么分析过去的收益数据就可以预测价格的反转”，而且他们将这种可预测性归因于所谓的“股票市场的过度反应”假设，即投资者不断地受到乐观情绪和悲观情绪的影响，而对好消息和坏消息都反应过度，从而产生出一种“惯性”，它使得价格临时偏离其基本价值，不断地围绕其基本价值上下波动。而且这种过度反应理论隐含着如下假设：价格变化在某一段时间是负相关的。利用这种过度反应，就可以构造所谓的反转投资组合策略（简称反转策略），即买入过去表现差的证券并且卖出过去表现好的证券的投资策略。如果负的序列相关性得到证实，那么卖出赢家并且买入输家就会取得正的预期利润，因为当前的赢家有可能变成输家而当前的输家有可能变成赢家。因此，股票市场过度反应的一个含义就是利用反转投资规则可以取得正的预期利润。实际上，正是由于实证发现多种不同的反转投资策略确实取得了显著的盈利，使得许多学者相信股票市场的确会过度反应。

Fama和French（1988）发现在3～5年的观察区间内，股票收益率呈现出显著的负的序列相关性异象。他们认为股票价格过程是由随机游走过程与一个平稳过程合成的，即股票价格的自然对数p（t）分为两部分，即随机游走成分q（t）以及一个平稳过程z（t），即：p（t）=q（t）+z（t），这里q（t）=q（t-1）+μ+η（t）以及z（t）=φz（t-1）+ε（t），μ为预期漂移率，φ趋于1但小于1，η（t）和ε（t）为白噪声；然后得到股票的连续复合收益率r（t,t+T）=[q（t+T）-q（t）]+[z（t+T）-z（t）]，于是收益率中的随机游走部分只剩下白噪声。他们不仅证明平稳过程z（t）的均值回复造成了收益率负的自相关性，而且利用CRSP中的1926—1985年纽约股票交易所（NYSE）的股票收益率数据，将r（t,t+T）对r（t-T,t）进行了回归[即设定r（t,t+T）=α（T）+β（T）r（t-T,t）+ε（t,t+T）]。因为有证据显示公司规模与公司所属行业与对公司股票收益率存在显著的影响，故将回归分为两种情形，他们先按照公司规模将样本内公司从小到大排序，然后等分为十大类，形成十个等权重投资组合；其次按照公司所属的行业将所有样本公司划分为17大类，形成17个行业的等权重投资组合（对行业内的每家公司股票的投资权重是相同的），利用样本数据计算出上述每个组合在T=1，2……，10年的每个相应期间的收益率，然后通过回归得到自相关系数β（T）的估计值；其结果表明股票收益率的自相关存在所谓的U形模式，即在T=2年时开始变为负自相关，在T=3～5年时达到最大的负自相关，然后随着T的增加，自相关程度逐渐趋于零，也就是说此时股票价格趋近于随机游走。因此他们认为，从长期来看，价格对价值的偏离不一定是由非理性因素造成的。

Lo和MacKinley（1990）报告了股票周收益率正的序列相关性。他们利用CRSP的所有股票从1962年7月6日—1987年12月31日的价格数据，分别构造出每周的等权重和价值加权指数的周收益率数据，然后利用时间序列模型：

r（t）=ρ+ρr（t-1）+ρr（t-2）+ρr（t-3）+ρr（t-4）+ε（t）01234

对自相关系数ρ进行了估计，估计对三个阶段的数据分别进行，i即1962年7月6日—1987年12月31日、1962年7月6日—1975年4月3日、1975年4月4日—1987年12月31日，这样得到六组估计值，其中三组等权重指数收益率的一阶自相关系数ρ1估计值均高达近30%。此外，按照公司规模将所有股票从小到大进行排序后分为三类，即最小规模的、中等规模的和最大规模的投资组合，结果表明不同规模的股票投资组合的周收益率均具有显著的自相关关系，而且随着公司规模变小，投资组合的自相关性变得越来越强。

总体来说，对于美国证券市场来说，很多检验是否定市场有效性的。若仅按照理论来说，对于弱有效性的检验应该是一个联合的检验，一方面要对于考虑正常收益的市场均衡模型进行检验，另一方面再检验收益是否是正常的。如此则关于弱有效假设的检验就变得复杂起来。若有效性假设检验没有通过，则并不能说明市场一定是无效的，因为这还有可能是对市场收益的均衡模型的设定是错误的。若对于随机游走或鞅的检验通过，但是对市场的收益均衡模型检验没有通过（无法肯定收益是否正常），那么仍然不能肯定弱有效假设检验通过，即随机游走假设和鞅假设对于弱有效假设也不是充分的。原来认为，弱有效假设成立，技术分析就会无效。现在大家开始认为，情况不一定简单。Fama（1991）就不再说弱有效市场假设意味着价格不可预测。而一本由坎贝尔、罗和麦金雷所著的近年来影响很大的专著《金融市场计量经济学》的第二章的标题就是：资产收益的可预测性。在这一章的结语中，作者明确指出：“近年来计量经济学的进展和实证证据看来在暗示金融资产收益在某种程度上是可预测的。如果在三十年前这将等于是说彻底否定了有效市场。然而，当代金融经济学告诫我们，对于这样的可预测性还有其他完全合理的因素可以考虑。证券市场的精细结构和交易过程中的摩擦可能生成可预测性。改变商情条件引起的时变期望收益可能生成可预测性。一定程度的可预测性对于回报承担动态风险的投资者来说将是必要的。”这样的观点已经越来越引起学者们的关注。

关于半强有效假设和强有效假设的实证检验研究也有很多。具体的方法就是看某一信息披露前后是否对价格有影响。我们应该注意到，这类检验对于“证伪”是有效的，即如果检验的结果是否定的，我们可以相当肯定地说，信息披露对价格有影响。然而，这类检验对于“证实”并非很有效，即如果检验的结果是肯定的，我们只能说，你所用到的信息披露，在你所检验的时间段中对价格影响不大，但不能说所有有关信息披露都对价格披露没有影响。对于半强有效假设的研究，肯定结果与否定结果几乎一样多。但是对于强有效假设的研究则否定结果比肯定结果要多。这就是说，利用内部信息，一般是能够获得超额收益的。因此，世界各国都有利用内部信息进行证券交易非法的法律条文规定，以保证证券市场的健康发展。

试读结束[说明：试读内容隐藏了图片]

下载完整电子书