信息不確定下的收益率可預(yù)測性
————基于二階多期限模型

賀國生 劉宇翔

問題的提出

在全球主要股票市場中，普遍、長期且顯著的一個規(guī)律是，個股收益率存在動量/反轉(zhuǎn)效應(yīng)。具體而言，自DeBondt和Thaler（1985）提出長期反轉(zhuǎn)效應(yīng)以來，學(xué)者們又陸續(xù)發(fā)現(xiàn)了短期反轉(zhuǎn)效應(yīng)（Lehmann，1990）、中期動量效應(yīng)（Jegadeesh和Titman，1993）。對中國股票市場，學(xué)者們盡管對動量效應(yīng)的存在結(jié)論不一，但對反轉(zhuǎn)效應(yīng)的存在卻形成共識。

既然短期、中期、和長期的歷史收益率，對未來收益率都存在或正或負(fù)的影響，一個自然的邏輯延伸是，綜合各個典型期限的歷史收益率是否對未來的收益率構(gòu)成穩(wěn)定的影響？考慮到收益率形成的背后投資者買賣行為，在參照歷史走勢時(shí)，通常不會局限于某個特定期限，而是基于短、中、長各個期限走勢作出的綜合判斷，該邏輯延伸就有了現(xiàn)實(shí)的支撐。此外，歷史收益率信息，不僅包含一階意義上的均值信息，還包含二階意義上的方差信息，現(xiàn)有的研究無疑都忽視了后者。然而，無論是資本資產(chǎn)定價(jià)模型（CAPM），還是“特質(zhì)波動率之謎”，都表明歷史收益率的二次項(xiàng)可能也包含著豐富的預(yù)測信息（Brock et al.，1992）。鑒于此，本文利用Fama—Macbeth回歸模型同時(shí)估計(jì)短、中、長期歷史收益率對當(dāng)期收益率的影響系數(shù)。同時(shí)，基于Garch—M均值方程的思想，在Fama—Macbeth回歸模型的估計(jì)中引入了收益率的二次項(xiàng)，以捕捉收益率動態(tài)變化過程中的潛在非線性特征。

為驗(yàn)證模型的預(yù)測能力，本文基于2001—2021年的A股數(shù)據(jù)，在避免了前視偏差的樣本外檢驗(yàn)中，發(fā)現(xiàn)趨勢策略可以獲得1.73%的月度收益率，遠(yuǎn)高于各種單周期策略，以及三因子策略①本文檢驗(yàn)了資產(chǎn)定價(jià)文獻(xiàn)中常見的其他策略表現(xiàn)：短期反轉(zhuǎn)（1.17%）、中期動量（-0.11%）和長期反轉(zhuǎn)策略（0.79%），以及Fama-French三因子中的MKT（0.65%）、SMB（0.55%）和HML（0.01%）。。這一發(fā)現(xiàn)顯然違背了最低標(biāo)準(zhǔn)的弱勢有效市場假說（股價(jià)反映了所有歷史價(jià)格信息）。對于風(fēng)險(xiǎn)機(jī)制無法解釋的超額收益率，學(xué)者往往從投資者反應(yīng)不足（過度）的角度，在過度自信、處置效應(yīng)等行為金融學(xué)的框架內(nèi)探討其成因。但本文認(rèn)為，將誤定價(jià)完全歸因于投資者心理偏差，是對理性人假設(shè)和套利機(jī)制的否定，難免失之偏頗，也難以解釋不同公司間誤定價(jià)程度的差異?？紤]到信息供給和信息解讀是投資者判定股價(jià)高低的核心因素，一個遞進(jìn)的問題是，信息不確定是否加劇投資者的行為偏差，從而產(chǎn)生誤定價(jià)？

為回答上述問題，本文用總市值、收益率波動性、日均換手率、分析師覆蓋、新聞覆蓋作為信息不確定性的代理變量（Zhang，2006），驗(yàn)證了在公司信息不確定性越高的股票中，趨勢策略的收益率越高，即誤定價(jià)程度越高。進(jìn)一步研究發(fā)現(xiàn)，信息不確定性越高，歷史收益率信息包含的未來基本面信息越多，表明趨勢策略具有經(jīng)濟(jì)意義上的穩(wěn)健性和可靠性。

本文的主要貢獻(xiàn)有：第一，本文在整合歷史收益率信息時(shí)，不同于現(xiàn)有文獻(xiàn)單周期、線性提取的做法，創(chuàng)新性地將多期限和非線性納入統(tǒng)一的模型，為弱勢有效性的驗(yàn)證等涉及歷史交易信息提取的研究提供了新的思路和方法。第二，本文在探究趨勢策略超額收益來源時(shí)，不同于現(xiàn)有文獻(xiàn)停留在投資者自身行為偏差的層次，而是從公司信息不確定性影響投資者行為的角度，對超額收益作出解釋。第三，本文發(fā)現(xiàn)在信息不確定性較高的公司中，收益率趨勢變量蘊(yùn)含了更多的未來公司基本面信息，證實(shí)了信息不確定是造成市場缺乏有效性的根源，為監(jiān)管機(jī)構(gòu)強(qiáng)調(diào)信息披露提供了理論支持。

文獻(xiàn)綜述與理論分析

相關(guān)文獻(xiàn)綜述

股價(jià)是否可預(yù)測，不僅是實(shí)務(wù)界關(guān)心的問題，也是資產(chǎn)定價(jià)領(lǐng)域的研究核心。理論上說，在一個有效的市場，根據(jù)有效程度的不同，當(dāng)前股價(jià)已反映了所有歷史交易信息、公開信息甚至私有信息，股價(jià)將不可預(yù)測。然而，現(xiàn)實(shí)中的股票市場與有效市場假說卻長期背離，股票收益率存在不同時(shí)間維度上的序列相關(guān)性，即動量/反轉(zhuǎn)效應(yīng)。

梳理現(xiàn)有研究，可以發(fā)現(xiàn)股票收益率存在短期反轉(zhuǎn)、中期動量、長期反轉(zhuǎn)的特征。在短期，Lehmann（1990）發(fā)現(xiàn)股市中當(dāng)周的“贏家”和“輸家”組合會在下一周經(jīng)歷收益的反轉(zhuǎn)。在中期，Jegadeesh and Titman（1993）發(fā)現(xiàn)了著名的動量效應(yīng)，即通過做多過去3個月至1年的“贏家組合”，同時(shí)做空對應(yīng)的“輸家組合”，能夠獲得相對于CAPM和Fama—French三因子調(diào)整后的大約每月1%的超額收益。在更長的時(shí)間維度（3—5年），DeBondt and Thaler（1985）發(fā)現(xiàn)股票收益率會再次呈現(xiàn)出反轉(zhuǎn)特征，即長期反轉(zhuǎn)效應(yīng)。

針對中國股票市場，學(xué)術(shù)界對短期和長期反轉(zhuǎn)效應(yīng)存在較高的共識，代表性的研究有，許年行等（2011）發(fā)現(xiàn)中國股票市場存在顯著的短期反轉(zhuǎn)效應(yīng)，劉博和皮天雷（2007）發(fā)現(xiàn)中國股票市場在短期與長期均表現(xiàn)出顯著的反轉(zhuǎn)效應(yīng)。學(xué)術(shù)界對于中國股票市場中是否存在中期動量效應(yīng)則結(jié)論不一，代表性的研究有，魯臻和鄒恒甫（2007）、許年行等（2011）都發(fā)現(xiàn)中國股票市場總體上動量效應(yīng)不顯著；潘莉和徐建國（2011）卻發(fā)現(xiàn)個股在特定的日度和周度上存在動量效應(yīng)。

相關(guān)理論分析

趨勢策略的構(gòu)建

現(xiàn)有的研究僅采用了特定周期的歷史價(jià)格信息，且不同周期的歷史表現(xiàn)都能或強(qiáng)或弱，或正或負(fù)地預(yù)測未來收益率，本文出于充分捕捉歷史股價(jià)信息的考慮，整合不同周期的歷史交易信息構(gòu)建趨勢策略。

除了各期限的歷史收益率外，收益率的波動性也是影響個股未來收益率的重要因素。在資本資產(chǎn)定價(jià)模型（CAPM）中，資產(chǎn)的風(fēng)險(xiǎn)和預(yù)期收益率存在理論上的正相關(guān)，后續(xù)實(shí)證研究結(jié)果也驗(yàn)證了波動性與預(yù)期收益率之間的關(guān)聯(lián)(Nelson，1991；陳守東等，2003)。因此，歷史收益率的二次項(xiàng)也包含著與未來收益率相關(guān)的信息。

基于上述分析，本文使用Fama—Macbeth回歸方法滾動估計(jì)不同期限的歷史累積收益率（及其平方）對t月收益率的影響系數(shù)，并將該系數(shù)外推至t+1月，得到t+1月的預(yù)測收益率。這樣的模型設(shè)計(jì)既一目了然，又與前人研究動量/反轉(zhuǎn)效應(yīng)的方法具有一致性。引入收益率二次項(xiàng)來估計(jì)條件方差的方法，既考慮了收益率波動性對未來收益率的影響，也考慮到了真實(shí)市場中股票收益率動態(tài)過程可能存在的非線性相關(guān)模式。經(jīng)過整合不同期限累計(jì)收益率的一階、二階信息，構(gòu)造出全新的趨勢變量。

趨勢策略收益的歸因分析

動量/反轉(zhuǎn)效應(yīng)是典型的利用歷史交易信息來預(yù)測未來收益，因而難以在有效市場理論的框架內(nèi)得到解釋。對此，學(xué)術(shù)界轉(zhuǎn)而從錯誤定價(jià)的角度來研究上述效應(yīng)，以投資者行為作為研究對象，使用反應(yīng)不足或反應(yīng)過度解釋股票收益率的動量和反轉(zhuǎn)效應(yīng)。本文更進(jìn)一步提出，上市公司信息本身的不確定性，是否也會增加投資者解讀信息的難度？由于理性投資者往往是風(fēng)險(xiǎn)厭惡的，當(dāng)信息不確定性更大時(shí)，其在定價(jià)過程中心理偏差會更嚴(yán)重。因此，投資者對不確定性高和信息不完備的公司更容易誤定價(jià)（Hirshleifer，2001），即反應(yīng)不足和反應(yīng)過度的現(xiàn)象更普遍。

本文的趨勢策略更全面地整合了不同周期的高階歷史交易信息，其收益率是否會因基本面信息本身的不確定和不完備而更高？對該問題的探討，將為信息監(jiān)管提供新的決策依據(jù)和監(jiān)管思路，也更符合本文的研究主題。本文將信息不確定性劃分成兩個層次：信息披露的不確定性，信息挖掘及解讀的不確定性。公司在日常運(yùn)營中，必然伴隨著大量與未來業(yè)績相關(guān)的信息，無法做到一一披露。因此，監(jiān)管部門要求上市公司披露對公司價(jià)值產(chǎn)生“重大影響”的信息，如達(dá)到總資產(chǎn)一定比例的兼并重組等。對于未達(dá)到披露要求，但又影響公司價(jià)值的信息，上市公司出于市值管理的動機(jī)，往往選擇性披露。對于此類信息，信息中介的挖掘和解讀尤為重要，當(dāng)媒體報(bào)道、分析師覆蓋較少時(shí)，信息不確定性也更高（Zhang，2006）。

結(jié)合上述分析，下文實(shí)證將重點(diǎn)檢驗(yàn)以下三個問題：第一，將不同周期的一階、二階收益率信息整合為統(tǒng)一的趨勢變量，并據(jù)此構(gòu)建的趨勢策略能否獲得穩(wěn)定超額收益；第二，如果趨勢策略的超額收益率源于信息不確定導(dǎo)致的投資者心理偏差，則應(yīng)該可以觀察到，在信息不確定性較高的個股中趨勢策略的超額收益較信息不確定性較低的個股中更高；第三，趨勢變量對信息不確定性更高的公司的未來業(yè)績的預(yù)測能力，是趨勢策略能夠預(yù)測股票未來收益率的內(nèi)在機(jī)制。

研究設(shè)計(jì)

數(shù)據(jù)與樣本

本文使用個股的日度和月度收益率數(shù)據(jù)作為研究對象，樣本期為2001年1月至2021年12月。由于趨勢策略的構(gòu)建基于過去60個月的收益率，因此剔除上市不足1200個交易日的個股以及當(dāng)月最后一個交易日停牌的個股。同時(shí)剔除月底ST類、退市整理板以及每股凈資產(chǎn)為負(fù)的個股。其中股票累計(jì)收益率、總市值、估值比例指標(biāo)、波動率、換手率、財(cái)務(wù)指標(biāo)、分析師覆蓋、新聞覆蓋以及申萬行業(yè)數(shù)據(jù)均來自國泰安數(shù)據(jù)庫（CSMAR），上述數(shù)據(jù)均以月為單位來提取，最終樣本內(nèi)總計(jì)有252個月，334171個股票月度數(shù)據(jù)。

趨勢策略的構(gòu)建及變量定義

首先利用每個t+1月的收益率對t月底的各期限的累計(jì)收益率ri，t-k，t)進(jìn)行截面標(biāo)準(zhǔn)化后做橫截面回歸，分別得一次項(xiàng)影響系數(shù)β(t-k，t)和二次項(xiàng)影響系數(shù)γ(t-k，t)的估計(jì)值，然后在時(shí)間序列上對β(t-k，t)和γ(t-k，t)計(jì)算其12個月的移動平均值②為進(jìn)一步保證結(jié)論可靠性，本文分別使用了24個月、15個月、9個月的滾動窗口以及指數(shù)平均法（EMA）作為穩(wěn)健性檢驗(yàn)，結(jié)論保持一致。，作為其在t+1月影響系數(shù)的估計(jì)值，將它們和個股i在t月的各期限的累計(jì)收益率代入公式（1），即可得到個股i在t+1月預(yù)期收益率，記為ER（下文稱趨勢變量）。

值得注意的是，上述模型在計(jì)算t+1月的趨勢變量時(shí)只使用到了t月及之前的交易信息，因此避免了前視偏差。在得到個股的下月趨勢變量ER后，按照ER從低到高對個股進(jìn)行五分位排序，做多ER最高的1/5，同時(shí)做空ER最低的1/5，多空投資組合中個股按等權(quán)重配置，并進(jìn)行月度再平衡，該多空組合策略即為趨勢策略。

其他變量定義見表1。

表1 變量定義表

趨勢策略的有效性檢驗(yàn)

趨勢策略的描述性統(tǒng)計(jì)

為檢驗(yàn)趨勢策略的預(yù)測力，本小節(jié)將趨勢策略與其他常見因子策略的收益率進(jìn)行描述性統(tǒng)計(jì)和比較。由于構(gòu)建策略需要12個月的數(shù)據(jù)，所以本文的趨勢策略描述性統(tǒng)計(jì)時(shí)間段為2002年1月至2021年12月，總計(jì)240個月。同時(shí)參與比較的還有短期反轉(zhuǎn)因子SREV、動量因子MOM、長期反轉(zhuǎn)因子LREV、市場因子Market、市值因子SMB以及價(jià)值因子HML。統(tǒng)計(jì)結(jié)果如表2所示。

從表2可知，Trend的收益率均值、夏普比均優(yōu)于Trend(無二次項(xiàng))，表明在構(gòu)建趨勢變量時(shí)加入二次項(xiàng)的確能夠提升對個股未來收益的預(yù)測力。Trend(無二次項(xiàng))的收益率略高于A股市場中顯著的短期反轉(zhuǎn)因子SREV。同時(shí)Trend的表現(xiàn)還優(yōu)于其他傳統(tǒng)因子，尤其是動量反轉(zhuǎn)類因子，表明整合各周期的價(jià)格信息與只使用單周期價(jià)格信息在預(yù)測個股未來收益上相比具有明顯優(yōu)勢③本文還分別檢驗(yàn)了牛、熊市下趨勢策略的表現(xiàn)，發(fā)現(xiàn)均優(yōu)于其他策略；為節(jié)約篇幅，備索。。此外還能看到，在歐美股票市場長期顯著的動量效應(yīng)在A股中卻并不顯著。

趨勢變量預(yù)測力的Fama—Macbeth回歸檢驗(yàn)

本節(jié)使用Fama—MacBeth回歸，在控制其他變量之后，檢驗(yàn)ER是否仍能顯著解釋股票在t+1月的收益率。其中被解釋變量為個股t+1月的收益率，解釋變量為t月末個股的趨勢變量ER和ER（無二次項(xiàng)）。結(jié)果如表3所示。

表3 Fama-Macbeth回歸檢驗(yàn)

從回歸（1）和（2）可見，雖然ER(無二次項(xiàng))對未來收益率具有預(yù)測力，但是在控制了個股的短期、中期和長期歷史累計(jì)收益率后，ER(無二次項(xiàng))的預(yù)測作用的顯著性大幅降低。然而，回歸（3）至（6）表明，ER對個股未來收益的預(yù)測力是顯著的，此外（7）的被解釋變量為t+1月的個股相對于行業(yè)的超額收益率，回歸結(jié)果顯示ER對個股未來的行業(yè)超額收益率具有同樣顯著的預(yù)測力。

經(jīng)風(fēng)險(xiǎn)模型調(diào)整的策略超額收益

上文驗(yàn)證了歷史交易信息對未來收益率具有穩(wěn)健的預(yù)測能力，那么據(jù)此獲得的策略收益是因承擔(dān)了系統(tǒng)性風(fēng)險(xiǎn)導(dǎo)致的溢價(jià)嗎？本文進(jìn)一步用主流的因子模型進(jìn)行檢驗(yàn)。表4報(bào)告了按照趨勢變量由低到高排序的五分位數(shù)投資組合和趨勢策略分別相對于CAPM和Fama—French三因子、四因子和五因子模型的α超額收益率。

表4 主流因子模型調(diào)整后的策略超額收益

在ER從最低的五分位到最高的五分位的投資組合中，原始的策略收益率均值從0.26%提升至1.99%，具有明顯的單調(diào)性。經(jīng)CAPM模型調(diào)整后的α從-0.44%提高到1.28%，經(jīng)Fama—French三因子模型調(diào)整的α從-0.74%提高到0.86%，經(jīng)Carhart四因子模型調(diào)整的α從-0.74%提高到0.87%。經(jīng)Fama—French五因子模型的α，從-0.69%提高到0.97%?？梢娊?jīng)現(xiàn)有的傳統(tǒng)風(fēng)險(xiǎn)因子模型調(diào)整后，按照趨勢變量排序的五分位組合仍能夠取得單調(diào)遞增的超額收益率。此外趨勢策略相對于上述四種風(fēng)險(xiǎn)因子模型，均具有顯著為正的超額收益率，且各風(fēng)險(xiǎn)因子模型的α值經(jīng)過Newey-West調(diào)整后的t統(tǒng)計(jì)量均高于7.0，遠(yuǎn)高于Harvey et al.(2016)提出的更為嚴(yán)格的t統(tǒng)計(jì)量閾值（3.0）?？偟膩碚f，傳統(tǒng)風(fēng)險(xiǎn)因子模型無法解釋趨勢策略的超額收益率。

趨勢策略超額收益率的來源和形成機(jī)制研究

趨勢策略與個股信息不確定性

已有文獻(xiàn)往往將股價(jià)的短期趨勢歸因于投資者的行為心理偏差，而投資者在對價(jià)值不確定性較高的公司的定價(jià)過程中其心理偏差會起到更大作用，從而導(dǎo)致了這一類公司的收益率可預(yù)測性更高（姚遠(yuǎn)等，2021）。本文進(jìn)一步從個股信息不確定性的角度出發(fā)，觀察趨勢策略的表現(xiàn)在信息不確定性程度不同的個股之間是否存在顯著差異。

參考已有文獻(xiàn)，本文用5種信息不確定性的代理變量（總市值、收益率波動性、日均換手率、分析師覆蓋、新聞覆蓋）分別與個股趨勢變量ER進(jìn)行非獨(dú)立雙重排序組合檢驗(yàn)。首先分別以總市值、收益率波動性、日均換手率、分析師覆蓋、新聞覆蓋按照30%、40%和70%分位數(shù)將樣本分為三組，在每一組內(nèi)按照ER由低至高分為五組，等權(quán)平均后得到每一組的收益率。檢驗(yàn)結(jié)果如表5所示。

從Panel A可以看到，趨勢策略的收益率及相對于風(fēng)險(xiǎn)因子模型的α隨著個股總市值的提高而單調(diào)降低。如在個股總市值最低組（Low）和最高組（High）內(nèi)，趨勢策略收益率分別為2.20%和1.17%，差值（High-Low）為-1.03%且顯著。同時(shí)總市值最小組的經(jīng)風(fēng)險(xiǎn)因子模型調(diào)整后的α也遠(yuǎn)高于總市值最大組。從Panel B和 C同樣可以看到，趨勢策略收益在波動性較高的組和日均換手率較高的組內(nèi)要顯著高于波動性較低和日均換手率較低的組。

從分析師覆蓋的角度看，Panel D的結(jié)果顯示，趨勢策略的收益率及其相對于風(fēng)險(xiǎn)因子模型的α隨著分析師覆蓋的提高而同樣是單調(diào)降低，在分析師覆蓋最低的組（Low）和最高的組（High）內(nèi)，策略收益率分別為2.57%和0.96%，差異（High-Low）為-1.61%，且顯著為負(fù)。風(fēng)險(xiǎn)因子模型不能解釋分析師覆蓋最低的組中的策略超額收益率，Newey-West調(diào)整后的t統(tǒng)計(jì)量均在10.0以上，而分析師覆蓋最高組的t統(tǒng)計(jì)量則在3.0以內(nèi)。

從Panel E可以發(fā)現(xiàn)，新聞覆蓋最少組（Low）中的趨勢策略收益率為2.20%，而新聞覆蓋最多組中的趨勢策略收益率為1.37%，差異（High-Low）為-0.83%，顯著為負(fù)。風(fēng)險(xiǎn)因子模型無法解釋新聞覆蓋最少組中的策略超額收益率，Newey-West調(diào)整后的t統(tǒng)計(jì)量均在7.0以上，而新聞報(bào)道最多組中的Newey-West調(diào)整后的t統(tǒng)計(jì)量則在4.5左右，顯著性大幅降低。

從整體上看，雙重排序檢驗(yàn)的實(shí)證結(jié)果共同表明，在信息不確定性較高（總市值較小、收益率波動性較高、日均換手率較高、分析師覆蓋較少或新聞覆蓋較少）時(shí)，趨勢策略的收益也較高。

趨勢策略與公司未來盈利信息

本文接下來要回答的問題是，趨勢策略的收益率是否來自ER指標(biāo)本身包含了未來收益率的信息？換言之，趨勢策略的超額收益更可能源于投資者對當(dāng)前（可用于預(yù)測未來收益）信息的反應(yīng)不足？

對此，本文用公司下一財(cái)報(bào)的總資產(chǎn)收益率（ROAT+1）和標(biāo)準(zhǔn)化超預(yù)期季度總資產(chǎn)收益率SUROAT+1代表公司未來盈利信息④本文還用未來一期的ROA做為穩(wěn)健性檢驗(yàn)，結(jié)論一致。。標(biāo)準(zhǔn)化意外季度總資產(chǎn)收益率SUROA是當(dāng)季度的ROA減去上年同期季度ROA，除以前八個季度ROA的標(biāo)準(zhǔn)差。

表6以SUROAT+1作為Fama-Macbeth回歸的被解釋變量。同時(shí)本文關(guān)心的是信息不確定性程度的影響，所以引入了ER與SIZE、VOLA、TO、COV和NEWS的交乘項(xiàng)，觀察在個股不同信息不確定程度下，趨勢變量對未來盈利信息的預(yù)測力。

表6的（1）至（3）列中，ERt的系數(shù)不顯著或顯著性較低，但其相應(yīng)交乘項(xiàng)的系數(shù)在控制了SUROAT（當(dāng)前期最近一期財(cái)務(wù)報(bào)表的季度SUROA）和SUROAT-1（當(dāng)前期的滯后一期財(cái)務(wù)報(bào)表的季度SUROA）以及個股其他特征后均顯著為正均顯著為正，表明在小市值、高換手率、高波動性的個股中ER對未來一期的SUROAT+1具有顯著預(yù)測力?；貧w（4）至（5）中，雖然ERt的系數(shù)顯著為負(fù)，但是其相應(yīng)交乘項(xiàng)系數(shù)均為顯著為正，且系數(shù)的絕對值遠(yuǎn)高于ERt系數(shù)的絕對值，表明在低分析師覆蓋和低新聞覆蓋的個股中ER依然對于未來一期的SUROAT+1具有一定的預(yù)測作用。

從本小節(jié)的總體實(shí)證結(jié)果上看，個股趨勢變量ER確實(shí)能夠預(yù)測公司未來的盈利，其機(jī)制在于價(jià)格對于未來盈利信息反應(yīng)的不充分，從而造成了未來收益率的可預(yù)測性，這一現(xiàn)象在信息不確定性程度較高的個股當(dāng)中尤為顯著，佐證了趨勢策略的超額收益是來源于錯誤定價(jià)，而非風(fēng)險(xiǎn)補(bǔ)償。

結(jié)論

動量和反轉(zhuǎn)效應(yīng)在全球股票市場普遍、顯著且長期存在。這意味著，現(xiàn)實(shí)的股票市場甚至未達(dá)到學(xué)術(shù)界最低標(biāo)準(zhǔn)的有效市場。其原因是什么？為回答這一問題，首先需要解決的是如何全面地提取歷史收益率信息。以往研究中，學(xué)者們往往聚焦單一周期的歷史收益率，如長期反轉(zhuǎn)、中期動量和短期反轉(zhuǎn)等。本文則基于Fama-Macbeth回歸構(gòu)建了包含多期限的歷史信息提取模型。同時(shí)，考慮到收益率的波動性也是影響個股未來收益率的重要因素，本文借鑒Garch—M模型的思路，將歷史收益率的二次項(xiàng)納入模型。

本文構(gòu)建的多期限、非線性模型對未來收益率具有顯著的預(yù)測力。根據(jù)模型預(yù)測的收益率ER，將所有股票排序后構(gòu)建多空組合，本文稱為趨勢策略。實(shí)證發(fā)現(xiàn)，相比于現(xiàn)有文獻(xiàn)中常見的單周期策略和因子策略，趨勢策略具有多項(xiàng)優(yōu)勢：穿越牛熊市、回撤可控，以及收益來自多頭，從投資意義上講，該策略更適用于做空限制較強(qiáng)的中國股市。同時(shí)，也證明了本文模型的優(yōu)越性，為弱勢有效性的驗(yàn)證等涉及歷史交易信息提取的研究提供了新的思路和方法。

趨勢策略的收益率，在經(jīng)過多因子模型調(diào)整后依然存在顯著的α。對于風(fēng)險(xiǎn)機(jī)制無法解釋的超額收益率，學(xué)者往往在行為金融學(xué)的框架內(nèi)探討其成因。本文更進(jìn)一步，信息供給和信息解讀既然是投資者判定股價(jià)高低的核心因素，那么信息不確定也可能加劇投資者的行為偏差，從而產(chǎn)生誤定價(jià)。實(shí)證發(fā)現(xiàn)，在公司信息不確定性越高的股票中，趨勢策略表現(xiàn)越好，即歷史收益率蘊(yùn)含了更多未被充分反映的公司基本面信息，證實(shí)了信息不確定是造成市場缺乏有效性的根源，為監(jiān)管機(jī)構(gòu)強(qiáng)調(diào)信息披露提供了理論支持。