中国股市行业动量效应研究

中国股市基于成交量的价格动量策略
肖峻;陈伟忠;王宇熹
【期刊名称】《同济大学学报（自然科学版）》
【年(卷),期】2006(034)008
【摘要】根据1999年Hong和Stein信息逐渐扩散的行为模型,构建了中国股市基于成交量的价格动量策略.结果表明,低成交量组合中存在着显著的中期动量,并且持有低成交量赢者组合,明显能够战胜市场组合.成交量包含未来股价走势的重要信息,能够测度私有信息的扩散速度及动量交易的规模.传统风险因子对策略收益缺乏解释力,与信息逐渐扩散模型假设相一致,私有信息或公司特有信息的缓慢扩散,造成股价对信息反应不足,从而产生了价格动量.此外,由于信息不对称引发的股价操纵行为,对价格动量也具有一定解释力.
【总页数】5页(P1126-1130)
【作者】肖峻;陈伟忠;王宇熹
【作者单位】同济大学,经济与管理学院,上海,200092;江西财经大学,金融学院,江西,南昌,330013;同济大学,经济与管理学院,上海,200092;同济大学,经济与管理学院,上海,200092
【正文语种】中文
【中图分类】TP830.91
【相关文献】
1.中国股市动量策略和反转策略的实证分析 [J], 张强;杨淑娥;戴耀华
2.基于成交量的新兴产业股票动量效应研究 [J], 骆桦;李宁
3.基于中国股市的动量策略和反转策略盈利性研究 [J], 吴凌凌
4.中国股市动量策略和反向策略投资绩效之实证研究 [J], 林松立;唐旭
5.中国股市波动与成交量动态关系研究——基于分位数回归的角度 [J], 李丹;董玲因版权原因，仅展示原文概要，查看原文内容请购买。

中国股票市场羊群效应实证分析摘要：羊群效应是指投资群体中的个体在做出决策时，往往会受到他人的影响，从而实行与其他群体成员相似的行动。

本文通过对中国股票市场的实证分析，探讨了羊群效应的存在以及其对市场价格的影响。

探究发现，在中国股票市场存在明显的羊群效应，表现为投资者在股票买卖决策中屡屡受到他人的影响，导致市场价格的波动与集中。

关键词：羊群效应，中国股票市场，投资者行为，市场价格第一章引言1.1 探究背景中国股票市场经历了近几十年的快速进步，成为全球最大的股票市场之一。

然而，在中国股票市场中，投资者普遍存在羊群效应的现象，即投资者往往会受到他人的行为和意见的影响，从而实行与他人相似的投资决策。

羊群效应对市场价格的波动和集中产生了重要的影响。

因此，对中国股票市场的羊群效应进行实证分析，可以更好地理解投资者行为和市场价格的形成机制。

1.2 探究目标本文旨在通过实证分析，探讨中国股票市场中的羊群效应是否存在以及其对市场价格的影响。

详尽而言，本文将从投资者行为的角度出发，通过对市场价格、来往量等指标的统计分析，来验证羊群效应的存在，并进一步探讨羊群效应对市场价格的影响程度。

基于实证分析的结果，可以对中国股票市场的投资者行为进行深度探究，为投资者提供更科学的投资建议。

第二章羊群效应的理论基础2.1 羊群效应的观点及特点羊群效应最早由美国心理学家摩顿·比格曼（Morton Deutschman）提出，指在面对不确定的状况下，个体往往会倾向于仿效他人的行为，以求降低风险和增加得到信息的准确性。

羊群效应的特点包括信息不对称、风险厌恶以及社会认同需求等。

2.2 羊群效应与股票市场股票市场是一个充盈不确定性的市场，投资者缺乏完全准确的信息。

在这种状况下，投资者容易受到他人的影响，实行与他人相似的投资行动。

羊群效应在股票市场中表现为市场价格的波动与集中，同时也会影响来往量的变化。

第三章中国股票市场的羊群效应实证分析3.1 数据来源和处理本文选取了中国股票市场的A股市场作为探究对象，使用了2005年至2020年的日来往数据进行分析。

中国股票市场反应不足和反应过度的实证研究【摘要】股票市场的过度反应是指某一事件（财务报告、消息或政策出台）引起股票价格的变化超出预期合理水平的现象。

“反应不足”现象是与“反应过度”相互对立的，当市场上有重大的消息时，股价波动平平。

文章针对中国股票市场反应不足和反应过度进行实证研究，先分析反应不足和反应过度是否存在，然后分析其成因。

【关键词】反应不足反应过度动量效应反转效应一、中国股票市场反应不足和反应过度的存在性本文选用的数据来自色诺芬数据库，即中国经济研究中心（ccer）数据库。

选用2001年1月到2008年12月在沪深两地上市的全部a 股的月度交易数据，包括复权调整后的月收盘价、复权调整后不考虑分红的月回报率、市盈率、a股流通市值以及换手率等数据。

进行数据处理时截掉了s、st、pt以及数据不连续的上市公司的数据，最后剩下452只符合要求的股票。

先将每一只股票在形成期内的月平均收益率由高到低进行排序，选取月平均收益率在前10%的股票组合确定为赢家组合，月平均收益率在后10%的股票组合确定为输家组合，因此赢家组合和输家组合的股票数都为n=45只。

实证结果显示，在形成期小于6个月，检验期小于6个月的交叉组合下，赢家组合和输家组合收益率的差值明显为负值，说明形成期内的赢家组合在检验期内变为输家组合，形成期内的输家组合在检验期内变为赢家组合，收益率发生了反转，这说明我国股票市场在较短的形成期和检验期交叉组合下有较明显的反应过度现象。

在形成期为6到12个月，检验期为25到30个月的交叉组合下，赢家组合和输家组合也明显为负值，收益率发生了反转，但是反转效应比短期（形成期和检验期都小于6个月）要小得多。

随着持有期的延长，到了36个月之后，赢家组合和输家组合收益率差值都为正值，初步说明我国股票市场在短期内（半年内）存在比较明显的反应过度现象，在中长期内（两年以上）没有反应过度现象，而是表现出反应不足。

二、中国股票市场反应不足和反应过度的成因（一）规模效应小公司相对于大公司而言，流通市值比较低，容易被重组和炒作，使投资者获得较高超额收益率。

中国股票市场羊群效应实证分析中国股票市场羊群效应实证分析引言羊群效应是指在投资中，投资者往往会跟随大多数人的行为，而不是根据自己的判断进行投资决策。

这种行为模式在中国股票市场中十分普遍，对市场的价格形成和波动产生着重要影响。

本文将对中国股票市场羊群效应进行实证分析，以揭示其存在的原因和影响。

一、羊群效应在中国股票市场中的表现中国股票市场羊群效应的表现可从以下几个方面进行分析。

1. 投资者情绪的传导中国股票市场的投资者往往受到媒体、网络等各种信息渠道的影响，特别是投资人气旺盛的个股更容易受到关注和追捧。

一旦某只股票或板块出现炒作，投资者情绪会迅速传导，并引发更多投资者的跟风行为，形成羊群效应。

2. 少数投资者的操纵中国股票市场中存在一些少数投资者或机构通过散布虚假信息、做多或做空等手段来操纵市场。

这些投资者或机构的行为会引导其他投资者的行为，形成羊群效应。

3. 信息不对称中国股票市场中信息不对称的情况比较普遍。

少数投资者或机构通过掌握更多的信息，能够提前预知市场的走势，从而引导其他投资者跟随行动。

二、羊群效应存在的原因羊群效应能在中国股票市场中存在和蔓延，主要有以下几个原因。

1. 投资者心理因素中国股票市场的绝大多数投资者是散户投资者，他们对市场的了解程度和分析能力相对较低，更容易受到情绪和其他投资者行为的影响。

在面对市场的波动时，投资者更愿意跟随其他人的决策，通过“跟风”来减少风险。

2. 过度关注短期收益中国股票市场中，很多投资者过度关注短期收益，而不是从长期的投资价值考虑。

当某只股票或板块出现上涨势头时，投资者往往只追求短期的高额收益，而忽视了基本面的分析。

3. 信息不对称中国股票市场中信息不对称的问题是造成羊群效应的重要原因之一。

由于少数人对市场信息的掌握程度较高，而大部分投资者缺乏必要的信息渠道，市场上的信息不对称进一步加深了羊群效应。

三、羊群效应对中国股票市场的影响羊群效应在中国股票市场中产生了一系列的影响。

Behavioral finance interpretation of momentum
effect
作者： 陈蓉[1];陈焕华[1];郑振龙[1]
作者机构： [1]厦门大学金融系,厦门361005
出版物刊名： 系统工程理论与实践
页码： 613-622页
年卷期： 2014年 第3期
主题词： 动量效应;行为金融;前景理论;锚定偏误;处置效应;相对股价动量
摘要：动量效应为何长期广泛存在，是传统金融理论和行为金融理论争论的焦点．本文针对中国股市的特性，基于行为金融理论下的锚定偏误与处置效应构建了两种“相对股价动量”组合，并研究了这些“股价动量”与传统动量的关系．结果表明：控制传统动量效应和系统性风险之后，股价动量组合的收益仍然显著为正；在控制了股价动量效应后，传统的动量效应不再明显；在考虑交易成本之后，动量收益不显著．这说明，“锚定偏误”和“处置效应”是导致我国股市动量效应的重要原因，交易成本则阻碍了套利行为的进行．。

第２３卷　第５期２０１５年 ５月 中国管理科学Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｎａｇｅｍｅｎｔ　Ｓｃｉｅｎｃｅ Ｖｏｌ．２３，Ｎｏ．５Ｍａｙ，　２０１５文章编号：１００３－２０７（２０１５）０５－００３２－０９ＤＯＩ：１０．１６３８１／ｊ．ｃｎｋｉ．ｉｓｓｎ１００３－２０７ｘ．２０１５．０５．００５基于注意力传染机制的股市动量与反转模型研究彭叠峰，饶育蕾，雷湘媛（中南大学商学院，湖南长沙　４１００８３）摘　要：针对我国股市参与程度低，投资者非理性以及股价暴涨暴跌的基本事实，本文在一个简单的定价模型中刻画了新投资者参与市场背后的注意力传染机制，发现投资者关注在资产价格形成过程中扮演双重角色：一方面投资者的有限关注导致价格对信息反应不足，引起收益动量；另一方面，关注投资者通过注意力传染机制诱导无经验的正反馈交易者进入市场，导致收益反转。

因此，注意力传染机制的引入合理地解释了股票动量效应与反转效应并存的事实，对于理解在成熟市场与新兴市场中投资者关注定价效应的差异具有重要意义。

关键词：投资者关注；社会传染；有限市场参与；动量效应；反转效应中图分类号：Ｆ８３０．９１ 文献标识码：Ａ收稿日期：２０１３－０５－１３；修订日期：２０１４－０１－０２基金项目：国家自然科学基金资助项目（７１３０１１６９，７１３７２０６３）作者简介：彭叠峰（１９８５－），男（汉族），湖南双峰人，中南大学商学院讲师，研究方向：资产定价．１　引言从２００６年到２００８年，中国股市经历了有史以来最为壮观的牛熊交替。

２００５年下半年，上证指数从１０００点附近一路上攻，于２００７年１０月１６日创下６１２４点的历史最高记录，随后经历整整一年的暴跌，于２００８年１０月２８日收盘于１６６５点。

Ａｎｄｒａｄｅ等［１］认为０７年的中国股市具有泡沫的典型特征：股价先涨后跌、巨额成交量以及新投资者的大量涌入。

从２００６年１月到２００８年１０月的３４个月内，前２２个月的牛市行情中上证指数收益率有１９个月为正，均值高达８％。

动量交易策略的原理动量交易策略的原理动量交易策略是一种基于市场趋势的交易策略，其核心原理是利用股票价格的历史走势来预测未来的价格走势，并据此进行买卖操作。

该策略认为，市场上存在着一定的惯性效应，即股票价格在短时间内往往会延续其过去的涨跌趋势。

一、动量交易策略的基本思想动量交易策略是建立在“趋势存在”这一基本假设之上的。

它认为，股票价格并不是随机波动的，而是存在着一定程度的趋势性。

这种趋势可以分为长期趋势和短期趋势两种。

长期趋势通常由宏观经济因素所决定，而短期趋势则主要受到市场情绪和资金流向等因素的影响。

根据这种思想，动量交易策略通过分析股票价格的历史走势，找出其中具有明显上涨或下跌趋势的股票，并在其价格进一步上涨或下跌时进行买入或卖出操作。

这种策略的核心是“跟随趋势”，即在股票价格上升时买入，在股票价格下跌时卖出。

二、动量交易策略的实现方法动量交易策略的实现方法主要有两种：一种是基于技术分析，另一种是基于基本面分析。

1. 基于技术分析基于技术分析的动量交易策略主要利用各种技术指标来分析股票价格的历史走势，以确定其是否存在上涨或下跌趋势。

常用的技术指标包括移动平均线、相对强弱指数（RSI）、随机指标（KD）等。

移动平均线是最为常见的技术指标之一，它可以反映出股票价格短期和长期趋势的变化。

当短期移动平均线从下向上穿过长期移动平均线时，通常意味着股票价格正在上涨；反之，则意味着股票价格正在下跌。

相对强弱指数（RSI）和随机指标（KD）则可以反映出市场情绪和超买超卖程度。

当RSI或KD达到一定水平时，通常意味着股票价格已经超买或超卖，此时可能会出现价格反转的机会。

2. 基于基本面分析基于基本面分析的动量交易策略则主要利用股票的基本面数据来预测其未来的价格走势。

常用的基本面数据包括公司财务报表、行业市场环境、政策法规等。

例如，如果某家公司近期业绩不断提升，同时所处行业市场也呈现出良好的发展前景，那么其股票价格很可能会继续上涨。

NANKAI ECONOMIC STUDIESNo.1 2021DOI:10.14116/j.nkes.2021.01.006 85中国股市的短期反转与长期反转 ——经验事实、理论模型与实验仿真贺京同 贺 坤 赵子沐 郑为夷*摘 要：根据我国股市的经验事实与实证分析，发现不同于欧美股市的短期动量效应与长期反转效应，中国股市在短期与长期皆存在显著的反转效应特征；而依据市场设计理论，价格机制不可能脱离文化、习俗、制度等市场环境单独发挥作用。

在此事实基础上，本文引入自谦归因偏向修正了Daniel 等人(1998)模型中不符合中国投资者行为特征的假设，构建了符合中国股市的模型。

仿真实验表明，在过度自信与自谦归因偏向假设下，经过短暂的过度反应后，股票收益自相关函数在短期与长期皆为负值，这与经验事实、实证研究和市场设计理论是相符的；此外，股票收益短期自相关函数绝对值，即短期反转效应水平，与投资者受自谦归因偏向影响程度呈正向关系。

关键词：行为金融；反转效应；市场设计；自谦归因；DHS 模型一、引 言现代金融研究的一个普遍共识是股票收益存在一定程度的可预测性，并有大量文献提供了相关证据。

这其中，两类重要的现象就是股票收益的动量与反转效应，围绕二者开展了大量的实证检验和形成机理研究，直接推动了证券市场微观理论及行为金融理论的发展。

所谓动量效应，是指前期收益率较高的股票在未来仍然会保持较高的收益率，而前期收益率低的股票在未来会继续表现不佳。

若存在动量效应，那么通过买进以往表现好的股票组合而卖出以往表现较差的股票组合，即采用动量投资策略，能够获得超额收益。

与之相对，股票收益的反转效应是指前期收益率低的股票在未来会有较高收益率，而前期收益率高的股票则在未来表现不佳。

同理，若存在反转效应，那么采用反转效应投资策略，买入过去表现较差的股票组合而卖出过去表现较好的股票组合，能够获得超额收益。

早期国外有关二者的实证与理论研究大多以欧美股市为基础，* 贺京同，南开大学经济学院(邮编：300071)，E-mail ：hjt@nankai ；贺 坤，南开大学经济学院(邮编：300071)，E-mail ：****************；赵子沐，南开大学经济学院(邮编：300071)，E-mail ：zzm1106@foxmail .com ；郑为夷，中国工商银行天津分行(邮编：300074)，E-mail ：****************。

基于动量交易法则的量化策略摘要中国证券市场历经三十多年的发展，从无到有、从小到大，制度不断完善、产品不断创新，伴随计算机技术的飞速发展，近年来量化投资已经成为了市场主流的投资方式。

量化投资相对于传统投资具有系统性、规范性、准确性、收益稳定性等投资优势。

无论是在2008年的金融危机，还是2015年我国的股灾，量化投资都较好的弥补了投资者贪婪、恐惧和迟疑等人性的弱点，具有更少的主观情绪，更多的理性交易，拥有着持续稳定的盈利能力。

本文借鉴动量交易思想，在聚宽平台设计量化投资策略，实现策略的程序化自动交易，并通过筛选沪深300成分股进行策略回测。

根据我国市场环境和国情，分别对策略入市、持仓组合、组合再平衡等参数进行测试和优化，最后得到了较为稳定的收益率曲线，对于量化投资策略的研究提供一定的参考与借鉴作用。

关键词：量化投资，动量交易，量化策略第1章引言量化投资是指随着计算机信息技术的发展，投资者通过将数学模型转化为计算机代码形成交易系统来代替人工进行交易的一种投资方式；利用计算机技术从庞大的历史数据中海选出能带来超额收益的多种“大概率”事件，制定并优化出对自己有利的投资策略。

量化投资目前已经成为证券、期货、银行等金融行业最热门的领域之一，越来越受到个人投资者和机构投资者追捧。

相对于传统的投资，量化投资具有系统性、规范性、客观性、收益稳定性等投资优势。

在近些年来的金融大事件中总能捕获市场潜在的投资机会，以一种更加客观、公正且理性的投资方式逐步登上投资领域的舞台。

在2008年的金融危机中，无论个人还是机构投资者都难以幸免，然而美国著名的量化投资基金大奖章基金，却仍然保持着接近80%获利。

2015年，中国股市经历大幅度上涨、断崖式下跌，但其中有一部分的量化基金在这大幅波动的行情中仍旧保持相对稳定的收益；同样在2016年熔断之年，大部分的量化基金实现了正的收益。

可见，量化投资正以其低回撤、稳健收益的特点慢慢获得了市场的认可，并逐渐成为银行、基金、券商等投资机构的主流投资方式。

中国股票市场羊群效应的实证研究中国股票市场羊群效应的实证研究引言羊群效应是指在投资决策中，个体倾向于跟随群体中其他投资者的行为，而不是理性地进行分析和判断。

羊群效应是金融市场中的一种行为现象，尤其在中国股票市场中普遍存在。

本文旨在通过实证研究，探讨中国股票市场中羊群效应的存在与影响因素。

一、羊群效应存在的实证证据1.1 交易量与股价涨跌研究发现，羊群效应常常在股票价格的大涨和大跌时出现。

当市场上开始出现明显的价格涨势时，一些投资者会跟从其他投资者的买入行为，从而进一步推高股票价格。

同样地，在市场下跌期间，一些投资者也会迅速跟从市场主流，抛售股票，导致更大的下跌。

1.2 媒体报道的影响媒体报道可以对投资者的决策产生重要影响，尤其是在股市大幅波动时。

研究表明，媒体对市场的评论和预测往往成为投资者决策的参考依据。

当媒体普遍报道股票上涨时，更多的投资者会跟从市场进行买入操作，形成羊群效应。

同样地，当媒体普遍报道股票下跌时，羊群效应也会在市场中出现。

1.3 投资者的心理偏向研究表明，投资者的心理偏向也是导致羊群效应出现的原因之一。

投资者渴望从市场中获取高额回报，并且往往将市场上的涨跌视为自己投资决策的依据。

当群体中的投资者开始相信某只股票将会上涨时，其他投资者也会不加思考地追随买入，从而形成羊群效应。

类似地，当投资者普遍预测股票将会下跌时，其他投资者也会跟从抛售，进一步加重了市场的下跌。

二、羊群效应的影响因素2.1 信息不对称信息不对称是导致羊群效应的重要原因之一。

在中国股票市场中，由于信息披露制度的不完善和投资者信息获取渠道不均等，造成了市场上信息不对称的现象。

一些大股东或内部人士可能获得了市场上重要的非公开信息，而其他投资者无法准确得知。

在这种情况下，投资者更容易受到市场主流行为的影响，形成羊群效应。

2.2 投资者风险厌恶程度投资者的风险厌恶程度也会影响羊群效应的形成。

在中国股票市场中，由于投资者普遍存在较高的风险厌恶心理，很多投资者会倾向于跟从他人的行为，以分散自己的风险。

第7卷第4期2020年12月经济学报China Journal of Economics Vol.7,No.4:64-87December 2020中国A 股的隔夜-日内反转效应曲荣华1㊀刘扬21曲荣华,中国人民大学财政金融学院博士研究生,E-mail :quronghua@ ㊂2刘扬(通讯作者),清华大学经济管理学院博士研究生,E-mail :liuy9.15@ ㊂㊀㊀摘㊀要㊀基于2000年至2018年的个股日度数据,本文发现中国A 股存在显著的隔夜-日内反转效应,即隔夜收益率更低(高)的股票,在当日将获得更高(低)的日内收益率㊂区别于基于收盘价收益率的传统反转效应,该效应具有更优异的多空策略表现:日度收益率高达1.12%,年化夏普率为18.02㊂在控制了公司规模㊁账面市值比等特征以及经典的风险因子之后,其策略表现仍具有稳健性㊂进一步实证分析发现,该效应不仅随股票非流动性的加剧而增强,还随个股卖空限制的增强以及散户持股比例的提高而增强,这说明流动性溢价和投资者情绪是其背后的主导因素㊂本文的研究不仅为理解股票定价机制提供了更微观的新视角,也具有较强的投资实践价值㊂关键词㊀隔夜-日内反转;横截面收益率;流动性;投资者情绪0㊀引言历史收益率对未来收益率的预测关系是资产定价领域的一大热门研究话题㊂国外学者在美国及其他西方发达股市发现了三大经典的横截面效应,即短期月度反转(Lehmann ,1990)㊁中期年度动量(Jegadeesh and Titman ,1993),以及长期三年至五年的反转(De Bondt and Thaler ,1985)㊂而在中国股市,文献普遍认为A 股不存在传统的中期动量效应,但存在反转效应和超短期的动量效应(王永宏和赵学军,2001;潘莉和徐建国,2011)㊂这些研究不仅对学界的有效市场假说提出了挑战,对业界的投资实践也具有重要的指导作用㊂值得注意的是,上述文献都是研究传统的收盘价收益率,鲜有文献探讨开盘价的影响㊂以开盘为分界点,市场可以分为隔夜区间(昨收盘至今开盘)和日内区间(今开盘至今收盘),而传统收益率也可以对应地分解为隔夜收益率和日内收益率㊂考虑到隔夜市场和日内市场在流动性㊁信息披露等方面具有的不同特征(Barclay㊀第7卷第4期㊀㊀㊀㊀㊀曲荣华㊀刘扬:中国A股的隔夜-日内反转效应㊀㊀and Hendershott,2003,2004),一个有趣的问题是,隔夜及日内收益率是否会表现出异于传统收盘价收益率的规律?更重要的是,他们能否反映被已有研究所忽视的定价机制?基于2000年至2018年的个股日度数据,本文对中国A股的隔夜㊁日内收益率进行了实证分析,主要有以下四点发现:第一,中国A股市场存在着显著的隔夜-日内反转效应,即隔夜收益率更低(高)的股票,平均而言将在当天获得更高(低)的日内收益率㊂其对应的多空策略在经济和统计意义上都获得了不俗的表现:日度收益率为1.12%,t-stat更是高达50.98,远远超过日内动量策略(0.04%,t-stat:3.01)和传统的基于收盘价的超短期日度动量策略(0.41%, t-stat:16.40)㊂第二,隔夜-日内反转效应不仅区别于传统的月度反转效应,而且不能被标准的风险因子模型所解释㊂具体而言,本文构造了基于日内收益率的因子模型,包括CAPM㊁Liu et al.(2019)针对中国股市所提出的三因子和四因子模型以及加入了传统短期反转因子的五因子模型㊂隔夜-日内反转策略在上述所有的因子模型下都获得了超过1%且高度显著的日度alpha㊂第三,利用双变量排序和Fama and MacBeth(1973)回归来控制其他对未来收益率有预测作用的公司特征,比如市值㊁账面市值比和换手率等,隔夜收益率对于日内收益率的负向预测能力仍然显著存在,说明隔夜收益率反映了独立于这些公司特征之外的预测信息㊂第四,更为重要的是,本文从流动性溢价和投资者情绪两个角度,深入探讨了隔夜-日内反转效应背后的经济原因㊂从流动性的角度,相比于日内区间,市场在隔夜状态下的交易活跃度极低(Barclay and Hendershott,2003,2004)㊂与此同时,市场在开盘时表现出的高波动性也会限制金融中介提供流动性的功能(Gromb and Vayanos,2002;Brunnermeier and Pedersen,2009)㊂特别地,考虑到中国股市散户比例高㊁波动性大的特点,流动性提供者在开盘时往往面临着较大的风险,所以对于隔夜收益率的输家股票这样一些卖出压力大的股票,其会要求一个更高的溢价补偿才愿意提供流动性㊂对应地,本文发现隔夜-日内反转效应在流动性不足的股票中,即Amihud(2002)非流动性指标较高以及交易量较低的股票中,表现更强烈㊂这说明隔夜-日内反转效应反映了市场对于流动性提供者所做出的溢价补偿㊂此外,从投资者情绪的角度,如果隔夜-日内反转效应反映了由投资者乐观情绪引起的对赢家组合的高估定价偏差,那么这一效应会随着个股卖空限制的增强而变强㊂对应地,本文发现相对于支持融资融券业务的股票,隔夜-日内反转效应在不支持融资融券的股票中表现更强烈㊂与此同时,在支持融资融券的股票中,该效应也随着股票卖空强度的减弱,即随着卖空限制的增强而增强㊂最后,对比机构投资者,散户更容易受情绪的影响㊂对应地,本文也发现隔夜-日内反转效应随着散户持股比例的上升而增强㊂上56㊀㊀㊀经济学报㊀2020年12月述证据说明投资者情绪是隔夜-日内反转效应背后的另一驱动因素㊂本文的创新和贡献在于:第一,区别于传统的收盘价收益率研究,本文首次在A股的日度数据上对横截面收益率的隔夜-日内反转效应进行了检验,这为深入理解收益率规律提供了新的微观视角㊂第二,通过与传统收盘价收益率下的动量及反转效应进行对比分析,本文一方面验证了已有文献的结论,另一方面发现隔夜-日内反转效应不能被经典的短期反转效应所解释,而且其在经济意义和统计显著性上都远强于传统效应㊂第三,本文从流动性溢价和投资者情绪两个角度,对隔夜-日内反转效应的经济原因进行了系统性的探讨㊂在已有文献中,关于流动性和投资者情绪对股票定价影响的研究大多侧重于分析月度横截面数据或者市场收益率,鲜有文献从日内层面探究这两个因素对横截面收益率的影响㊂因此,本文填补了这方面的研究空白,对于深入理解流动性和市场情绪在股票定价机制中所发挥的作用具有重要意义㊂第四,隔夜-日内反转策略具有极高的收益率和夏普比率,因而对于投资实践具有较强的指导意义㊂在我国股市现行的 T+1 制度下,虽然普通散户难以利用该策略进行投资,但是分散化持股的机构交易者可以通过灵活的底仓管理利用该策略指导投资㊂这不仅有利于修正投资者乐观情绪引起的定价误差,增强市场的有效性,也有助于提升市场的流动性,降低风险㊂与此同时,随着A股机构化程度的提升以及 T+0 改革的不断推进,隔夜-日内策略的实用价值也将得到提升㊂本文的后续安排如下:第1部分回顾了相关文献,第2部分介绍了研究方法和数据,第3部分展示了主要的实证结论,第4部分探究了隔夜-日内反转效应背后的经济原因,第5部分检验了结果的稳健性,第6部分对全文进行了总结㊂1㊀文献回顾针对股票历史收益率对未来收益率的影响,国内外学者进行了大量研究㊂西方文献在美国股市中率先发现历史回报对未来收益率的预测模式随着投资期限而发生变化,并呈现出三大著名的横截面效应:一个月的短期反转效应(Lehmann,1990;Lo and MacKinlay,1990)㊁过去二个月到十二个月的中期动量效应(Jegadeesh and Titman,1993),以及过去三年至五年的长期反转效应(De Bondt and Thaler,1985)㊂从全球的视角,大量研究显示动量效应在除日本以外的其他欧美成熟股市也都显著存在(Rouwenhorst,1998;Fama and French, 2012)㊂而针对其他的资产类别,Asness et al.(2013)在欧美成熟市场的外汇㊁政府债券㊁商品期货以及股指期货上,也都发现了显著的动量效应㊂不同于传统动量效应在欧美成熟市场广泛存在的普遍结论,动量效应在中66㊀第7卷第4期㊀㊀㊀㊀㊀曲荣华㊀刘扬:中国A股的隔夜-日内反转效应㊀㊀国A股的检验结果则存在争议㊂在传统的中期月度频率下,绝大部分文献,比如王永宏和赵学军(2001),发现A股没有显著的动量效应㊂得到类似结论的还有马超群和张浩(2005)㊁郭磊等(2007)㊁Li et al.(2010)㊁Cheema and Nartea (2014)和Cakici et al.(2017)㊂特别地,在剔除了小市值壳资源的公司之后, Liu et al.(2019)同样发现中国A股不存在传统的中期动量效应,但存在显著的短期反转效应㊂而可能由于样本区间的不同,有少部分文献(徐信忠和郑纯毅, 2006;王甜甜和郭朋,2014)检测到了中期动量效应的存在㊂另一方面,区别于中期动量众说纷纭的结果,已有文献普遍认为A股存在月内超短期的动量效应㊂比如,朱战宇等(2003)在周度频率上发现了显著的动量效应,而潘莉和徐建国(2011)也在日度及周度频率检测到了超短期动量效应㊂与此同时,学界对传统反转效应在A股的存在性也达成了较为一致的结论㊂鲁臻和邹恒甫(2007)在中国股市发现了短期和长期的反转效应㊂从投资者的非持续性过度自信模式出发,何诚颖等(2014)发现中国股市表现出独特的中期反转效应㊂类似地,潘莉和徐建国(2011)发现A股个股收益率在多个时间频率上都表现出明显的反转效应㊂总结上述文献,学界普遍认为中国股市的反转效应要强于动量效应㊂此外,虽然传统的中期动量效应并不显著,但中国A 股存在月内的超短期动量效应㊂上述文献主要利用月度等中低频数据来分析传统的收盘价收益率㊂近年来,国内外学者开始研究更高频的数据,并通过对隔夜区间和日内区间的区分,将收盘价收益率分解为隔夜收益率和日内收益率进行研究㊂这不仅为探索收益率规律提供了更微观的新视角,对于深入理解不同市场状态下的股票定价机制也具有重要意义㊂在横截面层面,从投资者异质性的角度,Lou et al.(2019)认为不同类型的投资者会倾向于在不同的区间交易,所以隔夜㊁日内收益率反映了不同投资者的需求㊂对应地,其在美国股市发现,各类投资者的行为连续性使得隔夜及日内收益率分别表现出持续性高达数年的横截面动量效应,而不同投资者之间的力量拉扯则引起了隔夜和日内收益率之间的反转效应㊂此外, Corte et al.(2015)在其他西方股市和股指期货㊁外汇期货以及商品期货等期货市场上,也发现了类似的隔夜-日内反转效应㊂借鉴上述思路,白颢睿等(2020)发现在中国A股,日内收益率和隔夜收益率在月度频率上均表现出横截面的动量效应,但两者的相反作用相互抵消,从而解释了中国股市的传统动量效应消失之谜㊂与此同时,Hendershott(2020)在美国及全球股市中发现隔夜收益率与股票的beta系数正相关,而日内收益率与beta负相关㊂值得注意的是,区别于其他市场(比如H股),张兵(2019)发现我国A股市场表现出隔夜收益率为负的独特现象㊂从期权的角度,Bai(2020)认为在 T+1 的交易制度下,相对于t 日开盘价,t-1日收盘价嵌入了回溯最大卖出期权㊂因而,中国A股的负隔夜收76㊀㊀㊀经济学报㊀2020年12月益率反映了这一特殊期权的价值㊂在时间序列层面,Gao et al.(2018)基于S&P500指数的高频数据发现了日内动量效应,即市场开盘半小时的收益率可以正向预测最后半小时的收益率㊂借鉴上述方法,Zhang et al.(2019)利用上证综指的高频数据检验了中国股市的日内时间序列动量效应,发现第一个半小时的市场回报可以显著预测最后半小时的回报,同时早上的市场收益率也能显著预测下午的收益率㊂Chu et al. (2019)发现除了上述首尾半小时收益率之间的日内动量效应,中国A股的市场收益率还存在第一个和第二个半小时收益率之间的日内反转效应㊂Jin et al. (2020)将研究标的拓展至期货,并在中国市场的钢㊁铜㊁大豆和豆粕这四个期货合约上发现了类似的日内时间序列动量效应㊂而基于文本分析等新方法,尹海员和吴兴颖(2019)构建了日内高频情绪指标,并发现投资者情绪能够正向预测市场(上证指数)收益率㊂梳理上述文献,可以发现针对A股的研究存在下述局限性㊂首先,已有文献主要集中于检验传统收盘价收益率框架下的动量及反转效应,以及探讨为何传统的中期动量效应在中国A股并不显著㊂第二,大部分研究侧重于检验各个效应的实证表现,鲜有文献对各种效应背后的经济原因进行系统性的研究㊂第三,针对隔夜㊁日内收益率,已有文献虽有一定的探讨,但主要侧重于时间序列维度的分析,缺乏横截面层面的深入研究㊂特别地,已有文献对日度频率下的隔夜㊁日内收益率横截面规律的检验以及对其经济解释的探索尚为空白㊂2㊀方法与数据2.1㊀策略构建㊀㊀假定r F i,t-1和r H i,t分别为股票i在策略形成期(formation)与策略持有期(Holding)的收益率㊂考虑以w i,t-1为个股权重的自融资组合:w i,t-1=-1N r F i,t-1- r F t-1()(1)其中, r F t-1=N-1ðN i=1r F i,t-1,N为股票数目㊂从构造上,该策略是一个反转策略:其卖空策略形成期的赢家,买入策略形成期的输家㊂同时,ðN i=1w i,t-1=0,这说明该投资组合为自融资策略㊂借鉴Lehmann(1990)和Nagel(2012),假定多㊁空头寸的保证金均为50%,则这个策略的持有期收益率r p,t为:r p,t=ðN i=1w i,t-1r H i,td t-1/2(2)86㊀第7卷第4期㊀㊀㊀㊀㊀曲荣华㊀刘扬:中国A股的隔夜-日内反转效应㊀㊀其中,d t-1=ðN i=1w i,t-1为策略形成期在多㊁空头寸的资金投入①㊂通过设置不同的策略形成期及持有期收益率,本文可以检验不同的投资策略㊂如果对应的策略收益率r p,t为正,则说明该策略捕捉了横截面收益率的反转效应;反之,如果r p,t为负,该策略则反映了动量效应㊂本文主要关注下述三个区间段的收益率:r cc i,t为股票i基于t-1日及t日收盘价所计算的传统日度收盘价收益率;r co i,t为基于t-1日收盘价及t日开盘价所计算的隔夜收益率;r oc i,t为基于t日开盘价和t日收盘价所计算的日内收益率㊂因而,r cc i,t约等于r co i,t加r oc i,t㊂对应地,本文着重检验表1中的三个日度策略㊂CC-CC策略为基于收盘价来计算形成期和持有期收益率的传统策略㊂将收盘价收益率拆分为隔夜收益率与日内收益率,本文进一步检验下述两种隔夜及日内策略㊂由于日内区间为主要的交易区间,本文主要关注以日内收益率作为持有期收益率的策略㊂具体而言,OC-OC策略为日内-日内策略,其形成期和持有期收益率分别为t-1天和t天的日内收益率㊂与之相对,CO-OC策略是隔夜-日内策略,其形成期收益率为t天的隔夜收益率,持有期收益率为t天的日内收益率②㊂表1　策略构建方法策略形成期收益率(r F i,t-1)持有期收益率(r H i,t)CC-CC r cc i,t-1=P c i,t-1P ci,t-2-1r cc i,t=P c i,t P ci,t-1-1OC-OC r oc i,t-1=P c i,t-1P oi,t-1-1r oc i,t=P c i,t P oi,t-1CO-OC r co i,t=P o i,t P ci,t-1-1r oc i,t=P c i,t P oi,t-12.2㊀数据本文检验中国A股市场的股票,所有的股票交易数据以及财务数据均来自于WIND数据库,样本区间为2000年1月4日至2018年7月31日㊂个股开盘价和收盘价皆为复权价格㊂基于分红再投资的假设,WIND数据库对价格进行了调整,弥补了因股票分割以及除权除息等事件造成的价格缺口,方便计算投资收益率㊂Beta为基于过去100个交易日(要求至少50个有效数据)的日度收盘价收益率所估计的个股相对于市场收益率的Beta㊂ILLIQ96①②在后文第4部分,我们将以组合排序的传统方法构造策略,结果依旧稳健㊂此外,我们还检验了形成期和持有期收益率分别为t-1天和t天隔夜收益率的CO-CO策略㊂与Lou et al.(2019)在美国股市的结果相吻合,该策略表现为动量策略,其结果因为篇幅限制而未汇报㊂㊀㊀㊀经济学报㊀2020年12月(Illiquidity)是过去1个月Amihud(2002)个股日度非流动性指标的平均值,其中日度非流动性指标定义为日度绝对值收益率除以当天的交易金额㊂Size为个股包括非流通股在内的总市值,Turnover为个股的日度换手率㊂EP(earnings-to-price)为最近公布的季度报表中的扣除非经常性损益后净利润除以上月末的总市值㊂BM(book-to-market)为最近公布的季度报表中的股东权益除以上月末的总市值㊂ROE(return-on-equity)为最近公布的季度报表中的扣除非经常性损益后净利润除以最近公布的季度报表中的股东权益㊂注意,本文所研究的策略为日度频率,而上述财务估值指标的更新频率为月度频率㊂个股在t月内的日度财务指标保持不变,均为在t-1月月末所计算的财务指标㊂同时,为了避免数据前视偏差(look-ahead bias),本文仅使用公布日期在上月末之前的最新报表来计算本月的估值指标㊂3㊀实证结果3.1㊀描述性统计量㊀㊀表2汇报了传统收盘价收益率㊁隔夜收益率以及日内收益率的描述性统计量㊂收盘价收益率r cc和日内收益率r oc的为正,日度均值分别为0.07%和0.18%㊂与之相反,隔夜收益率r co均值为负数(-0.10%),约等于r cc减去r oc,这与张兵(2019)的结果相吻合㊂由于收盘价收益率的时间区间涵盖了隔夜区间和日内区间,所以其反映的信息量最多㊂对应地,收盘价收益率r cc表现出最大的波动率,为2.99%㊂与之对比,隔夜收益率r co的波动率仅为1.39%㊂与此同时,由于日内区间为主要的交易时间且贡献了绝大部分的交易量,对应地,日内收益率r oc的波动率仅略低于收盘价收益率r cc的波动率,为2.80%㊂这一结果也从侧面说明股价的信息反应集中于日内区间段㊂表2　日度收益率的描述性统计量均值/%标准差/%偏度峰度Q1/%Q99/%传统收益率:r cc0.07 2.990.13 6.28-9.709.99隔夜收益率:r co-0.10 1.39 1.4337.70-4.16 4.67日内收益率:r oc0.18 2.800.247.94-7.788.86值得注意的是,这三个收益率都表现出微弱的正偏度以及较高的峰度,说明收益率数据呈现出 尖峰厚尾 的分布特征㊂从极端值的角度,r cc的1%和99%分位数分别为-9.70%和9.99%,反映了A股的涨跌停板制度㊂r co和r oc的99%分位数均大于其1%分位数的绝对值,这与收益率所表现出的正偏度相吻合㊂07㊀第7卷第4期㊀㊀㊀㊀㊀曲荣华㊀刘扬:中国A股的隔夜-日内反转效应㊀㊀3.2㊀策略基本表现表3汇报了三个日度策略的基本表现㊂Panel A显示,仅隔夜-日内策略CO-OC获得了显著为正的收益率,这说明中国A股存在着显著的隔夜-日内反转效应,即隔夜收益率更低(高)的股票,平均而言将在当天获得更高(低)的日内收益率㊂与之相对,日内-日内策略OC-OC获得了负收益,说明日内收益率表现为动量效应,这与Lou et al.(2019)在美国股市的结论一致㊂与此同时,收盘价策略CC-CC也获得了显著的负收益率,这说明A股市场存在日度频率的超短期动量效应,这与潘莉和徐建国(2011)等人的研究结论一致㊂表3　策略日度收益表现CC-CC OC-OC CO-OCPanel A:基本统计量均值/%-0.41-0.04 1.12 (-16.40)(-3.01)(50.98)标准差/% 1.050.87 1.04偏度-1.46-0.41 1.63Panel B:协方差矩阵CC-CC 1.000.790.20OC-OC0.79 1.000.16CO-OC0.200.16 1.00㊀㊀注:括号内的数值为Newey and West(1987)方法调整下的t统计量,以下表同㊂值得注意的是,无论是在经济意义还是统计显著性层面,隔夜-日内策略CO-OC都显著优于其他两个策略㊂具体而言,CO-OC赢得了最高的日度收益率(1.12%),其t统计量更是高达50.98㊂对比而言,传统的超短期动量策略CC-CC的日度收益率为-0.41%,t统计量为-16.40,而日内动量策略OC-OC则表现更差,其收益率仅为-0.04%,t统计量为-3.01㊂从偏度的角度,CO-OC和CC-CC这两个收益率较高的策略分别获得了1.63和-1.46的(绝对值)高偏度①,这说明其收益率集中偏向于对策略有利的尾部方向㊂对比而言,OC-OC的偏度仅为-0.41㊂最后,CO-OC获得了最高的(绝对值)年化夏普率(18.02),远高于CC-CC(-6.19)以及OC-OC(-0.79),这说明隔夜-日内反转策略在收益与风险的权衡方面也远优于其他两个策略㊂17①CC-CC和OC-OC策略均表现为动量策略㊂若将其多空头寸调换,对应策略的收益率将为正数,偏度和夏普率也将取相反数㊂㊀㊀㊀经济学报㊀2020年12月Panel B 汇报了策略间的相关系数矩阵㊂CC-CC 和OC-OC 这两个动量策略之间呈现出较强的正相关性(0.79),而隔夜-日内反转策略CO-OC 与这两个动量策略的相关性都比较弱,分别为0.20和0.16㊂图1展示了三个策略的日度收益率曲线①㊂与表1中CC-CC 和CO-OC 的(绝对值)高偏度相吻合,动量策略CC-CC 的收益率曲线几乎都在0之下,而反转策略CO-OC 的收益率曲线都在0之上,这说明这两个策略的表现十分稳健㊂值得注意的是,在2008年和2015年这两个市场波动较大的危机年份,这三个策略都展现了较大的波动性和更强的策略表现㊂比如在2015年,隔夜-日内反转策略CO-OC 表现出收益率的正峰值,而其他两个动量策略则表现出收益率的负峰值㊂图1　策略日度收益率曲线为了进一步探究策略表现与市场波动率的关系,我们进行下述回归分析27①为了更方便地看清时间趋势,该图汇报的是策略日度收益率的月度(假定22个交易日)移动均值㊂㊀第7卷第4期㊀㊀㊀㊀㊀曲荣华㊀刘扬:中国A股的隔夜-日内反转效应㊀㊀R t=α+βVol t-1,其中R t为策略的收益率,Vol t-1市场收益率在过去三个月的日度波动率①㊂结果显示,CC-CC和OC-OC的β分别为-0.15(t统计量:-3.89)和-0.04(t统计量:-1.60),而CO-OC的对应的β为0.19(t统计量:4.53),这一结果与图1结论相吻合㊂3.3㊀分时间区间表现表4汇报了各策略在子样本区间的表现㊂Panel A展示了隔夜-日内反转策略CO-OC的结果,其余表格则汇报了两个动量策略的表现㊂CO-OC策略在时间维度上表现出很强的持续性,其在三个子样本都赢得了最高的收益率,分别为1.50%㊁1.10%和0.88%,对应的t统计量分别为56.71㊁29.13和24.61㊂与之对比,CC-CC动量策略虽然在三个子样本都稳定地获得了负收益率,但是就经济和统计显著性而言,CC-CC策略都要远逊于CO-OC策略㊂值得注意的是, OC-OC策略的表现并不稳定㊂虽然在整个样本区间内,其获得负收益率,表现为动量效应㊂但是Panel C显示在2000 2006年期间,OC-OC获得正收益率,表现为反转效应㊂表4　策略在子时间区间的日度表现样本区间2000 20062007 20122013 2018危机区间非危机区间Panel A:CO-OC 均值/%1.50 1.100.88 1.39 1.16 (56.71)(29.13)(24.61)(16.30)(48.33)标准差/%0.75 1.21 1.09 1.670.98年化夏普率31.6314.5212.9013.2018.84Panel B:CC-CC 均值/%-0.12-0.38-0.80-1.01-0.37 (-6.22)(-13.63)(-15.22)(-9.25)(-17.90)标准差/%0.770.98 1.29 1.870.91年化夏普率-2.59-6.07-9.91-8.59-6.37Panel C:OC-OC 均值/%0.08-0.13-0.10-0.24-0.04 (3.62)(-5.91)(-3.75)(-3.77)(-3.10)标准差/%0.720.87 1.03 1.530.79年化夏普率 1.69-2.45-1.55-2.51-0.90㊀㊀注:危机区间为2008年及2015年㊂37①假定每个月22个交易日㊂选取其他的窗口区间,比如过去1个月或过去6个月,构建波动率指数,回归所得结果类似㊂表4的最后两列汇报了各个策略在危机区间和非危机区间的表现㊂三个策略都在危机区间赢得了更高的(绝对值)收益率,这与图1中策略在危机年份展现出的收益率峰值相吻合㊂与此同时,各个策略都在危机区间展示了更大的波动性㊂比如CO-OC在危机区间的波动率为1.67%,而其在非危机区间的波动率仅为0.98%㊂但是,CO-OC在两个区间都赢得了最高的年化夏普率(13.20与18.84),说明其很好地平衡了收益与风险㊂3.4㊀子样本表现为了控制其他影响股票横截面收益的因素,表5检验了各个策略在按照公司市值以及账面市值比分组的子样本中的表现㊂具体而言,本文先将股票按照Size或BM分为五组,然后在各个子样本中分别构建策略㊂Panel A显示了按照公司市值分组的结果㊂隔夜-日内反转策略CO-OC在各个子样本中均获得了高度显著的正收益㊂与此同时,其策略表现随着公司市值的增大而逐渐减弱㊂但即使是在表现最差的Size Big子样本中,其也显示出极强的经济及统计显著性:策略日收益率高达0.87%,t统计量为35.73㊂CC-CC策略在各个子样本中也都获得了显著的负收益,但其在经济显著性和统计稳健性上都远弱于CO-OC㊂此外,CC-CC策略也随公司市值的增大而呈现减弱的趋势㊂不同于CO-OC和CC-CC,OC-OC策略在小股票中表现得更差,其在Size Small组中的t统计量仅为-0.05㊂但是,即使是在表现最好的Size Big子样本中,OC-OC的收益率也仅为-0.07%(t统计量:-4.68),远逊于CO-OC的表现㊂表5　策略在子样本的日度表现:控制市值与账面市值比CC-CC OC-OC CO-OC Panel A:按照公司市值分组Size Small-0.480.00 1.41(-14.16)(-0.05)(47.64)2-0.29-0.02 1.25(-12.07)(-1.02)(47.86)3-0.28-0.02 1.16(-12.39)(-1.58)(48.68)4-0.27-0.03 1.10(-12.41)(-2.15)(45.50) Size Big-0.31-0.070.87 Panel B:按照账面市值比分组BM Low-0.54-0.03 1.33(-18.45)(-1.91)(42.80)。

动量效应和反转效应与行为金融学的解释杨劲东一、含义——由Jegadeesh、Titman于1993年提出动量效应——惯性效应，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——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，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。

也即过去一段时间收益率较高的股票在未来获得的收益率将会低于过去收益率较低的股票。

结论：动量效应、反转效应表现出股票收益率的两种截然相反的变化方向。

二、行为金融学的解释（一）Barberis、Shleiffer、Vishny（1998）：动量效应：保守性偏差导致投资者对新信息的反应不足，使得股价在短期表现出惯性。

反转效应：以偏概全倾向导致投资者对新信息的反应过度，结果导致股价出现反转。

（二）Daniel、Hirshleifer、Subrahmanyam（1998）：2类投资者：无信息的投资者&有信息的投资者。

2种制约因素：过分自信&自我归因。

2种信号：私人信号&公开信息。

假设：1) 股价由有信息的投资者决定;2) 无信息的投资者无判断偏向。

有信息的投资者：过分自信→夸大了私人信号的准确性→反应过度自我归因→低估了公开信息的有效性→反应不足公开信息压倒行为偏向→股价趋势的长期反转→反转效应：（三）Hongand Stein（1999）：基于投资者交互作用机制对动量效应进行解释。

1)投资者的异质性：交易者分为信息观察者和动量交易者两类，2)私人信息在信息观察者之间是逐步扩散的。

→Conclusion：信息扩散慢的股票的动量效应或反转效应高于信息扩散快的股票，因此，公司规模小，换手率低的股票具有更高的动量收益或者反转收益。

（四）Balsara、LinZheng等（2006）对HS模型的补充和发展——疾病传播模型的思想引入观点：信息扩散程度同时取决于：信息传播速度和信息吸收程度。