中国A股市场惯性投资策略的统计验证

2015-01-15郭江涛

统计与决策 2015年24期

郭江涛

（四川大学经济学院，成都 610064）

0 引言

按照股票价格趋势交易的惯性策略，由于其本身的可操作性和易复制性被各类投资者广泛使用，或者已经被某些投资者过度滥用，一些风险厌恶程度低的投资者视其为投机获利的赌博操作模式。如果绝多数机构投资者都复制该投资策略，那么对公司和经济基本面的研究和关注将会被丢弃，股票价格的峰值将会更高，价格的谷底将会更低，市场风险不但没有减小，反而成倍放大。

本文利用了上海A股的历史数据，通过对原始金融数据的处理，可以根据收益率将投资组合推广到更一般化的情况，并且根据惯性策略建立并管理投资组合，然后计算出投资组合的收益率情况。根据计算的结果，本文将对惯性策略在我国的失效的原因进行相应的总结。

1 研究设计

1.1 实证研究的思路

本文实证研究的中心思想是：验证惯性投资策略能否在单一特定的股票市场，即中国的资本市场广泛适用，或者说是否可以不对投资对象加以限定，对所有上市公司股票运用惯性投资策略。同样的，为了验证中国资本市场的有效性和股价对信息的反应程度，根据惯性投资策略在中国市场建立了一个简化的投资基金。建立一个严格的持续的股票筛选和持有机制，并检验是否遵守并执行该机制即可获得优于中国整体市场表现的超额收益。

本文实证研究的核心股票筛选和持有策略有类似的几个要点：

首先，为了检验惯性投资在特定的组合下的投资收益情况，将投资标的的范围进行了调整。

其次，在此需要对所研究的数据样本进行处理，即处理原始数据，得到收益率在一个较长时间段内的数据，再选定时间序列的起点。结合样本中公司的上市时间，以及形成期的长短，以便在组合中包含更多的有效数据，得到更加显著的统计规律。

再次，确定资产配置的策略，并且选定最优的财务或统计标准来对所选策略进行检验。同样计划考虑夏普比率，选择最优的配置策略。

然后，尝试不同的形成期和持有期策略。在研究中，模拟组合的建立保持适当的交易频率，保持资产组合适度的流动性，尽量保持资产的连续定价；保持适中的交易频率，从而控制交易成本，保证资产绝对收益。

最后，严格遵守投资策略和投资纪律，在不同的时间点反复执行以上四步。检验不同形成期和持有期对应的投资收益率时间序列，计算预期收益率等指标，验证收益率的统计显著性，判断该策略在中国资本市场的普遍适用性。

1.2 实证研究的方法

要最终达到筛选中国资本市场强势股，测试趋势投资策略盈利能力的研究目标，需要先确定本研究的投资标的和研究对象。

第一步，本研究选取中国资本市场上尽量多的公司数据作为研究标的。迫于数据的可得性，且上海证券交易所的股票信息较为完整，故将上海证券交易所所有的上市公司，包括曾经上市和退市的股票都纳入原始数据进行实证研究。

第二步，根据处理完成的数据选择研究的时间序列：数据序列的终点定为2014年1月，而数据序列的起点，虽然上海证券交易所于1990年成立，但是交易所成立之初，上市的公众公司并不多。研究需根据数据可得性确定实证研究的起始时间点，所以在编程过程中需根据具体的数据情况，确定数据序列的起点1994年。

第三步，选择股票的趋势形成期（J月）：根据不同的形成期J月，对样本公司逐月排名，选出对应情况下收益率最靠前的数支股票，建立符合标准的股票资产组合。组合在进入平稳运行的阶段后一直保证持有60支股票。

第四步，确定资产组合的投资风格：选出强势股票后立刻按照一定的比例配置选出的股票。同样的，在中国这一单一市场投资最为理想的投资目标，也是希望建立的组合有最大的预期收益率和最低的方差，即拥有最大的夏普比率和承受单位风险所得到的收益率补偿。在此，我们简化了头寸的优化过程，只对收益率大小进行比较。同时，无需假设交易数据的稳定性，不考虑是否有数据的结构性改变，进行和上一章相同的股票挑选和组合建立的过程。在投资风格上，由于现在国内仅能卖空指数，而不能对单只股票进行卖空，所以假设本基金为纯多头基金，在操作上仅买入强势股票，不对表现糟糕的股票进行卖空。

第五步，确定投资和持有期限(K月)：对公司按照一定的持有期标准K月进行持有，获取投资收益（损失）。表1标示了按照不同的形成期和持有期策略进行仓位调整产生的年度换手率。可知基金的换手率全部由其执行的持有期限决定，即同一持有期限下不论基金执行的形成期为多少个月，都将具有同一的换手率。其中，最高的年度换手率将达到400%，对应的持有期为3个月。总体看来，我们所采用的惯性策略不会带来太高的换手率，在中国的公募基金中属于较低水平，完全能被同业和市场所接受。

表1 模拟基金换手率示意图（单位：%）

第六步，持有和管理第五步得到的组合，计算其持有期收益率，产生对应的收益率时间序列。利用第四步挑选出的判定标准比较和评估我们的投资组合，进而判定投资策略在该环境下是否可行。

第七步，对投资策略产生的结果进行定性分析，找出影响投资结果的特殊市场机制和市场参与者心理要素。

2 数据来源和样本的选取

2.1 数据来源

本文所使用的上市公司名单及其相关信息，都来自中国股票市场研究数据库CSMAR终端和交易所公开资料。所使用的统计分析软件主要是EXCEL 2007软件和MATLAB R2009b软件。

同时，本文中样本公司的股价数据和对应的收益率全部以人民币计值。实证研究试图达到的目的是检验惯性交易策略的盈利能力，只需验证严格执行该策略的投资基金的业绩表现优于其对应的基准指数即可。

2.2 样本的选取

（1）数据样本的范围。

本文通过中国股票市场历史数据研究中国股票市场，因为中国的股票市场分为上海证券交易所和深圳证券交易所，其中股票类别又分为A股和B股。B股由于交易量小又仅仅面向少部分持有外汇的投资者，所以不在本文的研究范围之内。又因为深圳证券交易所上市的中小市值公司较多，开盘时和收盘时与沪市有不同的定价方式，数据可比程度稍低，我们将收集上海证券交易所的历史交易数据，这些数据涵盖了1994年以来的所有股票的历史数据和复权股价信息。本文研究的时间区间为1994年初至2014年1月初。所以，整个研究样本包括了过去20年间曾在上海证券交易所A股上市的所有股票。值得注意的一点是，因为将研究的股票对象扩大至所有上海A股且计值货币为人民币，所以对应的基准指数很自然地选择了上证指数。

在这一研究中，我们并没有剔除研究区间内的ST股票或者去掉某一特定行业的股票（例如银行类股票，由于整个行业资产负债的特殊性，常常在财务杠杆或公司负债的实证研究中将其剔除）。同时，在某一期被选入资产组合的股票也有可能在未来某一时刻由于财务指标达不到相关法律的定量标准而被执行强行退市。文章的目的在于研究惯性交易策略在中国资本市场的普遍适用性和盈利能力，如果对投资标的有选择地运用该策略，将造成抽样偏差，使得惯性策略的普遍性和一般适用性大打折扣。

（2）材料数据的处理。

因为文章分析的数据全部来自上海证券交易所A股的历史成交月度数据。为了获得一个较长时间段内的收益率，同样需要避免使用简单的算术平均收益率或者几何平均收益。对原始的复权股价数据进行对数处理，得到对应的收益率数据时间序列。

rt=ln(1+Rt)=ln(pt+Dt)-ln(pt)

设定材料数据的起点为1994年1月末复权股价，终点为2014年1月的复权股价。

3 实证分析

3.1 一般化的投资组合建立规则

我们选取相对强势股票的资产组合建立思路与Rouwenhorst(1998)以及Jegadeesh and Titman(1993)的操作方法比较类似，都关注组合的不同期限的惯性策略。所以，类似的，我们在此检验了相对强势交易策略应用于短期和中长期的盈利能力。每一个月的月末，所有股票都会基于自身的过去数月（J个月）月度收益对所有已上市股票进行排名。符合对应策略要求的股票，将会被继续持有至之后的K个月，其中，J、K=3、6或12。

组合在每一个月的月末进行调整。在每一个月的月末（时点t），我们的策略要求我们卖出在t-K时点所建立的头寸，因而整个组合中权重为1/K的股票都在t月度被调整，然后整个组合中剩下的股票被继续持有。因而，对一个K月的持有期来说，月度回报率是应用惯性策略后，投资组合当月和之前K-1个月投资业绩的算术平均收益率。

例如，在接近第t月末的时候，J=3，K=3策略组合的优胜股票将由三部分头寸构成：其中一部分来自第t-3月月末时投入的头寸，其中的股票是之前3个月表现最强势的股票。另外两部分头寸来自于t-2月月末和t-1月月末时投入之前3个月里表现最强势的股票。因为整个股票组合共持有60支股票，三分之一的头寸即选择20支股票。相应地，当J=6，K=12时，策略组合的优胜股票将由十二部分头寸构成，其中一部分来自第t-12月月末投入的股票头寸，这当中的股票是前6个月表现最强势的股票。另外十一个部分头寸来自于t-11，t-10直至t-1月月末时投入的前6个月里表现最强势的股票。十二分之一的头寸对应了5支股票。

由于投资组合按月调整，每个月的月末将得到该投资组合的一个收益率数据。20年的数据产生一个时间序列，使得常规的t统计检验可运用于该序列。

3.2 惯性投资组合业绩分析

表2描述了按照我们之前所设计的相对强势策略进行组合管理后的获得收益是什么样的状况。其中形成期分别为3、6和12个月，它们没有重叠；持有期分别取值为3、6和12个月。从投资收益上看，形成期为3个月，持有期为6个月的股票组合拥有最大的月度投资损失，达到-0.48%，年化收益率为-5.76%。形成期为12个月，持有期为3个月的股票组合拥有最大的月度投资收益，达到0.41%，年化收益率为4.92%。同期的基准指数上证指数从1450点上涨到2870点，涨幅97.9%，月平均收益率0.874%，对应年化收益率为10.50%。所以即使试验中表现最好的惯性投资组合也没能战胜对应的市场指数。

表2 描述性统计表（1）

惯性投资策略在整体上表现出以下特点：

中国A股强势股票的投资组合并没有表现出预期的收益率惯性，而表现出一定的收益率反转。在报告的3种不同形成期和3种不同持有期里，绝大多数形成期和持有期的组合都将带来负的绝对收益率，选取过去的强势股，在未来的收益情况为往往不能获得过去同样良好的表现，过去强势的股票在收益率上存在逆转。最令人震惊的结果在于，如果坚持以股票的价格走势作为投资的唯一判断标准，股票组合几乎在所有情况下都会遭受损失。另一方面，持有期为3个月的惯性策略组合投资的月均收益随着形成期时间的增加逐步升高②策略（3，3）的月均收益率为-0.31%，策略（6，3）的月均收益率略微上升到-0.19%，策略（12，3）的月均收益率继续上升到0.41%，出现了9种策略中唯一的正向月度平均收益。，但是统计量显著性变化趋势不明显。

同时，绝大多数的收益率并不统计显著。所有的t统计量的绝对值都不超过1，p值也大于所有常用的概率（5%，10%），证明该策略虽然在绝大多数情况下预期收益率为负，但是统计上并不显著，缺乏统计显著性的内在原因可能在于:

第一，长期以来，“齐涨共跌”的系统风险在中国股票市场表现更为明显。波涛根据1998年前上海A股的交易数据，发现上海证券交易所的投资风险结构“倒置”，大多数股票的在多数情况下走势相近。

第二，我国的股票市场总体风险过大，由方差代表的波动性过高，致使t值不显著。对1885～1993年间道琼斯工业指数的研究和分析，Hull发现，在一百多年时间里，道琼斯工业指数单日跌幅超过7%的交易日只有15次，而在1992年至1998年7月的6年之内，上证指数单日跌幅超过7%的交易日有23次。截至2014年，美国股票市场典型股票的年波动率为20%左右，而中国股票市场典型股票的年波动率为是美国的3倍。这些必然导致我们股票组合的平均收益率的标准差太大，即t统计量的分母过大，从而使得t统计量不显著。

第三，可能研究区间内的数据产生了结构变化或者结构断裂。虽然整个研究区间使用了同一策略进行惯性投资，但是不同于国际投资的结果，上海A股的惯性投资收益率具有非常不显著的统计特性。一个潜在的解释就是A股的交易数据产生了可以影响统计效果的变化。例如1990年上海证券交易所和深圳证券交易所成立后新股的定价系统尝试了多种申购和新股定价发行方式，证券的询价机制和财务及战略投资者的投资规范要求也发生了多次变化。股票上市定价区间的不同和战略投资者锁定期的不同直接影响了股票上市后在二级市场的价格走向。又如2005年进行的股权分置改革带来了股票市场的全流通时代，直接带来了交易机制、公司估值以及交易心理的变化，交易数据随之产生了结构变化。