流动性能提高套利交易的盈利吗？——基于中国股市的证据

王春峰， 李思成， 房振明,2

(1.天津大学 管理与经济学部，天津 300072； 2.天津大学 金融工程研究中心，天津 300072)

0 引言

对于金融学来说，无论是在学术界还是投资实践中，风险和收益之间的权衡一直是思考和研究的核心。新古典主义金融学指出，当金融市场出现异象时，存在通过套利交易获取无风险利润的机会，这些套利机会既是业界众多对冲基金不断寻觅的盈利渠道，也是学术界研究市场有效性的重点关注问题，因此套利交易在多个领域都备受瞩目。有效市场理论认为，股票的价格包含了上市公司基础价值的相关信息，同时资本市场中发生的信息事件能够迅速且充分地反应在股价当中，若股票价格对信息反应过度或反应不足都将使股价偏离真实价值从而产生一系列市场异象，造成市场的低效率。股价偏离真实价值的部分中产生了套利空间，投资者可以通过与市场异象反向操作进行套利，从而在获取无风险利润的同时纠正市场异象中的价格偏离，或者降低这些异象中价格偏离的程度，使股价向其真实价值回归，增强市场效率。以Schwert[1]和McLean[2]为代表的文献对此进行了验证，他们对文献出版前后市场异象收益率的时变特征进行了检验，指出针对学术文献提出的市场异象进行套利交易能够在一定程度减弱这些市场异象。由此可见，套利交易的盈利能力既体现着有效市场假说中的市场效率，也反映了对冲基金等机构投资者的经营业绩，因此一直备受关注。

Hendershott等[3]和Chordia等[4]的研究指出，近年来随着算法交易等高频交易技术的进步与革新，股票市场的成交量和换手率大幅上升，市场总体的流动性状况相比过去有了较大改善。一方面来看，流动性水平的改善能够在一定程度上降低交易成本，放宽套利限制，激励投资者进行更多的套利交易。逐渐增加的套利交易使股价中的非理性部分回归了真实价值，市场异象得以缓解，同时也减少了市场异象中的套利空间，降低了套利交易的预期盈利。但是，从另一方面来看，流动性的增加也降低了噪音交易者的交易成本，利于其进行更多的盲目跟风交易，加剧了市场中的羊群效应，导致套利交易无法有效地纠正错误定价，反而增加了市场异象中的套利空间，提高了套利交易的预期盈利。因此，明确套利交易与市场流动性间的关系显得十分重要，但是就目前情况来看相关文献并不充分，仅Chordia等[5]以十进制改革后的美国市场为样本对该问题进行了研究。

自2010年始，中国已取代日本成为全球第二大经济体，同时中国股票市场市值也已超越日本股市，成为仅次于美国股市的世界第二大资本市场，并且中国作为世界上最大的发展中国家，其股市也是全球新兴资本市场的重要组成部分，对世界股市的系统性风险贡献度日益增加。但迄今为止，学者还并未对中国股市中套利交易盈利与市场流动性状态之间的关系进行研究。2014年秋季开始，中国A股市场在一年内经历了从2000点至5000点的暴涨，随后，自2015年6月15日起，又遭受了“股灾”，短期内多次千股跌停，且此类股价异常波动在中国资本市场短暂的历史中并不罕见。同时中国市场的短期波动率也远高于海外成熟资本市场，1995年至2015年的上证综指月度波动率为1.604%，而同期道琼斯指数的月度波动率仅为0.995%，A股市场短期波动性为美国市场的1.6倍。中国股票市场与西方成熟市场相比存在如下特点：中国股市不是经典意义上的实体经济的晴雨表，实体经济与股市走向的相关性并不对称[6]；中国股市的投资者结构以中小型投资者为主，对信息的获取和分析能力较差，中小型投资者多出于流动性需求进行交易，从而造成了市场中存在明显的羊群行为；最后，中国股市的规则、法规和政策至今还处在不稳定的变动完善之中，并不像美国等成熟市场从上世纪三十年代年至今未发生较大变化，如中国的新股发行制度、新股二级市场抑价政策都助长了股市中的异象。近年来，尽管中国资本市场的交易技术快速发展，对冲交易机制日渐完善，但市场中的异常波动仍然普遍存在，这可能说明套利交易在中国市场中并未起到纠正错误定价的作用。且市场的异常波动通常伴随着流动性水平的变化，比如由于开启配资放宽流动性后出现的“牛市”，以及“股灾”期间由于流动性枯竭而造成的“踩踏现象”。因此，在中国这样一个新兴资本市场中，对流动性在套利交易中所起到的作用进行研究既能够对该领域的学术文献进行补充，也能够对国内金融从业者的投资实践提供指导，同时还可以为监管层深化市场机制改革指明方向。

基于上述情况，本文设计实证对流动性与套利交易盈利的相关性进行了一系列检验，并得出了与海外成熟市场不同的结论。本文首先确认了动量效应这一市场异象在中国市场中的存在性，并对其超额收益率进行了度量；随后，对市场整体的非流动性状态与动量收益率的关系进行了研究；最后，按照相关文献中的研究方法对结论的稳健性进行了一系列的检验。本文通过研究发现在中国这样一个新兴资本市场中，整体流动性的改善并不会降低套利交易的收益率，反而会增加异象的超额收益率，也就是说流动性的改善并不能缓解市场异象。这是由于流动性的改善虽然降低了套利交易者的成本有利于其进行套利交易，但同时也降低了其他噪音交易者的交易成本，助长了更多的跟风交易行为，反而加剧了市场异象，使股价更加偏离基础价值，这些与美国市场相反的现象都体现出了中国新兴资本市场的特征。

本文的主要贡献之处如下：(1)本文研究了市场总体的流动性状态与套利交易盈利之间的关系,而不仅仅是个股流动性，研究发现中国市场中套利交易的效率较低，无法有效地纠正市场中的错误定价。(2)本文以实证研究的方法从流动性和投资者非理性行为的角度对中国市场经常出现“千股跌停”等异常波动的原因进行了解释，进而为实现维持市场平稳、降低总体波动性这一监管层进行市场干预的主要目标提供了启示。(3)目前仍未有文献系统性地对新兴资本市场中流动性如何影响套利交易的收益率进行研究，因此本文既开拓了中国学术领域内关于套利交易盈利能力的研究，同时也对相关的国内外文献进行了补充，论证了套利理论在中国资本市场中的适用性。

本文其余部分如下：第二部分介绍研究的变量和回归方程；第三部分给出描述性统计和回归结果并进行解释；第四和第五部分分别使用不同的方式对研究结论的稳健性进行检验；第六部分为本文的结论。

1 数据与研究设计

为了研究流动性在套利交易中起到的作用，本文在Chordia等[5]的基础上，使用当期动量收益率来表示套利交易的盈利空间，将滞后期amihud非流动性指标[7]作为市场总体流动性状态的代理变量，检验了流动性状态与套利交易收益之间的关系。考虑到流动性风险与时变因素风险对动量收益率的影响，本文进一步研究了以上因素对结论稳健性的影响。

1.1 研究样本和数据来源

本文选取中证800指数成分股作为研究样本，剔除了数据不全以及其他异常样本，最终得到718只样本股票。本文研究的时间区间为2011年第一个交易周开始至2015年最后一个交易周结束，共257周数据。本文研究中所采用的数据均来自中国股票市场数据库(CSMAR)和锐思金融研究数据库(RESSET)。

1.2 研究变量

1.2.1 动量投资策略的构造及其收益率

Jegadeesh等[8]将动量效应定义为资产价格具有延续原来运动方向的惯性趋势，即过去一段时间表现较好的资产未来仍然表现更好，因此投资者可以买入过去表现较好的资产，卖空过去表现较差的资产而获得收益，此种利用动量效应构造的投资组合称为动量投资策略。动量效应是一种普遍存在并广为人知的市场异象，以Jegadeesh等[8]、Rouwenhorst[9]、朱战宇和吴冲锋[10]、以及陈蓉等[11]为代表的学者都对其在不同市场中的表现进行了研究。然而迄今为止，学术界20多年来对于动量效应的形成原因并没有基于风险溢价的完善解释，因此动量效应作为一种市场异象，理论上应受到套利交易的影响。因此本文选择动量效应作为市场异象的研究对象。

动量效应在中国市场与美国市场中的表现略有不同，如Jegadeesh等[8]发现美国市场中存在3至12个月的动量效应，而陈蓉等[11]则指出中国市场中仅存在月内即1至4周的短期动量效应，而不存在以月为周期的中期动量效应。这些结论也与吴福龙等[12]和马丽[13]指出的中国股票市场一直以来羊群行为明显的特点相符，因此本文在构造动量组合时，针对中国股市中交易者投机性强、投资期限较短的特点，选择了形成期为两周，持有期为一周的动量投资组合进行研究。

首先，在t周开始时将样本股票按照t-2周至t-1周的累计流通市值加权收益率从低到高进行排序，并将股票分为10个分位数，其中收益率最低的分位数称为输家组合(loser)，收益率最高的分位数称为赢家组合(winner)；而后，分别计算第t周输家组合和赢家组合的流通市值加权收益率；最后，做多赢家组合同时做空输家组合，从而得到动量交易策略，记为WML(winner-minus-loser)。

1.2.2 市场总体流动性水平

本文通过由Amihud[7]提出并得到广泛应用的非流动性指标(Amihud illiquidity)对市场流动性水平进行度量：

(1)

其中，∣Ri,d∣为股票i在t周内第d个交易日收益率的绝对值；Pi,d为该日收盘价；Ni,d为该日交易量；n为个股在t周的交易天数。且ILLIQ越高，单位成交金额对价格的冲击就越大，表明股票流动性越差；反之亦然。在得到每只股票在t周的非流动性水平后，计算所有样本股票非流动性水平在t周的流通市值加权平均值，从而得到市场总体的非流动性水平，记为MKTILLIQ。

1.2.3 控制变量

Cooper等[14]和Daniel等[15]发现动量策略在市场处于下跌状态时表现不佳，因此本文构造代表市场下跌状态的虚拟变量，记为DOWN，作为控制变量加入回归。当t-24周至t-1周市值加权市场收益率累计为负时，该虚拟变量记为1；反之，记为0。

另外，Wang等[16]发现市场整体的波动性能够预测动量组合收益率，并得出了市场总体波动性状态与动量收益率显著负相关的结论。因此本文通过计算每周内流通市值加权市场日收益率的标准差来衡量市场波动性状态，记为MKTVOL，并作为控制变量加入回归。

另外，根据以往关于动量收益率的研究，如Chordia等[5]、Jegadeesh等[8]、Cooper等[14]和Wang等[16]等等，本文也将Fama-French三因子的周度数据作为动量效应收益率的控制变量加入回归，分别记为市场风险因子MKT、规模因子SMB和价值因子HML。

1.3 回归方程

综上分析，本文在控制了市场下跌状态和市场总体波动性状态后，对动量收益率的表现与市场总体流动性水平进行了回归：

WMLt=β0+β1MKTILLIQt-1+β2DOWNt-1+

β3MKTVOLt-1+β4MKTt+β6SMBt+β6HMLt+εt

(2)

注：方程(2)中所有变量均为周度数据。

2 实证结果

2.1 描述性统计与相关系数矩阵

表1提供了动量效应投资组合的流通市值加权周收益率及其非流动性水平的描述性统计。从表中可以看出当形成期为两周，持有期为一周时，能够产生0.326%的动量效应收益率，且该收益率在1%的水平上显著；同时，在分别对市场因子和Fama-French三因子调整后能够得到0.346%和0.429%的超额收益率，且均在1%水平上显著，上述结果与陈蓉等[11]关于中国市场存在月内动量效应的结论相符。另外，尽管动量收益率从P1到P10并没有表现出严格的单调递增趋势，但是类似于众多资产定价问题的研究范式，本文重点比较的是P1与P10两个最大和最小组间的差异。从结果中可以看到，P10组的收益率和流动性水平都显著高于P1组，并且显著性水平为1%，因此基本能够证明流动性水平的提高可以增加套利策略的收益。表2给出了回归中主要变量的描述性统计。表3提供了回归中使用的主要变量之间的相关系数矩阵，其中的关键部分在于动量效应收益率与市场总体非流动性水平之间的相关系数在1%的水平上显著为负。

表1 动量投资组合收益率及其非流动性水平的描述性统计

注：为方便计量，将ILLIQ取值扩大1000000000倍；括号内数值为t统计量；***、**和*分别表示回归系数在1%、5%和10%的水平显著，下同。

表2 主要回归变量的描述性统计

表3 主要回归变量的相关系数矩阵

2.2 回归结果与分析

表4至表6提供了2011年至2015年的研究数据关于回归模型(2)的估计结果。由表4的结果可见，MKTILLIQ的估计系数均在1%的水平上显著为负，与Chordia等[5]的结论相反，这可能是由于市场中流动性充足时降低了套利者的交易成本，激励了投资者的套利行为，但同时也降低了噪音交易者的交易成本。市场中宽裕的流动性便于过度自信的投资者进行更多的噪音交易，加剧了中国市场中普遍存在的羊群行为。因此，尽管流动性水平的提高和近年来交易技术的进步促进了投资者的套利交易，但这并不足以消除由交易成本降低而引起的非理性跟风交易带来的影响，反而使错误定价更为严重，加剧了动量效应异象，扩大了交易者的套利空间。同时，从表中还可以看出控制变量DOWN的估计系数在1%的水平上显著为负，说明在市场下跌状态下动量效应产生的收益降低了，与Cooper等[14]和Daniel等[15]的研究相符。但是控制变量MKTVOL的估计系数均值1%的水平上显著为正，与Wang等[16]的研究相反，这可能是由于中国股市本身的特点导致的，中国市场羊群效应明显，投资者喜欢追逐热点，且投资期限短，因此短期内波动性较强，进而加剧了短期内的动量效应异象，提高了其投资策略的收益。除此之外，从表4中的Model4和Model7的回归结果中可以看出，当回归中存在MKTILLIQ时，控制变量会出现不显著的情况，而控制变量并不会影响MKTILLIQ的解释能力。

另外，为了结论的稳健性，本文还将做空输家组合策略的收益和做多赢家组合策略的收益作为因变量分别进行了回归，表5和表6分别给出了回归结果，可以看出MKTILLIQ的估计系数仍然均在1%的水平上显著为负，且不受控制变量的影响。综上所述，本文得到的关于动量效应收益和市场非流动性水平之间的负相关关系是稳健的。

表4 动量组合收益与市场非流动性水平

表5 输家组合收益与市场非流动性水平

表6 赢家组合收益与市场非流动性水平

3 进一步分析

3.1 考虑了流动性风险的动量策略收益和市场流动性状态

流动性水平或状态表示流动性的大小，而市场中流动性水平的变化存在不确定性，因此流动性水平偏离均值的不可预期的波动称为流动性风险。Pastor等[17]在研究中发现，将流动性风险因子加入Fama-French回归后显著地降低了动量效应产生的异常收益率；Sadka等[18]指出，由于构造动量组合时需要频繁地对投资组合进行再平衡，因此再平衡时的流动性状态的变化可能会增加交易成本，从而影响到整个策略的盈利能力；另外Asness等[19]也对动量投资组合的流动性风险进行了检验。上述研究表明流动性风险应当是动量收益率的重要影响因素之一，并且流动性风险在中国市场屡见不鲜，“踩踏事件”即是流动性水平不可预期的波动造成的后果。因此本文在研究中也考虑了流动性风险，并通过构造流动性风险中性的动量投资组合进行了进一步的检验。

3.1.1 流动性风险中性的动量投资策略的构造

首先，本文按照Amihud[7]在研究中使用的方法来衡量流动性风险：对市场总体非流动性水平MKTILLIQ的自然对数的周度数据进行一阶自回归，即AR(1)过程：

lnMKTILLIQt=c0+c1lnMKTLLIQt-1+vt

(3)

(4)

(5)

注：以上方程中所有变量均为周度数据。

从方程(3)中可以得出非流动性可预期的部分，即方程(4),以及其偏离均值的不可预期的波动，即方程(5)；然后，将方程(3)中的残差项vt作为市场非流动性因子加入Fama-French模型从而形成四因子模型，并对t-60周至t-1周的数据进行四因子模型的滚动回归，得出非流动性因子的载荷β，称为流动性风险或流动性β；最后，按照每周的流动性β排序，分为5个分位数，再分别得出到每个分位数的赢家组合和输家组合，并计算其流通市值加权周收益率，而后分别计算赢家组合和输家组合的收益率在5个流动性β分位数的等权重平均值，从而得到总体的赢家组合收益率和输家组合收益率，将二者做差后得到流动性风险中性的动量效应投资组合收益率。

3.1.2 实证结果

表7中提供了将流动性风险中性动量组合收益率作为因变量代入方程(2)回归的结果。MKTILLIQ的估计系数均在1%的水平上显著为负，且控制变量并未影响MKTILLIQ对动量组合收益的解释能力，与之前统计结果一致。由此说明在考虑了流动性风险后本文的研究结论并不会受到影响。

表7 流动性风险中性的动量组合收益与市场非流动性

3.2 考虑了时变因素风险暴露的动量策略收益和市场流动性状态

Grundy等[20]指出动量效应组合的因素风险暴露(β)是时变的，且此时变因素风险暴露为投资组合形成期内因子收益率的线性函数，随后Korajczyk等[21]在检验动量效应策略的最大头寸时将该时变因素风险纳入了研究中；Daniel等[15]对“动量崩溃”现象进行了研究，指出在市场下跌过程中动量策略的收益率曲线与卖出看涨期权的收益率曲线相似，即在市场继续下跌时会获得少量收益，而市场反弹时将遭受重大损失。作者进一步指出这是由于输家组合的风险暴露特征造成的，投资者在市场长期下跌期间通常会选择市场风险暴露较大的股票作为输家组合。由于输家组合对市场下跌的敏感性较大，因此当市场短暂地反弹时这些股票上涨幅度也较大，从而使卖空输家组合的动量交易策略遭受严重的损失，产生“动量崩溃”现象。由于中国市场波动性较大，动量投资组合的时变因素风险暴露不容忽视，因此本文进行了进一步的检验。

3.2.1 研究设计

本文按照Grundy等[20]和Korajczyk等[21]的方法，计算动量投资组合形成期内的Fama-French三因子累计收益率，分别记为MKT2W、SMB2W和HML2W，并将其与同期因子收益率MKT、SMB和HML分别进行交互后，得到如下回归方程：

WMLt=β0+β1MKTILLIQt-1+β2MKTt×MKT2Wt-2:t-1+

β3MKTt×SMB2Wt-2:t-1+β4MKTt×HML2Wt-2:t-1+

β5SMBt×MTK2Wt-2:t-1+β6SMBt×SMB2Wt-2:t-1+

β7SMBt×HML2Wt-2:t-1+β8HMLt×MKT2Wt-2:t-1+

β9HMLt×SMB2Wt-2:t-1+β10HMLt×HML2Wt-2:t-1+

β11MKTt+β12SMBt+β13HMLt+εt

(6)

注：方程(6)中所有变量均为周度数据。

本文按照Daniel等[15]的方法定义虚拟变量UPt，用来表示市场涨的状态：当t周的流通市值加权市场收益率为正时，变量取1；反之，取0。随后将UPt与表示市场过去下跌状态的虚拟变量DOWNt-1进行交互，表示市场下跌过程中的反弹。最后建立回归方程：

WMLt=β0+β1MKTILLIQt-1+β2MKTt+β3DOWNt-1+

β4DOWNt-1×MKTt+β5DOWNt-1×UPt×MKTt+εt

(7)

注：方程(7)中所有变量均为周度数据。

3.2.2 实证结果

表8中的前两列给出了方程(6)的回归结果，可以看出中国市场中的因素风险暴露存在一定程度的时变特征，但MKTILLIQ的估计系数仍然在1%的水平是显著为负；其中第3列至第6列给出了方程(7)的回归结果，可以看出MKTILLIQ的估计系数均在1%的水平是显著为负，且控制变量均不影响MKTILLIQ对因变量的解释能力。综上所述，由此说明在考虑了流动性风险后本文的研究结论并不会受到影响。

4 稳健性检验

4.1 变量构造

最后，为了进一步检验研究结论的稳健性，本文选择Corwin等[22]提出的买卖价差作为流动性的代理变量进行回归。Corwin等[22]使用股票每个交易日的最高价与最低价计算了股票的买卖价差：

(8)

(9)

(10)

(11)

其中，Ht和Lt分别为股票在交易日d的最高价和最低价，根据公式(8)至公式(11)计算股票每天的买卖价差，而后计算t周内日度买卖价差的等权重平均值，从而得到市场总体买卖价差，记为MKTSPREAD，且该指标越大说明流动性水平越低。最后将MKTSPREAD作为市场总体流动性水平的代理变量代入方程(2)中替换MKTILLIQ后进行回归：

WMLt=β0+β1MKTSPREADt-1+β2DOWNt-1+

β3MKTVOLt-1+β4MKTt+β5SMMt+β6HMLt+εt

(12)

注：方程(12)中所有变量均为周度数据。

4.2 回归结果

表9给出了方程(12)的估计结果。可以看出MKTSPREAD的估计系数在Model1和Model2中均在1%的水平上显著为负，在Model3和Model4中分别在5%和10%的水平上显著为负。总体而言，在替换了代表流动性水平的指标后，虽然各模型的回归系数和t值略有变化，但显著性没有实质改变，与之前统计结果一致，进一步说明前文结论是稳定的。

表9 动量组合收益与市场总体买卖价差

5 结论

本文以中国市场为例，对资本市场中流动性与套利交易盈利的关系进行了研究，通过选取中证800指数成分股作为样本，从实证的角度对该问题进行了研究。按照以往文献中所说，市场中的流动性状态体现了套利交易的实行难度，当市场中流动性充裕时，套利者的交易成本降低，激励了更多针对市场异象的套利交易，随着套利交易的进行市场异象能够产生的收益率也越来越低，因此在理论上，流动性水平应当与套利交易的盈利成负相关。但是本文通过一系列分析证明，上述结论在中国资本市场的表现与发达国家成熟市场截然不同，流动性状态与套利交易盈利成显著正相关。

本文研究发现，由于中国股市中存在明显的“羊群行为”，因此市场中充足的流动性也降低了非理性投资者的交易成本，刺激了投资者的跟风交易行为，错误的定价无法被有效地纠正，反而加剧了动量效应异象并扩大了其中的套利空间，从而提高了套利交易的预期盈利能力。并且，在控制了动量投资组合的流动性风险和时变因素风险以及替换了非流动性衡量指标后本文的研究结论仍然稳健。

本文结论对未来的研究具有以下两方面的启示。一方面，本文的研究对一系列解释市场异象的文献进行了补充，从宽裕的流动性会降低非理性投资者的交易成本从而助长其跟风交易的视角解释了动量效应的产生原因。另一方面，本文证明了对于中国这样的发展中国家资本市场，套利交易无法有效地纠正市场中的错误定价。上述现象反映了中国资本市场仍然不够成熟，也为监管层今后的政策改革指明了方向。

综上所述，中国资本市场监管层应继续丰富市场中的资产类别，大力发展交易技术并完善相应的交易机制，如开通个股期权、开放T+0交易、应用高速网络和普及算法交易等，从技术上支持投资者的套利交易。同时，还可以适当增加可做空的标的股票，降低保证金，从而进一步弱化套利限制。最后，应当加强对投资者的引导，提高信息披露的透明度，令投资者充分了解公司的基本面状况，减少由于流动性水平提高而带来的盲目跟风交易，使套利交易能够更有效地发挥纠正错误定价的作用，进而促进中国资本市场的健康发展。