公司盈利不穩定性對中國股市動量策略的影響研究

韋亞

摘?要：本文通過分析市場盈利不穩定性對我國股市動量策略收益的影響，構建了包含動態權重的動態動量策略。研究發現，市場盈利不穩定性對我國股市的動量效應具有顯著為負的影響，并且該影響在不同的市場漲跌狀態下表現出非對稱性。具體而言，當盈利不穩定性升高時，動量效應減弱，并且當市場處于上漲狀態時，上述關系更為顯著。相對于傳統的靜態動量策略，基于市場盈利不穩定性所構建的動態動量策略表現出更強的擇時能力，具備更為優異的市場表現，最高可獲得1362%的年化平均收益率，與之相比，傳統靜態動量策略的最高年化收益率僅為516%。

關鍵詞：公司盈利不穩定性?股票收益率?動量策略

一、引言

Jegadeesh?and?Titman（1993）最早在美國股票市場中發現動量效應，即在過去一段時間內表現較好的股票，在未來仍將延續較好的表現。利用該效應所構建的動量策略在實務界被廣泛地運用于股票投資之中。然而，隨著研究的深入，諸多學者發現動量策略在市場中并非總是有效，其收益表現出一定的可預測性。比如，Chordia?and?Shivakumar（2002）、Stivers?and?Sun（2010）的研究指出，在美國股票市場中，動量策略的收益呈現出順周期性的變化特征，經濟上行時利用動量策略將獲得更高的收益。Cooper?et?al（2004）發現，市場的漲跌狀態對美國股市中動量策略的表現具有顯著的預測能力，市場上漲時動量策略將更為有效。而在近期的研究中，市場波動率受到了更多的關注。Daniel?and?Moskowitz（2016）、Wang?and?Xu（2015）的研究發現，市場波動率是預測美國股市中動量策略收益變化的有效指標。當市場處于較高的波動率狀態時，動量策略將趨于“崩潰”，此時運用傳統的動量策略不僅無法獲得預期的收益，還可能遭受巨大的虧損。

在資產定價和公司金融的研究中，盈利不穩定性是難以忽略的重要指標。陳海強等（2012）、Jayaraman（2008）、Rountree（2008）也指出，盈利不穩定性是影響公司價值的重要因素。實際上，與股票價格的波動率相比，公司的盈利不穩定性在經濟意義上有著相似之處，都衡量了風險和不確定性。區別在于，前者更多地反映了市場中的交易類信息，后者則反映了公司的基本面信息。因此，從基本面的角度出發，盈利不穩定性為動量策略收益的可預測性研究提供了新的視角。從市場層面來看，市場的盈利不穩定性是否與市場波動率一樣，也包含了可以預測動量策略收益變化的相關信息，圍繞該問題，本文將對此展開研究。

雖然關于動量策略的文獻眾多，但是圍繞中國股市動量策略的研究則相對較少，對其收益可預測性的研究則更是貧乏。同時，從以往的經驗來看，基于發達國家市場的研究結果往往并不適用于中國股票市場。比如，有研究表明，中國股市的動量效應在顯著性上要弱于美國等發達國家（Hsu?et?al，?2018;?Liu?et?al，?2019;?Cheema?and?Nartea，?2017a，?2017b）。又比如，在市場漲跌狀態與動量效應關系的研究中，Cheema?and?Nartea（2017a）得到了與Cooper?et?al（2004）完全不同的結果，研究表明，只有當市場下跌時，動量策略在中國股市中才更為有效。因此，作為全球最大的新興資本市場，有必要對中國股市的動量策略展開針對性的研究。

本文將以中國股市的動量策略為研究對象，以市場層面的盈利不穩定性為切入點，從動量策略收益的可預測性出發，通過分析市場盈利不穩定性對其所帶來的影響，進而利用分析結果提升動量策略的獲利能力。本文的研究對于投資者采用動量策略進行股票投資具有重要的參考價值。

二、研究方法與數據

（一）市場盈利不穩定性

首先需要構建合理的指標衡量上市公司的盈利不穩定性。本文選取財務分析中最常用的總資產回報率（ROA）和凈資產回報率（ROE）來衡量該公司的盈利能力。對于公司i來說，其在q季度的盈利能力記為ROAiq和ROEiq。為剔除盈利能力中包含的自相關成分，并考慮到公司盈利能力中所包含的季節性因素（Akbas?et?al，2017），進而分別對ROAiq和ROEiq進行同期的差分處理，如式（1）所示：

其中，ΔROAi，q和ΔROEi，q為公司i在q季度的盈利能力增加值，該增加值剔除了盈利能力中由隨機趨勢所帶來的自相關成分。另外，盈利能力還可能包含由時間趨勢所引致的自相關性，并且該時間趨勢還會對股票收益率帶來直接的影響（Akbas?et?al，2017）。因此，為避免盈利能力的時間趨勢對研究結果的影響，參考Akbas?et?al（2017）的方法，本文以盈利能力增加值為基礎，通過與時間趨勢進行回歸進而剔除時間趨勢成分。就公司i而言，結合財務報表的公布日期，t月月初選擇可獲得的最近3年財務數據，并計算各季度的盈利能力增加值，再通過如式（2）模型對時間趨勢進行回歸：

其中，Trend=1，2，…，12為趨勢項，εROAiq和εROEiq為剔除趨勢后的擾動項。最終，通過式（1）和式（2）兩個步驟去除公司盈利能力的自相關成分后，式（2）中擾動項的標準差即為衡量上市公司盈利不穩定性的指標。

基于單個公司層面的盈利不穩定性InsROA和InsROE，將以個股的流通市值為權重，計算出市場層面的盈利不穩定性指標，分別記為Mar_InsROA和Mar_InsROE。在此基礎上，本文通過移動平均的方法構建衡量市場盈利不穩定性的狀態變量。在第t月月初，選取t-12到t-1月的Mar_InsROA或Mar_InsROE，將其均值作為衡量市場盈利不穩定性狀態的連續型指標，記為Aggregate?InsROA和Aggregate?InsROE。

（二）動量策略的構建

本文參考Jegadeesh?and?Titman（1993）、Cheema?and?Nartea（2017b）的方法，以6個月為形成期，分別構建了持有期為6個月和9個月的動量策略。具體而言，首先，逐月對股票進行分組，如第t月月初，將所有樣本股按照過去6個月的累計收益率從小到大進行排序

參考Cheema?and?Nartea（2017）的研究，為避免買賣反彈效應，形成期累計收益率為t-7月到t-2月。，并據此將股票等分為10組，其中累計收益率最小組記為“L”，最大組記為“W”。上述組合在持有期內的收益率均為流通市值加權平均收益率。當持有p月時，對于形成期為第t月的第n組（n=1，2，?…，?10）股票組合來說，其在第t+p-1月的收益率可記為rpt，n。隨后，在每一個月構建不同持有期的疊加組合。比如當持有期為h時（h=6，9），對于第n組來說，在第t月月初，以1/h為權重同時持有形成期為t-h+1月到t月的股票組合，進而構建出疊加組合，該組合在第t月的收益率為∑hp=1rpt-h+1，n。最后，利用W和L組對應的疊加組合構建對沖策略，即買入W組的同時賣出L組，該策略即為傳統的動量策略。

（三）樣本選擇

本文選擇中國滬深股票市場中所有的A股上市公司作為研究樣本，所涉及的上市公司財務數據及市場交易數據均來自國泰安（CSMAR）數據庫。為保證研究的準確性和嚴謹性，參考Akbas?et?al（2017），Jiang?et?al（2018）等人的研究，首先，考慮到金融機構資產結構的特殊性，剔除了金融行業上市公司;其次，為降低處于極端困境的上市公司對研究結果的干擾，剔除了賬面市值比為負以及由st、*st標記的被特殊處理的上市公司。

中國股票市場成立時間較晚，早期市場的財務信息披露機制并不成熟（Liu?et?al，?2019），2002年以后才能夠獲得較為完整的上市公司季度財務數據。同時，早期市場的信息透明度較低，財務造假、內幕交易、股價操縱等行為屢見不鮮，上述因素都將對市場一般規律的研究帶來嚴重的影響。綜合考慮后，最終研究樣本期選為2002年1月到2018年6月。

基于上述數據和方法，本節將借鑒Daniel?and?Moskowitz（2016）、Wang?and?Xu（2015）以及Stivers?and?Sun（2010）的研究，從可預測性的角度出發，探討中國股市的市場盈利不穩定性對動量策略的影響。

三、盈利不穩定性對動量策略的影響

（一）中國股市的動量策略

已有研究指出，與美國等發達國家為代表的股票市場不同，在月度頻率上，我國股票市場并不存在顯著的動量效應（Liu?et?al，?2019;?Hsu?et?al，2018）。那么動量策略在中國股票市場究竟有何表現，本節將按照前文描述的關于動量策略的構建方法對此進行分析。表1展示了各動量組合及對沖組合的月超額平均收益率、風險調整后收益率及其對應的風險因子載荷，其中進行風險調整所使用的資產定價模型為Fama-French三因子模型。

如表1所示，從月平均收益來看，動量策略在中國股票市場的有效性有限。對于持有期為6個月的對沖組合來說，其月平均收益率為042，雖然為正，但是其t統計量僅為106，并且不在統計意義上顯著。相似地，當持有期為9個月時，對沖組合的月平均收益率為037，t統計量僅為105，同樣不具備顯著的統計意義。該結果與Liu?et?al（2018）和Hsu?et?al（2018）的研究結果一致。

而當對收益率進行風險調整后，動量策略的有效性則有所增強。當持有期為6個月時，對沖組合的風險調整后收益率為081，t統計量為214;當持有期為6個月時，對沖組合的風險調整后收益率為075，t統計量為233，上述風險調整后收益率均在5%水平下顯著，該結果與Cheema?and?Nartea（2017b）的研究結果相似。

從以上實證結果中可以看出，實際上，在中國股票市場中仍然能夠窺探出動量效應的痕跡。此前，在中國股票市場中，之所以沒有發現顯著的動量效應，可能源于沒有對動量組合的收益率進行風險調整。因此，在接下來的研究中，為保證實證結果的穩健性，將基于Fama-French三因子模型對動量策略的收益率進行風險調整，并利用該風險調整后收益率進行進一步分析。

（二）市場盈利不穩定性狀態與動量策略

為分析市場盈利不穩定性狀態對動量策略收益的預測能力，基于上述變量將圍繞市場盈利不穩定性對動量策略的影響進行回歸分析，所構建回歸模型如式（3）所示。

其中，RETWMLt+1仍為第t期各類型動量策略的收益率及風險調整后收益率，Agg_InsROA和Agg_InsROE為前文構造的衡量市場盈利不穩定性的狀態變量。

在有關動量策略的研究中，市場漲跌狀態一直被認為是影響動量策略收益變化的關鍵因素。Cooper?et?al（2004）從行為金融的角度出發，發現市場漲跌狀態對動量策略的收益具有顯著的預測能力，當市場處于上漲狀態時，動量效應十分顯著，此時動量策略能夠獲得可觀的超額收益;而當市場處于下跌狀態時，動量效應將明顯減弱，此時動量策略不再表現出較強的盈利性。以此為基礎，Cheema?and?Nartea（2017a）研究了市場狀態對中國股市動量策略的影響。然而，他們卻得出了與美國市場完全相反的結論。他們發現，在中國股票市場中，當市場處于下跌狀態時，動量策略表現得更為有效，而當市場處于上漲狀態時，動量策略將不再能夠獲利。Wang?and?Xu（2015）在研究市場波動率對美國股市動量效應的影響時發現，只有當市場處于下跌狀態時，市場波動率對動量策略收益的負向預測能力才得以展現。因此，考慮到市場狀態在動量效應中所起到的關鍵作用，參考Wang?and?Xu（2015）的研究，本文將分析在不同的市場狀態下，市場盈利不穩定性對中國股市動量策略的影響。

在上述研究中，市場狀態一般由市場組合在過去36個月的漲跌情況所決定。如在第t月月初，選取t-36到t-1月的市場組合收益率，以此計算過去36個月的累計收益率，記為lag_markt。那么，t月的市場狀態Mar_statet可由式（4）所示的示性函數得到。

式（4）表示，如果過去36個月的累計收益率大于等于0，那么第t月的市場狀態為上漲，記為1;如果過去36個月的累計收益率小于0，那么第t月的市場狀態為下跌，記為0。

模型（4）和模型（5）的回歸分析結果如表2所示，其中，模型（4）的估計結果表明，雖然市場的盈利不穩定性對動量策略的收益率和風險調整后收益率均具有負向影響，但是該影響在統計意義上并不顯著。比如，當持有期為6個月和9個月的動量策略收益率作為被解釋變量時，如Panel?A和Panel?B所示，Agg_InsROAt+1（Agg_InsROEt+1）的系數均不顯著。即使對上述收益率進行風險調整，該系數仍然為負，且依舊不具備較高的顯著性水平。

當考慮市場狀態的影響后，對于動量策略的收益率和風險調整后收益率來說，當市場上漲時，無論是在量級上還是在顯著性水平上，市場的盈利不穩定性所帶來的負向影響都將強于市場下跌時的狀態。從回歸結果中不難發現，?Agg_InsROA-t+1（Agg_ROE-t+1）的系數在量級和顯著性水平上均低于Agg_InsROA+t+1（Agg_ROE+t+1）。由此可見，市場的盈利不穩定性對中國股市動量策略收益的負向影響具有非對稱性，即上述影響只在市場上漲時顯著，而當市場下跌時，該影響將大幅減弱。模型（4）和模型（5）所示的考慮市場狀態的非對稱模型能夠更好地捕捉中國股市動量效應的動態特征。

已有文獻的研究指出，市場漲跌狀態（Mar_state）、市場波動率（Mar_vol）、股票收益率的橫截面離差（Dispersion）以及市場特質波動率（Mar_Ivol）均是影響動量效應動態變化的潛在因素（Cheema?and?Nartea，?2017a;?Cheema?and?Nartea，?2017b;?Wang?and?Xu，?2015;?Daniel?and?Moskowitz，?2016;?Stivers?and?Sun，?2010;?Arena?et?al，?2010;?Cooper?et?al，?2004）。作為穩健性檢驗，當在模型中控制相關變量后，上述結果依舊成立，此處相關實證結果不再展示。

四、基于市場盈利不穩定性的動態動量策略

借鑒Daniel?and?Moskowitz（2016）的方法，基于前文的研究結果，充分利用中國股市動量效應的可預測信息，構建包含動態權重的動態動量策略。

（一）策略的構建

Daniel?and?Moskowitz（2016）基于風險資產的條件收益率和條件方差，介紹了一種跨期最大化夏普比率策略。具體而言，在離散時間的設定下，假設投資者在每個時期t進行投資決策，其中t=0，…，T-1。同時，市場中存在兩類資產，分別為風險資產和無風險資產。其中，風險資產從t期到t+1期的超額收益率為r～t+1，并服從正態分布，在t期的條件期望記為μt，條件方差記為σ2t，分別如式（8）和式（9）所示。

在不考慮交易成本的條件下，投資者以最大化從1期到t期投資組合的夏普比率為目標，對市場中的風險資產和無風險資產進行配置，其中風險資產在t期的權重記為wt，風險資產在t期的權重記為1-wt。經計算可得，在每一個時期t，風險資產的最優配置權重如式（10）所示。

式（10）說明，在任意時期t，風險資產的最優權重與風險資產的期望收益率成正比，與方差成反比。λ作為常量，可以控制動量策略收益率r～p，t的無條件方差。

在式（10）中，動態策略的關鍵在于準確預測風險資產的期望收益率和方差。對于本文所關注的動量策略而言，其期望收益率由前文所示模型進行估計，而其方差則按照Daniel?and?Moskowitz（2016）的步驟進行計算，運用GJR-GARCH模型對動量策略的日度收益率進行擬合（Glosten?et?al，?1993），得到動量策略的收益率波動的估計值記為fit_σ^2t。

（二）基于樣本外估計的動態策略表現

為避免前視偏差，將采用遞歸的方法，利用t月以前的樣本對傳統動量策略收益率進行提前一期預測，并將該預測值作為μt的估計值。需要說明的是，為盡可能保證模型估計的準確性，將最少選取60個月的樣本用于模型估計，因此，在對傳統動量策略收益率的預測中，樣本區間為2009年1月到2018年6月。

基于上述樣本外的估計結果，按照與第三節相同的方法，計算出各類動態動量策略所對應的動態權重w*t，如圖1所示。

從圖1可以看出，對沖組合的配置權重同樣具有非常明顯的時變特征，并且與圖1相比，其在變化軌跡上十分相似。比如，在2009年到2010年上半年，以及2011年下半年到2012年上半年期間，配置權重均在橫軸以下;又如，在2015年上半年到2017年下半年期間，配置權重均在橫軸附近。

根據圖1所示權重，計算出當采用樣本外估計的方法時，動態動量策略的收益率，并且描繪出該策略的市場表現如圖2所示。

圖2表明，當采用樣本外估計的方法時，相較于傳統的靜態動量策略，動態動量策略仍具有更佳的表現。如果初始資金為100元，那么在2009年到2018年6月間，不同參數設定下的動態動量策略將為投資者帶來100%到200%多的收益;而傳統動量策略僅帶來不到30%的收益。

當采用樣本外估計的方法時，動態動量策略的相關統計特征及夏普比率和評價比率如表3所示。

從表3可以看出，動態動量策略具有更高的平均收益率、夏普比率。對于基于Agg_InsROA和Agg_InsROE所構建的動態動量策略來說，當持有期為6個月時，其平均收益率（夏普比率）分別為086%（017）和107%（021）;當持有期為9個月時，其平均收益率（夏普比率）分別為069%（016）和088%（02）。而對于傳統動量策略，持有期為6個月和9個月的平均收益率（夏普比率）僅為034%（007）和02%（005）。若以傳統動量策略為標準，動態動量策略仍具有較高評價比率。對于基于Agg_InsROA和Agg_InsROE所構建的動態動量策略來說，當持有期為6個月時，其評價比率分別為017和021;當持有期為9個月時，對應的評價比率分別為015和019。

與此同時，還分析了動態動量策略的相對表現，計算結果如表4所示。

在表4中，不同模型設定下的動態動量策略的α仍大于0，其中只有一個α在統計意義上不顯著，其他α均在至少10%的水平下顯著。當把Fama-French三因子和傳統動量策略收益率同時作為基準時，在各類動態動量策略中，α最小為056%，最大為11%。

綜合上述結果可以看出，基于盈利不穩定性所構建的動態動量策略明顯優于傳統動量策略。并且即使考慮傳統定價因子和動量策略的影響，基于樣本外估計的動態動量策略仍能獲得超額收益。

五、結論

本文基于單個公司的盈利不穩定性，運用市值加權方法構建了衡量投資環境變化的市場盈利不穩定性指標。進一步地，從可預測性的角度出發，首先分析了市場盈利不穩定性對中國股市動量策略收益的影響，隨后利用該分析結果，借鑒Daniel?and?Moskowitz（2016）的方法，以持有期為6個月和9個月的傳統動量策略為基礎，構建了包含動態權重的動態動量策略，并就策略的市場表現進行比較。

研究結果表明，市場盈利不穩定性對中國股市的動量效應具有顯著為負的影響，并且該影響在不同的市場漲跌狀態下表現出非對稱性。具體而言，當盈利不穩定性升高時，動量效應減弱，并且當市場處于上漲狀態時，上述關系更為顯著?；谠摻Y果，進一步參考Daniel?and?Moskowitz（2016）的方法構建了動態動量策略。相對于傳統的靜態動量策略，基于市場盈利不穩定性所構建的動態動量策略顯然具備更為優異的市場表現。對于持有期為6個月和9個月的動態動量策略來說，當用不同的指標衡量市場盈利不穩定性時，最高可獲得107%和086%的月平均收益率，將其轉化為年化收益率為1362%和1082%;與之相比，傳統的靜態動量策略則僅能夠獲得516%和453%的年化收益率。

參考文獻

[1]JEGADEESH?N，?Titman?SReturns?to?buying?winners?and?selling?losers：?Implications?for?stock?market?efficiency[J].?Journal?of?Finance，?1993，?48（1）：65-91

[2]CHORDIA?T?，?SHIVAKUMAR?L?Momentum，?Business?Cycle，?and?Time—varying?Expected?Returns[J].?The?Journal?of?Finance，?2002，?57（2）：985-1091

[3]STIVERS?C?T?，?SUN?L?Cross-Sectional?Return?Dispersion?and?Time?Variation?in?Value?and?Momentum?Premiums[J].?Journal?of?Financial?and?Quantitative?Analysis，?2010，?45（4）：987-1014

[4]COOPER?M?J，et?al?Market?States?and?Momentum[J].?The?Journal?of?Finance，?2004，?59（3）：1345-1365

[5]DANIEL?K?，MOSKOWITZ?T?J?Momentum?crashes[J].?Journal?of?Financial?Economics，?2016，?122（2）：?221-247

[6]WANG?K?Q，XU?J?G?Market?volatility?and?momentum[J].?Journal?of?Empirical?Finance，?2015

[7]陳海強，韓乾，吳鍇現金流波動、盈利穩定性與公司價值——基于滬深上市公司的實證研究[J].金融研究，2012（9）：181-194

[8]JAYARAMAN?S?Earnings?Volatility，?Cash?Flow?Volatility，?and?Informed?Trading[J].?Journal?of?Accounting?Research，?2008，?46（4）：809-851

[9]ROUNTREE?B?，?WESTON?J?P?，?Allayannis?G?Do?investors?value?smooth?performance？[J].?Journal?of?Financial?Economics，?2008，?90（3）：237-251

[10]HSU?J，VISWANATHAN?V?，?WANG?M，?et?al?Anomalies?in?Chinese?A-Shares[J].?The?Journal?of?Portfolio?Management，?2018，?44（7）：108-123

[11]LIU?J?N，Stambaugh?R?F?，?Yuan?Y?Size?and?Value?in?China[J].?Journal?of?Financial?Economics，?2019，134（1）：48-69

[12]CHEEMA?M?A?，?NARTEA?G?V?Momentum?returns，?market?states，?and?market?dynamics：?Is?China?different？[J].?International?Review?of?Economics?and?Finance，?2017，?50（JUL）：85-97

[13]CHEEMA?M?A?，?NARTEA?G?V?Momentum，?idiosyncratic?volatility?and?market?dynamics：?Evidence?from?China[J].?Pacific-Basin?Finance?Journal，?2017a，?46：109-123

[14]AKBAS?F，?JIANG?C，?KOCH?P?D?The?trend?in?firm?profitability?and?the?cross-section?of?stock?returns[J].?Accounting?Review，?2017，?92（5）：1-32

[15]JIANG?F?W，QI?X，?TANG?G?HQ-theory，?mispricing，?and?profitability?premium：?Evidence?from?China[J].?Journal?of?Banking?and?Finance，?2018，?87：?135-149

[16]GLOSTEN??L?R，?JAGANNATHAN??R，?RUNKLE??D?E?On?the?relation?between?the?expected?value?and?the?volatility?of?the?nominal?excess?return?on?stocks[J].?The?Journal?of?Finance，1993，?48：?1779-1801