投机、交易行为与股票收益

结论概述

由于市场体制、投资者结构、投资者教育等多方面的原因 A 股市场投机性较强，既然不能改变 A 股投机的事实，我们不妨研究如何在投机市场中获利。通过聚宽平台对研报思路进行复现后，获得了与研报一致的结果，买入投机程度弱的股票，卖出过度投机的股票即可获取超额收益。

股票的投机程度虽然不能被直接观测，但投机程度高的股票往往伴随着一定的交易行为特征，通过对这些交易行为特征的刻画可变相考察个股的投机程度。我们通过特征波动率、特异度、价格时滞、市值调整换手分别度量股票的波动率高低、个股收益能否被市场风格解释、股价能否反应市场公共信息（市场指数）、和股票的换手程度。这四个指标描述的都是过去一段时间内个股的交易行为特征，我们统称为交易行为类指标。

特质波动率、特异度、价格时滞、流通市值调整换手历史上均表现出较强的收益预测能力，和我们预期的一致，过去一段时间内被过度投机的股票下期收益率普遍偏低，相反较为“正常”的股票反而更有可能获取超额收益。具体到各指标，特异度的正端超额收益最大，年均超越市场等权 13.3%，流通市值调整换手正端收益也较大，但风险相对较高，相比之下，特质波动率和价格时滞较为平淡。IC 方面，特质波动率和流通市值调整换手 IC 均值较高，但 IR 稳定性较差；特异度因子 IC 均值略低，但稳定性最好；价格时滞因子在四个因子中表现最差。

相关性分析显示，特质波动率、特异度、价格时滞三个指标间信息重合比例较大，特质波动率和流通市值调整换手的相关性也较高。通过因子分层后分组和因子收益率回归，我们发现特质波动率和价格时滞预测收益率的能力能够完全被特异度和流通市值调整换手解释，相反，特异度和流通市值调整换手在控制其他交易行为类指标后仍能带来明显的超额收益。

被投机个股的交易行为特征

个股的投机最后必然会表现在股票的交易层面，我们通过波动率高低、个股收益能否被市场风格解释、股价能否及时反应市场公共信息、以及股票的换手程度等四个维度来刻画个股的投机性程度。我们认为被过度投机的股票一般具有下述特征：

高波动性：被投机的股票一般多空分歧较大，多空博弈的结果导致大的波动。由于个股的某些波动是由市场风格变动引起的，所以我们用剔除市场风格波动后的特质波动率来衡量个股的波动程度。

风格独立：一般而言，被过度投机的个股在交易时多依赖于其自身的私有信息，无视市场的涨跌或风格，以此投机性强的股票与市场风格关联性差，市场风格对其收益的解释程度弱。我们构建了特异度指标用来度量个股收益中不能被市场风格解释的成分占比。

价格时滞大：正常情况下个股的股价能够及时的反应市场公共信息（市场指数），但是当个股被过度投机时可能会过度关注个股层面的信息，导致市场层面的消息可能反应不足。我们通过价格时滞因子度量个股是否及时反应了市场公共信息。

高换手：换手率是交易员常用的用来甄别投机性股票的指标，投资者投机股票时一般追求的短期收益，成交频繁，博取短期收益，因此股票投机性强时自然伴随着较高的换手率。考虑到市值和换手的相关性，我们用流通市值调整后的换手率来度量个股的换手特征。

特质波动率、特异度、价格时滞、换手率四个指标描述的都是过去一段时间内（滞后的指标）个股的交易行为特征，我们可以统称为交易行为类指标。股票当前被过度投机时，后期大概率下跌，作为股票投机程度代理变量的交易行为类指标取值越高，股票越有可能被过度投机，后期应该对应着较大的负向 alpha，相反，取值越小，越有可能获得正向 alpha。

交易行为类指标

该部分我们将分别介绍特质波动率、特异度、价格时滞、流通市值调整换手的定义、由来、及历史表现情况等。在市场有效性验证方面，有如下几个细节需要说明：

（1） 回测的样本空间为剔除上市不满 6 个月、ST、*ST 后的全部 A 股；

（2） 由于系统数据只能获取到 2005 年 1 月 1 日之后的，因此除价格时滞因子外，其他因子回测时间均为 2005 年 2 月 27 日至 2019 年 2 月 27 日。价格时滞因子由于需要前三期市场数据做回归，因此开始日期推后三期；

（3） 基于全样本计算信息系数或者相关系数时，每个指标均经过了横截面标准化处理，以剔除指标在时间轴上波动的影响；

（4） 分组检验有效性时将样本空间内所有股票分成 10 组，每月底调仓，构建等权组合，基准为市场等权组合；

（5） 因子收益率为样本空间内因子值最小的 1/3 股票构建的流通市值加权组合与最大 1/3 股票组合收益率之差。

>>> 特质波动率

我们沿用 AHXZ(2006) 的方法对特质波动率进行度量，在每月月底基于上月的日交易数据回归以下方程：

MKTt、SMBt、HMLt 分别为市场收益率、市值因子收益率、估值因子收益率。

其中残差项的年化标准差 (T=243) 即为我们所求的特质波动率 IVol：

特质波动率率度量的是剔除了市场常见风格波动后剩余的个股特有的波动率，用于度量归属于个股的特有风险。

注：该方程也即 Fama-French 三因子方程，详细说明可参看上一篇文章，年化参数在复现时统一为 252，与研报 243 不同。

特质波动率十分组年化超额收益率

特质波动率十分组夏普比率

我们通过信息比率 IC 和分组检验两种方法验证了特质波动率预测次月收益率的能力，结果发现低特质波动率的股票拥有明显的正向超额收益。从 2005 年至今的长样本来看，特质波动率和次月收益率的 spearman 相关系数高达 -0.098，IR 为 -0.831，负显著比例较高。特质波动率的分组结果也强有力的支持了这个结论，超额收益率、夏普比率均表现出显著单调性。多空组合表现也较稳定。

各月份秩相关系数（红色为正显著，蓝色为负显著，灰色为不显著）

多空组合收益率

各月份秩相关系数（红色为正显著，蓝色为负显著，灰色为不显著） 多空组合收益率

>>> 特异度

在每月月底基于上月的日交易数据回归以下 Fama-French 方程：

MKTt、SMBt、HMLt 分别为市场收益率、市值因子收益率、估值因子收益率。市场因子、市值因子及估值因子对股票收益的解释程度越高，上述方程的拟合度 R2Fama-French 越高。

我们定义上述回归的残差平方和总平方和之比为特异度 IVR ：

特异度反应了股票收益中不能被市场、规模、估值三种常见的风格因子解释的成分占比，特异度越高说明个股涨跌与市场风格的相关性越小，交易中市场层面的信息占比越低，个股层面的信息占比越高。股票的特异度越高，表示市场风格越不能解释其股票收益，过去一段时间内被过度投机的可能性和程度越大。

比较特质波动和特异度的度量方法不难看出，两种存在一定的定量关系：

特异度和特质波动率、总波动率之间的关系非线性，而当前大多数量化模型均为线性模型。因此即使在模型中已有特质波动率及总波动率两个因子，也不一定能够捕捉到特异度所包含的信息成分。

特异度十分组年化超额收益

特异度十分组夏普比率

过去 14 年里，特异度因子表现极佳，不仅有较高的超额收益，更是具有单因子中罕见的稳定性。spearman秩相关系数均值为 -0.090，正显著比例不足 10%，IR 高达 -0.946。十分组年化超额收益和夏普比率也表现出了极强的单调性，多空分化更是明显。

各月份秩相关系数

多空组合收益率

>>> 价格时滞

关于价格时滞的度量我们参照了 Hou and Moskowitz(2005) 和胡聪慧等 (2015) 的定义，在每月月底利用本月日交易数据回归下述方程：

MKTt 为 t 期的市场收益率，MKTt-k 为滞后 k 期的市场收益率，n 表示滞后的期数。如果股价对市场信息的反应存在时滞，那么滞后的市场收益率对股票收益率具有显著的解释力，即

价格时滞定义为：

上述定义 PriceDelay 表示不带约束回归的拟合程度高于带约束回归的拟合程度的比率，PriceDelay 越大，表示滞后的市场收益率对股票收益率的预测能力越强。

价格时滞度量中涉及到参数滞后期 n，我们分别计算了 n=3、n=5 时的价格时滞，发现价格时滞对参数 n 不敏感，两者相关系数高达 0.93，下文中我们取滞后期 n=3 的价格时滞因子。

由于价格时滞因子表现略差，且后文可被其他因子解释替代

价格时滞因子十分组年化超额收益率 价格时滞因子十分组夏普比率 各月份秩相关系数 多空组合收益率

>>> 流通市值调整换手率

一般来讲，大市值股票换手率较低，小市值股票换手率较高，因此市值因素对换手率因子影响极大。

我们采用最简单的回归方法剔除换手率中的市值成分，考虑到经典的回归模型要求残差项符合正态分布，为了使回归残差项更接近正态分布我们在回归时对换手率和市值均做了对数化处理。具体而言，每月的月底在横截面上回归以下方程：

回归残差项我们用来作为剔除市值后的换手率代理变量，我们称之为流通市值调整换手。

流通市值调整换手十分组年化超额收益率 流通市值调整换手十分组夏普比率

流通市值调整换手相对换手率对股票收益的预测能力大幅增强，spearman 秩相关系数均值高达 -0.105，流通市值调整换手各分组也表现出相当高的单调性（第 1 组表现相对较差可能是因为第 1 组中大市值股票占比仍然较高）和显著的多空分化。但其 IC 正显著比例较高，IR 较低，说明该因子稳定性较差，风险较其他因子略高。

各月份秩相关系数

多空组合收益率

>>> 小结

总体而言，各交易行为类因子的表现符合我们的预期，过去一段时间被过度投机的股票下期收益率普遍偏低，同时较为“正常”的股票后期表现相对更好。具体到各指标，特异度指标带来的超额收益最明显，同时风险最小，流通市值调整换手的超额收益也较高，但风险较大，特质波动率和价格时滞的表现相对前两者较为平淡，但仍有可观的超额收益。

因子收益率回归检查替代关系

为了进一步验证交易行为类因子间的相互替代性，同时考察多个因子对一个交易行为类指标的解释程度，我们应用了因子收益率回归的方法，具体做法如下：以一个或多个因子的因子收益率（月度）为解释变量，通过线性回归方程解释某一个交易行为类指标的因子收益率，观察回归截距项是否显著判定解释变量中的信息能够完全解释该指标的超额收益成分。

特质波动率因子收益率对特异度和流通市值调整换手因子收益率回归结果中，特异度和流通市值调整换手的系数项显著性极高，说明特异度和流通市值调整换手对特质波动率均有一定的解释程度，回归的截距项不显著，也说明特异度和流通市值调整换手几乎全部解释了特质波动率的超额收益来源。同样，在控制特异度后，价格时滞因子收益率的截距项也变得不显著，特异度因子也能够解释价格时滞的收益率来源。

特异度因子收益率对其他交易行为类因子收益率的回归结果显示，特质波动率、价格时滞、流通市值调整换手因子均对特异度因子收益率有一定的解释程度，但剔除这些影响后的截距项仍然显著，说明其他交易行为类因子不能完全解释特异度的超额收益成分，这一结论在加入 Fama-French 的三个因子收益率和动量因子收益率后仍成立。流通市值调整换手的回归结果和特异度类似，其他交易行为类因子对流通市值调整换手因子均有一定的解释程度，但不能完全解释其超额收益，在一结论在控制 Fama-French 三因子和动量效应后依然显著。需要提醒的是，在回归关系中我们发现特异度和市值调整换手相互间的回归系数均显著为负，这也说明两者之间几乎没有替代关系，甚至存在部分相关抵消的信息成分。

风险提示

研究假设市场投机氛围仍较浓，若市场风格转变，对研究结论影响尚不可知。事实上，近几年由于价值投资理念的普及，文中提到的因子的有效性均有所下降，但目前依然显著有效。