!"#$%&，’"$(
管 理 工 程 学 报
)"*+,-# ". /,0*12+3-# 4,53,66+3,574,53,66+3,5 8-,-5696,2 (::;年 第 (期
中国股市价格惯性反转与风险补偿的实证研究
马超群，张 浩
（湖南大学工商管理学院，湖南 长沙 <%::=(）
摘要：利用改进的统计方法，利用 %&&;年 %月至 (::%年 %(月的月收益数据重新进行了有关中国股票市场的
价格惯性、反转效应的实证研究。发现中国股市并不存在显著的惯性效应，而存在显著的中长期（%(个月以上）
反转效应。对于反转策略所产生的超常收益，我们分别用 >?@8模型以及 A-9- -,0 A+6,BC三因子模型进行风险调
整，结果发现，这两个模型均不能很好地解释反转效应。因此我们倾向于认为。反转策略的超常收益主要来源于
投资者的过度反应而非理性的风险补偿。
关键词：惯性；反转；反转策略；过度反应；风险补偿；账面市值比
中图分类号：A=D:$&% 文献标识码：? 文章编号：%::<EF:F(（(::;）:(E::F<E:F
收稿日期：(::DE%%E(;
基金项目：国家自然科学基金资助项目（G:DG%:(=）；国家社会科学基金资助项目（:DH)I:;F）；教育部优秀青年教师资助计划（(::D：D;;号）
作者简介：马超群（%&FD—），男，湖南岳阳人，湖南大学工商管理学院教授，博士生导师，博士，(::%年加拿大 J"+",2"大学访问教授，研究方向：
金融工程。
! 引言
从上世纪 =:年代后期至今的大量金融研究发现，股票
或者资产组合的收益存在着某种可以预测的模式，他们的未
来收益与过去收益并不独立。
在一篇具有深远影响的文章里，K6 H",02 -,0 JC-#6+
（%&=;）阐述了股票收益的长期反转效应，在过去 % L ;年表现
差（好）的公司在将来的 % L ;年将获得显著的高（低）收益。
这意味着反转策略（买入过去的输家组合，卖出过去的赢家
组合）的超常盈利性。而另一方面，许多文献指出，在全球大
部分成熟的股票市场中，在 % L %(个月的中等时期内，股票
收益表现出显著的惯性效应，即，过去的赢家（输家）持续成
为赢家（输家）。例如 )6560661C -,0 J329-,（%&&D，(::%）发现美
国市场存在显著的中期惯性效应，而英国股票市场（>#-+6 -,0
JC"9-1，%&&;；8-+M -,0 J",M1，(::%）、德国股票市场（N#-16+ -,0
O6P6+，(::%）也不例外。
惯性与反转现象的发现，给传统金融理论，尤其是有效
市场假说（48Q）产生了巨大的冲击。按照 48Q，股票价格已
经包含了全部的可得信息，收益是根本无法预测的。因而惯
性与反转现象被称为“市场异象”。而另一门沉寂了较长时
间的新兴学科———行为金融学借此复苏。行为金融学是行
为经济学的一个分支，它将行为心理学的研究成果应用于金
融领域，研究人们在投资决策中的认知、感情、态度等心理特
征，以及由此而引起的市场非有效性。
有效市场理论的支持者认为，这些超常收益完全是他们
投资于高风险股票的理性补偿，而这些风险可能是传统的资
本资产定价模型（>?@8）所不能捕获的。因此他们运用各种
因子进行风险调整，其中最著名的就是运用 A-9- -,0 A+6,BC
（%&&(，%&&D）的三因子模型对这些策略的超常收益进行解释
（下文将详细阐述）。而更多的学者认为惯性与反转是反应
不足和过度反应的结果，他们提出了一系列行为模型来整合
这些理论，主要有：
H-+P6+31，RC#+ -,0 !31C,S（%&&=）假定投资者在进行投资
决策时存在两种偏差，代表性偏差和保守性偏差。由于代表
性偏差，投资者认为近期股票价格的变化反应了其未来变化
的趋势，从而错误地对价格变化进行外推，最终导致过度反
应。保守性偏差会造成投资者对新信息的反应不充分，认为
股票收益变化只是一种暂时现象，未根据新信息充分调整对
未来收益的预期，这就产生了反应不足。
K-,36# Q3++ -,0 R*P+-9-,S-9（%&&=）假定投资者在进
行投资决策时存在两种偏差，其一是过度自信，其二是有偏
自我评价。过度自信的投资者是那些过高地估计自身的预
测能力和私人信息的精度，过低估计自身的估计误差和先验
信息精度的一类投资者。他们的存在，使得私人信息比先验
信息具有更高的权重，引起价格的过度反应。而归因偏差的
存在，使得投资者将成功得益于自己的英明，将失败归因于
外部的噪声因素。例如一个投资者基于私人信息进行交易，
买进股票后得到利好的公开信息，卖出股票后得到利空的公
开信息。在这种情况下，投资者自信心增加，但是当相反的
情况出现时，投资者自信心并不是同等程度地减少。这样，
归因偏差一方面导致了短期的惯性和长期的反转，同时也助
长了过度自信。
而 Q",5 -,0 R263,（%&&&）在他们的模型里假定市场由两种
有限理性投资者组成：“消息观测者”和“惯性交易者”。两种
有限理性投资者都只能处理所有公开信息的一个子集。消
息观测者基于他们观测到的有关未来情况的信号而不能根
—<F—
据当前和过去的价格信息进行预测，而惯性交易者正好相
反，他们可以根据过去价格变化作出预测，但预测仅仅是过
去价格的简单函数。另一个重要假设就是私人信息在信息
观测者之中是逐步扩散的，正因为此，价格在短期内存在反
应不足，这种反应不足意味着惯性交易者可以从“追涨杀跌”
中渔利，然而，这种套利企图必然导致长期的过度反应。
具体至中国的股票市场，王永宏，赵学军（!""#）（王文）
对 #$$%至 !"""年的股票收益数据进行分析，发现了显著的
长期反转效应，然而并没有发现收益惯性，他认为惯性效应
不显著的主要原因在于中国股市波动性较大。吴长风
（!""!）（吴文）而后从中国股市的全市场入手，也得到了相似
的结论，并且认为随时间的推移，反转效应将逐渐减弱。而
周琳洁（!""!）、吴世农和吴超鹏（!""%）却发现较短的中期内
存在显著的惯性效应。
笔者认为，由于中国股市发展历史非常短暂，样本的选
取、统计方法的异同在较大的程度上影响着研究的结论。本
文与上述文章在研究方法方面差别主要表现在：（#）样本选
取方面。例如王文选取的是 #$$% 年之前上市的全部 &股。
符合条件的股票数量太少，代表性不强。另外，中国沪市与
深市在 #$$’年以前均未实行合理的涨跌幅限制，股市波动
太大，以至王文最后也得出结论股市波动性较大是惯性不显
著的原因之一。（!）上述文章一般选取上证指数收益作为市
场收益率的代表，代表性不强，因为他们所选取的股票包括
很大部分的深市股票，而早期沪深两市联动性并不强。（%）
在惯性策略的赢家、输家组合的构造上，上述文章一般采用
排序期非重叠的抽样方法，这样虽然减少了样本个体间的相
关性，但是这样所形成了赢家、输家组合数目太少，动态投资
组合的调整间隙太大，不能及时反映变化着的新信息。例如
王文中排序期为 $个月的赢、输家组合只有 $个，而排序期
为 #!个月的仅 ’个。我们认为，采取排序期重叠的方法，以
获得数量较多而且及时调整的动态投资组合，是完全值得且
更贴合“动态”投资策略之本意的。对于由此引致的样本个
体之间独立性以及统计量有效性的减弱，可以通过其他途径
加以弥补。
而更重要的一点是，上述相关的研究并未对其所发现的
惯性（或反转）的超常收益做深入的剖析，到底这些超常收益
是理性的风险补偿的结果，还是根源于投资者行为偏差所导
致的反应不足和过度反应，至今还没有令人信服的结论。因
此，本文在对部分样本与统计方法进行改进的基础上进行实
证研究，并对研究结果进行进一步的分析，希望籍此能对完
善中国股票市场的惯性与反转的研究有所贡献。
! 数据与方法
本文研究样本为在 #$$(年 #月之前上市的沪、深两市全
部 &股股票的的月收益，样本期间为 #$$(年 #月至 !""#年
#!月，共计 )*个月，排除部分具有异常数据以及样本期数据
不齐全的个股，有效股票共计 !’%支。之所以将 #$$(年以前
的数据排除在外，是因为 #$$(年以前，我国股票市场发展尚
不成熟，市场的效率、信息的反映程度比较差，个股缺乏个
性，往往表现为齐涨共跌，这将对我们的研究结果产生负面
影响。股票的交易数据全部来源于香港理工大学中国会计
和金融研究中心设计的中国股票市场研究数据库（+,-&.），
此数据库包括了 !""# 年 #! 月份以前全部 &股的月交易数
据。文中采用的收益率为其中的“考虑现金红利再投资的月
个股回报率”，该收益率已经对分红、配股、增发等做出了调
整。相关的财务数据亦来自于 +,-&.的上市公司财务数据
库。
在投资组合的构造方法上，本文采用 /01020034 562
789:56（#$$%）的方法，构造如下 #"个投资组合：在每个月初计
算各股票过去 ! 个月（排序期）的平均收益率，从低到高将股
票平均分为 #"组，分别用 "#、"!、⋯、" #"表示（"#、"#"分别
为输、赢家组合）。每组中股票按等权重购入并持有 # 个月
（持有期）。从第 ! 月起每个月进行如此的操作，我们记第 $
组合第 % 月收益率为 &$，%，截至 !""#年 #!月，第 $ 组共有 )*; !
个月收益率 &$，! < #，&$，! < !，⋯，&$，)*，$ = #，!，⋯，#"，然后求出各
组合在这段时间内的月平均收益率：
&$ =
#
)* > !!
)*
% = !<#
&$，% （#）
另外，为了提高 %;统计量检验的有效性，本文采用重叠
技术（?@0AB5CC861）计算组合的持有期收益：在第 % 个月，实际
上有 %，% > #，⋯，% > # < #月初形成的某策略组合同时存在
（未超出各自的持有期），&$，%应为这 # 个策略的持有期收益
的平均值。例如，考虑 # = %时的组合 $，当 % = #"时，应该有
第 )、$、#"个月初形成的组合 $ 同时存在，这样组合 $ 在 % =
#"时的收益 &$，%应该是这三个不同时期形成的组合的收益平
均值，即每个月所调整的实际是各组合中的比例为 # D #的股
票。另外，这里说的收益均是指股票的买入;持有收益而非
累积超额收益（+&.），所谓超额收益是股票收益与市场收益
的差值。根据 E?F14A56 562 .8990A（#$$’），这两种收益衡量标
准对最终结果的影响差距甚微。
检验 &$ > &’ 是否为 "时，我们使用 % 统计量：
% =
)* > ! >" #·（ &$ > &’）
!$’
（!）
!$’ =
#
（)* > ! > #）·!
)*
% = !<#
（ &$% > &’%）" ! （%）
根据 G-H，价格已经充分反映了己知的信息，对历史收
益的分析不可能得到超常收益，这样，我们所分的 #"个组合
的收益在未来应该是无差异的。否则，将与 G-H相悖。
" 实证结果及分析
考虑到样本长度限制。我们选取令 !、# 分别取 %、’、$、
#!、#)、!*、%"和 %’进行实证检验，主要结果如表 #所示（ ! =
#)、%"时的结果类似，限于篇幅此处略去）。
—(’—
I?BJ#$，K?J! 管 理 工 程 学 报 !""(年 第 !期
表 ! 中国股市惯性与反转效应实证结果
!
投资
组合
持有期月收益
" ! " " ! # " ! $ " ! %& " ! %’ " ! &( " ! ") " ! "#
"
#
$
%&
&(
"#
#% )*)&+& )*)&%( )*)&" )*)&%# )*)&+( )*)&#’ )*)&’% )*)&"+
#+ )*)&++ )*)&#+ )*)&’$ )*)&’, )*)")+ )*)"&" )*)"&" )*)&’&
# %) )*)&"+ )*)&"$ )*)&+( )*)&+" )*)&# )*)&$& )*)&’$ )*)&++
# %)-#%
. )*))%,
（ . )*"%(&）
)*))&+
（)*,+&$）
)*))&(
（)*$&$"）
)*))",
（%*#)#+）
. )*))),
（ . )*"++,）
)*))&(
（%*")%）
)*))),
（)*",)+）
)*))&
（%*%%’）
#% )*)&%" )*)&)# )*)&"% )*)&" )*)&$+ )*)")( )*)"%( )*)&#%
#+ )*)&#" )*)&#$ )*)&’$ )*)&$% )*)"%% )*)""% )*)""" )*)&,(
#%) )*)&"+ )*)&"( )*)&(+ )*)&", )*)&(( )*)&’& )*)&$& )*)&"+
#%)-#%
)*))&&
（)*(&%+）
)*))&’
（)*’%)$）
)*))%(
（)*+("#）
)*)))’
（)*",,(）
. )*))+%
（ . "#$%&’）
. )*))&&
（ . !#()’"）
. )*))&&
（ . !#$$*"）
. )*))&#
（ + "#!%"’）
#% )*)&)$ )*)%$( )*)&&’ )*)&(( )*)&$+ )*)"%% )*)"%+ )*)&("
#+ )*)&(# )*)&(, )*)&#$ )*)&,# )*)")$ )*)""" )*)"&$ )*)&("
#%) )*)%,& )*)%," )*)%$& )*)%$& )*)&%+ )*)&+’ )*)&,% )*)%$"
#%)-#%
. )*))",
（ . )*#’,(）
. )*))&"
（ . )*(,,）
. )*))"#
（ . %*&%((）
. )*))+&
（ . !#&’’!）
. )*))’%
（ + ,#"*)&）
. )*))+&
（ . "#*!’）
. )*))("
（ + "#!’’’）
. )*))($
（ + "#(%)"）
#% )*)&+’ )*)&, )*)"%" )*)""( )*)"’% )*)"$& )*)"’" )*)&##
#+ )*)"%& )*)"%, )*)"(, )*)"+# )*)"$( )*)(%% )*)()’ )*)&#
#%) )*)&(% )*)&", )*)&+’ )*)&# )*)&’% )*)""& )*)""# )*)&%,
#%)-#%
. )*))%’
（ . )*"%,"）
. )*))""
（ . )*’+)"）
. )*))+(
（ . %*,"#,）
. )*)),(
（ + "#(*(）
. )*)%
（ + ,#$%&(）
. )*))+$
（ + "#%!$$）
. )*))(,
（ + "#*&)%）
. )*))($
（ + ,#,"&%）
#% )*)&,# )*)&,, )*)")( )*)"), )*)"", )*)""% )*)&$, )*)&)%
#+ )*)&() )*)&(, )*)&,’ )*)&’ )*)")( )*)"%" )*)&’+ )*)%,,
#%) )*)%"# )*)%(+ )*)%#’ )*)%#& )*)%’+ )*)&", )*)&)+ )*)%),
#%)-#%
. )*)%(
（ . %*’’$$）
. )*)%"&
（ . "#*&!"）
. )*)%"+
（ + "#&*(&）
. )*)%(#
（ + ,#,*%$）
. )*)%+&
（ . ,#’),）
. )*))$(
（ + "#$&*!）
. )*))$&
（ + *#"’"’）
. )*))$(
（ + (#&!’,）
#% )*)&,$ )*)&," )*)")+ )*)"%" )*)"(( )*)&’$ )*)&%+ )*)%#’
#+ )*)&" )*)&&% )*)&+& )*)&+ )*)&," )*)&(’ )*)&)( )*)%++
#%) )*))#( )*)),# )*)%)+ )*)%)& )*)%&( )*)%$& )*)%’% )*)%%#
#%)-#%
. )*)&%+
（ + "#()"(）
. )*)%$’
（ . "#&))(）
. )*)&
（ + ,#,!!&）
. )*)&%%
（ + ,#$$"!）
. )*)&&
（ + *#)&’(）
. )*))$,
（ + "#’(*!）
. )*))"(
（ + ,#)$%）
. )*))+&
（ + (#(%)"）
（括号中为 $ 统计量值，黑体字表示在 $+/置信水平下显著）
实证研究总体表现出如下特点：
%）同王文、吴文一样，本文在中国股市没有发现显著的
价格惯性效应，在排序期与持有期均小于或等于 #个月的情
况下，惯性投资策略收益为正，但不具备统计显著性；而当排
序期大于半年时，惯性策略的收益甚至为负，也就是说表现
出价格的反转。
&）仔细观察表 %发现，在中等期限下，赢家不“弱”，输家
不“强”，反而是过去一段时间内的中等收益组合（#+）成为最
大的赢家。我们似乎可以根据这一点构造“买入中等组合卖
出输家组合”的新型惯性策略，以及“买入中等股卖出赢家
股”的新型反转策略。当然这还有待将来更细致的研究。
"）中国股市存在显著的反转效应。如对于 ! ! &(，" !
%&的操作，即卖出过去 &(个月的赢家组合，买入对应的输家
组合，在随后的 %&个月内可以获得 %*(#/的月超常收益（约
%,*+&/每年）；! ! "#，" ! %’的操作更可获得 &*&/ 的月超
常收益。实证结果显示，中国反转策略的超常收益远大于
01 23456等在美国市场发现的年 ’/ 的超常收益，但也远小
于王文中的结果。
(）另外，同成熟股票市场不同的是，中国股市的反转策
略，持有期一般从 %&个月开始，便开始获得显著利润（国外
—##—
马超群等：中国股市价格惯性反转与风险补偿的实证研究
一般是!"个月以上），因此确切地说，中国股票市场存在中长
期的价格反转效应。并且反转效应与排序期相关。排序期
越长，反转越剧烈（出现显著反转效应的 !越小）。
我们认为，中国股票市场惯性效应不显著的原因在于：
由于中国股市是典型的高度的投机市，市场上信息披露不完
全，市场上存在着大量的“噪声交易”，投资者素质较低，只能
根据某些“小道消息”（噪声），或者是“追涨杀跌”，来进行交
易。这样就造成中国股市股票换手率极高，股市波动率太
大。据王文统计，#$$%至 !&&&年，我国沪深股市流通股的年
平均换手率达 "!&’，即上市流通的每一张股票平均每年要
转手 (次以上，而成熟的股票市场如美国，仅 )&’。有了如
此高的波动率，"*统计量不显著也就不足为奇了。
! 反转效应与风险补偿
在上一部分里，我们发现在中国股票市场不存在显著的
惯性效应，然而却存在显著的长期反转。那么，存在长期反
转的原因是什么？是理性的风险补偿？还是非理性的过度
反应？在这里，我们将以 # + #!，! + #%下的反转策略为代表
（笔者也做了 # + #%、! + #!；# + ! + #%，# + ! + #!的检验，结
果与下文相似），对之进行深入分析。
!"# 基本特征分析
首先，表 !列出了组合 $# , $#&的几项主要的排序期基
本特征。其中月均收益 !为组合持有期月均收益；月均收益
# 为其排序期月均收益；月均规模为各组合排序期的月平均
规模，鉴于中国上市公司股本结构的复杂性，月均规模我们
分别用各组合内股票总市值与流通市值的平均值（单位：万
元）来衡量：月均 % - & 比为各组合排序期平均账面市值比，
即各组合内股票 % - & 比的平均值；月均交易量为组合内股
票的平均月交易量，其中交易量以换手率（./012340）来衡量，
月换手率定义为其当月股票交易总股数与月末流通股数的
比值。
表 $ 投资组合 $# % $#&的排序期基本特征
组合
月均
收益 !
月均
收益 #
月均规模
（总市值）
月均规模
（流通市值）
月均
%5&比
月均
换手率
$# &6&7%! &6&&&) 7"#6& %"68 &677( &67"7
$! &6&7$! &6&#&) !%(6% 8%6& &677$ &67%&
$7 &6&7)7 &6W !8!6$ 8&6% &67!) &6"!#
$" &6&7)( &6&!#! !%"6! 8(6# &67!$ &6"")
$( &6&7$! &6&!8$ !8768 8$6& &67#$ &6"%(
$8 &6&"#" &6&77$ !8(67 8$6& &67#& &6(78
$) &6&"&( &6&"&) !)!6" )86! &67&8 &6()7
$% &6&78! &6&")# !%#6) %&6& &6!$& &6($(
$$ &6&7&) &6&(8( !)%6( %&6% &6!)! &687)
$#& &6&!%! &6&%"& 7!#6$ #&86# &6!"" &687%
从规模一栏可以看出，无论以总市值还是流通市值衡
量，赢家、输家组合的平均规模都比较大，中间组合规模相对
较小。这个发现是比较奇怪的，因为小公司股票的收益一般
波动性较大，因此落在两个极端组合的概率应该越高，这在
成熟的股票市场如美国股票市场便是如此。中国的反转现
象似乎与公司规模没有多大的相关性。而以总市值以及流
通市值衡量的公司规模在性质上大体一致，因此在下文中，
我们仅以总市值作为公司规模的衡量指标。
% - &比随排序期收益的增加大体呈递减趋势，而交易
量则单调增加。这说明反转现象似乎与股票的某些特征如
% - &比与交易量存在很大的相关性。一个可能的解释是赢
家组合在过去一段时间内由于一直获得较高的收益，因而成
为投资者瞩目的焦点，由于中国股市存在大量的“追涨杀跌”
噪声交易，他们的交易量肯定也会随之上升；同时随着股票
价格的上升，公司的市场价值也得到大幅度的增加，因此账
面 -市值比迅速下降，至排序期末大部分赢家组合已变为成
长型股票（9:;<2/0 =>2?@），依 A;<; ;1B A041?C（#$$8），成长型
股票在未来的表现不及价值型股票（D;:/4 =>2?@），因而产生
反转，它将获得较低的未来收益，这一点从持有期收益 ! 栏
恰可以看出。输家组合则反之。
!"$ ’()*+风险调整
正如本文引言所说，许多国内外有效市场理论的支持者
否认股票市场的反应不足或过度反应，而是将股票收益的截
面差异归结为理性的风险补偿，具体至中国股市如何呢？
根据传统金融的资本资产定价模型（EFGH），不同资产
组合的风险可以由!来反映，!越高代表风险越大，资产组
合期望收益也就越高。我们要了解不同资产组合回报率由
!值解释的程度，需要借助回归模型：
$’" , $( +"’ I!’（$)" , $(）I#" （"）
其中 $’"为资产组合 ’ 在持有期第 " 期的收益，$)"为对应 " 期
的市场收益，这里的市场收益采用的是全部 F股股票的市值
加权平均收益，$( 为无风险利率，取自月一年期银行定期存
款利率的加权平均值。表 7列出了 $#至 $#&各个组合的回
归结果。括号内为经 J4K4L ;1B M4N>（#$%)）自相关调整后的
" 统计量，黑体字表示在 $(’的置信水平下显著。
表 , O# % O#&组合基于 EFGH的风险调整
组合 $# $! $7 $" $( $8 $) $% $$ $#&
EFGH"
&6&7&
（-".$）
&6&7#
（-"/0）
&6&!$
（-",-）
&6&7&
（-"$/）
&6&7#
（-"!$）
&6&77
（-"&-）
&6&7!
（-"#$）
&6&!%
（0".#）
&6&!!
（0"&/）
&6&!&
（.",.）
EFGH!
&6!8#
（."-$）
&6!87
（."-.）
&6!(%
（."00）
&6!((
（."1,）
&6!8$
（.".1）
&6!$!
（."10）
&6!$)
（."/1）
&6!$"
（0",/）
&6!%)
（-",0）
&6!%#
（-"$.）
!$! &67$ &67$ &67% &67) &67) &67) &6"& &6"7 &6"$ &6"$
从表中可以看出，全部 #&个组合的"值均显著地大于
零，而且，赢家、输家组合的"之差 , &6&#恰好等于表 #中 #
+ #!、! + #%时反转策略的超常收益。因此，EFGH几乎完全
不能解释反转效应的超常收益。这从 EFGH的!也能体现
出来，虽然显著的 " 统计量说明它能够部分地解释这些资产
组合回报率的表化，但它们的值大体相等，且无明显可循规
律，并不能解释股票收益的截面差异。例如输家组合在持有
期获得较高收益，但其风险却比赢家组合低。可见，EFGH作
—)8—
D2:6#$，J26! 管 理 工 程 学 报 !&&(年 第 !期
为一种理想化的、完美的模型，与市场实际情况尚具有较大
的差距。
!"# $%&% %’( $)*’+,三因子模型风险调整
!"#" "$% !&’$()（*++,）在研究美国股票收益率差异的影
响因素时发现，股票的市场!并不能解释股票之间回报率的
差异，而上市公司的市值（-./0）、! 1 "、市盈率（2 1 0）等因素
却可以解释。进一步地，!"#" "$% !&’$()（*++3）建立了一个
三因子模型（下简称 !!4模型）来解释股票收益率，模型认为，
股票（投资组合）的超常回报率可以由它对三个因子的风险
暴露来决定：市场组合因子、市值（规模）因子（-56）以及账面
市值比（758）因子。其模型的回归形式为：
#$% 9 #& :!$ ;"$（ #’% 9 #&）; ($ -56% ; )$758% ;#$（<）
其中，-56为小公司组合与大公司组合的月平均收益的
之差，758为高帐面市值比组合收益与低帐面市值比投资组
合月均收益之差，#$%、#&、#’%的含义及取值同模型（=），"$，($，
)$ 分别为组合 $ 的对各因子的敏感度。
对于反转现象，!"#" "$% !&’$()（*++>）利用上述模型进
行拟合回归发现。过去较长一段时间内的输家（赢家）组合
一般具有显著的正（负）的 -56与 758负荷，将会在以后获
得较高（低）的平均收益。其原因是输家（赢家）组合承担较
高（低）的“沮丧风险”（?@AB&’AA C@AD）。较高的沮丧风险意味
着市场对此公司前景看淡（表现为股票价格较低、交易量萎
靡、6 1 5比高），因此公司未来的资本成本率必然较高，从而
具有高的期望回报率，而未来高的实际收益率正是对其承担
较高风险的理性补偿，赢家组合则反之。因此他们认为，!!4
模型能够较好地解释股票收益的长期反转现象。
按照上述思路，我们利用模型（<）对中国市场的反转效
应进行风险调整。取得 -56与 75.序列的方法如下：在每
个月初（!"#" "$% !&’$()获取组合收益的时间是每年 E月初，
由于中国股市样本期短，且波动性大，我们认为每个月进行
调整是必要的），根据股票上个月的规模分成小、大（-、6）两
组，另外单独根据 6 1 5比分为低、中、高（8、5、7）三组，从而
形成 , F 3个资产组合，每个资产组合的当月收益为组合中
股票收益率的市值加权平均值，分别记为 -8、-5、-7、68、
65、67。最后，根据此六个组合的收益序列提取 -56 与
758收益：
-56 :（-8 ; -5 ; -7）G3 9（68 ; 65 ; 67）G3 （>）
758:（-7 ; 67）G, 9（-8 ; 68）G, （E）
表 =列出了 **至 **H各组合的 !!4模型回归结果。括
号内为经 I’J’K "$% L’AB（*+ME）自相关调整后的 % 统计量，黑
体字表示在 +<N的置信水平下显著。
回归结果似乎非常令人失望，在美国成熟股票市场表现
上佳的 !!4模型并不能很好地解释中国新兴市场上的反转效
应，主要表现在：*）输、赢家组合的 -56与 758负荷因子均
为正，似乎均具有高的未来收益。,）回归方程的常数项均显
著地大于零，且 C*H与 C*组合之差为 9 HOHH+=，非常接近未
经风险调整的差值 9 HOH*。
表 ! *- . *-/组合基于 !!0模型的风险调整
组合 ** *, *3 *= *< *> *E *M *+ **H
!!!
HOH,M,
（1"23）
HOH,+<
（2"3/）
HOH,EM
（1"!3）
HOH,E>
（1"!/）
HOH,+*
（1"!1）
HOH3HE
（1"33）
HOH3H*
（1"!/）
HOH,>=
（4"2/）
HOH,*3
（4"#3）
HOH*MM
（5"22）
!!"
HO,<,E
（4"6/）
HO,<<E
（4"52）
HO,<*<
（4"36）
HO,=E,
（4"-4）
HO,>
（4"3#）
HO,M3,
（4"33）
HO,M+=
（4"62）
HO,M>E
（1"-4）
HO,M**
（2"3#）
HO,E>M
（1"#6）
!! (
9 HO*HEH
（ 9 *O3>）
9 HO*,=M
（ 9 *O<>）
9 HO*H+M
（ 9 *O3=）
9 HO+H=
（ 9 *O**）
9 HOHM+,
（ 9 *OH<）
9 HO**>H
（ 9 *O,<）
9 HO*=+E
（ 9 *O>M）
9 HO*<ME
（ 9 *O+*）
9 HO*=,3
（ . -"24）
9 HOH<E<
（ 9 HOE3）
!! )
HO,H=M
（!"22）
HO*++H
（!"41）
HO*+>=
（!"-3）
HO,H,H
（!"4!）
HO,H*>
（!"5#）
HO,,EM
（!"4/）
HO,,,
（!"4!）
HO*++*
（!"52）
HO*>E<
（!"!5）
HOH++<
（3"!#）
!*, HO<3 HO<, HO=+ HO<, HO<, HO<3 HO<< HO<M HO>* HO<,
另外，-56因子负荷 ( 的统计量均不显著，与前文 =O*
节中的猜测一致，投资组合收益的对公司规模因子并不敏
感。这可能与中国股市的“投机市”、“噪声市”的特点有关，
在这样不成熟的市场里，股票表现已经与公司基本面出现大
的偏离，与市场无关的公司特征，如公司规模，对上市股票的
表现并没有很大的影响。当然还有一个可能的原因就是我
们构造 -56序列时，按规模所划分的组数太少，未能充分体
现出小、大公司差异。
所有组合均具有显著 758因子 )，这说明 758因子对
组合收益是具有显著的解释作用的。通过进一步比较我们
看到，输家组合的敏感度远大于赢家组合（ ) 负荷绝对值是
后者的将近两倍）。这说明输家组合比赢家组合承担的 758
因子风险更大。根据 758序列的定义，输家组合更体现出
价值型股票的特征，而赢家组合表现得更像成长型股票。
!"! 反转效应是过度反应的结果
由上述分析可以看出，传统的 PQ25模型对解释中国股
市的反转效应收效甚微，在成熟股票市场表现很好的 !!4模
型也不适用于中国市场。并且 !!4模型中的市值（规模）因子
甚至与投资组合组合收益率毫不相关。因此我们更倾向接
受于行为金融理论的解释，认为价格的长期反转是投资者过
度反应的结果。
5 结束语
本文利用新的统计方法，选择较为合理的样本区间，重
新对中国股票市场的价格惯性、反转效应的进行了实证研
究，同先前的研究一样，发现中国股市并不存在显著的惯性
效应。我们认为，惯性效应不显著的原因主要在于市场不成
熟，信息披露不完全，也就是噪声太多，这样就会导致股票收
益的大幅度波动，从而使得 %4统计量不显著。
相反，中国股市存在显著的中长期（持有期 *, 个月以
上）反转效应。对于反转策略所产生的巨大超常收益，我们
分别用 PQ25模型以及 !"#" "$% !&’$()的三因子模型进行风
险调整，结果发现，这两个模型均只能部分地解释中国股市
的反转效应。因此我们认为，中国股市反转效应的超常收益
主要来源于投资者的过度反应。
虽然反转效应的风险调整没有能取到如同在成熟股票
市场的效果，但是，我们也从调整过程中发现了许多具有启
发性的规律，如市值（规模）因子解释能力的失效，赢、输家组
—M>—
马超群等：中国股市价格惯性反转与风险补偿的实证研究
合分别体现出的与股票交易量、公司账面 !市值比等因素的
联系等。这些方面将成为笔者以后研究的重点。
参 考 文 献
［ " ］ #$%&’%() *(+,-.$)，/01%’( 2,.’(3’%，$01 4-&’%5 6(),078 / 9--1’. -3
(0:’)5-% )’05(9’05［;］8 ;-<%0$. -3 =(0$0+($. >+-0-9(+)，"??@，A?：BCD
E BAB 8
［ F ］ G$0(’.，H’05，G$:(1 I(%),.’(3’%，$01 /:$0(1,$% 2<&%$,9$07$98
J0:’)5-% K)7+,-.-L7 $01 )’+<%(57 9$%M’5 <01’%N$01 -:’%%’$+5(-0)［;］8
;-<%0$. -3 =(0$0+’，"??@，OB："@B? E "@@P8
［ B］ G’#-015，Q’%0’% =8R $01 4(+,$%1 I8 S,$.’% 8 G-’) 5,’ )5-+M 9$%M’5
-:’%%’$+5？［;］8 ;-<%0$. -3 =(0$0+’，"?@O，AC：F@ E AC8
［ A］ =$9$，>8 $01 H8 =%’0+,8 S,’ +%-)) )’+5(-0 -3 ’TK’+5’1 )5-+M %’5<%0)
［;］8 ;-<%0$. -3 =(0$0+’，"??D，AD：AFD E APO8
［ O］ =$9$，><L’0’ $01 H’00’5, =%’0+,8 U-99-0 %()M 3$+5-%) (0 5,’ %’5<%0)
-3 )5-+M $01 &-01)［;］8 ;-<%0$. -3 =(0$0+($. >+-0-9(+)，"??B，BB：B E
OP8
［ P］ =$9$，><L’0’ $01 H’00’5, =%’0+,8 R<.5(3$+5-% ’TK.$0$5(-0) -3 /))’5
V%(+(0L /0-9$.(’)［;］8 ;-<%0$. -3 =(0$0+($. >+-0-9(+)，"??P，O"：OO
E @A8
［ D］ W%<017，#%<+’ G8 $01 2K’0+’% ;8 R$%5(0 8 X01’%)5$01(0L 5,’ 0$5<%’ -3
%()M) $01 5,’ )-<%+’) -3 %’Y$%1) 5- 9-9’05<9 (0:’)5(0L［;］8 4’:(’Y -3
=(0$0+($. 25<1(’)，FCC"，"A：F? E D@8
［ @］ I-0L，I$%%()-0，$01 ;’%’97 U8 25’(08 / <0(3(’1 S,’-%7 -3
<01’%%’$+5(-0，9-9’05<9 5%$1(0L $01 -:’%%’$+5(-0 (0 $))’5 9$%M’5)
［;］8 ;-<%0$. -3 =(0$0+’，"???，OA：F"AB E F"@A8
［ ?］ ;’L$1’’)，*$%$)(9,$0，$01 S(59$08 4’5<%0) 5- &<7(0L Y(00’%) $01
)’..(0L .-)’%)：(9K.(+$5(-0 3-% )5-+M 9$%M’5 ’33(+(’0+7［;］8 ;-<%0$. -3
=(0$0+’，"??B，A@：PO E ?"8
［"C］ ;’L$1’’),，*$%$)(9,$0， $01 2,’%(1$0 S(59$08 V%-3(5$&(.(57 -3
9-9’05<9 )5%$5’L(’)：$0 ’:$.<$5(-0 -3 $.5’%0$5(:’ ’TK.$0$5(-0)？［;］8
;-%0$. -3 =(0$0+’，FCC"$，OP：P?? E DFC8
［""］ Z’’，U,$%.’) $01 #,$)M$%$0 2Y$9(0$5,$08 V%(+’ 9-9’05<9 $01
5%$1(0L :-.<9’［;］8 ;-<%0$. -3 =(0$0+’，FCCC，OO："F"D E "FP? 8
［"F］ R$%M S8 I-0，J$0 S-0M)8 R-9’05<9 (0 5,’ XH 25-+M R$%M’5［/］8
Q-%M(0L V$K’%，G’K$%59’05 -3 >+-0-9(+)，X0(:’%)(57 -3 #%()5-.，FCC"8
［"B］ *’Y’7，Q8 H8 $01 H8 G8 Q’)5 8 / 2(9K.’ K-)(5(:’ 1’3(0(5’，
,’5’%-)M’1$)5(5(+(57 $01 $<5-+-%%’.$5(-0 +-0)()5’05 +-:$%($0+’ 9$5%(T
［;］8 >+-0-9’5%(+$，"?@D，OO：DCB E DCO8
［"A］ 2+,(’%’+M，G8，G’#-015，Q8，Q’&’%，R8 U-05%$%($0 $01 9-9’05<9
)5%$5’L(’) (0 W’%9$07［;］8 =(0$0+($. /0$.7)5) ;-<%0$.，"???，OO："CA
E ""P8
［"O］ S(9 Z-<L,%$0 $01 ;$7 4，4(55’% 8 Z-0L 5’%9 9$%M’5 -:’%%’$+5(-0：5,’
’33’+5 -3 .-YNK%(+’1 )5-+M)［;］8 ;-<%0$. -3 =(0$0+’，"??P，O"："?OD E
"?DC8
［"P］ 王永宏，赵学军 8中国股市“惯性策略”和“反转策略”的实证分
析［;］8经济研究，FCC" 8P：PO E ?@8
［"D］ 吴长风 8中国股票市场的收益N风险关系和惯性分析［/］8金融
年会，FCCF金融年会，FD E BF8
［"@］ 周琳洁 8中国股票市场动量策略赢利性研究，世界经济，FCCB，
@：PC E PA8
［"?］ 吴世农，吴超鹏 8我国股票市场价格惯性策略与盈余惯性策略
的实证研究［;］8经济科学，FCCB8A：OA E P"8
!"#$%$&’( )*+*’%&, -. /%$&* 0-"*123" ’14 5-12%’%$’1
’14 )$+6 5-"#*1+’2$-1 $1 5,$1*+* 72-&6 0’%6*2
R/ U,$-N[<0，\I/*W I$-
（U-..’L’ -3 #<)(0’)) /19(0()5%$5(-0，I<0$0 X0:(’%)(57，U,$0L),$ A"CC@F，U,(0$）
89+2%’&2：X)(0L %’:()’1 )5$5()5(+ 9’5,-1，Y’ %’1- %’)’$%+, $&-<5 5,’ K%(+’ 9-9’05<9 $01 +-05%$%($0 ’33’+5) (0 U,(0’)’ )5-+M 9$%M’5 Y(5,
)5-+M)] 9-05,.7 %’5<%0 &’5Y’’0 ;$08 "??O $01 G’+8 FCC"8 Q’ 3(01 0- )(L0(3(+$05 9-9’05<9 ’33’+5，$01 -0 5,’ +-05%$%7 3(01 )(L0(3(+$05
+-05%$%($0 ’33’+5 (0 9’1(<9 $01 .-0L’% K’%(-1（$5 .’$)5 "F 9-05,)）8 /) 5- 5,’ $&0-%9$. %’5<%0 -3 5,’ +-05%$%($0 )5%$5’L7，Q’ $1^<)5 %()M <)(0L
U/VR $01 =$9$ $01 =%’0+,]) 5,%’’N3$+5-% 9-1’.) (01’K’01’ /01 5,’ %’)<.5 ),-Y)，0’(5,’% -3 5,’ 5Y- 9-1’. +$0 3<..7 ’TK.$(0 5,’
+-05%$%($0 ’33’+5 8 2- Y’ K%-0’ 5- &’.(’:’ 5,$5 5,’ 9$(0 )-<%+’ -3 $&0-%9$. %’5<%0 -3 +-05%$%($0 )5%$5’L7 () 5,’ -:’%%’$+5(-0 -3 (0:’)5-%) $01 0-5
5,’ %$5(-0$. %()M +-9K’0)$5(-0 -3 )5++M)8
:*; <-%4+：9-9’05<9；+-05%$%($0；+-05%$%($0 )5%$5’L7；-:’%%’$+5(-0；%()M +-9K’0)$5(-0；#_R %$5(-
责任编辑：许冠南
—?P—
6-.‘"?，*-‘F 管 理 工 程 学 报 FCCO年 第 F期
