中国股市的动量反转效应

1

研究动机

股市中的动量、反转效应不是一个新鲜的课题。它的提出源于 Jegadeesh 和 Titman 在 1993 年发表于 Journal of Finance 上的一篇文章 Returns to buying winners and selling losers: implications for stock market efficiency。文中，这两位老兄利用动量效应构建了赚钱的投资组合。

动量和反转效应的定义如下：

动量效应（Momentum effect）一般又称惯性效应，是指股票的收益率有延续原来的运动方向的趋势，即过去一段时间收益率较高的股票在未来获得的收益率仍会高于过去收益率较低的股票。

反转效应（Reversal effect）是指在一段较长的时间内，表现差的股票在其后的一段时间内有强烈的趋势经历相当大的逆转，要回复到正常水平（reversal to mean），而在给定的一段时间内，最佳股票则倾向于在其后的时间内出现差的表现。

很多国内的学者对动量和反转效应在 A 股上进行了大量实证。即便是到了今天，仍有前赴后继的硕士论文仍再研究这个课题。有意思的是，人们的研究结论非常不一致：有多少人看好动量效应就有多少人力推反转效应。这种分歧源于实证中选取的参数以及回测的周期的不同。

显然，无论动量还是反转效应都意味着有效市场假说的黯然失效。既然无法从市场有效性解释，市场中普遍流行的学说就是从行为金融学的角度来解释：动量和反转效应和投资者的反应不足与反应过度有关。

本期数据解码投资就来说说中国股市的动量、反转效应。从我们的实证来看，中国股市是高噪声散户市场，反应过度明显高于反应不足，存在显著的反转效应。然而，反转效应的收益率和回测周期的选择息息相关，且幸存者偏差（survivorship bias）会放大反转效应。

2

实验准备

为了验证国内股市是否存在动量、反转效应，我们采用 Jegadeesh 和 Titman 提出的方法。简言之，该方法中定义了排序期 J 和持有期 K 两个阶段。在排序期，对股票按期内累计收益率排序。在持有期内：

对于动量策略，选择排序期内收益率最高的 10% 的股票；

对于反转策略，选择排序期内收益率最低的 10% 的股票；

以此构建投资组合，并在每个持有期到期后，重新按最新的排序期进行排序、调仓，并进入下一个持有期，以此类推，直到回测期结束。之后计算在整个回测区间内该动量（或反转）策略的累积净值。显然，策略的净值和排序期 J 和持有期 K 的选择有关。实证中的 J 和 K 都以周为单位，参数选择为：

排序期 J 取值（周）：1，2，4，6，8，13，26，52

持有期 K 取值（周）：1，2，4，6，8，13

考察 J 和 K 的不同组合，寻找动量和反转策略中最优的参数组合。

实证中的回测期为 2007 年 1 月 5 日到 2016 年 4 月 15 日。回测中使用了 A 股中的 2208 支股票。由于实证中没有考虑在回测期退市的股票，因此这个实验存在明显的幸存者偏差。这显然会高估反转策略的效果，因为有些在排序期跌的很惨的股票在实际中存在退市的可能，而回测中并没有考虑它们。当然，幸存者偏差也会高估动量策略的效果。

反转策略的幸存者偏差：在回测时，该策略仅仅考虑历史数据中一直存在的股票（幸存者），没有考虑被退市的股票。但在现实交易中，在任意时点，人们都无法预知哪些股票将会退市。因此策略在选取排序期跌幅最大的股票时，有可能会选择之后退市的股票，造成亏损。因此，回测中不考虑退市股票会引入幸存者偏差，从而高估反转策略的效果。

为了尽量减小幸存者偏差的影响，我们使用果仁网的量化回测平台对动量和反转策略进行了检验。从果仁网给出的说明来看，它们考虑了退市的股票：

“

现在退市的股票，在历史回测中需要考虑进去，因为在真实的历史中，投资者并不知道哪些股票将来会退市，所以选股时也需要考虑进去。

”

因此我们假设果仁网的结果不存在明显的幸存者偏差。果仁网的回测平台测试起点为 2007 年 1 月，这也就是为什么我们将回测期的起点选为 2007 年 1 月 5 日。此外，为了简化回测程序，我们没有考虑交易成本（这显然是不合理的），但是在果仁网的回测中会假设千分之一的单边交易成本。

最后，为了检验回测区间对策略的影响，针对反转策略的最优参数，我们使用不同的回测期起始时间，以此考察起始时间对策略净值的影响。

3

简单回测结果分析

以下两张图显示了不同排序期 J 和持有期 K 的组合下，动量以及反转策略在回测期内的净值。为了说明动量或反转效应是否存在，首先需要一个业绩基准。假设我们使用东方财富全 A 指数作为业绩基准，它在回测期内的净值为 1.8。因此只有动量或反转策略在回测期内的净值显著超过 1.8，才说明它们有价值。

先来看看基于动量效应的策略表现。按照 1.8 这个业绩基准来看，中国股市不存在明显的动量效应。在回测期内，对于绝大多数排序期 J 和持有期 K 的组合，动量策略的净值都无法战胜基准，而且这还是在没有考虑交易成本以及存在幸存者偏差的情况下。在有些参数组合下，策略的净值竟然造成了大幅的亏损。

动量策略最好的效果出现在排序期为 1 周而持有期为 13 周时。在这组参数下，动量策略的净值为 3.26。一旦考虑交易成本并排除幸存者偏差，该收益一定会进一步下降。

再来看看反转策略。在不考虑交易成本和存在幸存者偏差下的简单回测中，所有参数组合的反转策略都跑赢了同期的全 A 指数。这令人非常意外。这说明中国股市存在明显的反转效应。当排序期为 8 周、持有期为 1 周时（即每周都根据之前八周跌幅最大的 10% 重新调仓），策略的净值竟然高达 40 倍。

前面说过，反转效应显然相悖于有效市场假说。从行为金融学的角度来看，反转效应的出现伴随着投资者的过度反应。在过去 10 年（乃至可预见的未来），中国股市显然是一个散户为主的极度不成熟的市场，绝大多数投资者的投资行为存在各种认知偏差，它们造成了投资者的过度反应。这种过度反应导致投资者对个股追涨杀跌，使得股价无论是上涨还是下跌都很容易严重偏离其基本面。而一旦之前的预期被修正或者有新的消息出现导致股价向其价值回归，之前上涨过热的股票就会下跌，而超跌的股票会反弹，从而形成反转效应。

举个例子来说明认知偏差。中国的散户投资者都喜欢打听消息。拥有消息的投资者往往会出现过度自信和自利性偏差。他们对个人掌握的小道消息过度自信而过度反应，对公开的信息漠视而反应不足。对个人消息的过度自信使投资者把股价推高，偏离基本面。

除此之外，投资者的羊群效应（herd behavior）同样可以导致过度反应。羊群效应也称为从众效应，表现为在由于信息不对称等原因时，投资者通过观察大多数人的行为来推测其私有信息，或是过度依赖于舆论而模仿他人决策。影响从众的最重要因素不是意见本身的正确与否而是认同此意见人数的多寡。这样，个人非理性行为导致了集体的非理性表现。羊群行为是一种“人们去做别人正在做的事的行为，即使他们自己的私有信息表明不应该采取该行为”，即个体不顾私有信息，采取与别人相同的行动。显然，羊群效应对于市场的稳定性效率有很大的影响，也和金融危机有密切的关系。下面这句话来自投资大师彼得 • 林奇，它是对羊群效应的一个生动的描述：

“

假如你在绝望时抛售股票，你一定卖得很低。

”

除了从行为金融学的角度，很多学者也从传统金融学的视角解释反转效应。其中一个观点是股票之间的领先——滞后效应（lead-lag effect between stocks），比如不同市值规模的公司对于共同因素（如宏观经济的因素）的反应速度不同。Lo 和 Mackinlay 的研究发现，反转策略的收益由三部分组成：每支股票期望收益率的截面风险、股票收益率的自相关、以及股票之间的横截面交叉自相关。结果发现反转策略中 50% 以上的利润来自于股票收益之间的横截面交叉自相关，即股票间的领先——滞后效应。从这个特性出发便可以构建出业内流行的截面均值回复策略。它意味着一群股票之中，之前涨幅低于平均水平的股票在之后会有更好的表现，反之亦然。这其实就是反转。

最后来看看最优参数（排序期 8 周、持有期 1 周）下的反转策略是否受到回测起点的影响。由于 07 到 08 年构成了一波明显的牛熊市轮回，我们预期回测起点将显著影响策略的表现。为此，将回测起点设定为 07 年 1 月到 09 年 1 月之间的 104 周，看看不同起点下策略的净值。结果如下图（作为比较，同时给出了全 A 指数在这段时期内的走势）。对于图中绿色的净值散点，横坐标为反转策略的不同回测期起点，右边的纵坐标为反转策略的净值。因此，每一个绿色的点都代表在以它的横坐标为起点、以 2016 年 4 月 15 日为终点的回测期内反转策略的累积净值。对于蓝色的全 A 指数，横坐标为时间，左边纵坐标为其在这段时间内的点位。

上图显示，对于不同的回测起点，全 A 指数的点位和反转策略净值呈现完美的负相关。这表明始于牛市起点的反转策略能够获得的收益率要远远超过始于熊市起点的策略的收益率。这意味着，在牛市中，过去一段时间涨幅最低的那些股票一旦发生反转将会有巨大的补涨，这大概可以有效的支撑股票间的领先——滞后效应这种说法。

前文多次强调过，我们的实证主要为了揭示中国股市是否存在动量或反转效应，因此回测比较简单，没有考虑交易成本以及幸存者偏差。为了得到更贴近实际的回测，下一节借助果仁网这个量化平台来对动量和反转策略进行验证。

4

果仁网量化平台回测结果

果仁网量化平台允许使用给定的规则进行选股并回测。虽然它提供了丰富的选股条件，但一些限制使得我们最终选择的参数与简单回测中的参数不完全相同（比如果仁网限制组合中的最大持仓股票数为 50 支，而在简单回测时组合中有 221 支股票），但这并不影响展示中国股市的反转效应。

在使用果仁网对反转策略进行回测时，参数选择如下：

选股标准：过去 60 日涨幅从小到大排序

回测区间：2007 年 1 月 5 日到 2017 年 3 月 24 日

最大持仓股票数：50

备选买入股票数：10

个股最大买入仓位：10%

空闲资金配置：银华日利

交易费用：单边千分之一

调仓时点：收盘价

调仓周期：5 个交易日（即持有一周）

收益基准：中证 1000

反转策略的效果如下（与基准的净值比较为对数坐标）。这些结果指标的含义都十分清晰（比如反转策略在 10 年中总收益超过 21 倍，年化收益率高达 35.76%），因此不再赘述。显然，反转策略显著的跑赢了基准。

最后，再来看看动量策略在我国股市中是如何不好使的。为此，我们挑选了和在简单回测中产生较大亏损的类似的参数。具体的：

选股标准：过去 20 日涨幅从大到小排序

回测区间：2007 年 1 月 5 日到 2017 年 3 月 24 日

最大持仓股票数：50

备选买入股票数：10

个股最大买入仓位：10%

空闲资金配置：银华日利

交易费用：单边千分之一

调仓时点：收盘价

调仓周期：5 个交易日（即持有一周）

收益基准：中证 1000

动量策略的效果如下，十年之中基本血本无归（年化收益 -21.79%，总收益 -91.87%）。

5

小结

本文通过实证说明中国股市存在显著的反转效应。反转效应与投资者的过度反应有关。过度反应发生的原因包括投资者的认知偏差、羊群效应等因素。此外，股票之间的领先——滞后效应也引发了个股表现的反转。

中国股市的反转效应与散户占主导这个事实息息相关。在这个市场中的交易是伴随着大量的噪声的，很容易引发群体的非理性行为。由于过度反应有引起系统性风险的可能性，必然会在今后受到更加严格的监管。随着监管的加强和价值投资信仰的回归，也许这种效应在未来会减弱。然而，只要市场上交易的是人，那么同样的认知偏差就会不断的出现，这和人根深蒂固的思维习惯是密不可分的，因此反转效应也必然还有顽强的生命力。至于在这些不同因素的制衡下，反转效应会有怎样的未来，只有时间能告诉我们答案。