基于股價日均線的趨勢策略有效性分析

林朝雄 鄭 旭

(上海交通大學安泰經濟與管理學院，上海 200030)

基于股價日均線的趨勢策略有效性分析

林朝雄 鄭 旭

(上海交通大學安泰經濟與管理學院，上海 200030)

反轉效應的存在說明了股價的走勢具有規律性，但僅依賴單一時間窗口歷史收益率構造的反轉策略難以有效捕捉這一規律。基于股價日均線指標本文構造了趨勢策略，該策略在投資收益及策略的穩定性上均優于反轉策略。趨勢策略具有更佳的表現，一方面其可反映反轉策略捕捉到的股價走勢信息，另一方面其還可捕捉到反轉策略無法捕捉的信息。趨勢策略對市場風險系數、市值、賬面市值比、市盈率、杠桿率、換手率等特征指標的影響、賣空交易及策略的構造具有較高的穩健性。

趨勢策略；股價日均線；反轉策略；股票特征指標

1 數據描述

本文采用1998年1月至2015年6月的A股周度數據,周度數據頻率的選取,一方面為盡量擴大樣本數量,另一方面日度數據波動大、缺乏穩定性。個股周度收益率、市值、換手率及無風險利率來自Wind數據庫,其中周度收益率的計算包括分紅、配股因素,無風險利率的計算取1年定期存款利率。個股資產負債表及利潤表數據來源為CSMAR數據庫。為排除新股上市初期價格異常的影響、保證股價日均線數據的連續性及保證趨勢策略穩健性檢驗中使用數據的統一性,本文刪去個股上市最初6個月、前20個交易日無連續交易、凈資產為零或負值及前98個交易周中交易周數小于48周的股票交易數據,其中要求股票前98個交易周中交易周數大于48周是出于估計個股市場風險系數的考慮。本文個股市場風險系數的計算采用前98個交易周(約2年)的股票交易數據,因此本文趨勢策略檢驗實際采用的數據時間區間為2000年1月至2015年6月。

表1 各年份平均每周個股樣本數及樣本交易周數

2 動量、反轉效應檢驗

參照Jegadeesh和Titman(1993)構造慣性策略的方法,本文首先根據觀察期中股票收益率的大小,按排序的五分位構造出觀察期收益率由小到大的5個等權重投資組合WR1-WR5,再通過買入WR1、賣空WR5的方式構造出零成本對沖組合(反轉策略),最后根據反轉策略持有期的收益率是否為顯著的正值、負值檢驗A股市場的動量、反轉效應。若反轉策略收益率為顯著的正值,則說明A股市場具有反轉效應,若為顯著負值則說明具有動量效應。表2給出了觀察期為1、2、3、4周和持有期為1、2、3、4周交叉組合共計16種不同動量、反轉效應的檢驗結果,檢驗結果與潘莉和徐建國(2011)2002-2008年樣本區間的檢驗結果一致,僅發現反轉效應而無動量效應。在各反轉效應中,觀察期和持有期均為1周的反轉效應最為明顯,其所對應的反轉策略在收益率、夏普比率及收益率三因子模型回歸截距項上表現都為最佳。反轉效應的存在,說明了在A股市場上股票歷史收益率對未來收益率具有預測性,即股價變動趨勢是具有規律性的。

表2 各反轉策略平均周度收益率及其t統計量

表3 各反轉策略的夏普比率

表4 各反轉策略周度收益率三因子模型回歸截距項及其t統計量

但在2014年7月至2015年6月的子樣本動量、反轉效應的檢驗(表5)中,可發現反轉效應的穩定性較差,16種反轉策略在該樣本區間中收益率均不顯著。這反映了僅依賴單一時間窗口歷史收益率去捕捉股價變動趨勢的反轉策略的不足,因此有必要去尋找其他能夠有效地捕捉股價變動趨勢的投資策略。

表5 2014年7月至2015年6月各反轉策略平均周度收益率及其t統計量

3 趨勢策略構造及結果分析

3.1 基于股價日均線的趨勢策略構造

步驟1：采用前1周最后1個交易日市場常用的股價日均線指標,包括3日、5日、7日、10日、20日、30日及60日股價日均線指標,對股票周度收益率進行截面回歸,具體回歸方程為：

其中：rj,t為股票j在t周的收益率；Aj,t-1,i股票j在t-1周最后一交易日、時間間隔為日的股價日均線指標,和60。以3日股價日均線指標為代表,Aj,t-1,3的具體公式為其中Pj,t-1、 Pj,t-2、Pj,t-3為股票j在t周前第1、前第2、前第3個交易日的收盤價格,其他股價日均線指標計算和Aj,t-1,3一致；βi,t為回歸方程Aj,t-1,i對rj,t的影響系數；βo,t為回歸方程的截距項。

步驟2：基于前48周的交易數據獲得的各股價日均線指標影響系數,對下一交易周的收益率進行預測,具體為：

此處, Aj,t,i的影響系數采用前4 8周(約1年)交易數據回歸所得系數的平均值進行計算。

步驟3：參照Jegadeesh 和Titman(1993)構造動量策略的方法,根據對t+1周股票收益率的預測值Et[rj,t+1]的大小對股票進行排序分組,依次構造出Et[rj,t+1]由小到大的5個等權重投資組合EWR1-EWR5。各投資組合持有1周后,根據最近48周的交易數據,對5組合進行重新構造以及時反映最新的股價變動趨勢。最后以買入EWR5組合、賣空EWR1組合的方式構造零成本對沖組合(趨勢策略)。

3.2 趨勢策略結果分析

EWR1至EWR5投資組合收益率由低至高逐漸遞增(表6),反映出股價日均線對股票收益率的預測性,股價日均線預測收益率高的股票,其實際收益率也傾向于更高。這說明了股價日均線除產生買賣信號,對股票收益率還具有更為普遍的預測性。對EWR1至EWR5投資組合收益率進行三因子模型回歸,觀察各投資組合收益率回歸的截距項,可發現EWR1至EWR5投資組合截距項也呈現由低至高逐漸遞增的規律(表7),因此這種股價日均線的預測性是不為三因子模型所能解釋的。以2006年3月國務院公布《國務院2006年工作要點》標志股權分置改革基本完成,本文以2006年6月為截點分析股權分置改革前后股價日均線指標預測性的變化,可發現股權分置改革后,其預測性有所加強,趨勢策略的周度收益率由改革前的0.43%提升至改革后的1.01%,趨勢策略收益率三因子模型回歸的截距項由0.41%提升至0.98%。

表6 EWR1-EWR5投資組合及趨勢策略平均周度收益率及其t統計量

趨勢策略的構造是為了更好地捕捉股價的變動趨勢,因此有必要與僅依賴單一時間窗口歷史收益率預測股價變動趨勢的動量、反轉策略進行比較分析。上文周度頻率動量、反轉效應的檢驗中,僅發現反轉效應,且不同觀察期和持有期的反轉效應中,觀察期和持有期均為1周的反轉效應最為明顯,因此本文僅取觀察期和持有期均為1周的反轉策略與趨勢策略進行對比。

已經四千多年了，古老的銅綠山還在繼續貢獻出寶藏，這一方厚重的沃土，該見過了多少歷史的滄桑，見慣了多少生命的無常，那些逝去的生命或許重于泰山，或者輕于鴻毛。銅綠山仍是山崖依舊，山上的銅草花，花開花落，歲歲年年，幾千年不絕如縷。

表7 EWR1-EWR5投資組合及趨勢策略周度收益率三因子模型回歸截距項及其t統計量

表8對比可發現無論在全樣本或股權分置改革前后子樣本中,趨勢策略在收益率、夏普比率及收益率三因子模型回歸截距項上均具有比反轉策略更佳的表現。此外,表9數據顯示趨勢策略的穩定性也優于反轉策略。2000年至2015年6月共有732個48周時間窗口樣本,趨勢策略86%的樣本在10%置信水平下收益率顯著,且在股權分置改革后10%置信水平下收益率顯著的樣本占比提升至100%,分別比反轉策略高14%和15%。故無論在投資收益或是策略的穩定性上,趨勢策略均優于反轉策略。

對比趨勢策略和反轉策略超額收益間的相互解釋關系,可發現趨勢策略在投資收益及策略的穩定性上具有比反轉策略更佳表現的原因。在三因子模型基礎上加入趨勢策略收益率后,在股權分置改革前后兩子樣本中,反轉策略收益率三因子模型回歸的截距項顯著性均消失,說明了趨勢策略基本反映了反轉策略的超額收益。但相反在三因子模型基礎上加入反轉策略收益率,趨勢策略收益率三因子模型回歸的截距項只是有所減小,其顯著性不變,說明了反轉策略只能部分地解釋趨勢策略的超額收益。因此,趨勢策略具有更佳的表現的原因在于其可更為全面地捕捉股價走勢信息,一方面趨勢策略可反映反轉策略捕捉到的股價走勢信息,另一方面趨勢策略還可捕捉到反轉策略無法捕捉的信息

表8 趨勢策略與反轉策略周度收益率統計量對比

表9 趨勢策略與反轉策略48周時間窗口樣本中收益率顯著樣本占比對比

4 穩健性分析

表10 反轉策略周度收益率三因子模型及趨勢策略收益率回歸

表11 趨勢策略周度收益率三因子模型及反轉策略收益率回歸

4.1 特征指標影響的穩健性分析

潘莉和徐建國(2011)系統地研究了A股市場上市場風險因子、市值、市盈率、賬面市值比、賬面杠桿率、市場杠桿率及流通股比例等7特征指標對股票收益率的影響關系,發現市值、市盈率、賬面杠桿率無論是否控制住其他特征指標均對股票收益率具有顯著影響。田利輝和王冠英(2014)在實證分析中發現換手率、市值、賬面市值比對股票收益率具有顯著的影響。既然市值、賬面市值比、市盈率、賬面杠桿率及換手率等特征指標對股票收益率具有影響作用,則有必要檢驗趨勢策略是否受這些特征指標影響。上述學者雖發現控制住其他特征指標后市場風險系數對股票收益率無顯著影響,但鑒于市場風險系數在學術界中廣泛的影響,本文同時檢驗了市場風險系數的影響。故本文趨勢策略特征指標影響的穩健性分析同時考慮了市場風險系數、市值、賬面市值比、市盈率、杠桿率、換手率等特征指標對趨勢策略的影響作用。

趨勢策略的構造是基于股價日均線指標預測收益率(Et-1[rt]),故本文趨勢策略對特征指標影響的穩健性分析為檢驗特征指標對Et-1[rt]的收益率預測能力的影響作用。單獨考慮Et-1[rt]和收益率的影響關系,可發現Et-1[rt]和收益率具顯著的正相關關系,反映了日均線對收益率的預測性。采用Fama-MacBeth(1973)回歸同時控制住市場風險系數、市值、賬面市值比、市盈率、杠桿率、換手率等特征指標,Et-1[rt]對收益率的影響系數維持1%置信水平下的顯著性,且Et-1[rt]系數相比單獨考慮Et-1[rt]僅下降18%,反映了Et-1[rt]的收益率預測能力受特征指標的影響較小,趨勢策略對上述特征指標的影響具有較高的穩健性。

表12回歸結果顯示當控制住Et-1[rt],前1交易周股票收益率(WR[t-1])對收益率的影響系數的顯著性消失,但無論是否考慮WR[t-1],Et-1[rt]對收益率的影響關系不變,一直維持顯著的正相關關系。這反映了Et-1[rt]在收益率預測上包含比WR[t-1]更多的信息量,和上文分析所得的“一方面趨勢策略可反映反轉策略捕捉到的股價走勢信息,另一方面趨勢策略還可捕捉到反轉策略無法捕捉的信息”的結論相一致。

表12 個股周度收益率對股票特征指標Fama-MacBeth回歸

截至2014年9月22日,經過4次融資融券標的擴容,A股市場可賣空標的已擴大至900只,占A股上市公司總數的三分之一。賣空限制的解除使得對市場中的超額收益率進行對沖套利成為可能,這將對趨勢策略的有效性形成沖擊,因此有必要檢驗賣空交易對趨勢策略的影響。根據上交所和深交所2013年9月6日和2014年9月22日公布的融資融券標的目錄,本文將股票類型分為非融資融券標的和融資融券標的,并在2013年10月至2015年6月和2014年10月至2015年6月區間中,對比非融資融券標的和融資融券標的中趨勢策略執行的有效情況。表13顯示賣空限制的解除確實對趨勢策略的產生沖擊,以2013年9月6日標的目錄區分融資融券標的,在2013年10月至2015年6月區間,融資融券標的中趨勢策略收益率、收益率三因子模型回歸截距項僅為非融資融券標的中的59%和52%。但無論是以2013年9月6日或2014年9月22日標的目錄區分樣本進行檢驗,可賣空的融資融券標的中趨勢策略收益率、收益率三因子模型回歸截距項均具有顯著的正收益率,反映了趨勢策略對賣空交易具有較高的穩定性,趨勢策略的超額收益并未因賣空限制的解除而消失。

表14 股價日均線指標系數采用不同時間跨度回歸系數均值的趨勢策略周度收益率統計量

表13 趨勢策略在融資融券標的和非融資融券標的中的周度收益率對比

4.3 策略構造的穩健性分析

上文分析中趨勢策略的構造,股價日均線指標對收益率預測的影響系數采用的是前48周(約1年)交易數據回歸系數的平均值,因此有必要改變影響系數采用回歸系數均值的時間跨度對趨勢策略的構造進行穩健性分析,以確定趨勢策略的適用范圍。表14結果顯示,回歸系數均值的時間跨度在48周(約1年)及以上,無論在全樣本或股權分置改革前后子樣本中,趨勢策略在收益率、夏普比率及收益率三因子模型回歸截距項上均具有比反轉策略更佳表現,故趨勢策略在策略構造上同樣具有較高的穩健性。

5 結論

本文檢驗了2000年至2015年6月A股周度頻率動量、反轉效應,檢驗結果與潘莉和徐建國(2011)2002-2008年樣本區間的檢驗結果相一致,僅發現反轉效應而無動量效應。但各反轉效應在2014年7月至2015年6月的子樣本中均不顯著,反映了僅依賴單一時間窗口歷史收益率去捕捉股價變動趨勢的反轉策略的不足。基于市場常用的股價日均線指標,本文構造出能有效捕捉股價變動趨勢的趨勢策略。該投資策略在收益率、夏普比率及收益率三因子模型回歸截距項上均具有比反轉策略更佳的表現,且策略的穩定性也優于反轉策略。對比趨勢策略和反轉策略超額收益間的相互解釋關系,本文發現趨勢策略具有更佳的表現的原因在于其可更為全面地捕捉股價走勢信息,一方面趨勢策略可反映反轉策略捕捉到的股價走勢信息,另一方面趨勢策略還可捕捉到反轉策略無法捕捉的信息。這一結論在采用Fama-MacBeth (1973)回歸控制住前1交易周股票收益率和股價日均線指標預測收益率的分析中得到了一致的驗證。

采用Fama-MacBeth(1973)回歸同時控制住市場風險系數、市值、賬面市值比、市盈率、杠桿率及換手率等特征指標可發現,股價日均線在收益率預測上受上述特征指標影響較小,反映了趨勢策略對上述特征指標的影響具有較高的穩健性。根據上交所和深交所2013年9月6日和2014年9月22日公布的融資融券標的目錄,本文將股票類型分為非融資融券標的和融資融券標的,以檢驗賣空限制解除對趨勢策略有效性的影響,發現賣空限制的解除確實對趨勢策略的收益表現產生影響,但趨勢策略的超額收益仍然存在,反映了趨勢策略對賣空交易具有較高的穩健性。通過改變股價日均線指標對收益率預測的影響系數采用回歸系數均值的時間跨度,本文對趨勢策略的構造進行穩健性分析,發現回歸系數均值的時間跨度在48周(約1年)及以上,無論在全樣本或股權分置前后子樣本中,趨勢策略在收益率的表現上均優于反轉策略,即在策略構造上趨勢策略同樣具有較高的穩健性。

[1] DeBondt, W.F.M., Thaler, R. Does the stock market overreact?[J]. Journal of Finance, 1985, 40(3): 793-805.

[2] Lehmann, B.N. Fads, martingales and market efficiency[J]. Quarterly Journal of Economics, 1990,105(1): 1-28.

[3] Jegadeesh, N., Titman, S. Returns to buying winners and selling losers: Implications for stock market efficiency[J]. Journal of Financial Economics, 1993, 48(1): 65-91.

[4] Rouwenhorst, K.G. International Momentum Strategies[J]. Journal of Finance, 1998, 53(1):267-284.

[5] 魯臻、鄒恒甫. 中國股市的慣性與反轉效應研究[J]. 經濟研究, 2007,(9)：145-155.

[6] 劉博、皮天雷. 慣性策略和反轉策略：來自中國滬深A股市場的新證據[J]. 金融研究,2007,(8)：154-166.

[7] 潘莉、徐建國. A股個股回報率的慣性與反轉[J]. 金融研究, 2011,(1)：149-166.

[8] Han,Y., Zhou, G., Zhu, Y. A Trend Factor: Any Economic Gains from Using Information over Investment Horizons?. Working paper, University of Colorado Denver, 2015.

[9] 戴潔,武康平. 中國股票市場技術分析預測力的實證研究[J].數量經濟技術經濟研究,2002,(4):99-102.

[10] 孫碧波. 移動平均線有用嗎?—基于上證指數的實證研究[J].數量經濟技術經濟研究,2005,(2):149-156.

[11] 周銘山、馮新力、林靚、方旭贊、周開國.A股市場均線策略有效性與收益率隨機特征研究[J]. 證券市場導報,2013(1)：58-64.

[12] 潘莉、徐建國. A股市場的風險與特征因子[J]. 金融研究, 2011,(10)：140-154.

[13] Fama, E.F., French, K.R. Common risk factors in the returns on stocks and bonds[J]. Journal of Finance, 1993, 33(1): 3-56.

[14] 田利輝、王冠英. 我國股票定價五因素模型：交易量如何影響股票收益率?[J]. 南開經濟研究,2014,(2)：54-75.

[15] Fama, E.F., MacBeth, J.D. Risk return and equilibrium: Empirical test[J]. Journal of Political Economy, 1973, 81(3): 607-636.

The Analysis of Effectiveness of Trend Strategy Based on Average Stock Price Indices

Lin Chao xiongZheng Xu

The existence of reversal effect proves that stock price trends are predictable, but the reversal strategy that depends only upon the historical return rate of one time window cannot effectively capture the trends. Based upon average stock price indices, we created the trend strategy that was better than reversal strategy upon both return and stability. Trend strategy has better performance, for it not only can capture the stock price trend information captured by reversal strategy but also can capture the information that cannot be captured by reversal strategy. Trend strategy is robust to the affect of stock characteristic indices, such as market risk factor, maket size, book-to-market ratio, price earnings ratio, leverage ratio and turnover rate, short selling and the formation of strategy.

trend strategy; average stock price index; reversal strategy; stock characteristic index

F830.91

A

1005-9679(2016)02-0102-07

林朝雄,金融學碩士,上海交通大學安泰經濟與管理學院,研究方向：金融計量；鄭旭,經濟學博士,上海交通大學安泰經濟與管理學院,金融系教授,博士生導師,金融創新研究中心主任,研究方向：金融計量、對沖基金、商品期貨及私募股權。