成交量放大错误定价效应实证发现 [page::4][page::5]

• 低估股票中，月度Fama-French五因子 α 随成交量由-0.02%升至0.51%，表现为正相关。

- 高估股票中，α 随成交量由-0.28%降至-0.68%，呈负相关。

• 低价减高价（UMO）组合的高成交量组α比低成交量组高0.93%（t=4.24），表明成交量放大效应显著。

多指标检验与交易成本控制分析 [page::7][page::8][page::9]

| 指标分类 | 低成交量组合 FF5α(%) | 高成交量组合 FF5α(%) | 差异 (成交量放大效应) | t值 |
|-----------------|---------------------|---------------------|--------------------|------|
| CAPM α 双排序 | 0.16 | 0.62 | 0.46 | 2.41 |
| 综合 α 双排序 | 0.26 | 1.11 | 0.85 | 3.83 |
| 控制 IVOL 后 | 0.40 | 0.87 | 0.46 | 2.24 |
| 控制 IVOL+规模后| 0.46 | 0.91 | 0.45 | 2.20 |

• 成交量放大效应在多种错误定价指标下均显著，且不被交易成本类变量完全解释，特别在被低估股票中效果尤为突出。

成交量放大效应的持续性与替代成交量指标检验 [page::9][page::10][page::11]

• 成交量放大效应可持续至未来24个月，衰减明显，36个月后消失。

- 替代成交量指标（成交笔数增长率、调整后成交量、六个月均量）仍然显著体现放大效应。

• 异常成交量和美元成交量未表现出显著放大效应。

成交量放大效应的经济机制和情绪影响 [page::14][page::15]

• 成交量捕捉投资者分歧，错误定价反映预期偏差，成交量和错误定价的交互加深投资者情绪的极端程度。

- 情绪高涨期，成交量放大效应尤为显著，尤其在被高估股票中负相关更强。

Reg FD 外生冲击验证及对投资的影响 [page::16][page::17]

• Reg FD 实施后，成交量和投资者分歧显著提升，成交量放大效应统计显著增强。

- 使用Stambaugh和Yuan（2017）四因子（SY4）模型调整错误定价，成交量放大效应依旧存在且显著，表明结合成交量与错误定价可显著提升投资机会识别效率。

预期收益、成交量和错误定价之间的关系——“学海拾珠”系列之九十八

---

一、元数据与报告概览

• 报告标题：预期收益、成交量和错误定价之间的关系——“学海拾珠”系列之九十八

- 作者：炜，钱静闲

• 发布机构：华安证券研究所

- 报告日期：2022 年 6 月 29 日

• 主题：探讨股票市场中预期收益、成交量与价格错误定价之间的内在联系，特别是成交量作为成交行为与错误定价相互放大作用的机制分析。

- 核心论点：
- 被低估股票中，预期收益与成交量正相关；
- 被高估股票中，预期收益与成交量负相关；
- 成交量能放大错误定价的表现，成为识别被低估或被高估股票的有力指标，且结合错误定价程度，可以构建更有效的投资组合。

• 评级/目标价：本报告主要以研究和分析为主，不涉及具体股票评级或目标价。

- 主要传达信息：成交量不仅反映市场流动性和投资者活跃度，还能通过与错误定价得分交互，揭示投资者分歧和预期偏差的作用机理，这种交互关系即“成交量放大效应”对于股票预期收益的理解和投资策略设计有重要意义。[page::0]

---

二、全文逐节深度解读

1. 引言（第3页）

• 关键论点与信息：

- 成交量是股价形成和价格发现机制的重要变量，关联投资者分歧、流动性、波动性等多重市场因素。
- 该文搭建的5×5独立双排序投资组合实证框架（基于MISP错误定价得分和成交量），展示了成交量对预期收益的放大作用。
- 被低估股票的收益随成交量增加而上升，被高估股票则收入随成交量增加而下降，说明成交量放大了价格错误的表现。

• 推理依据和假设：

- 通过Fama-French五因子模型调整α系数以净除风险暴露因素，反映超额收益。
- 成交量反映投资者分歧，MISP反映错配程度，两者结合形成预期偏差的综合衡量。
- 利用Atmaz和Basak（2018）理论模型，阐释投资者分歧如何放大平均预期偏差，从而加剧股票的错误定价现象。

• 数据与指标：

- 1965-2019年CRSP股票数据。
- 使用Stambaugh、Yu和Yuan（2015）提出的MISP错误定价得分。

• 预测与推断：

- 成交量放大效应传导路径假设基于投资者的认知和财富效应，可以解释价格随信息与投资者情绪的非对称调整。

• 金融术语解释：

- MISP：通过11种股票市场异象得分平均排名构建的错误定价指标，值越大表示越高估。
- Fama-French五因子模型：包含市值、账面市值比、市场风险、盈利能力、投资风格五因素的资产定价模型。
- α：代表剔除风险因素后的异常回报，用以判断是否存在超额收益或错误定价。
[page::3]

---

2. 数据描述（第4页）

• 样本选择：

- 来自CRSP的1963-2019年美股月度数据。
- 剔除低于5美元股票与微型股（占总数60%，但市值仅3%），以保证数据质量和代表性。

• 关键指标与计算：

- 成交量：采用过去三个月的平均换手率，按月度计算，换手率定义为当期成交股数与期末流通股数的比值，回归中取对数以缓和偏度。
- MISP：1-100的排序分数，结合多种定价偏差信号。
[page::4]

---

3. 实证结果（第4-11页）

3.1 错误定价与成交量（第4-6页）

• 主要发现：

- 被低估股票中，收益率α随成交量从低到高由0.61%升至1.01%，差值为0.40%（t=1.89）。
- 被高估股票中，收益率α随成交量由0.35%下降至-0.25%，差值为-0.59%（t=-2.36）。
- UMO（低价减高价组合）的α在高成交量股票中为1.18%，远高于低成交量组0.26%（t=4.24），明确展示成交量放大效应。

• 图表解读：

- 图表1分为三部分：平均回报、FF5 α和Hou, Xue, Zhang（2015） α，均显示一致趋势，成交量放大了错误定价的表现。
- 图表2、3反映了该效应随时间变化，尤其20世纪80年代起放大效应增强，2003年达到峰值，之后因监管和技术提升有所减弱。

• 推理：

- 通过市值加权的独立双重排序法区分不同错误定价和成交量水平的股票，消除了混杂因素影响，确认成交量的调节角色。

• 预测与推断：

- 成交量放大效应有一定的持续性，但根据时间序列观察，其强度受市场结构与监管环境变化影响。

• 金融术语和概念：

- UMO组合：投资被低估股票同时卖空被高估股票构成的组合。
- t统计量：衡量统计显著性的指标，绝对值大于约2通常表示结果显著。
[page::4,5,6]

3.2 其他错误定价指标敏感性分析（第7-8页）

• 使用CAPM α和综合 α作为替代错误定价指标。

- 主要发现：
- 两种替代指标均显示与成交量的互动效应，表明高成交量的被低估股票具有显著正预期收益，反之则为负。
- 由CAPM α构造的PMN（positive-minus-negative alpha）组合成交量放大效应达0.87%（t=3.71）。
- 综合 α的成交量放大效应为0.85%（t=3.83）。

• 推断：

- 该效应不依赖单一错误定价指标，具有通用性和稳健性。
[page::7,8]

3.3 控制竞争变量和调整后成交量（第8-10页）

• 研究控制IVOL（特异性波动率）、规模、非流动性、机构持股比例、偏度和未实现资本收益等因子后，成交量放大效应是否依旧有效。

- 方法：
- 三重排序控制单一因子；
- 线性回归计算调整后成交量的残差作为净成交量，进行双重排序。

• 结果：

- 成交量放大效应依然显著，尤其在被低估的股票中效果更突出，表明成交量反映独立影响而非仅代替其它风险或流动性指标。
- IVOL是最有可能削弱成交量放大效应的单因子，但即使控制全部变量，效应仍存，且从1980年代开始增强。

• 预示：

- 成交量放大效应代表了除常规风险因子外的独特信息，有助于捕捉投资机会。
[page::8,9]

3.4 成交量放大效应的持续时间（第9页）

• 研究投资组合未来预期收益的时效性。

- 结果：
- 成交量放大效应在未来2年（24个月）内持续显著，超过三年后消失。
- 具体如t+6月效应为0.82%，t+24月为0.41%，t+36月后逐渐减弱。

• 含义：

- 该效应具有中期持续性，表明投资者可以利用该信息进行中期投资策略规划。
[page::9,10]

3.5 替代成交量指标分析（第10-11页）

• 测试了5种替代成交量指标，包括交易笔数增速、排除盈余公告窗口期成交量、6个月平均换手率、异常成交量冲击及美元成交量。

- 结果发现：
- 以交易笔数增长率、剔除盈余公告窗口成交量、以及6个月平均换手认可为稳定指标，成交量放大效应依然存在。
- 异常成交量和美元成交量无法显著放大错误定价效应。

• 含义：

- 成交量本身的测度方式对效应存在一定影响，表明必须合理选择成交量指标以捕捉放大作用。
[page::10,11]

---

4. 结果的解释（第12-16页）

4.1 投资者分歧（第13页）

• 成交量在一定程度上反映投资者对某股票的分歧程度。

- 图表8证明了成交量与分歧正相关，尤以高成交量股票集中反映分歧现象。

• 投资者分歧被视为驱动错误定价及成交量放大效应的关键通道。

4.2 投资者预期偏差（第14-15页）

• 通过分析师预测偏差的实证检验（图表9），确认预期偏差在被低估股票呈现悲观情绪，在被高估股票呈乐观情绪，这种情绪差异与成交量交互作用放大错误定价。

- 情绪指数区分高/低情绪期（依据Baker和Wurgler指数），成交量放大效应在高情绪期更为显著，尤其是在价格被高估的股票（图表10）。

• 预期偏差与分歧共同决定成交量放大效应的方向和强度。

4.3 外生冲击影响（第15-16页）

• 以SEC于2000年实施的《公平披露条例》（Reg FD）为契机，检验成交量突然上涨对成交量放大效应的影响。

- 分析师回报预测分散增加，成交量显著增长，且新的面板回归体现Reg FD后成交量放大效应加强。

• 这验证了成交量作为分歧与预期偏差互动载体的理论假设。

[page::13,14,15,16]

---

5. 对投资的影响（第16-17页）

• 虽成交量放大效应对Fama-French五因子模型检验异常显著，但为了避免仅仅补偿已知因子带来的误差，本文进一步使用SY4四因子模型（Stambaugh和Yuan，2017）进行检验。

- 图表12表明，成交量放大效应相对SY4仍然适用，虽然α值有所下降，但依然保持经济和统计显著性，表明该效应为真实可利用的投资机会。

• 利用调整后的成交量指标，SY4 α最高可达0.72%（t=3.17）。

- 综上，成交量与错误定价结合可以更准确地识别长期被低估或高估的股票，提高投资价值。
[page::16,17]

---

6. 总结（第18页）

• 次核心结论回顾：

- 成交量-回报关系依赖于股票的错误定价状况，低估股票呈正相关，高估股票呈负相关。
- 成交量放大了错误定价表现，是识别股票定价偏离的关键指标。
- 结果对各种错误定价代理变量、成交量衡量指标和控制因子稳健有效。
- 结合Atmaz和Basak（2018）预期偏差和投资者分歧模型，解释实证现象，促进对资产定价模型的理论创新。

• 结语强调了新资产定价模型应更综合地考虑成交量、错误定价和其他异象因子，以完整刻画市场行为和价格形成机制。[page::18]

---

三、图表深度解读

图表1（第5页）

• 内容：25个MISP×成交量双排序组合的平均回报、FF5 α、及Hou, Xue 和 Zhang（2015） α。

- 解读：
- 被低估股票中，随着成交量上升，平均回报和α均显著升高，放大收益率。
- 被高估股票中，随着成交量上升，平均回报和α下降，放大负收益。
- UMO组合显示成交量高低组之间的收益差达到0.93%（t=4.24）。

• 文本联系：支持成交量放大错误定价的核心命题，验证成交量调节股票价格偏离的异质效应。

- 局限：
- 表格的t值虽达到统计显著，但实际投资者也需考虑交易成本等其他市场摩擦因素。


---

图表2 和 图表3（第6页）

• 内容：图表2显示UMO组合的历史月度回报和FF5 α；图表3展示回归中误差定价与成交量交互项的系数及t值。

- 解读：
- 成交量放大效应自1980年代增强，至2003年达到峰值，之后因法规与市场结构演变减弱。
- 交互项的系数负值意味着成交量与错误定价的交互显著并动态变化。

• 文本联系：

- 说明该效应受外部环境和制度影响，强调了市场结构对价格形成机制的重要影响。



---

图表4（第7页）

• 内容：分别以CAPM α和综合α与成交量双排序的FF5 α表现。

- 解读：
- 和MISP一致，CAPM α和综合α均展现类似的成交量放大效应，高成交量组的错误定价收益更显著。
- 组合的放大幅度约在0.85%-0.87%之间，证明该效应对不同价格偏离指标均有效。

• 文本联系：

- 拓宽错误定价指标的适用范围，验证核心结论的稳健性。
[page::7]

---

图表5（第9页）

• 内容：控制IVOL、规模等竞争因素后，MISP 及调整后的成交量组合的FF5 α表现。

- 解读：
- 成交量放大效应在控制多个因素后依然显著，放大幅度在0.4%到0.7%之间。
- IVOL对效应的削弱最明显，但未完全覆盖成交量的作用。

• 文本联系：

- 说明成交量中的信息含量不仅仅是流动性或风险代理，也包含对投资者行为的独到刻画。
[page::9]

---

图表6（第10页）

• 内容：不同未来时间窗口（6、12、24、36、48、60个月）的FF5 α。

- 解读：
- 成交量放大效应在未来两年内持续，之后逐渐减弱至无显著性。
- 投资者利用该信号可能获得中期超额收益。

• 文本联系：

- 指出成交量放大效应作为策略信号具备一定的持久性，但非永久性提示市场逐步消化信息。
[page::10]

---

图表7（第11页）

• 内容：不同替代成交量指标（交易笔数增长、排除盈余公告日、6月换手率、异常成交量冲击、美元成交量）对应的FF5α表现。

- 解读：
- 除异常成交量冲击和美元成交量外，其余指标均呈现显著成交量放大效应。
- 证明成交量指标选择影响结论，但核心信号稳健。

• 文本联系：

- 对成交量多样性和测度的谨慎使用提出警示。
[page::11]

---

图表9 & 图表10（第14-15页）

• 图表9内容：分析师预测误差与MISP和成交量的关系。

- 解读：
- 预测误差正向反映投资者预期偏差，高成交量股票的偏差更明显。

• 图表10内容：情绪高低期成交量放大效应分解。

- 解读：
- 情绪高涨期，成交量放大效应更强，尤其是在被高估股票中表现出负相关关系更明显。
- 反映投资者情绪波动对错误定价影响的非对称性。
[page::14,15]

---

图表11（第16页）

• 内容：Reg FD实施前后成交量、投资者分歧程度及其交互影响的面板回归结果。

- 解读：
- Reg FD实施后成交量和投资者分歧均明显增加。
- 成交量放大效应系数显著提升，证明外生信息披露规则的变更加剧了成交量对错误定价的放大。

• 文本联系：

- 强化成交量作为投资者分歧代表的理论定位。
[page::16]

---

图表12（第17页）

• 内容：相对于SY4四因子模型的α，衡量成交量放大效应的投资组合超额收益。

- 解读：
- 尽管SY4因子部分解释了收益，但高成交量的低估股票组合仍显示显著正异常回报，最高0.72%。
- 经调整后，成交量放大效应在控制基准模型影响后依然发挥中度投资价值。

• 意义：

- 该图表加强了成交量放大效应的投资可操作性的合理预期。
[page::17]

---

四、估值分析

本报告专注于统计与实证分析，未涉及具体公司的估值模型。但报告中多处应用了多因子模型（CAPM、Fama-French三因子及五因子、Hou Xue Zhang Q因子、Stambaugh和Yuan四因子等）：

• 通过多因子模型计算α表达超额收益，即无法被风险因素解释的收益，间接反映错误定价程度。

- 这种模型对预期收益的校正是本报告测量和验证成交量放大效应的关键。

• 通过多因子回归和双重排序方法，作者排除多数常见风险因子和套利成本因子影响，确保成交量放大效应的稳健性和独立性。

---

五、风险提示

• 报告强调其结论基于历史数据和海外文献总结，不构成投资建议，具有一定的历史数据局限。

- 投资者应注意：
- 成交量和预期偏差测量误差可能影响实证结论。
- 市场结构、监管环境变化会影响成交量放大效应的持续性和显著性。
- 套利成本和流动性风险在微观层面可能限制交易策略的有效执行。

• 报告中未具体给出缓解策略，但通过控制多种变量论证了效应的稳健性。

---

六、批判性视角与细节

• 假设审慎性：

- 报告将成交量视为投资者分歧的代理变量，预期偏差通过MISP捕捉，理论上合理，但分歧和预期偏差的测度仍存在一定抽象性和不可观测性。

• 模型局限：

- 多因子模型虽然广泛应用，但均基于历史数据拟合，可能漏掉未知风险因子。
- SY4模型的解释力虽然较强，但效应减弱表明成交量放大部分收益可能被其他已知因子解释。

• 内部一致性：

- 报告阐述了成交量与错误定价的交互关系，强调成交量放大效应，但也表明该效应可能随市场环境、监管和时间波动，存在一定时变性。

• 数据相关性问题：

- 报告使用市值加权，可能导致大市值股票对结果影响较大，特别是在对微型股的排除上应谨慎理解。

• 策略执行风险：

- 成交量放大效应的投资策略实际应用需考虑交易成本、滑点和市场冲击等因素，这部分报告未涉及。

---

七、结论性综合

本报告系统详尽地揭示了成交量与错误定价之间的复杂互动关系，提出“成交量放大效应”这一资产定价与投资研究的重要新视角。具体来说：

• 实证结果显示，股票的预期超额回报与成交量在价格错误偏离上下表现截然不同：被低估股票的预期收益随成交量显著上升，被高估股票随成交量下降，表明成交量加剧了市场价格的偏差。

- 这一关系通过系统的双重排序组合法和多因子模型（CAPM、Fama-French、SY4）进行了验证，表明成交量放大效应是独立且稳健的现象。
-成交量不仅是普通的交易活跃度指标，更重要的是投资者分歧和预期偏差的集合体现。通过Atmaz和Basak（2018）的理论模型，实证结果获得理论严密的支撑。

• 控制特异性波动率、规模、非流动性、机构持股比例、偏度和资本收益等多个因子后，成交量放大效应依然显著，显示其信息含量超越传统风险和流动性指标。

- 该效应的持续时间为2年左右，适合中长期的投资机会捕捉。

• 替代的成交量指标验证了该结论的普适性，尽管异常成交量和美元成交量指示的效果较弱。

- 情绪高涨或市场监管变化（Reg FD）时期，成交量放大效应更为明显，体现投资者行为和监管环境对价格发现机制的深刻影响。

• 投资角度看，成交量放大效应为错误定价识别提供重要辅助手段，可帮助构建能超越现有多因子模型的投资组合，进而提升超额收益。

- 综上，研究呼吁资产定价模型创新，须整合成交量、错误定价和投资者行为变量，以更完整地刻画股票市场价格动态。

该报告为理解市场微观结构、投资者行为与资产定价之间的桥梁提供了理论与实证支持，为A股及全球市场投资策略提供了有价值的参考框架，但应结合自身市场特性和风险因素谨慎应用。

---

参考文献

• Han, Y., Huang, D., Huang, D., & Zhou, G. (2020). Expected Return, Volume, and Mispricing. Journal of Financial Economics.

- Atmaz, M., & Basak, S. (2018). Divergence of Opinion, Average Expectations, and Asset Prices. Journal of Finance.

• Stambaugh, R.F., Yu, J., & Yuan, Y. (2015). Mispricing Factors. Review of Financial Studies.

- Baker, M., & Wurgler, J. (2006). Investor Sentiment and the Cross-Section of Stock Returns. Journal of Finance.

---

总体评价

报告内容详实，结构清晰，数据来源可靠，实证分析扎实，理论联系紧密，结论具有较强的创新意义和应用价值。对成交量特征的深刻揭示丰富了资产定价理论，同时给投资实践提供具体操作参数。唯一需要重点关注的是其历史数据性质和市场环境时变风险，以及未来对模型适应性的持续检验。

[page::0,1,2,3,4,5,6,7,8,9,10,11,14,15,16,17,18,19]

报告