淺析動量效應(yīng)的收益來源

王 靜

（東北財經(jīng)大學(xué) 社會與行為跨學(xué)科研究中心，遼寧 大連 116023）

0引 言

Jegadeesh和Titman（1993）對美國市場的研究結(jié)果顯示，過去3至12個月表現(xiàn)好或差的股票（贏者或輸者）在接下來的3至12個月繼續(xù)表現(xiàn)好或差，利用這一現(xiàn)象所構(gòu)建的動量組合（即買入贏者、賣空輸者）會有持續(xù)的異常收益（稱為動量收益）。隨后，一些研究者也在除美國市場之外的其他國家或地區(qū)的證券市場中發(fā)現(xiàn)了動量現(xiàn)象存在的證據(jù)。例如，Rouwenhorst（1998）將Jegadeesh和Titman（1993）的方法用于歐洲12國的股票市場，發(fā)現(xiàn)存在與美國市場基本一致的動量效應(yīng)。事實上，在成熟市場中，日本是唯一一個沒有發(fā)現(xiàn)動量效應(yīng)的市場（Haugen和Baker，1996）。對于新興股票市場而言，盡管在個別國家中動量交易策略基本無利可圖，但是經(jīng)驗證據(jù)顯示存在動量效應(yīng)。

盡管動量策略已經(jīng)被證實無論從統(tǒng)計上還是經(jīng)濟(jì)上來講都是有利可圖的，但目前仍然沒有一種理論可以完全解釋它，這種無法解釋的中期動量收益持續(xù)性已經(jīng)成為傳統(tǒng)資產(chǎn)定價理論所面臨的最嚴(yán)重的挑戰(zhàn)之一。本文的目的就在于總結(jié)當(dāng)前學(xué)術(shù)界對動量收益來源問題的解釋，并對其進(jìn)行歸納分類，梳理出一個清晰的脈絡(luò)，以便未來進(jìn)一步的分析。

1 動量效應(yīng)的收益來源

動量效應(yīng)的收益紛爭由來已久，大量的理論及實證文獻(xiàn)都對其進(jìn)行了研究，并給出了各種可能的解釋，大致可以分為3類：數(shù)據(jù)挖掘、基于風(fēng)險的解釋、行為模型。

1.1 數(shù)據(jù)挖掘

在足夠多的維度內(nèi)，反復(fù)用計算機(jī)運(yùn)行歷史收益率的數(shù)據(jù)庫，最終會找到某些標(biāo)準(zhǔn)可以用于預(yù)測未來的收益率，但這一切僅僅是出于偶然。而解決這一問題最有效的方法就是進(jìn)行樣本外檢驗，用一組還未被檢驗過的新數(shù)據(jù)來進(jìn)行驗證。已有的證據(jù)表明，作為動量收益的來源，數(shù)據(jù)挖掘是最不可能的一種解釋。因為自從Jegadeesh和Titman（1993）對美國股票市場做了研究之后，無論是地域上還是時間上，學(xué)術(shù)界都涌現(xiàn)出了大量的“樣本外”證據(jù)。

從地域上看，Rouwenhorst（1998），Chui等（2000）的研究結(jié)果表明，動量效應(yīng)在許多歐洲市場上都很顯著，在新興市場上也能取得小但是正的收益，而且至少能在5個亞洲市場上檢測到。

從時間上看，Jegadeesh和Titman（2001）發(fā)現(xiàn)美國市場上的動量收益在90年代依然顯著。在1993年的研究結(jié)果中，他們發(fā)現(xiàn)（6，6）動量策略是最有利可圖的，在1965-1989年內(nèi)能夠取得1%的月超額收益率，t統(tǒng)計量的值為3.07。于是他們?nèi)匀挥眠@一策略對1990-1998這9年的數(shù)據(jù)進(jìn)行了樣本外檢驗，結(jié)果發(fā)現(xiàn)原來的動量策略依然有效，而且收益的規(guī)模也類似。這個結(jié)果讓我們有信心去相信動量收益并不完全源于數(shù)據(jù)挖掘。

1.2 基于風(fēng)險的解釋

Jegadeesh和Titman（1993）首先認(rèn)為市場風(fēng)險不可能是導(dǎo)致動量風(fēng)險的原因。Fama和French（1996）也表明他們的非條件三因素模型可以解釋許多金融市場當(dāng)中的異象，甚至是反轉(zhuǎn)效應(yīng)，卻唯獨(dú)對動量效應(yīng)束手無策。那么，到底什么樣的風(fēng)險可能會導(dǎo)致動量效應(yīng)呢？

我們可以通過考慮一個特殊的加權(quán)相對強(qiáng)弱策略（WRSS）組合來解釋動量收益的來源。在這個WRSS組合中，每只股票的權(quán)重等于該股票上期收益與上期平均橫截面收益之差除以股票總數(shù)，因此該組合的收益可以表示如下：

采用單因素模型可以將這個WRSS組合的預(yù)期收益分為3部分（Jegadeesh 和 Titman，2002）：

式中，σμ2、σb2分別表示組合中股票預(yù)期收益的橫截面方差和因素敏感性，ft表示在第t期影響所有股票收益的共同因素，ei，t表示股票i在第t期與公司相關(guān)的預(yù)期收益部分。

公式中右邊第一項表明WRSS組合的預(yù)期收益有一部分來源于股票預(yù)期收益的橫截面分散性；公式中右邊第二項表明WRSS組合的預(yù)期收益有一部分來源于因素序列相關(guān)性，如果因素組合具有正的序列相關(guān)性，即因素組合收益具有動量，那么WRSS組合就可以通過選擇具有高因素敏感性的股票來實現(xiàn)超額收益。公式中右邊第三項表明WRSS組合的預(yù)期收益有一部分來源于非因素（股票特有的）序列相關(guān)性。

識別這3種收益來源對于判斷動量效應(yīng)是否存在、市場是否有效十分重要。如果WRSS組合收益來源于前兩項，則我們可以認(rèn)為WRSS組合收益是對其所承擔(dān)系統(tǒng)風(fēng)險的補(bǔ)償，不能說明市場是無效的；如果WRSS組合的異常收益是來源于最后一項，則說明動量效應(yīng)存在，市場是無效的。

1.2.1 橫截面分散性。

Conrad和Kaul（1998）發(fā)現(xiàn)動量收益完全可以由預(yù)期收益的橫截面分散性來解釋，而不歸結(jié)于股票收益的任何時間序列相關(guān)性。他在假設(shè)個股收益率均值具有穩(wěn)定性的前提下，將基于收益率的交易策略的預(yù)期收益進(jìn)行分解：

以上的分解說明交易策略的全部預(yù)期收益直接來源于兩個部分：資產(chǎn)收益的時間序列可預(yù)測性，用P(k)來衡量；以及股票收益率均值的橫截面分散性，用σ2[μ(k)]表示。同時，他們假定股票價格服從一個帶有漂移的隨機(jī)游走過程：

于是有Cov[Rit(k)，Rjt-1(k)]=0 ?i,j,k，因此基于收益率的時間序列可預(yù)測性的交易策略不再具有盈利性。這也就意味著P(k)=0，且 E[π(k)]=σ2[μ(k)]。因此只要股票的收益率均值中有任何的橫截面差異，動量策略就會產(chǎn)生σ2[μ(k)]的收益。而只有在假設(shè)所有的股票都具有相同的收益率均值的情況下，這種收益才會消失。如果股票價格服從隨機(jī)游走，那么σ2[μ(k)]對動量收益的貢獻(xiàn)將是不變的，恒等于100%。實證結(jié)果證明，在18種能夠觀測到正的動量收益的策略中，σ2[μ?(k)]的貢獻(xiàn)都超過了100%，只有兩種少于100%，但也都超過了80%。同時，也只有這兩種策略能夠從資產(chǎn)價格的持續(xù)性中獲得收益，即P?(k)是正的，但由此獲得的收益仍然是統(tǒng)計上不顯著的。因此，采用如上的收益分解方法，中期動量收益的統(tǒng)計顯著性是源于σ2[μ?(k)]的統(tǒng)計顯著性。

隨后，他們還提供了Bootstrap和MonteCarlo的模擬結(jié)果。結(jié)果表明，兩種模擬的平均收益都高于真實數(shù)據(jù)的平均收益，再一次驗證了他們先前的結(jié)論：動量收益完全可以由預(yù)期收益的橫截面分散性來解釋，而不歸結(jié)于股票收益的任何時間序列相關(guān)性。

Conrad和Kaul（1998）的文章一經(jīng)發(fā)表就引起了學(xué)術(shù)界的強(qiáng)烈關(guān)注。Jegadeesh和Titman（2001）發(fā)現(xiàn)美國的動量收益在持有期后（排序期后的13～60個月）會迅速消失，這與Conrad和Kaul（1998）的假設(shè)相悖。因為他們認(rèn)為股票的已實現(xiàn)收益率就代表了它們的非條件預(yù)期收益率，并且假設(shè)預(yù)期收益率是不隨時間變化的，因此預(yù)測動量組合的收益在排序期后的任何時期來說都是正的。不僅如此，Jegadeesh和Titman（2002）還指出Conrad和Kaul（1998）的實證檢驗和模擬中存在著同樣的小樣本偏差。盡管樣本均值是無條件預(yù)期收益的一個無偏估計，但是樣本均值的橫截面方差卻不是真實預(yù)期收益的無偏估計。由于樣本均值包含預(yù)期收益和未預(yù)期收益兩部分，因此樣本方差是這兩部分方差之和，結(jié)果造成樣本均值方差高估了實際預(yù)期收益的分散性。而Jegadeesh和Titman（2002）在對這種偏差進(jìn)行了修正后發(fā)現(xiàn)，非條件預(yù)期收益的橫截面差異幾乎不能解釋動量收益。

與Conrad和Kaul（1998）的研究結(jié)果相一致，Bulkley和Nawosah（2009）運(yùn)用每只股票的收益率均值作為其非條件預(yù)期收益率的衡量指標(biāo)，他們發(fā)現(xiàn)如果從每只股票經(jīng)過市場調(diào)整的已實現(xiàn)月收益率中減去其經(jīng)過市場調(diào)整的收益率均值，那么動量收益就會消失。該結(jié)果證實了預(yù)期收益的橫截面變化就是動量效應(yīng)的收益來源。Bhootra（2011）對這一結(jié)果表示了質(zhì)疑并且進(jìn)行了穩(wěn)定性檢驗。他采用了兩種過濾程序（filters），這是動量文獻(xiàn)中普遍使用的用以減輕微觀結(jié)構(gòu)偏差的方法。他首先從樣本中排除了在持有期初定價低于5美元的公司股票，其次考慮了在排序期與持有期之間跳過一個月（skip-a-month）的情形①即在排序期結(jié)束之后，持有期開始之前留出1個月的時間，以便交易者能夠有充足的時間構(gòu)建動量組合。。結(jié)果發(fā)現(xiàn)，動量收益從不顯著（t=-1.33）變?yōu)榱孙@著（t=5.40）。因此，Bhootra（2011）認(rèn)為“預(yù)期收益的橫截面分散性是潛在的動量收益來源”，這一結(jié)論仍需要進(jìn)一步的檢驗。

1.2.2 因素序列相關(guān)性

（1）行業(yè)效應(yīng)

Grinblatt和Moscowitz（1999）認(rèn)為行業(yè)動量策略，即買入贏者行業(yè)中的股票并且賣出輸者行業(yè)中的股票能夠取得高收益，是動量交易中的主要收益來源。他將個股的動量收益分解為4項：非條件收益率均值的橫截面方差、非條件有效投資組合的序列相關(guān)性、來源于行業(yè)回報率因素中的序列相關(guān)性以及公司特有因素中的序列協(xié)相關(guān)。他們的實證結(jié)果表明，起碼對于（6，6）動量策略而言，大部分的收益都源于第三項。Grinblatt和Moscowitz（1999）還構(gòu)建了一個行業(yè)動量投資組合，即根據(jù)過去6個月的收益率對行業(yè)組合進(jìn)行排序，同時等權(quán)重地買入排在前3位的行業(yè)股票并賣出排在后3位的行業(yè)股票。結(jié)果發(fā)現(xiàn)，這一策略能夠產(chǎn)生0.43%的月平均收益率，不僅在1%的檢驗水平下顯著，并且與從個股動量策略中所獲得的收益具有相同的規(guī)模。進(jìn)一步的研究發(fā)現(xiàn)，如果將每只股票的收益率減去同期的行業(yè)收益率，那么這種經(jīng)過行業(yè)調(diào)整的個股動量收益將會大大降低，只表現(xiàn)出邊際顯著（t=2.04）。因此，他們得出結(jié)論，動量收益來源于行業(yè)動量，并不是非條件預(yù)期收益的橫截面差異或公司特有因素。

然而，Grundy和 Martin（2001）卻否認(rèn)了這一說法。他們發(fā)現(xiàn)，當(dāng)排序期和持有期不相鄰時，個股動量組合的收益會更高，而行業(yè)動量組合的收益會完全消失。這說明行業(yè)動量收益來源于收益序列的正一階序列相關(guān)性，而個股動量收益僅僅被收益序列的負(fù)一階相關(guān)性削弱而已。因此，個股動量和行業(yè)動量是兩種不同且獨(dú)立的現(xiàn)象。Chordia和Shivakumar（2002）也得出了類似的結(jié)論。他們認(rèn)為行業(yè)動量不足以完全解釋動量策略的盈利性，但兩者卻都可以被共同因素的預(yù)測性所解釋。

（2）市場狀態(tài)

Cooper等（2004）認(rèn)為動量收益取決于市場狀態(tài)。他們將“牛市”定義為滯后3年的市場收益非負(fù)；而“熊市”則定義為滯后3年的市場收益為負(fù)。結(jié)果發(fā)現(xiàn)，與過度反應(yīng)理論的預(yù)測結(jié)果一致，短期的動量收益只有在“牛市”中才出現(xiàn)。檢驗1929-1995年的數(shù)據(jù)發(fā)現(xiàn)，在經(jīng)歷了3年的“牛市”后，（6，6）動量策略會產(chǎn)生0.93%的顯著月平均收益；而在經(jīng)歷了3年的“熊市”后，這一數(shù)值竟然為-0.37%，并且是不顯著的。統(tǒng)計結(jié)果表明，動量收益在這兩種市場狀態(tài)下是顯著不同的，而且這一結(jié)果對市場狀態(tài)的定義期長短（1年或2年）以及風(fēng)險調(diào)整（CPAM調(diào)整及FF調(diào)整②FF調(diào)整是指針對Fama-French三因素模型進(jìn)行調(diào)整，具體包括市場因素、規(guī)模因素以及價值因素。）都是相當(dāng)穩(wěn)健的。

進(jìn)一步地，為了判斷動量收益是否隨著滯后的市場收益而單調(diào)增長，Cooper等（2004）將動量收益對滯后的市場收益及它的平方項進(jìn)行回歸。結(jié)果發(fā)現(xiàn)，動量收益與前者正相關(guān)，而與后者負(fù)相關(guān)。這意味著，如果滯后的市場收益高（低），那么動量收益也高（低），但二者之間的關(guān)系并不是線性的。

（3）共同因素

Chordia和Shivakumar（2002）認(rèn)為與商業(yè)周期有關(guān)的宏觀經(jīng)濟(jì)變量能夠解釋動量收益。他們用一組滯后的宏觀經(jīng)濟(jì)變量對收益率進(jìn)行向前一步（one-period-ahead）預(yù)測，結(jié)果表明收益率中的預(yù)測部分就是所觀察到的動量現(xiàn)象的主要成因，動量效益源于較高的條件預(yù)期收益。回歸方程如下：

式中：DIV是股利收益率，YLD是3個月期的國債收益率，TERM是期限結(jié)構(gòu)利差，DEF是違約價差。估計模型中的參數(shù)，用于獲得每只股票向前1月（one-month-ahead）的收益率預(yù)測值。投資組合之間的預(yù)測收益存在顯著的不同，這表明與宏觀經(jīng)濟(jì)變量有關(guān)的收益率成分在動量組合之間系統(tǒng)性的變化，是策略收益的來源?？傊?，Chordia和Shivakumar（2002）認(rèn)為動量收益源于共同結(jié)構(gòu)，是對承擔(dān)時變風(fēng)險的補(bǔ)償，是一種理性的風(fēng)險解釋。

Griffin等（2003）利用全球市場數(shù)據(jù)，也對動量收益與宏觀經(jīng)濟(jì)風(fēng)險之間的關(guān)系進(jìn)行了探究。首先，他們發(fā)現(xiàn)平均而言，動量策略在全球都是有利可圖的，但是無論在地區(qū)內(nèi)還是地區(qū)間，動量收益的相關(guān)性都非常薄弱。這說明如果宏觀經(jīng)濟(jì)風(fēng)險能夠?qū)е聞恿渴找?，那么它很大程度上只能是國家特有的。接下來，為了研究國家特有宏觀經(jīng)濟(jì)因素是否能夠捕捉動量收益的變化，他們分別采用Chen等（1986）的條件方法和Chordia與Shivakumar（2002）的非條件方法進(jìn)行了檢驗。Chen等（1986）首先提出宏觀經(jīng)濟(jì)因素③包括未預(yù)期通脹（UI）、預(yù)期通脹變化（DEI）、期限結(jié)構(gòu)（UTS）和工業(yè)產(chǎn)出變化（MP）4個變量?？赡軙绊懝善笔找妫S后他們的模型被Fama和French（1993）的三因素模型所取代。實證結(jié)果發(fā)現(xiàn)，運(yùn)用Chen等（1986）的模型所取得的預(yù)期動量收益與所觀察到的真實值相差0.70%，統(tǒng)計上非常顯著。至于條件模型，Chordia和Shivakumar（2002）認(rèn)為他們的條件預(yù)測模型能夠很好地解釋美國市場的動量收益，但Griffin等（2003）的實證結(jié)果卻發(fā)現(xiàn)，這一結(jié)論在全球范圍內(nèi)并不適用。最后他們分別運(yùn)用經(jīng)過季節(jié)調(diào)整的真實GDP及總的股票市場運(yùn)動來劃分經(jīng)濟(jì)狀態(tài)，結(jié)果表明通常情況下國際動量收益在兩種經(jīng)濟(jì)狀態(tài)下都是正的，沒有證據(jù)可以證明動量策略的盈利性與宏觀經(jīng)濟(jì)狀態(tài)的風(fēng)險有關(guān)。綜上，Griffin等（2003）認(rèn)為宏觀經(jīng)濟(jì)風(fēng)險并不能解釋動量收益。

1.2.3 非因素（股票特有的）序列相關(guān)性

許多學(xué)者在基于風(fēng)險的理論解釋上進(jìn)行了延伸，他們的核心思想是經(jīng)濟(jì)風(fēng)險因素能夠影響一個公司的投資生命周期以及增長率，于是這種公司特有風(fēng)險就成為了動量收益的來源。

Johnson（2002）認(rèn)為動量效應(yīng)源于公司增長率與預(yù)期收益之間的正相關(guān)性。他提出了一個簡單的單個公司模型說明過去已實現(xiàn)收益率與當(dāng)前預(yù)期收益率之間是強(qiáng)烈正相關(guān)的。該模型的關(guān)鍵是隨機(jī)的預(yù)期增長率，它以一種非線性的方式影響收益率。具體來說，增長率的風(fēng)險隨著增長率的增加而增加。假設(shè)這種風(fēng)險暴露的價格是正的，于是預(yù)期收益隨著增長率的增加而增加。因此，在其他條件不變的情況下，與其他公司相比，最近具有正向價格變動的公司更有可能具有正的增長率沖擊。這個模型意味著表現(xiàn)好的公司具有高的預(yù)期收益率，因為它們未來的風(fēng)險也高。為了更好地與實證結(jié)果相吻合，Johnson（2002）放寬了模型的假設(shè)，允許增長率的沖擊是偶然性的。于是這個更靈活也更符合實際的模型就能夠解釋動量收益對排序期和持有期的特殊依賴性，關(guān)鍵就在于增長率的持續(xù)性能夠隨時間變化的可能性。該模型意味著動量效應(yīng)可能完全源于非常偶然的、但又高度持續(xù)的增長率沖擊，是一種理性的反應(yīng)。

Grundy和Martin（2001）也認(rèn)為預(yù)期收益的橫截面方差、共同風(fēng)險因素以及行業(yè)效應(yīng)都不能夠解釋動量收益，收益率中的股票特有成分才是最有說服力的解釋。他們將收益中與Fama－French三因素?zé)o關(guān)的成分定義為“股票特有收益”，并以此為基礎(chǔ)構(gòu)建了兩種策略：一是以相對的股票特有收益來劃分贏者和輸者的策略；二是以總收益來劃分贏者和輸者的策略。同時這一劃分針對其股票特有收益而言又并不成立，比較兩種策略的盈利性，他們發(fā)現(xiàn)前者的盈利能力要顯著高于后者。

綜上，支持動量效應(yīng)風(fēng)險定價解釋的經(jīng)驗證據(jù)并不充分。首先，傳統(tǒng)的無條件風(fēng)險定價模型不能夠解釋來自于動量組合的超額收益。盡管有證據(jù)顯示，帶有時變風(fēng)險溢價的條件風(fēng)險定價模型能夠解釋動量效應(yīng)，但是這些條件風(fēng)險定價模型需要估計大量的參數(shù)，往往可能出現(xiàn)偽回歸問題，其解釋力不能令人滿意；其次，行為理論與風(fēng)險理論之間存在重要分歧的一個地方就是關(guān)于動量效應(yīng)是否會消失的問題。Conrad和Kaul（1998）認(rèn)為動量效應(yīng)在排序期后的任何時期內(nèi)都是存在的；Chordia和Shivakumar（2002）認(rèn)為只有當(dāng)預(yù)期收益隨時間而演化的時候，動量收益才會消失；在Johnson（2002）的模型中，由于增長率沖擊的衰弱，動量收益會在持有期后逐漸消失，但不會為負(fù)?？偟膩碚f，基于風(fēng)險的模型趨向于認(rèn)為動量組合在更長的區(qū)間內(nèi)仍然可以獲得正的累積收益。然而，Lee和Swaminathan（2000），Jegadeesh和Titman（2002），Griffin 等（2002）以及 Cooper等（2004）的經(jīng)驗證據(jù)都表明長期的反轉(zhuǎn)現(xiàn)象是存在的，全球市場動量效應(yīng)的反轉(zhuǎn)甚至要比美國市場更迅速也更有力。因此，由于存在種種的不足之處，動量效應(yīng)的風(fēng)險定價解釋并沒有被研究者所廣泛認(rèn)同。

1.3 行為模型

如前所述，動量效應(yīng)已經(jīng)成為傳統(tǒng)金融理論所面臨的最嚴(yán)重的挑戰(zhàn)之一，因此部分學(xué)者開始訴諸行為金融學(xué)，研究投資者的交易行為對價格動量的決定作用。

1.3.1 投資者心態(tài)模型

Barberies等（1998）建立的投資者心態(tài)模型（簡稱BSV模型）假設(shè)真實的公司盈余變化服從隨機(jī)游走過程。該模型將投資者分為兩種類型：一類投資者表現(xiàn)出一定的保守性偏差（conservatismbias），即投資者不能及時根據(jù)變化的情況修正自己的預(yù)測模型，導(dǎo)致公司股價對盈余的變化反應(yīng)不足；另一類投資者表現(xiàn)出一定的代表性偏差（representativenessbias），即投資者過分重視近期數(shù)據(jù)的變化模式，導(dǎo)致股價對盈余的變化反應(yīng)過度。BSV模型正是從這兩種偏差出發(fā)，來解釋投資者的決策模型如何導(dǎo)致證券市場價格變化偏離有效市場假說的。BSV模型認(rèn)為保守性偏差導(dǎo)致投資者對信息反應(yīng)不足，從而產(chǎn)生動量收益；而代表性偏差引起投資者對信息的反應(yīng)過度，導(dǎo)致市場價格超過其基礎(chǔ)價值，最終使得過去具有持續(xù)不斷高收益的股票產(chǎn)生了長期負(fù)收益。

1.3.2 投資者心理模型

Daniel等（1998）構(gòu)建的投資者心理模型（簡稱DHS模型）將投資者分為兩類：無信息的（uniformed）和有信息（informed）的。無信息的投資者不存在認(rèn)知偏差，而有信息的投資者受到自我歸因偏差（self-contributionbias）的影響。由于存在這種認(rèn)知偏差，有信息的投資者會將股票未來表現(xiàn)好歸為他們的選股水平高，而股票未來表現(xiàn)不好則歸為運(yùn)氣不佳，結(jié)果導(dǎo)致投資者對自己的選股能力過度自信，夸大自己對股票價值判斷的準(zhǔn)確性，高估股票價值信號的準(zhǔn)確性。這種滯后的反應(yīng)過度推動贏者的市場價格超過其基礎(chǔ)價值，進(jìn)而產(chǎn)生了動量收益，但最終市場價格向其基礎(chǔ)價值的回歸導(dǎo)致股票收益的長期反轉(zhuǎn)。

1.3.3 統(tǒng)一理論模型

Hong和Stein（1999）提出的統(tǒng)一理論模型（簡稱HS模型）將投資者分為兩類有限理性主體，分別為信息觀察者和動量交易者。信息觀察者根據(jù)自己對未來基本面的觀察做出預(yù)測，不依賴于價格的當(dāng)前或歷史信息；動量交易者則完全依賴于價格的歷史信息，而他的預(yù)測也就僅僅是過去價格的“簡單”函數(shù)（如滯后一期的單變量函數(shù)）。Hong和Stein（1999）還假設(shè)私人信息在信息觀察者中是逐漸傳播的，市場對信息的擴(kuò)散存在一個滯后。因此價格在短期內(nèi)是反應(yīng)不足的，于是動量交易者可以通過趨勢追蹤而獲利。然而因為他們只能采用簡單的投資策略，因此這種套利的嘗試一定會導(dǎo)致長期的過度反應(yīng)，最終導(dǎo)致收益的反轉(zhuǎn)。而信息傳播的越慢，股票的慣性和反轉(zhuǎn)效應(yīng)就越明顯。

Hong等（2000）還對該模型進(jìn)行了實證檢驗。他們認(rèn)為分析師覆蓋率（analystcoverage）可以作為信息傳播的衡量標(biāo)準(zhǔn)，擁有較低覆蓋率的公司，信息向投資界傳播的速度就慢。他們的實證結(jié)果證實了先前模型的預(yù)測：動量收益在覆蓋率低的股票中更高。此外，由于小公司的信息傳播的要更加緩慢，因此動量策略的收益會隨著公司規(guī)模的增大而急劇減小。進(jìn)一步的研究發(fā)現(xiàn)了一個有趣的不對稱性：相對于好消息而言，低覆蓋率的股票對壞消息的反應(yīng)更遲緩。這可能是因為公司經(jīng)理受到了激勵，為了提升股價而更傾向于向公眾提供好消息。這也可以解釋為什么大部分的動量收益都源于對輸者的賣空。

由于傳統(tǒng)的金融理論難以給出令人滿意的答案，于是人們逐漸相信資產(chǎn)價格并不是被完全理性的市場所決定的，投資者會受到人類偏差的影響，心理學(xué)已經(jīng)告訴了我們普通人的行為到底是怎樣的。就目前對動量效應(yīng)的解釋而言，行為金融理論似乎占據(jù)了上風(fēng)，而且前景明朗。它最大的優(yōu)勢在于能夠解釋動量效益的消失以及反轉(zhuǎn)效應(yīng)的出現(xiàn)。因為大部分的行為模型都認(rèn)為最初的反應(yīng)不足之后會伴隨著反應(yīng)過度，這恰好和中期動量效應(yīng)以及長期反轉(zhuǎn)效應(yīng)相對應(yīng)。同時，行為模型中大多假設(shè)動量效應(yīng)產(chǎn)生于單個股票收益的序列相關(guān)性，這一點已經(jīng)得到了越來越多學(xué)者的認(rèn)同。Grundy和 Martin（2001），Griffin 等（2003）都認(rèn)為共同因素并不能解釋動量收益，而股票特有收益更可能是動量收益的來源。

但是，行為理論也有著它的不足。首先，它雖然能夠預(yù)測到反轉(zhuǎn)效應(yīng)的出現(xiàn)，但是卻不能夠給出一個具體的時間范圍；其次，大部分行為模型都缺乏實證支持。例如，Lee和Swaminathan(2000)發(fā)現(xiàn)成交量歷史能夠預(yù)測動量效應(yīng)的規(guī)模及持續(xù)性，買入過去成交量高的贏者并賣出過去成交量高的輸者所取得的收益要顯著優(yōu)于普通的動量策略。但是Lee和Swaminathan（2000）認(rèn)為沒有一種行為模型能夠完全解釋為什么成交量能夠預(yù)測動量效應(yīng)的規(guī)模。因此，行為理論若想更好地解釋動量效應(yīng)，還有待進(jìn)一步的發(fā)展和完善。

[1]N Jegadeesh,S Titman.Returns to Buying Winners and Selling Losers:Implications for Stock Market Efficiency[J].The Journal of Finance,1993,48(1):65-91.

[2]K Rouwenhorst.International Momentum Strategies[J].The Journal of Finance,1998,53(1):267-284.

[3]R Haugen,N Baker.Commonality in the Determinants of Expected Stock Returns[J].Journal of Financial Economics,1996,41(3):401-439.

[4]A Chui,S Titman,K Wei.The Cross Section of Expected REIT Returns[J].Real Estate Economics,2000,31(3):451-479.

[5]N Jegadeesh,STitman.Profitability ofMomentum Strategies:An Evaluation of Alternative Explanations[J].The Journalof Finance,2001,56(2):699-720.

[6]E Fama,K French.Profitability,Investment and Average Returns[J].Journal of Financial Economics,1996,82(3):491-518.

[7]N Jegadeesh,STitman.Cross-Sectional and Time-Series Determinants of Momentum Returns[J].The Review of Financial Studies,2002,15(1):143-157.

[8]J Conrad,G Kaul.An Anatomy of Trading Strategies[J].The Review of Financial Studies,1998,11(3):489-519.

[9]G Bulkley,V Nawosah.Can the Cross-Sectional Variation in Expected Stock Returns Explain Momentum?[J].The Journal of Financial and Quantitative Analysis,2009，44(4):777-794.

[10]A Bhootra.Are Momentum Profits Driven by the Cross-sectional Dispersion in Expected Stock Returns?[J].Journal of Financial Markets,2011，14(3):494-513.

[11]TMoskowitz,M Grinblatt.Does Industry Explain Momentum?[J].Journal of Finance,1999，54(4):1249-1290.

[12]B Grundy,J Martin.Understanding the Nature of the Risks and the Source of the Rewards to Momentum Investing[J].The Review of Financial Studies,2001,14(1):29-78.

[13]TChordia,L Shivakumar.Momentum,Business Cycle,and Time-Varying Expected Returns[J].The Journal of Finance,2002,57(2):985-1019.

[14]M Cooper,R Gutierrez,A Hameed.Market States and Momentum[J].The Journal of Finance,2004,59(3):1345-1365.

[15]JGriffin,X Ji,JMartin.Momentum Investing and Business Cycle Risk:Evidence from Pole to Pole[J].The Journal of Finance,2003,58(6):2515-2547.

[16]N Chen,R Roll,SRoss.Economic Forces and the Stock Market[J].The Journal of Business,1986,59(3):383-403.

[17]E Fama,K French.Common Risk Factors in the Returns on Stocks and Bonds[J].Journal of Financial Economics,1993,33(1):3-56.

[18]T Johnson.Rational Momentum Effects[J].The Journal of Finance,2002,57(2):585-608.

[19]C Lee,B Swaminathan.Price Momentum and Trading Volume[J].The Journal of Finance,2000,55(5):2017-2069.

[20]N Barberis,A Shleifer,R Vishny.A model of Investor Sentiment[J].Journal of Financial Economics,1998,49(3):307-343.

[21]K Daniel,D Hirshleifer,A Subrahmanyam.Investor Psychology and Security Market under and Overreactions[J].Journal of Finance,1998,53(6):1839-1885.

[22]H Hong,JStein.A Unified Theory of Underreaction,Momentum Trading,and Overreaction in Asset Markets[J].The Journal of Finance,1999,54(6):2143-2184.

[23]H Hong,T Lim,JStein.Bad News Travels Slowly:Size,Analyst Coverage,and the Profitability of Momentum Strategies[J].The Journal of Finance,2000,55(1):265-295.