摘要： 与欧美市场普遍存在的中期动量效应所不同， 我国股市表现出显著的中期反转特征。基于我国市场投资者结构与行为特征， 本文构建了信息质量模型， 系统研究了投资者在非持续性过度自信行为模式下股票市场的反转效应， 利用分析师关注度与资金流向分别表征市场的信息质量与投资者行为， 实证检验了模型的预测。结果表明： （1） 投资者的非持续性过度自信行为是我国股市整体表现中期反转特征的主要原因； （2） 信息质量越低， 投资者对新消息的过度自信越强， 其非持续性过度自信程度越高， 股票的反转效应越明显。这一结果为我国提高信息披露质量、 完善市场结构、 加强分析师队伍和机构投资者的建设提供了理论与实证支持。此外， 结合分析师关注与资金流向， 反转策略能够有效获得市场超额收益。

关键词： 动量/反转 非持续性过度自信 信息质量 分析师关注 资金流向

    一、 引言

资产定价与市场有效性大量相关的实证研究表明， 股票历史收益率可以预测未来收益率： 短期 （几天或者几周） 和长期 （3~5 年） ， 股票收益率表现为负自相关， 称为反转效应（French and Roll， 1986； Lo and MacKinlay， 1990； De Bondt and Thaler， 1985） ； 而中期 （3~12个月） ， 股票收益率则表现为正自相关， 称为动量效应 （Jegadeesh and Titman， 1993） 。其中， 中期的动量效应最令人困惑 （Fama and French， 1996） ， Fama和French （2008） 将其称为股市异象的核心要点。因此， 如何一致地解释中期动量与长期反转受到了众多的关注， Barberis 等（1998） 、 Daniel等 （1998） 以及Hong和Stein （1999） 构建的三类行为模型是目前最具影响力的解释。

长期以来， 我国市场动量/反转现象相关的实证研究尽管存在着截然相反的结论， 但近期一系列考察均揭示中国股市在多个时间频率上都存在着显著的反转效应 （潘莉、 徐建国，2011； 宁欣、 王志强， 2012） ， 这与欧美发达国家股票市场的规律、 特征存在着显著不同， 其背后的机理与因素无法直接采用上述理论模型进行阐释。Barberis等 （1998） 、 Hong和Stein （1999） 在模型中假设投资者在新消息出现时缓慢改变原有认识， 或新消息是缓慢传播， 从而使得股票价格向价值方向缓慢变动， 形成动量。在股票价格逼近价值这一过程中， 由于投资者的关注特例偏差或动量交易， 最终导致对消息的过度反应， 形成反转。在这两类模型中， 反转效应的产生需以动量效应为前提， 难以解释我国市场整体表现出反转而无动量的特征。而Daniel等 （1998） 则认为， 投资者对新消息的过度自信导致反转效应， 而投资者的自我归属偏差所形成的持续过度自信则产生动量效应。

由此可见， Daniel等 （1998） 模型中反转效应的行为基础 — —过度自信是产生动量效应的前提， 反转效应的产生并不以动量效应为基础。Daniel 等 （1998） 将过度自信行为定义为， 投资者过高地估计自己发现或解读新消息的能力， 从而过低地估计自己基于此消息产生的预测误差。而投资者的持续过度自信则是指， 在投资者基于上述信息做出投资决策后， 如果公开信息与自己的判断一致， 投资者对之前信息的过度自信程度会上涨；而当公开信息与自己的判断不一致时， 投资者的过度自信程度基本不会发生变化。持续过度自信反映了投资者对于与自己判断相反的信息视而不见，表明投资者难以改变自己原有的认识， 比较适合于以机构投资者为主体的、 信息质量较高的欧美发达国家市场。

在一个信息公开透明、 质量较高的市场环境中， 投资者易于形成一个坚实稳定的认识基础， 而机构投资者的认识基础在时间上更具有一贯性， 特别是对于股价预测这种需要复杂判断并且结果难以马上检验的事情。然而， 我国股票市场以个人投资者为主体， 信息质量较差， 投资者特别是个人投资者难以形成一套持之以恒的认识逻辑， 其过度自信行为难以持续。因而， 投资者这种非持续性的过度自信行为可能使得我国市场表现出不同于中期动量、 长期反转的特征。本文以投资者非持续性过度自信的行为作为研究的切入， 从理论与实证两方面阐释我国市场反转效应的特征与产生机理。

本文认为， 投资者在非持续性过度自信的行为模式下， 公开信息若与自己的判断相一致， 投资者将继续保持过度自信的判断； 而公开信息一旦与自己的判断出现偏离， 投资者对之前信息的判断将转变为过度保守， 即过高地估计自己的预测误差。本文理论与实证研究的结果表明： 我国股市的中期反转效应主要源于投资者的非持续性过度自信行为； 投资者对新消息的过度自信程度越高、 信息质量越低， 其非持续性过度自信行为越强， 股票的反转效应越强； 而当投资者对新消息过度保守时， 投资者的非持续性过度自信行为较弱， 股票呈现动量特征。在接下来的篇幅中， 我们将首先综述文献的进展， 梳理并比较文献中的中期动量或反转效应的研究结论。接着， 我们构建理论模型分析国内股票市场的动量和反转效应， 并给出相关的研究假设。然后， 我们实证检验相应的研究假设， 并在最后给出结论与建议。

二、 文献回顾

Jegadeesh 和 Titman （1993） 在 NYSE 和 AMEX 的市场上发现， 购买过去3~12个月中表现出色的股票并卖出过去3~12个月表现糟糕的股票， 可以获得约10%的年化收益。随后， Chan等 （1996） 将这一中期收益率动量策略扩展到盈余动量策略， Conrad 和Kaul （1998） 则研究了更长的历史样本和更多的投资期限， 均验证了美国股票市场中期动量效应的存在。Rouwenhorst （1998） 、 Liu 等 （1999） 在美国以外的国家或地区的市场中也同样发现了中期动量效应， 国际股票市场指数中也不例外（Chan et al.，2000）。

另外， Jegadeesh 和 Titman（2001）以 1990~1998 年期间在 NYSE、 AMEX 和 NASDAQ 上市交易的所有股价不低于5美元的股票为样本， 重复了他们在1993年的研究， 发现动量投资策略仍可以获得显著的正收益率。可见动量效应不仅广泛存在， 还有 着 非 常 强 的 持 续 性 。 自 Jegadeesh 和 Titman（1993） 中期动量效应的开创性研究以来， 至今仍有大量学者展开深入而细致的研究（Novy-Marx，2012； Fama and French， 2012； Asness et al.， 2013） 。

Conrad和Kaul （1998） 试图通过股票期望收益率的横截面变动阐释动量效应的机理， 但并没有得到实证数据的支持 （Jegadeesh and Titman， 2002） 。而Moskowitz和Grinblantt （1999） 则认为行业因素是产生动量收益的主要原因， 但受到Grundy和Martin （2001）的直接质疑。Barberis 等 （1998） 、 Daniel 等 （1998） 、Hong和Stein （1999） 发展了三类不同的行为模型， 能够一致地解释欧美市场出现的中期动量效应与长期反转特征。前两类模型从人的行为认知偏差上分析动量效应的原因， 而后一类则从投资者的异质性角度进行阐释， 这三类模型构建了我们分析动量效应的理论基础 （朱战宇等， 2005； Thaler， 2005） 。Barberis 等 （1998） 在模型中将投资者的保守偏差 — —在新消息出现时缓慢改变自己原有的认识，对新消息反应不足 — —归结为形成价格动量的原因； 而关注特例偏差则是反转效应的主要原因， 他们将一些特殊事件看成是整体特性， 忽略了事物发展规律， 对消息产生反应过度， 从而形成价格反转。Daniel 等 （1998） 认为， 投资者的过度自信 — —高估自己掌握的消息， 而低估了预测错误的可能性— —容易对股票价格反应过度； 而投资者的自我归属偏差 — —如果投资者根据私人消息做出的判断与其后的公开消息一致， 则投资者倾向于将此一致性归功于自我判断能力的高明， 从而使自信心上涨； 如果两者不一致， 则倾向于将其判断错误归咎于外因 — —则将引起持续的反应过度， 从而形成价格动量。Hong 和 Stein （1999） 在模型中假设存在着两种有限理性的投资者 — —消息观测者和动量交易者，前者完全基于消息分析、 预测股价， 而后者则简单地利用过去股价的变动来预测未来股价走势。

由于消息在消息观测者中是缓慢传播的， 因而股价最开始对新消息的反应缓慢调整， 形成价格动量， 随后动量交易者针对消息观测者的反应不足进行套利， 使市场逐步变得有效， 但最终会矫枉过正， 出现价格反转。由于上述模型的机理阐释针对的是美国等发达国家股票市场所出现的中期动量与长期反转现象， 而实证结果表明我国股票市场与之不同， 在中期和长期均表现出反转效应。Barberis 等 （1998） 、Hong和Stein （1999） 的模型都需要在中期动量效应的前提下形成长期反转， 因此无法解释我国股市的反转特征。而 Daniel 等 （1998） 的模型则是在长期反转的基础上产生中期动量， 其动量效应主要源于投资者自我归属偏差所形成的持续过度自信。若我们放弃投资者持续过度自信的假设， 而假设投资者具有非持续性过度自信行为， 投资者对新消息产生过度自信 （过度反应） 后， 如果公开信息与自己的判断不一致， 投资者就会改变自己对新消息的反应状态， 调整为过度保守 （反应不足） ， 使得投资者对新消息的反应在过度自信与过度保守之间相互转换， 呈现出矫枉过正的特点， 从而产生反转效应。投资者的非持续性过度自信行为主要源于后悔的 “做效应” （Kahneman and Tversky， 1982） 。

后悔的 “做效应” 是指， 做一件事 （Action） 导致的损失要比不做一件事 （Inaction） 而引起的同样损失更令人后悔。同样地， Landman （1987） 发现 “做—不做”效应同样适合好事情， 其研究表明， 同样一个好的结果， 做的结果更令人们高兴或感觉幸运。综合地， 所谓 “做效应” 是指同样的负面 （正面） 结果， 由做引起的要比不做引起的会产生更强烈的后悔 （高兴或幸运） 。因此， 当新消息出现时， 投资者对新消息过度自信， 随后， 如果公开消息与自己的判断一致时， 他调整自己对新消息的反应可能会产生更差的结果， 即使在不调整后结果会更差， 根据后悔的“做效应” ， 投资者会选择不调整。如果消息与自己的判断不一致时， 他调整自己对新消息的反应可能会产生更好的结果， 即使在不调整后结果会更好，投资者也会选择调整。非持续性过度自信行为并不否定投资者持续过度自信的行为特征， 只是针对不同的投资者主体机构投资者表现出更强的持续过度自信， 而个人投资者表现出更强的非持续性过度自信。这两类投资者所处的不同经济条件导致两者的后悔程度有显著差异， 个人投资者和机构投资者对同样的股价变化，其反应悬殊会很大， 前者的后悔程度会更高。同样地， 事件本身的影响力大小也影响着投资者的后悔程度， 由于机构投资者分散投资风险， 同时投资的股票数量较多， 因此由某只股票股价大幅下降带来的后悔程度， 机构投资者较个人投资者会小很多。投资环境的不确定性作为影响投资者后悔心理的客观因素， 进一步增强了投资者非持续性过度自信行为， 我国市场制度的不完善性和金融契约执行的高成本等进一步增加了投资环境的不确定性。在这样一个不成熟的股市， 行为者既不具有理性能力， 又处在一个充满不确定性的且信息不对称的市场环境中， 他们的行为偏好及其心理特征必然影响到其投资决策行为 （王丽萍、 汤兵勇， 2005） 。实际上， 非持续性过度自信行为所导致的投资决策的负自相关， 在其他相关领域内也存在。

Chen等 （2014） 发现 “热手谬误” （Hot Hand Fallacy） 和对稳健判断的积极追求会导致行为人的决策负自相关。比如， 法官在做出一系列赞成或反对的表决后，会担心自己太过宽大或者太过严厉， 从而在随后的表决中采取相反的态度。他们研究进一步发现， 稳健的行为人， 决策负自相关的程度更高， 而且行为人在近期连续做出较多决策或决策的精准性不高的情况下， 负自相关性特别明显。这也反映了个体行为人在不确定性程度较高的环境中的行为特征。由此可见， 非持续性过度自信的行为更能准确地描述以个人投资者为主体的市场行为特征。更为重要的事实是， 我国股票市场历史较短， 市场规则不够完善， 市场信息披露浑浊， 政策制定和实施缺乏连贯性 （何诚颖、 程兴华， 2005） ， 市场与投资者的不成熟性使我国投资者的行为偏差可能与欧美市场所不同。因此， 本文根据 Daniel 等 （1998） 模型， 假设消息的传播存在偏差， 投资者无法准确估计偏差大小， 进而构建信息质量模型， 通过刻画我国股市投资者非持续性过度自信的行为特征， 与有效市场假说 （Efficient Market Hypothesis） 的微观理论基础建立联系 — —即投资者如何利用已有的信息和市场机制， 如何反映已有的信息。在一个信息来源多元、 信息公开透明而易于传播、 信息质量较高的环境里， 市场倾向于更加有效。相反的， 如果信息的来源单一、 透明度不高， 信息解读的不确定性大， 股市则可能存在显著的动量和/或反转现象 （刘煜辉等， 2003； 潘莉、 徐建国， 2011） 。较之 Daniel 等 （1998） 模型， 我们修正了投资者持续过度自信的假设， 也放松了投资者对新消息中噪音大小的估计， 没有事先具体假定投资者对新消息中噪音大小的估计是不足或过高。同时， 本文认为， 与发达国家市场相比， 我国股票市场大量信息特别是政策性信息披露不够及时， 信息的透明度不高， 投资者， 特别是个体投资者更容易对消息中的噪音大小估计不足， 因而以个人投资者为主体的我国股票市场， 在整体上更容易对新消息产生过度反应， 从而使得我国股市整体表现出反转特征。在实证分析上， 我们以信息质量作为研究切入， 假设消息的准确性或完整性则是缓慢扩散的，市场谚语 “Buy Rumor， Sell Fact” 在一定程度上即反映了市场信息质量的特征。为此， 我们假设投资者对消息偏差的估计受到信息质量的影响， 从而建立投资者对消息中信息的估计准确度与股价反转程度之间的关系， 以用于指导实证检验 — —不同信息质量的股票， 是否具有不同程度的反转效应， 具体包括不同分析师关注度、 不同资金流规模、 不同类型消息的股票是否具有不同程度的反转效应。

三、 理论模型与假说

（一） 基本假设基于 Daniel 等 （1998） 模型， 我们构建一个有限期投资过程并假设有T+1个时刻点。在时刻0时，证券的初始价格为 P 0 ， 是给定的非随机变量； 而在最终时刻 T， 证券价格 P T 则为θ， 是一个随机变量。不失一般性， 我们设定θ服从一个均值为0， 方差为σ 2 θ 的正态分布。θ对应为消息中信息的真实价值，直至时刻T被完全揭示。在时刻t， 投资者收到含有噪音的消息s t =θ+ε t ， 其中ε t 为噪音， 服从一个均值为0， 方差为σ 2 t 的正态分布， 各期噪音与θ之间均相互独立。假设投资者对噪音的估计为σ＾ 2t ， 得到时刻 t的价格P t =E＾（θ|s 1 ， ……， s t ） ， 进而得到各期价格变动的相关关系。如果投资者对新消息是过度自信， 则投资者在时刻1收到含有噪音的消息时， 将对噪音的大小估计不足， 即σ＾ 21 <σ21 。如果投资者还具有持续的过度自信行为， 那么当投资者在时刻 2 收到公共信息时， 如果公共信息同于他的判断， 那么他会更加过度自信， 进而往下调整对时刻 1 噪音大小的估计，降为σ＾ 21 -k （k>0） ， 如果公共信息异于他的判断， 那么他对噪音大小的估计保持不变。而本文假设投资者具有非持续性过度自信行为， 因此投资者在时刻2收到公共信息时， 若公共信息肯定他的判断， 他对时刻1噪音大小的估计则保持不变； 如果公共信息否定他的判断， 处于过度自信的投资者会变得过度保守， 进而对时刻1噪音大小的估计σ＾ 21 <σ21 调整为σ~ 21 <σ21 ， 可见投资者表现出矫枉过正的特点。本文的模型还可以同时考虑另一种矫枉过正的情况， 即投资者在时刻1收到含有噪音的消息时，是过度保守的 （σ＾ 21 <σ21 ） ， 若时刻2的公共信息否定他的判断， 投资者将从过度保守状态调整为过度自信， 此时投资者对时刻1噪音大小的估计σ＾ 21 <σ21 调整为σ~ 21 <σ21 。我们对时刻 1 和时刻 2 的参数进行具体表示。在时刻1， 投资者收到含有噪音的消息θ+ε， 噪音的方差为σ 2 ε ， 而投资者的估计为σ 2 ε +k 1 。在时刻2， 投资者收到公共信息， 如果公共信息肯定他的判断，对噪音方差的估计不变， 而如果公共信息否定他的判断， 那么投资者对噪音方差的估计调整为σ 2 ε +k 2（k 1 k 2 <0） 。

（二） 模型推导在时刻1， 证券价格P 1 =E＾（θ|θ+ε） 。利用到正态随机变量的性质， 我们有：（1） P 1 =(θ+ε)σ 2 θ /(σ 2 θ +σ 2 ε +k 1在时刻2， 如果公共消息s 2 肯定他的判断， 则时刻2的价格不变， 但如果公共消息否定他的判断， 则时刻2的价格为：从而， 时期 1 和时期 2 价格变动的协方差可表示为：相应地， 时期 2 和时期 3 价格变动的协方差可表示为：另外有，从式 （3） 可以看出， 时期1与时期2证券价格变动的协方差的正负取决于k 1 -k 2 的大小， 由于k 1 k 2 <0，因此， 如果投资者在时期1是过度自信的， k 1 小于0，则式 （3） 的协方差为负； 而如果投资者在时期 1 是过度保守的， k 1 大于0， 则式 （3） 的协方差为正。式 （4） 协方差的正负则取决于 k 2 （k 1 -k 2 ） ， 由于k 1 k 2 <0， 因此， 不管投资者在时期1是过度自信还是过度保守， 式 （4） 的协方差均为负。短期或中期价格变动的无条件协方差为式 （3）和式 （4） 的平均值， 如果投资者在时期 1 是过度自信的， 则短、 中期价格变动的无条件协方差为负， 即股票在短、 中期表现为反转效应。而如果投资者在时期 1 是过度保守的， 则短、 中期价格变动的无条件协方差的正负取决于k 1 和k 2 的大小， 当k 1 非常大时， 式 （3） 的正协方差趋近于 0， 而式 （4） 的负协方差趋近于 k 2 σ 4 θ /2 （σ 2 θ +σ 2 ε +k 2 ）2 ， 这时无条件协方差为负； 而当k 2 趋近于0时， 式 （3） 的正协方差趋近于k 1 σ 4 θ （σ 2 θ +σ 2 ε ） /2 （σ 2 θ +σ 2 ε +k 1 ）2（σ 2 θ +σ 2 ε ） ， 式 （4） 的负协方差趋近于0， 这时无条件协方差为正。股票长期表现为动量还是反转， 取决于式 （5）协方差的正负， 如果投资者在时期1是过度自信的，k 1 小于 0， 则式 （5） 的协方差为负， 即股票表现出长期反转特征； 反之， 如果投资者是过度保守的， 则股票表现出动量特征。

（三） 研究假说上述模型推导的分析表明， 投资者对新消息的过度自信及其非持续性能产生股市的反转效应。由于我国股市个人投资者占比大， 他们资金量小，风险意识不足， 容易对消息的准确性过于自信， 对消息产生过度反应， 再加上投资者对新消息过度自信的非持续性行为特征， 从而形成我国股市中期和长期的收益率反转。同时， 上述理论分析还表明投资者对新消息的过度保守有可能产生股市的动量效应， 这与投资者对新消息的过度自信导致的反转效应明显不同。这主要是因为投资者对新消息的反应状态与投资者的非持续性过度自信程度有关， 因此我们提出如下假设。假设1： 当投资者对新消息表现出更多的过度自信时， 投资者的非持续性过度自信行为更强， 从而沪深两市表现出更明显的反转效应； 而当投资者对新消息表现出过度保守时， 投资者的非持续性过度自信行为较弱， 沪深两市则表现出显著的动量效应。由于资金流向能较好地区分投资者对新消息的不同反应行为， 因此我们可以考察在市场资金流向不同时， 股市是否表现出不同的动量/反转特征。当市场资金流方向为正时， 通常伴随着股市的上涨， 投资者多半会获利， 在获利的情况下， 投资者将更加激进， 表现为过度自信， 从而股市呈现反转效应。而当市场资金流方向为负时， 情况正好相反，投资者将更多地表现出过度保守， 从而股市表现出动量效应。上述假说可以利用资金流规模来进行实证检验， 资金流规模可度量投资者不同程度的过度自信， 资金流规模越大的股票， 机构投资者相对较多，他们对噪音大小的估计相对于个人投资者更为合理， 过度自信程度越低， 因此对消息的过度反应程度越低， 反转效应也就越弱。我们考虑投资者对新消息表现出过度自信的情况， 式 （3） 和式 （4） 的平均值可表示为：P 2D =σ 2θσ 2θ +σ2ε +k 2(θ+ε) （2）cov(P 2 -P 1 ,P 1 -P 0 )=E s 2 [E[{(P 2 -P 1 )(P 1 -P 0 )}|s 2 ]]=(k 1 -k 2 )σ 4θ (σ2θ +σ2ε )2(σ 2θ +σ2ε +k 1 )2 (σ 2θ +σ2ε +k 2 )（3）cov(P 3 -P 2 ,P 2 -P 1 )=E s 2 [E[{(P 3 -P 2 )(P 2 -P 1 )}|s 2 ]]=k 2 (k 1 -k 2 )σ 4θ2(σ 2θ +σ2ε +k 1 )(σ2θ +σ2ε +k 2 )2（4）（5）cov(P 3 -P 1 ,P 1 -P 0 )=E[(θ-P 1 )P 1 ]=k 1 σ 4θ(σ 2θ +σ2ε +k 1 )2cov(ΔP t ,ΔP t-1 )=(k 1 -k 2 )σ 4θ [(σ2θ +σ2ε )2+2k 2 (σ 2θ +σ2ε )+k 1 k 2 ]4(σ 2θ +σ2ε +k 1 )2 (σ 2θ +σ2ε +k 2 )2（6）对式 （6） 求k 1 的导数有：（7）在投资者过度自信即 k 1 <0 时， 式 （7） 大于 0， 说明随着k 1 的增加， 协方差变大。由于k 1 与协方差均为负， 这意味着投资者对噪音大小估计的偏差越小， 股价的反转效应越弱。反之则股价的反转效应越强。由于投资者对噪音大小估计的偏差与信息质量负相关， 即信息质量越高， 投资者的估计偏差会越小， 因此信息质量越高的股票， 其反转效应越弱。这主要是因为信息质量越高， 投资者的非持续性过度自信行为越弱， 反之则越强， 因此我们形成如下假设。假设2： 信息质量越高的股票， 投资者的非持续性过度自信行为越弱， 股票收益率的反转效应越弱， 反之亦然。对于这一结论， 我们可以根据Hong等 （2000） 的实证方法， 利用分析师关注度来进行实证检验。分析师经常访问管理层、 验证流言、 分析财务报表， 能够获得有关股票的更多信息， 并累积更多的分析经验， 因此分析师对该消息的预测误差、 信息精度和信息含量的判断更为合理， 分析师关注高的股票，信息质量会越高， 从而股价的反转程度越弱。反之， 分析师关注低的股票， 股价的反转效应越强。这就是 “分析师关注效应” 。

与Hong等 （2000） 不同是， 我们考虑的是信息的准确性， 即信息质量， 而他们考虑的是信息传播的及时性， 即传播速度。中国股市限制做空的市场结构这一特点， 也可用于我们来检验上述假设。由于限制做空或者做空成本高，投资者对好消息的过度反应程度要强于坏消息， 同时好消息在传播的及时性和准确性要弱于坏消息，因此导致投资者对好消息的噪音的估计偏差越大，反转程度也就越大。更进一步地， 赢者组合的分析师关注效应也越明显。

四、 资金流向与反转效应

这里我们首先实证检验理论模型的假说1， 并采用二阶段资金流向理论模型来度量资金流向 （何诚颖等， 2011） 。二阶段资金流向理论模型包括两个要素： 方向与数量。我们首先考察市场资金流方向不同时， 动量反转现象会有何差别。然后我们再考虑个股资金流数量不同时的动量反转现象。在此之前，我们先对本文实证所采用的数据与方法予以说明。

（一） 数据与方法本文实证的所有数据均来源于国泰安（CS⁃MAR） 数据库。本文采用Jegadeesh和Titman （1993）的重叠法 （Overlapping Method） 实证构造反转策略组合， 以确保统计检验的稳健性。具体而言， 假设考虑的样本时间区间跨度为T期， 形成期为J， 持有期为 K， 那么在时期 t 初 （J<t≤T） ， 根据每只股票在过去J个时期 （形成期） 的平均收益率进行排序， 平均收益率最小的30%股票形成输者组合， 平均收益率最大的30%股票形成赢者组合， 购买赢者组合而卖出输者组合， 并持有这样的投资组合头寸K个时期。这种投资策略被称为 （J， K） 策略， 本文将分别考察 J=1、 2、 3、 6、 9、 12 和 K=1、 2、 3、 6、 9、 12 共 36 种策略， 其中将 1、 2、 3 个月称为中短期， 而将 6、 9、 12个月称为中长期。股票形成期的平均收益率为：其中R is 为股票i在时刻s的收益率。将R J,it 最小的30%的股票形成输者组合， 可计算该输者组合在持有期s （t≤s≤min （t+K-1,T） ） 的 （等权） 平均收益率R L t,s ， 将R J,it 最大的30%股票形成赢者组合， 可计算该赢者组合在持有期s的 （等权） 平均收益率R W t,s ， 从而时期t初构造的反转策略套利组合在时期s的收益率为R t.s =R W t,s -R L t,s 。对于时期t初 （J<t≤T-K+1） 构造的投资组合， 我们将在时期t至时期t+K-1这K个时期期末获得它的收益， 将收益率序列记为 ； 对于最后 K-1 个时期 （t>T-K+1） 构造的投资组合， 我们将在时期 t 至时期 T 这 T-t+1 个时期期末获得它的收益， 将收益率序列记为 。我们在每个时期 t 初 （J<t≤T） 将持有一系列的投资组合。在前 K-1 个时期期初 （J<t<J+K） ， 我们持有投资组合为时期J+1至时期t这t-J个时期期初构造的投资组合， 那么时期 t 末获得的收益率为这些投资组合的平均收益率 ， 其中t=J+1， ……， J+K-1； 在之后的各个时期期初 （t≥J+K） ， 我们持有的投资组合为时期t-K+1至时期t这K个时期期初构造的投资组合， 那么时期 t 末获得的收益率为， 其中t=J+K， ……， T。我们采用Newey-West修正的t统计量来检验套利组合的月平均收益率是否显著。

（二） 资金流方向与反转效应正如理论模型所预测的， 如果市场资金流向为正， 整个市场经历着上涨过程， 投资者多半会获利，他们会将这种获利归结为自己的投资技巧， 从而导致投资者更加自信， 增加非持续性过度自信的程度， 进而增加股市反转效应的强度。相反的， 在负的市场资金流中， 投资者多半会亏损， 从而降低其过度自信的程度， 或是增加其过度保守的程度， 使得投资者非持续性过度自信程度更低， 股票反转效应更弱而动量效应更强。因此， 在正资金流向下的反转效应要更强。表1列出了2000年1月至2013年5月的反转策略及其在正负资金流向情况下的表现。其中， m（P1-P3） 和t （P1-P3） 分别表示整个时间样本区间反转策略套利组合的平均收益率和t统计量。m （P1-P3）+ 和t （P1-P3） + 分别表示正资金流向下反转策略套利组合的平均收益率和t统计量， m （P1-P3）- 和t（P1-P3）- 则分别表示负资金流向下的情况， t检验则为检验正负资金流向反转策略套利组合的收益率是否存在显著差别的t统计量。另外， 我们还计算了m（P2-P3） /m （P1-P3） ， 该统计量表示的是套利组合的平均收益率有多少比例来自赢者组合与中间组合（收益率居中的40%的股票组合） 的差距， 反映出反转效应的非对称性。如果该值显著大于0.5， 则说明套利组合的收益大部分来自于赢者组合的卖空。首先我们分析整个时间样本区间反转策略套利组合的表现， 从其平均收益率来看， 除了部分的策略外， 其他反转策略的套利组合的平均收益率均为正，说明在中期内的反转策略都能获得正收益。整体来看， 沪深两市股票并没有任何动量效应的迹象。

另外， 我们发现， 套利组合的平均收益率有随着持有期的增加而降低的趋势， 在K≥3会迅速减少。从反转策略套利组合的 t 统计量来看， 只有中短期 J+K≤4 的策略的套利组合的平均收益率显著大于0 （t统计量大于2） ， 特别是形成期和持有期不大于 2 的策略， 其套利组合收益率的 t 统计量大于3， 说明沪深两市中短期内反转现象非常显著， 而中长期内则不存在显著的反转效应。表1中的统计量m （P2-P3） /m （P1-P3） 显示， 对于有平均正收益率的反转策略来说， 其套利组合的收益率大部分来自卖空赢者组合 ① ， 比如投资期限均为 2 个月的反转策略， 其套利组合的收益率有76%来自卖空赢者组合。这与理论模型的假说2相符， 赢者组合的反转程度更强， 而输者组合的反转程度较弱， 在某些策略 （比如投资期限均为1年的反转策略） 中， m （P2-P3） /m （P1-P3） >1， 说明输者组合的平均收益率甚至还不及中间组合。从反转策略在整个时间样本区间的表现可以看出， 我国股市存在显著的中短期反转现象， 与潘莉和徐建国 （2011） 、 宁欣和王志强 （2012） 的结论是一致的。接着我们再来分析正负资金流向下反转策略的表现。正资金流向下， 所有策略套利组合收益率的平均值和 t 统计量都明显增加， 而且均具有显著的正收益率， 还表现出显著的中长期动量效应。而在负资金流向下， 大部分策略套利组合收益率的平均值为负， 整体表现出动量效应。从套利组合收益率的t统计量来看， 投资期限不小于6个月的中长期反转策略大都具有显著的负收益率， 这说明相同投资期限下的反转策略具有显著的正收益率，即中长期表现出显著的动量策略。从t检验可以看出， 所有策略的t检验都大于2，说明在正负资金流向下的反转策略套利组合的平均收益率都存在显著的差别， 正资金流方向下的反转策略的平均收益率要更高， 反转效应要更强。这论证了理论假说1中投资者对新消息的反应状态不同时会导致股市不同的动量/反转特征的结论。这一实证结论表明， 投资者对新消息的不同反应状态能影响投资者的非持续性过度自信行为的强弱。如果投资者对新消息产生过度自信， 则投资者的非持续性过度行为更强， 反之亦然。

（三） 资金流规模与反转效应利用资金流规模度量投资者不同程度的过度自信， 这里我们验证假说1中投资者对新消息越是过度自信， 投资者的非持续性过度自信越强， 股市反转效应越强的推论。表2列出了不同资金流下反转策略套利组合的表现情况。这里我们仅考虑显著性较高的中短期反转策略 （形成期和持有期不超过3个月的投资策略） ， 通过考察不同资金流数量对反转策略显著程度的影响， 来反映投资者不同程度的过度自信对投资者非持续性过度自信的影响。表 2 中 Low/Median/High 列分别表示是低、 中、高资金流数量的股票的反转策略。从每个策略的套利组合收益率的平均和 t 统计量都可以看到， 随着资金流数量的增加， 反转程度越来越弱。在资金流数量高的股票中， 反转策略的平均收益率有明显的降低， 其策略都不再显著。L-H列则进一步地比较了低资金流规模组与高资金流规模组的股票反转效应的程度差异， 从平均收益率与 t 统计量中可以看出， 低资金流规模组的股票反转效应显著强于高资金流规模组。上述统计检验均表明， 投资者对新消息的过度自信越弱， 投资者的非持续性过度自信行为越弱， 从而股票的反转程度越低， 反之亦然。至此， 假说1得到全部验证。

五、 信息质量与反转效应

我们利用分析师关注度表征信息质量以实证检验假说2。为了考察反转现象中的分析师效应， 我们将股票根据分析师数量进行分组， 然后分析各个分组中股票的反转特征。这要求股票的分析师数量在截面上具有一定的离散程度， 才能使得根据分析师数量分组的各个股票分组之间在分析师数量上有显著的差别。如果市场上有非常多的股票都没有分析师关注， 这时股票的分析师数量这一变量的离散程度很低， 因此我们不考虑早期的样本， 而只研究2007年9月至2013年5月这一段分析师所关注股票的比例较大的样本。表3列出了每年分析师数量的统计信息， 计算了2008~2012年每年12个月的股票数据、平均流通市值、 中位数流通市值、 分析师数量各十分位点和没有分析师的股票所占比例的中位数。从表3中我们可以看出， 即使考虑最近的样本， 每个月平均来说也有六成股票没有任何分析师关注。

（一） 分析师关注与反转效应考虑到分析师数量与股票规模高度相关， 为了控制规模对反转效应的影响， 我们参考 Hong 等（2000） 利用分析师数量的残差对股票进行排序分组， 其中分析师数量的残差是通过分析师数量+1的对数log （1+Analyst） 对股票对数流通市值回归计算得到的。之所以考虑log （1+Analysts） 这种形式是因为， 对于没有分析师或者分析师很少的股票来说，增加1个分析师的效应要比已有很多分析师的股票增加1个分析师的效应要高得多。表4列出了根据分析师数量残差分组的反转策略的结果。其中ALL为所有股票组合， Low为分析师数量最低的30%的股票组合， High为分析师数量高的 30%的股票组合。这里我们只考虑了 （J， K） =（1， 1） / （2， 2） / （3， 3） 这3组反转策略， 这3组策略具有不同的代表性， 他们的套利组合在显著程度上有明显差别， 其中 （J， K） = （1， 1） 的反转策略具有非常显著的正收益率， （J， K） = （2， 2） 的策略的正收益率也较为显著， 而 （J， K） = （3， 3） 的策略的正收益率则不显著。这从表4中ALL组合的反转策略可以清晰地看出， （J， K） = （1， 1） / （2， 2） / （3， 3） 的套利组合的t统计量为4.05、 2.28和1.43。从套利组合P1-P3的t统计量来看， Low组的显著程度最高， 其次是 ALL 组， High 组的显著程度最低。这一规律即使在反转策略不显著的套利组合中也仍然存在。Low组的反转程度高于High组这一点说明， 利用上述分析师数量残差进行分组的股票具有不同的反转特征， 这一特征正如假说2所描述的那样， 分析师关注低的股票， 收益率的反转效应更为强烈。而Low组的反转程度高于ALL组体现了利用分析师数量分组的价值， 在Low组合中构造反转策略比在所有股票中构造反转策略能获得更多的收益。High组的反转程度远远小于Low组和ALL组，其t统计量的值均小于2， 已经达到不显著的水平，可见分析师数量高的组合中没有显著的反转效应，凸显了分析师纠正定价误差起到的重要作用。而对于套利组合H-L， 其衡量的就是分析师关注效应。对比各个策略输者组合和赢者组合的H-L组， 我们发现赢者组合的H-L组的平均收益率和t统计量的绝对值都更大。比如在形成期和持有期为1个月的动量策略中， 赢者组合的H-L组合的平均收益率为-1.21， 其绝对值高于输者组合的 H-L组合平均收益率-0.52 的绝对值， 同时赢者组合的H-L组合收益率的t统计量为-3.14， 显著程度也高于输者组合的 H-L 组合收益率的 t 统计量-1.92。他们之间的差别也可以从 P1-P3 组的 H-L 组的平均收益率和 t 统计量也可以看出来， 该组合具有显著正收益率， 表明赢者组合的分析师关注效应要强于输者组合。分析师关注效应的实证结论表明， 信息质量越高， 投资者的非持续性过度自信越弱， 从而股票反转效应越弱； 而信息质量越低， 则投资者的非持续性过度自信和股票反转效应则越强。

（二） 股票规模、 分析师关注与反转效应虽然利用上述分析师数量的残差进行分组， 能够在一定程度上控制规模效应对反转效应的影响。考虑分析师数量与规模存在着非线性的关系，我们先将股票按市值分组： 市值前30%的股票为小市值组合， 市值后 30%的股票为大市值组合， 然后在分别在大小市值股票组合中计算分析师数量的残差， 并由此构造与表4相同的策略， 结果见表5。从大小市值股票组合中， 我们均能发现与表 4一致的规律， 因而再一次证实了本文的假说2， 分析师关注效应在不同市值股票组合中都存在。从套利组合P1-P3的t统计量来看， Low组的显著程度最高， 其次是 ALL 组， High 组的显著程度最低。High组的反转程度远远小于Low组和ALL组，已经达到不显著的水平。比较不同市值组合中的反转效应的特点， 我们发现， 小市值组合的反转强度要大于大市值组合的反转强度， 同时也大于所有股票的反转强度， 比如 （J， K） = （1， 1） 的反转策略， 所有股票的套利组合的平均收益率为1.39% （见表4） ， 小于小市值股票反转策略的套利组合平均收益率1.67%，但比大市值股票反转策略的套利组合平均收益率0.99%要高。对于具有非常显著正收益率的反转策略 （J， K） = （1， 1） ， 各市值组合的反转策略仍是显著的； 而 （J， K） = （2， 2） 的反转策略， 应用到大市值股票中则不在具有显著的正收益率 （t统计量为1.36） ； 虽然 （J， K） = （3， 3） 的反转策略在所有股票中无法取得显著的正收益率， 但是应用到小市值股票中， 仍能获得较为显著的正收益率 （t统计量为2.24） 。赢者组合的H-L组的平均收益率和t统计量的绝对值都更大， 即分析师关注效应仍然存在， 特别是在大市值股票组合中， 即使反转策略本身并没具有显著的正收益， 但仍具有显著的分析师关注效应， 比如 （J， K） = （3， 3） 的策略， 虽然 ALL 组套利组合的收益率的t统计量为0.31， 不显著， 但P1-P3组的 H-L 组合的收益率 t 统计量却高达 2.51， 比较显著。这可能是因为大市值股票具有更多的分析师，股票分析师数量的离散程度比较大， 所以根据分析师数量分组能够比较好的区分不同的股票， 从而使得各组股票之间在反转效应上存在显著的差异。而小市值股票， 由于大多数股票的分析师数量为零， 离散程度不高， 根据分析师数量分组则起不到显著区分不同股票特征的效果。至此， 信息质量高低影响投资者非持续性过度自信的强弱， 进而影响反转效应强弱的结论得到了验证。

六、 结论与启示

（一） 本文结论信息传播中投资者的异质性与投资者的行为偏差是解释欧美市场股票收益率中期动量与长期反转特征的基础， 但难以合理解释我国市场整体表现出反转而无动量的市场异象。首先， 在投资者异质性的信息传播模型中， 收益率的反转现象以动量效应的产生为前提， 显然无法阐释、 分析我国股市的反转特征。其次， 投资者行为偏差模型中， 持续过度自信的假设是市场产生中期动量、 长期反转特征的前提条件。然而， 在决策模糊、 市场信息质量不高的情况下， 投资者过度自信的模式极有可能表现为非持续性的特征。因而， 基于非持续性过度自信行为模式的假设， 我们从理论与实证两方面综合地考察分析了我国股票市场动量反转效应的特征与机制， 研究结果表明：与欧美市场投资者的持续性过度自信截然不同， 我国投资者具有非持续性过度自信的行为特征， 这主要源于我国投资者主体与市场信息质量与欧美市场存在明显的差异。与欧美市场信息公开透明、 质量较高不同， 我国股市信息透明度不高， 质量较差， 投资者难以建立一套持之以恒的投资理念， 特别是个人投资者， 受到经济条件的限制， 难以验证自己投资逻辑的合理性， 从而也难以保持自己投资逻辑的一贯性。再加上个人投资者的资金规模小， 分散风险的能力弱， 受到后悔心理的影响程度更大， 表现为对消息的反应在过度自信与过度保守之间相互转换， 呈现出矫枉过正的特点。非持续性过度自信的行为是造成我国股市动量反转现象显著异于欧美股市的主要原因， 并受到投资者主体和信息质量的影响： （1） 投资者主体对新消息越是过度自信， 其非持续性过度自信行为越强， 股票的反转效应即越明显； 而投资者对新消息保守时， 股市则呈现动量效应。 （2） 信息质量越高，投资者非持续性过度自信程度越低， 股票的反转效应越弱， 反之亦然。

（二） 现实意义本文结论揭示了信息质量、 投资者主体与非持续性过度自信行为、 股市反转的内在联系， 其理论预测与实证结果也具有非常重要的现实意义。本文从多个角度实证检验了信息质量与股市反转效应这一内在联系： （1） 反转效应明显的非对称性 — —赢者组合 （有好消息的股票） 相比于输者组合 （有坏消息的股票） 的反转程度更强， 这源于我国股市限制做空、 做空成本过高的市场结构， 这一结论为我国市场引入做空机制、 降低做空成本提供了依据。 （2） 显著的分析师关注效应 — —分析师关注度越高的股票， 反转效应越弱。 （3） 赢者组合的分析师关注度效应更强。这表明分析师在减轻投资者的过度反应、 减少由此行为导致的定价误差中的重要作用， 因此加强分析师队伍建设势在必行。但更为重要的应是信息质量本身的提高， 通过加大信息公开力度、 完善信息披露机制来提高市场信息的质量， 这对降低市场定价误差、 提高市场效率有着至关重要的作用。本文利用资金流向及其规模表征投资者的过度自信及其程度， 验证了投资者对新消息的反应状态与投资者非持续性过度自信及股市动量反转现象的内在机理。其资金流规模越高的股票反转效应越弱的实证结论表明， 机构投资者对于降低市场定价误差、 提高股市效率的重要作用。此外， 本文的结论对投资者来说也非常具有实用价值。利用我国股市反转效应的非对称性以及资金流向、 分析师关注对我国股市动量反转效应的影响， 投资者结合分析师关注与资金流向， 采取反转策略将能有效获得市场超额收益。

参考文献（1） Asness， Clifford S.， Moskowitz， Tobias J. and Heje Peder⁃sen， Lasse 2013， “Value and Momentum Everywhere” ， The Jour⁃nal of Finance， Vol.68， pp.929~985.（2）Barberis， Nicholas， Shleifer， Andrei and Vishny， Robert1998， “A Model of Investor Sentiment” ， Journal of FinancialEconomics， Vol.49， pp.307~343.（3） Chan， K.， Hameed， A. and Tong， W.， 2000， “Profitabilityof Momentum Strategies in the International Equity Markets” ， Jour⁃nal of Financial and Quantitative Analysis， Vol.35， pp.153~172.（4）Chan， LKC.， Jegadeesh， N. And Lakonishok， J.， 1996，“Momentum Strategies”，The Journal of Finance，Vol.51，pp.1681~1714.（5） Chen， Daniel， Tobias J Moskowitz and Kelly Shue， 2014，“Cold Hand Decision-making” ， Working Paper.（6） Conrad， J. and Kaul， G.， 1998， “An Anatomy of TradingStrategies” ， Review of Financial Studies， Vol.11， pp.489~519.（7） Daniel， K.， Hirshleifer， D. and Subrahmanyam， A.， 1998，“Investor Psychology and Security Market under and Overreac⁃tions” ， The Journal of Finance， Vol.53， pp.1839~1885.（8）De Bondt， WFM. and Thaler， R. H.， 1985， “Does theStock Market Overreact”，The Journal of Finance，Vol.40，pp.258~273.（9） Fama， E. F. and French， K. R.， 1996， “Multifactor Expla⁃nations of Asset Pricing Anomalies” ， The Journal of Finance，Vol.51， pp.55~84.（10）Fama，E. F. and French，K. R.，2008， “DissectingAnomalies” ， The Journal of Finance， Vol.63， pp.1653~1678.（11） Fama， E. F. and French， K. R.， 2012， “Size， Value andMomentum in International Stock Returns” ， Journal of FinancialEconomics， Vol.105， pp.457~472.（12）French， Kenneth R. and Roll， Richard， 1986， “Stock Return Variances: The Arrival of Information and the Reaction ofTraders” ， Journal of Financial Economics ， Vol.17， pp.5~26.（13） Grundy， B. D. and Martin， J. S.， 2001， “Understandingthe Nature of the Risks and the Source of the Rewards to Momen⁃tum Investing” ， Review of Financial Studies， Vol.14， pp.29~78.（14）Hong， H.， Lim， T. and Stein， J. C.， 2000， “Bad NewsTravels Slowly: Size， Analyst Coverage and the Profitability of Mo⁃mentum Strategies” ， The Journal of Finance， Vol.55， pp.265~295.（15） Hong， H. and Stein， J. C.， 1999， “A Unified Theory ofUnderreaction，Momentum Trading and Overreaction in AssetMarkets” ， The Journal of Finance， Vol.54， pp.2143~2184.（16）Jegadeesh， N. and Titman， S.， 1993， “Returns to Buy⁃ing Winners and Selling Losers: Implications for Stock Market Ef⁃ficiency” ， The Journal of Finance， Vol.48， pp.65~91.（17）Jegadeesh， N. and Titman， S.， 2001， “Profitability ofMomentum Strategies: An Evaluation of Alternative Explana⁃tions” ， The Journal of Finance， Vol.56， pp.699~720.（18）Jegadeesh， N. and Titman， S.， 2002， “Cross-Sectionaland Time-Series Determinants of Momentum Returns” ， Review ofFinancial Studies， Vol.15， pp.143~157.（19）Kahneman D.， Tversky A.， 1982， Judgment under Un⁃certainty: Heuristics and Biases， Cambridge University Press.（20）Landman， Janet， 1987， “Regret and Elation FollowingAction and Inaction Affective Responses to Positive Versus Nega⁃tive Outcomes”，Personality and Social Psychology Bulletin，Vol.13， pp.524~536.（21） Liu， W.， Strong， N. and Xu， X.， 1999， “The Profitabili⁃ty of Momentum Investing” ， Journal of Business Finance & Ac⁃counting， Vol.26， pp.1043~1091.（22）Lo， Andrew W. and MacKinlay， Archie Craig， 1990，“When are Contrarian Profits Due to Stock Market Overreac⁃tion?” ， Review of Financial Studies， Vol.3， pp.175~205.（23）Moskowitz， T. J. and Grinblatt， M.， 1999， “Do Indus⁃tries Explain Momentum?”，The Journal of Finance，Vol.54，pp.1249~1290.（24）Novy-Marx， Robert， 2012， “Is Momentum Really Mo⁃mentum?” ， Journal of Financial Economics， Vol.103， pp.429~453.（25）Rouwenhorst， K. G.， 1998， “International MomentumStrategies” ， The Journal of Finance， Vol.53， pp.267~284.（26）Thaler， R. H.， 2005， Advances in Behavioral Finance，Princeton University Press.（27） 何诚颖、 程兴华： 《基于中国证券市场的有效性研究— —以高 B/M 类上市公司为例》 ， 《管理世界》 ， 2005年第11期。（28） 何诚颖、 刘英、 徐清振： 《基于二阶段模型的中国股市资金流向研究》 ， 《管理世界》 ， 2011年第2期。（29） 刘煜辉、 贺菊煌、 沈可挺： 《中国股市中信息反应模式的实证分析》 ， 《管理世界》 ， 2003年第8期。（30） 宁欣、 王志强： 《基于残差收益的动量或反转效应： 来自中国A股市场的经验证据》 ， 《投资研究》 ， 2012年第12期。（31） 潘莉、 徐建国： 《A 股个股回报率的惯性与反转》 ， 《金融研究》 ， 2011年第1期。（32） 王丽萍、 汤兵勇： 《投资者后悔心理的形成机理研究》 ， 《现代管理科学》 ， 2005年第4期。（33） 朱战宇、 吴冲锋、 王承炜： 《股市价格动量与交易量关系： 中国的经验研究与国际比较》 ， 《系统工程理论与实践》 ，2004年第2期。