屈文洲 史文雄 陳慰

【摘要】基于2698家上市公司2000 ～ 2019年間的月度數(shù)據(jù)， 對我國A股市場換手率效應(yīng)的存在性及形成機制進行探討。 研究發(fā)現(xiàn)， 我國股票市場存在顯著的低換手率溢價現(xiàn)象， 換手率與次月收益率呈顯著負(fù)相關(guān)關(guān)系。 平均而言， 換手率最低組每月比換手率最高組的收益高出2.29%， 并且該結(jié)論在控制了規(guī)模、流動性、特質(zhì)波動率等8種定價因子之后依然穩(wěn)健。 此外， 換手率效應(yīng)無法用傳統(tǒng)的FAMA因子定價模型解釋， 而從流動性溢價角度解釋的比例也很低， 平均僅為8.2%。 進一步繼承并拓展Two-beta模型進行研究， 發(fā)現(xiàn)低換手率股票對應(yīng)的企業(yè)擁有較高的現(xiàn)金流風(fēng)險和較低的折現(xiàn)率風(fēng)險， 并且現(xiàn)金流風(fēng)險擁有更高的風(fēng)險價格， 這造成了低換手率高收益現(xiàn)象， 從而為換手率效應(yīng)提供了全新的理論解釋。

【關(guān)鍵詞】換手率效應(yīng);流動性溢價;Two-beta模型;現(xiàn)金流風(fēng)險;折現(xiàn)率風(fēng)險

【中圖分類號】F830.91? ? ? 【文獻標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2021）05-0147-9

一、引言

換手率是指證券在一定時間內(nèi)轉(zhuǎn)手的比率， 反映了交易的活躍程度。 不同于交易量指標(biāo)， 換手率以交易百分百的形式控制了企業(yè)規(guī)模的差異， 所以Lo和Wang[1] 將其稱為“交易活動的天然度量”。 高換手率一直是我國股票市場的顯著特征， 據(jù)世界銀行統(tǒng)計， 2003 ～ 2018年， 我國A股市場平均年換手率為189.5%， 遠高于美日等發(fā)達國家資本市場。

就收益角度而言， 過高的換手率并不能帶來正向效應(yīng)。 據(jù)申銀萬國證券公司編制的活躍股指數(shù)顯示， 高換手率股票在過去17年的跌幅達到99%。 換手率與預(yù)期收益之間這種負(fù)相關(guān)的現(xiàn)象被Barinov[2] 稱為換手率效應(yīng)。 近年來， 許多學(xué)者對此進行了解釋， 這些研究大致從兩個角度出發(fā)：第一， 流動性角度， 在資產(chǎn)定價的文獻中， 換手率通常被視作流動性的代理變量。 根據(jù)Amihud和Mendelson[3] 的流動性溢價理論， 投資者持有流動性差的股票需要得到額外的收益補償。 低換手率股票擁有高收益的現(xiàn)象便可由此得到解釋。 第二， 投資者分歧角度， 在研究市場微觀主體的文獻中， 換手率被用來刻畫投資者的異質(zhì)信念。 按照Scheinkman和Xiong[4] 的投機泡沫理論， 當(dāng)市場存在賣空限制時， 投資者間的異質(zhì)信念會導(dǎo)致股價中泡沫累積， 而后期泡沫破裂造成低預(yù)期收益。

這兩種解釋都暗含前提， 即換手率反映流動性或者是投資者分歧。 然而， 根據(jù)已有研究， 這個前提可能得不到滿足。 因為換手率是否反映流動性值得商榷， 流動性是指資產(chǎn)能夠以一個合理的價格快速變現(xiàn)的能力， 而這種能力不一定能在交易中體現(xiàn)。 如國內(nèi)銀行股等優(yōu)質(zhì)股票的變現(xiàn)能力強， 流動性理應(yīng)較好， 而其換手率卻通常較低。 如果將換手率和流動性等價， 即換手率低的股票流動性差， 這樣就會得到一個反事實的結(jié)論。 同樣， 把換手率看作投資者分歧也存在異議， 投資者分歧與企業(yè)的異質(zhì)性風(fēng)險有關(guān)。 Barinov[2] 指出， 異質(zhì)性風(fēng)險上升意味著流動性變差， 這就造成流動性溢價理論和投機泡沫理論相矛盾。 鑒于此， 本文以2000 ～ 2019年我國A股市場的2698只股票為研究對象， 期望從新的角度為換手率效應(yīng)提供一個合理的解釋。

二、文獻綜述

金融學(xué)上對換手率效應(yīng)的解釋可分為兩類：

第一類解釋從理性定價角度出發(fā)， 根據(jù)Amihud和Mendelson[3] 的流動性溢價理論， 流動性差的股票變現(xiàn)能力弱， 交易成本高， 因此只有在獲得高收益的前提下投資者才愿意持有這類股票， 低換手率股票的高收益即是對流動性的補償。 從該角度解釋換手率效應(yīng)的文獻較多， 如Datar等[5] 用換手率作為流動性的代理變量檢驗了流動性溢價理論， 通過對1963 ～ 1991年紐交所數(shù)據(jù)分析發(fā)現(xiàn)， 換手率對股票收益的橫截面差異有很強的解釋力。 Rouwenhorst[6] 在新興市場對諸如公司規(guī)模、賬面市值比、流動性等定價因子的適用性進行了探討， 發(fā)現(xiàn)新興市場中高換手率投資組合的收益普遍較低， 認(rèn)為這是流動性溢價的證據(jù)。 此外， Chordia等[7] 和Zhang等[8] 也都從流動性角度對換手率效應(yīng)做過分析， 并得出類似結(jié)論。

在我國， 陸靜、唐小我[9] 用換手率度量股票的流動性， 采用Fama-MacBeth兩階段截面回歸法檢驗發(fā)現(xiàn)， 流動性與預(yù)期收益呈現(xiàn)出顯著的負(fù)向關(guān)系。 蘇冬蔚、麥元勛[10] 通過檢驗交易頻率零假設(shè)和交易成本備擇假設(shè)， 深入分析我國股票市場流動性與資產(chǎn)定價的理論與經(jīng)驗關(guān)系， 發(fā)現(xiàn)我國股票市場存在顯著的流動性溢價， 即換手率低的資產(chǎn)具有較高的預(yù)期收益。 梁麗珍、孔東民[11] 從流動性測度和未預(yù)期的流動性測度兩方面對資產(chǎn)收益與流動性的關(guān)系進行檢驗， 發(fā)現(xiàn)換手率越高預(yù)期收益越低， 他們也將此現(xiàn)象歸因于流動性補償。 基于流動性的解釋需要滿足換手率和流動性正相關(guān)的前提， 然而近年來的一些研究表明這一條件可能無法滿足。 張崢、劉力[12] 研究發(fā)現(xiàn)， 換手率與買賣價差、非流動性和零收益比率等流動性指標(biāo)相關(guān)關(guān)系較弱， 由此認(rèn)為換手率不能完全反映流動性的內(nèi)涵。 林虎等[13] 指出換手率在二階矩上呈現(xiàn)出的性質(zhì)與流動性相悖。 國外學(xué)者Barinov[2] 也發(fā)現(xiàn)， 在大多數(shù)情況下?lián)Q手率與流動性負(fù)相關(guān)而非正相關(guān)。 由此看來， 從流動性角度做出的解釋可能無法成立。

第二類解釋從價格泡沫角度出發(fā)， 按照Scheinkman和Xiong[4] 的投機泡沫理論， 當(dāng)市場存在賣空限制時， 投資者的意見分歧會使其在投資決策時考慮未來將股票高價轉(zhuǎn)手的可能性。 此時， 投資者對股票的需求由股票的基本面和未來高價賣出股票的權(quán)利兩方面決定， 后者造成的價格上升被稱為投機泡沫。 換手率高意味著股價中泡沫大， 預(yù)期收益就會相對較低。 張崢、劉力[12] 發(fā)現(xiàn)換手率與預(yù)期收益之間的負(fù)向關(guān)系不能完全由流動性溢價解釋， 認(rèn)為換手率實際上是投資者異質(zhì)信念波動程度的體現(xiàn)， 并在賣空約束下造成當(dāng)期價格泡沫和預(yù)期收益下降。 譚松濤等[14] 用換手率指標(biāo)衡量意見分歧， 分析了漸進信息流對市場換手率水平的影響， 發(fā)現(xiàn)投資者分歧隨著對信息反應(yīng)時間的增加而降低， 進而導(dǎo)致?lián)Q手率和收益水平顯著降低。 林虎等[13] 認(rèn)為， 換手率反映了投資者間的意見分歧， 換手率波動越大， 轉(zhuǎn)售期權(quán)價格越高， 未來收益也會相應(yīng)降低。

然而， 相關(guān)文獻并未能為該理論提供足夠的證據(jù)支撐。 如張崢和劉力[12] 、林虎等[13] 以換手率在一階矩或二階矩上與流動性含義不符、控制流動性后換手率對收益仍有解釋能力等為由， 排除基于流動性溢價的解釋， 繼而認(rèn)定換手率與投資者異質(zhì)信念有關(guān)， 換手率效應(yīng)源于投機性泡沫。 然而， 他們既沒有構(gòu)建指標(biāo)證明換手率能反映異質(zhì)信念， 也沒有為投機泡沫理論提供更為直接的證據(jù)， 這種非此即彼的證明方式是不夠嚴(yán)謹(jǐn)也缺乏說服力的。 Chou等[15] 雖從套利限制角度為投機泡沫理論提供了實證支撐， 但他們沒有量化投機泡沫理論的解釋能力， 因而無法證明該理論的解釋力優(yōu)于流動性溢價理論; 同時， 也沒有檢驗在控制或者剔除異質(zhì)信念后換手率效應(yīng)是否消失， 如果消失， 研究結(jié)論才真正可信。

鑒于以上研究的不足， 本文期望為換手率效應(yīng)提供一種全新的合理解釋。 為克服傳統(tǒng)因子模型的不足， Campbell和Vuolteenaho[16] 對CAPM模型進行了拓展， 將市場貝塔拆分成兩部分， 一部分反映現(xiàn)金流風(fēng)險， 另一部分反映折現(xiàn)率風(fēng)險， 因而個股收益由這兩方面決定; 該模型的核心思想是將貝塔拆分成兩部分， 因此又被稱為Two-beta模型。 此后， 該思想被越來越多的學(xué)者所接受， 并被應(yīng)用到金融、會計、宏觀經(jīng)濟等眾多領(lǐng)域的研究上。 國內(nèi)采用該方法的研究文獻極少， 李家偉[17] 檢驗發(fā)現(xiàn)Two-beta模型在中國市場不具解釋力。 宿成建[18] 建立了包含現(xiàn)金流信息的多變量股票非預(yù)期收益模型， 研究發(fā)現(xiàn)， 現(xiàn)金流信息和現(xiàn)金流風(fēng)險對股票超額收益有較強的解釋能力。

現(xiàn)金流風(fēng)險大的股票收益高， 這是所有利用Two-beta模型進行分析的落腳點。 那么換手率是否與這兩類風(fēng)險有關(guān)？Da和Warachka[19] 認(rèn)為現(xiàn)金流風(fēng)險反映了企業(yè)對宏觀經(jīng)濟的風(fēng)險暴露， 并且該風(fēng)險有正的風(fēng)險價格， 所以股票的收益與現(xiàn)金流風(fēng)險正相關(guān)。 Chen和Zhao[20] 也認(rèn)為現(xiàn)金流風(fēng)險與宏觀經(jīng)濟情況、企業(yè)基本面有關(guān)， 而折現(xiàn)率風(fēng)險反映的是企業(yè)層面的信息， 包括企業(yè)特質(zhì)風(fēng)險以及投資者的情緒和風(fēng)險厭惡水平。 Liu等[21] 探討了國內(nèi)政治丑聞對股票收益的影響， 發(fā)現(xiàn)政治事件會提升投資者對相關(guān)股票的預(yù)期折現(xiàn)率， 繼而使得收益下降。 Barinov[2] 對換手率的內(nèi)涵進行了分析， 發(fā)現(xiàn)換手率實質(zhì)上反映了企業(yè)層面的不確定性， 換手率越大則表明企業(yè)的特質(zhì)風(fēng)險越高。 綜合以上分析， 筆者認(rèn)為企業(yè)風(fēng)險的改變會直接影響投資者情緒及預(yù)期折現(xiàn)率， 進而通過股票買賣加以反映， 使換手率升高。 因此， 高換手率反映的是高特質(zhì)風(fēng)險以及投資者情緒的變動， 即高折現(xiàn)率風(fēng)險。 Two-beta模型實質(zhì)上是將CAPM模型拓展， 將市場貝塔拆分為現(xiàn)金流風(fēng)險和折現(xiàn)率風(fēng)險兩部分， 兩部分通常呈負(fù)相關(guān)關(guān)系。 在此意義上， 換手率高的股票折現(xiàn)率風(fēng)險大， 現(xiàn)金流風(fēng)險相應(yīng)較小， 所以收益更低。

三、數(shù)據(jù)選擇及描述性統(tǒng)計

（一）數(shù)據(jù)來源與變量選取

本文選取2000 ～ 2019年我國A股上市公司為研究對象， 剔除金融類、數(shù)據(jù)缺失、被PT或ST處理， 以及上市不足兩年的樣本， 剩余2698只股票。 研究數(shù)據(jù)來自Wind和銳思數(shù)據(jù)庫等。

本文的被解釋變量為月度收益率Return， 用后復(fù)權(quán)價格計算; 解釋變量為月?lián)Q手率TURN， 定義為月交易量占流通股的比例。

根據(jù)資產(chǎn)定價的相關(guān)文獻， 構(gòu)建如下控制變量：用公司規(guī)模SIZE和賬面市值比BM控制小盤股和價值股效應(yīng)[22] ; 參考Jegadeesh和Titman[23] 的研究方法控制中期動量效應(yīng)MOM; 借鑒Harvey和Siddique[24] 的研究方法加入條件偏度COSKEW; 加入非流動性指標(biāo)ILL控制流動性溢價[25] ; 加入IVOL和DRISK控制收益波動率和下行風(fēng)險的影響[26，27] ; 同時還控制股票博彩型特征MAX的影響。

除ILL外， 還考慮了多種流動性代理指標(biāo)， 如Cooper等[28] 的Amivest指標(biāo)、Pastor和Stambaugh[29] 的Gamma指標(biāo)、Lesmond等[30] 的零收益天數(shù)比例Zeros和高頻買賣價差指標(biāo)Spread。 同時， 對所有連續(xù)指標(biāo)進行1%和99%分位的縮尾處理。

（二）描述性統(tǒng)計

表1展示了本文主要變量的描述性統(tǒng)計結(jié)果。 由表1可以看出， 2000 ～ 2019年我國A股的平均月收益率為1.2%， 月平均換手率為49.4%， 即A股平均只需2個月就能徹底易手一遍。 非金融企業(yè)的平均規(guī)模和平均賬面市值比為21.547和0.322。 非流動性指標(biāo)的均值為0.175， 平均特質(zhì)波動率為0.021。 下行風(fēng)險DRISK衡量了市場收益低于樣本內(nèi)均值時個股的貝塔值， 市場表現(xiàn)欠佳時， 貝塔的均值為1.132。 Gamma指標(biāo)整體小于0， 均值為-0.011， 與預(yù)期一致。 樣本期間， 零收益樣本大約占2.5%， 平均月有效價差為0.002， 這與張崢等[31] 的研究結(jié)論類似。

進一步分析各換手率組合在控制變量水平上是否存在明顯差異， 表2匯報了相關(guān)結(jié)果。 由表2可知， 換手率最低組的平均月?lián)Q手率僅為11.1%， 而最高組則達到146.5%。 隨著換手率上升， 企業(yè)規(guī)模、賬面市值比和非流動性都呈現(xiàn)出明顯的下降趨勢， 表明高換手率股票具有規(guī)模小、賬面市值比低和流動性強等特征。 此外還發(fā)現(xiàn)， 換手率低的股票在特質(zhì)波動率、動量效應(yīng)指標(biāo)、下行風(fēng)險和博彩型特征上都明顯更低。

四、實證分析

（一）換手率效應(yīng)存在性的證明

1. 單變量分組檢驗。 為檢驗股票收益是否與換手率有關(guān)， 每月按換手率從低到高將股票分為十組， 計算下個月各組合的收益。 從表3中可看出， 等權(quán)重下， 換手率最低一組的月平均收益率為1.89%， 顯著大于0。 而隨著換手率增加， 組合收益逐漸降低， 在換手率最高組中僅為-0.40%， 兩者的差異高達每月2.29%， 在1%的水平上顯著。 流通市值加權(quán)的投資組合中， “低-高”也達到了1.73%， 同樣在1%的水平上顯著。 該結(jié)果表明， 低換手率股票確實能獲得更高的收益。

進一步， 計算按照換手率策略進行連續(xù)投資， 2000 ～ 2019年可獲得的收益。 圖1中左圖為月收益簡單累加， 可以看到兩個組合走勢差異明顯， “低-高”幾乎呈單調(diào)遞增趨勢。 截至2019年底低換手率組收益達到455%， 而高換手率虧損95%。 進一步， 考慮更為現(xiàn)實的情況， 假設(shè)股票每次買（賣）的成本總計為3‰， 且將每期賣出股票的資金全部用于下期投資。 右圖給出了兩種投資策略下的收益情況， 假如初始投資啟動金為1元。 期末低換手率策略終值為9.23， 年復(fù)合收益率為11.8%， 而低換手率組僅剩0.02， 年虧損17.4%。

2. 雙變量分組檢驗。 為排除定價因子的干擾， 進行雙變量分組檢驗。 表4給出了分組結(jié)果， 表中每一列控制一種指標(biāo)。 以SIZE為例， 第一行的5.90表示在規(guī)模最小的20%的股票中， 換手率最低組比換手率最高組的平均月收益高5.90%。 同理， 第五行的0.92表示在規(guī)模最大的20%的股票中， “低-高”達到每月0.92%。 其他列含義類似， 這里不再贅述。 從表4結(jié)果中可以看出， 依次控制各定價因素后， 換手率低的投資組合的收益始終顯著更高。 該結(jié)果表明， 換手率效應(yīng)確實存在。

3. Fama-MacBeth回歸檢驗。 進一步， 采用Fama-MacBeth回歸證明換手率與下期收益顯著負(fù)相關(guān)。 參考Barinov[2] 等文獻， 構(gòu)建如下回歸模型：

Returni，t=αt+β1TURNi，t-1+βControlsi，t-1+εi，t （1）

其中， Returni，t和TURNi，t-1分別為第i只股票在第t月的收益和第t-1月的換手率。 Controls為本文構(gòu)建的控制變量， 數(shù)據(jù)頻率為月度。

表5報告了Fama-MacBeth的回歸結(jié)果， 列（1）中僅有換手率TURN。 列（2） ～ 列（6）在加入SIZE、BM和MOM的基礎(chǔ)上逐一加入其他5個變量， 而列（7）則包含了所有控制變量。 結(jié)果顯示， 列（1）中換手率的系數(shù)為-0.017， t值達到-6.73， 意味著橫截面中換手率每相差1個單位， 會造成1.7%的下期收益差異。 逐一加入控制變量后， TURN的系數(shù)變化較小， 維持在-0.025至-0.018之間， 均在1%的水平上顯著。 這表明在控制相關(guān)定價因素之后， 換手率始終與預(yù)期收益負(fù)相關(guān)， 換手率效應(yīng)非常穩(wěn)健。 此外， 在控制變量的回歸結(jié)果中， SIZE、IVOL與預(yù)期收益顯著負(fù)相關(guān)， 而BM、ILL始終與收益正相關(guān)， 表明A股市場同時存在明顯的小盤股效應(yīng)、價值股效應(yīng)、流動性溢價和特質(zhì)波動率效應(yīng)。

（二）換手率效應(yīng)的解釋

1. 從因子模型角度解釋。 參考Sharpe[32] 、Fama和French[33，34] 以及Carhart[35] 的方法， 將收益擬合CAPM、3-F、4-F、5-F因子模型得到截距項， 即經(jīng)風(fēng)險調(diào)節(jié)后的收益。 若調(diào)節(jié)后的收益差異消失， 則表明因子模型可以解釋該異象。

表6展示了等權(quán)重情況下， 因子模型的截距項。 結(jié)果顯示， 風(fēng)險調(diào)節(jié)后的收益也呈現(xiàn)出遞減趨勢， 且差異并未減小。 在未匯報的市值加權(quán)結(jié)果中， 結(jié)果高度一致。 可見， 傳統(tǒng)因子定價模型無法解釋換手率效應(yīng)。

2. 從流動性溢價角度解釋。 參考Hou和Loh[36] 、陳慰等[37] 的系數(shù)分解方法檢驗流動性對換手率效應(yīng)的解釋比例。

首先， 用Fama-MacBeth回歸估計出換手率對預(yù)期收益的影響γt。

Returni，t=αt+γtTURNi，t-1+

ηtLiqi，t-1+εi，t （2）

接著將換手率對同期流動性進行回歸， δt-1Liqi，t-1為換手率中與流動性相關(guān)的部分， 而αt-1+μi，t-1是與流動性無關(guān)的部分。

TURNi，t-1=αt-1+

δt-1Liqi，t-1+μi，t-1 （3）

最后， 將（2）式代入系數(shù)定義公式， 可將換手率效應(yīng)γt拆分成兩部分：

γt=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?+

其中，? ? ? 為換手率效應(yīng)γt中可由流動性解釋的部分，? ? ?為與流動性無關(guān)的部分。 更進一步，? ? ?/γt和? ? ?/γt分別表示換手率效應(yīng)中可由和不可由流動性解釋的比例。

用此模型可以估計出每個月的? ? ? 和? ? 的值， 為了防止個別月份的極端值影響結(jié)果， 對

和? ? 進行1%和99%分位的縮尾處理， 最后取均值計算解釋比例。 表7匯報了相關(guān)結(jié)果， γLiq表示各期中流動性對換手率效應(yīng)的平均解釋比例， 而γR則是無法由流動性解釋的部分。

表7結(jié)果顯示， 當(dāng)用ILL作為流動性的代理指標(biāo)時， γLiq/γ僅為10.9%， 即換手率效應(yīng)中可由流動性解釋的比例為10.9%。 而依次用Amivest、Gamma、Spread和Zeros度量流動性時， 解釋比例也不高， 分別僅占7.6%、2.3%、18.1%和2.2%。 五個流動性指標(biāo)的平均解釋比例僅為8.2%。 表7的結(jié)果表明， 平均而言， 換手率效應(yīng)中僅有8.2%可以從流動性溢價角度解釋。 因此， 筆者認(rèn)為換手率效應(yīng)與流動性溢價相關(guān)性不大， 將換手率效應(yīng)與流動性溢價等價是不合適的。

3. 用Two-beta模型解釋換手率效應(yīng)。 本文引入Two-beta模型展開研究。 Campbell和Vuolteenaho[16] 在VAR框架下， 引入市場收益、長短期債券利差、市盈率等變量， 從股票收益中分解出現(xiàn)金流信息和折現(xiàn)率信息， 并進一步用這兩種信息定義了現(xiàn)金流風(fēng)險和折現(xiàn)率風(fēng)險。 但是， Chen和Zhao[20] 指出， 該方法先計算出折現(xiàn)率信息， 再從殘差中倒推出現(xiàn)金流信息， 模型本身預(yù)測能力不足使得很多信息被遺漏到殘差項中， 造成現(xiàn)金流風(fēng)險和折現(xiàn)率風(fēng)險估算出現(xiàn)偏差。 隨后， Chen等[38] 用改進的隱含資本成本法（ICC）彌補了前者的缺陷。

貼現(xiàn)模型認(rèn)為股票的當(dāng)期價格等于未來各期現(xiàn)金流的貼現(xiàn)值之和， 即各期股息FEt（1-bt）的貼現(xiàn)值加終值FEt的貼現(xiàn)值， 見式（5）：

Pt=[k=1T? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?]+[? ? ? ? ? ? ? ? ? ? ? ]=f （ct，qt）

（5）

其中：Pt為股票價格; qt為隱含報酬率， 也就是必要的折現(xiàn)率; FEt+k是k年后每股收益的預(yù)測值; bt+k是公司盈利中用于下期投資的比例， 即再投資率; FEt+k（1-bt+k）為投資者可以分到的每股股息; FEt+T+1是公司停止經(jīng)營時， 投資者每股可獲得的終值。 根據(jù)Chen等[38] 的做法， 存續(xù)期T設(shè)置為15年。 簡化來看， 股票價格可以表示為現(xiàn)金流入ct和隱含報酬率qt的函數(shù)。

美國數(shù)據(jù)庫較為完備， 可直接獲取分析師對各公司的長期預(yù)測數(shù)據(jù)。 但國內(nèi)分析師不會對所有公司進行預(yù)測， 且盈利預(yù)測只有未來1 ～ 2年， 無法滿足研究要求。 因此， 需要對公式（5）進行中國化的拓展。 ROE通常被用來衡量公司盈利能力， 當(dāng)期盈利中一部分支付給股東， 剩下的用于后期發(fā)展， 因此下期盈利增長率可用扣除股利支付后的ROE近似表示。 假設(shè)企業(yè)收益增長率gt+1滿足下式條件：

gt+1=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （6）

其中， ROEt為上期的凈資產(chǎn)收益率， Dt和EPSt分別為每股股利及每股收益。 當(dāng)期每股收益用實際值， 參考Pástor等[39] 的方法估計t+2到t+16年的增長率：

gt+k=gt+k-1×exp[log（? ? ? /gt+1）×15]，?2≤k≤16 （7）

其中，? ? ? ?是市場平均收益增長率， 用樣本公司的均值表示。

各期收益的預(yù)測FEt+k可用下式刻畫：

FEt+k=FEt+k-1×（1+gt+k）， ?2≤k≤16 （8）

此外， 利用股利分配數(shù)據(jù)和每股收益數(shù)據(jù)， 可以計算出當(dāng)期各公司的股利支付率， 繼而推導(dǎo)出再投資率bt+k。 t+2至t+16年再投資率的變化路徑滿足下式：

bt+k=bt+k-1-? ? ? ?， ?2≤k≤16 （9）

將各期的EPS預(yù)測值FEt+k和再投資率bt+k代入式（5）， 并結(jié)合股價信息， 可以解出隱含報酬率ICC的值， 即qt。

t到t+j期股價變動率Rt，t+j可由（10）式表示：

Rt，t+j=? ? ? ? ? ?= （10）

按照Chen等[38] 、Pástor等[39] 的研究方法， 可從收益中分解出兩種信息。 其中：

NCFj=[? ? ? ? ? ? ? ? ? ? ? ? ? ? ? +

]/2 （11）

NDRj=[? ? ? ? ? ? ? ? ? ? ? ? ?+

]/2 （12）

Campbell和Vuolteenaho[16] 認(rèn)為未預(yù)期到的股票收益與現(xiàn)金流或者折現(xiàn)率信息的變動有關(guān)。 因此， CAPM貝塔可由（13）式拆分成與現(xiàn)金流和折現(xiàn)率相關(guān)的兩部分：

βS=

=? ? ? ? ? ? ? ? ? ? ? ? ? ? ?=βS，CF+βS，DR （13）

βS，CF=

βS，DR= （14）

其中， ri為個股收益，? ? ? ?和? ? ? ?為市場組合的現(xiàn)金流信息和折現(xiàn)率信息， 用個股信息的均值表示。 βS，CF、βS，DR即為現(xiàn)金流風(fēng)險和折現(xiàn)率風(fēng)險。

在新古典金融學(xué)框架下， 股票的超額收益都是對系統(tǒng)性風(fēng)險的補償。 根據(jù)Campbell和Vuolteenaho[16] ， 股票收益可由以下公式刻畫：

Et（Rt+1-Rf）=βCF×λCF+βDR×λDR （15）

其中， λCF和λDR分別是現(xiàn)金流風(fēng)險和折現(xiàn)率風(fēng)險的價格。 式（15）意味著股票的收益由現(xiàn)金流風(fēng)險和折現(xiàn)率風(fēng)險決定。 按照前文的論述， 如果能證明低換手率的股票擁有更高的現(xiàn)金流風(fēng)險， 并且現(xiàn)金流風(fēng)險的價格更高， 那么換手率效應(yīng)就可以從這個角度得到解釋。

按以上模型可得各季度的現(xiàn)金流風(fēng)險和折現(xiàn)率風(fēng)險， 表8給出了各換手率組合中兩種風(fēng)險均值情況。 其中， j表示計算股票收益時間隔的季度。 可以看到， 當(dāng)j=1時， 隨著換手率上升， 現(xiàn)金流風(fēng)險逐漸降低而折現(xiàn)率風(fēng)險逐步增加。 換手率最低一組的平均現(xiàn)金流風(fēng)險為0.73， 而最高一組僅為0.52， 差值為0.21， 在1%的水平上顯著。 低換手率組合的折現(xiàn)率風(fēng)險則顯著低于高換手率組合。 在j=2和j=3時也得到了類似的結(jié)果， “低-高”的現(xiàn)金流風(fēng)險分別達到0.11和0.15， 而折現(xiàn)率風(fēng)險差異也分別達到-0.18和-0.31， 均通過了顯著性檢驗。 表8的結(jié)果驗證了換手率高的股票確實折現(xiàn)率風(fēng)險大而現(xiàn)金流風(fēng)險小。

為什么換手率與現(xiàn)金流風(fēng)險、折現(xiàn)率風(fēng)險有關(guān)呢？ 本文認(rèn)為， 折現(xiàn)率風(fēng)險實質(zhì)上與投資者的風(fēng)險偏好、避險情緒等心理因素有關(guān)。 當(dāng)企業(yè)暴露異質(zhì)性風(fēng)險時， 投資者購買該股票所期望的必要回報率就相應(yīng)提升， 對未來現(xiàn)金流的心理估值也會降低。 而面對風(fēng)險等利空信息時， 風(fēng)險偏好低的投資者傾向于賣出股票， 造成二級市場換手率上升。 因此， 換手率高的股票折現(xiàn)率風(fēng)險較高。 同時， 本文檢驗也發(fā)現(xiàn)CAPM模型對換手率效應(yīng)沒有解釋能力， 即不同換手率水平股票的CAPM貝塔并無明顯差異。 也就是說， 低換手率與高換手率股票的總貝塔接近， 但由于高換手率股票的折現(xiàn)率風(fēng)險較大， 因而現(xiàn)金流風(fēng)險較小。 相應(yīng)地， 低換手率股票現(xiàn)金流風(fēng)險大， 而折現(xiàn)率風(fēng)險小。

接下來， 本文將檢驗我國A股市場現(xiàn)金流風(fēng)險是否擁有更高的風(fēng)險價格。 用季度超額收益對兩種風(fēng)險進行Fama-MacBeth回歸：

ri，t=α+λCFβCF，i，t+λDRβDR，i，t+εi，t （16）

表9報告了相關(guān)結(jié)果。 當(dāng)j=1時， 現(xiàn)金流風(fēng)險的價格為0.081， 在1%的水平上顯著， 即每單位的現(xiàn)金流風(fēng)險需要得到8.1%的收益補償。 而折現(xiàn)率風(fēng)險的價格為0.054， 僅在10%的水平上顯著， 現(xiàn)金流風(fēng)險的價格明顯高于折現(xiàn)率風(fēng)險。 當(dāng)j=2和j=3時， 現(xiàn)金流風(fēng)險的價格分別為0.085、0.067， 依然高于折現(xiàn)率風(fēng)險的0.056和0.065。 上述結(jié)果表明， 我國A股市場的現(xiàn)金流風(fēng)險擁有更高的風(fēng)險價格。 結(jié)合表8和表9可以看出， 低換手率的投資組合擁有較大的現(xiàn)金流風(fēng)險和較低的折現(xiàn)率風(fēng)險， 并且現(xiàn)金流風(fēng)險有著更高的風(fēng)險價格， 低換手率高收益的現(xiàn)象可以從這一角度得到解釋。

（三）穩(wěn)健性檢驗

為了證明研究結(jié)果的穩(wěn)健性， 本文做了如下穩(wěn)健性檢驗：①將雙變量分組的結(jié)果代入多因子模型估計出截距項， 結(jié)果顯示風(fēng)險調(diào)整后換手率效應(yīng)依然顯著。 ②用月度數(shù)據(jù)替代季度數(shù)據(jù)， 結(jié)果再次證明現(xiàn)金流風(fēng)險擁有更高的風(fēng)險價格。 ③將樣本區(qū)間替換為1996 ～ 2019年， 并分金融危機前后檢驗， 結(jié)果依然顯著。 ④將持有期限由一個月改為三個月和一年， 研究發(fā)現(xiàn)， 換手率效應(yīng)變得不顯著， 甚至消失， 表明換手率效應(yīng)只存在于短周期中。 限于篇幅， 檢驗結(jié)果未予列示。

五、研究結(jié)論及意義

（一）結(jié)論

利用2000 ～ 2019年我國A股市場數(shù)據(jù)， 本文對換手率效應(yīng)的存在性以及形成機制進行了探討。 研究發(fā)現(xiàn)， 換手率與預(yù)期收益率顯著負(fù)相關(guān)。 平均而言， 低換手率股票比高換手率股票月均收益高2.29%， 且該結(jié)論在控制多種定價因子后仍然顯著。 進一步分析表明， 傳統(tǒng)的因子定價模型無法完全解釋此現(xiàn)象。 此外， 本文借鑒Hou和Loh[26] 的系數(shù)分解模型檢驗了流動性溢價理論對換手率效應(yīng)的解釋能力， 實證結(jié)果表明流動性的解釋比例非常低， 平均僅為8.2%， 因此基于流動性溢價的解釋是不合適的。

另外， 本文結(jié)合Two-beta模型為換手率效應(yīng)提供了新的解釋。 研究發(fā)現(xiàn)， 股票的換手率水平與其面臨的現(xiàn)金流風(fēng)險、折現(xiàn)率風(fēng)險密切相關(guān)。 具體來說， 與低換手率股票相比， 高換手率股票擁有更大的折現(xiàn)率風(fēng)險和更小的現(xiàn)金流風(fēng)險。 并且， 每單位現(xiàn)金流風(fēng)險所需的風(fēng)險補償明顯更高， 這就造成了高換手率股票的收益顯著更低， 即低換手率溢價現(xiàn)象。 究其原因， 本文認(rèn)為公司異質(zhì)性風(fēng)險暴露會促使投資者提高必要報酬率， 并降低對未來現(xiàn)金流的估值， 導(dǎo)致折現(xiàn)率風(fēng)險大幅提高。 此時， 低風(fēng)險偏好和情緒驅(qū)動的投資者都傾向于賣出股票， 導(dǎo)致?lián)Q手率上升， 由此形成高換手率對應(yīng)高折現(xiàn)率風(fēng)險。

（二）研究意義

理論意義上， 首先學(xué)界對流動性溢價理論的解釋能力一直存在爭議， 但缺乏有力的證據(jù)。 本文引入系數(shù)分解模型， 量化了該理論的解釋比例， 推翻了流動性角度解釋的合理性， 為往后的研究奠定了基礎(chǔ)。 其次， 本文利用現(xiàn)金流風(fēng)險和折現(xiàn)率風(fēng)險為換手率效應(yīng)提供了一種全新的解釋。 Two-beta模型在國內(nèi)資產(chǎn)定價中應(yīng)用較少， 且本文對其進行中國化的改進以適用于國內(nèi)研究， 該方法可為該領(lǐng)域的相關(guān)議題提供新的思路。

實踐意義上， 個人投資者通常不具備股票估值能力且易受非理性情緒影響而盲目換手， 追漲殺跌。 這既不利于股市穩(wěn)定， 又會減少居民財富。 成熟的資本市場， 如美國散戶比例和交易占比都不到10%， 2020年上半年投資者大幅涌入后， 成交金額占比也不到20%。 而我國剛好相反， 股市投資者中超過99%為散戶。 《上海證券交易所市場質(zhì)量報告（2020）》顯示， 2019年成交的訂單中近8成由散戶完成。 本文研究發(fā)現(xiàn)， A股市場的月均換手率高達49%， 這與我國特殊的投資者結(jié)構(gòu)有必然聯(lián)系。 并且， 換手率效應(yīng)揭示出高換手率面臨著未來投資損失的本質(zhì)。 因此， 對監(jiān)管層而言， 為了培育健康的市場環(huán)境， 需要加快推進股市“去散戶化”進程， 從根本上改善非專業(yè)化、情緒化、異象叢生的股市亂象。 此外， 管理層要重視換手率這一市場指標(biāo)， 關(guān)注換手率異常的樣本， 避免股市大幅波動。 對投資者而言， “賺快錢”的思想根深蒂固， 因而“追漲追熱”成為散戶推崇的投資策略。 本文發(fā)現(xiàn)該方法帶來的并不是可觀的盈利， 而是可預(yù)計的損失。 因此， 投資者應(yīng)理解風(fēng)險與收益相匹配的投資原則， 并掌握一定的財務(wù)分析技能， 通過基本面分析去篩選換手率低且具有成長潛力的公司， 做到理性投資、價值投資， 摒棄盲目“追熱”。

【 主 要 參 考 文 獻 】

[1] Lo A. W.， Wang J.. Trading Volume： Definitions， Data Analysis， and Implications of Portfolio Theory[ J].Review of Financial Studies，2000（2）：257 ～ 300.

[2] Barinov A.. Turnover： Liquidity or Uncertainty？[ J].Mana-

gement Science，2014（10）：2478 ～ 2495.

[3] Amihud Y.， Mendelson H.. Liquidity and Stock Returns[ J].Financial Analysts Journal，1986（3）：43 ～ 48.

[4] Scheinkman J. A.， Xiong W.. Overconfidence and Speculative Bubbles[ J].Journal of Political Economy，2003（6）：1183 ～ 1220.

[5] Datar V. T.， Naik N. Y.， Radcliffe R.. Liquidity and Stock Returns： An Alternative Test[ J].Journal of Financial Markets，1998（2）：203 ～ 219.

[6] Rouwenhorst K. G.. Local Return Factors and Turnover in Emerging Stock Markets[ J].The Journal of Finance，1999（4）：1439 ～ 1464.

[7] Chordia T.， Huh S. W.， Subrahmanyam A.. The Cross-Section of Expected Trading Activity[ J].Review of Financial Studies，2007（3）：709 ～ 740.

[8] Zhang X.， Yang Y.， Su H.， Zhang S.. Liquidity Premium and the Corwin-Schultz Bid-Ask Spread Estimate[ J].China Finance Review International，2014（2）：168 ～ 186.

[9] 陸靜，唐小我.股票流動性與期望收益的關(guān)系研究[ J].管理工程學(xué)報，2004（2）：109 ～ 111.

[10] 蘇冬蔚，麥元勛.流動性與資產(chǎn)定價：基于我國股市資產(chǎn)換手率與預(yù)期收益的實證研究[ J].經(jīng)濟研究，2004（2）：95 ～ 105.

[11] 梁麗珍，孔東民.中國股市的流動性指標(biāo)定價研究[ J].管理科學(xué)，2008（3）：85 ～ 93.

[12] 張崢，劉力.換手率與股票收益：流動性溢價還是投機性泡沫？[ J].經(jīng)濟學(xué)（季刊），2006（3）：871 ～ 892.

[13] 林虎，孫博，劉力.換手率波動、轉(zhuǎn)售期權(quán)與股票橫截面收益率[ J].金融研究，2013（12）：181 ～ 193.

[14] 譚松濤，王亞平，劉佳.漸進信息流與換手率的周末效應(yīng)[ J].管理世界，2010（8）：35 ～ 43.

[15] Chou P. H.， Huang T. Y.， Yang H. J.. Arbitrage Risk and the Turnover Anomaly[ J].Journal of Banking & Finance，2013（11）：4172 ～ 4182.

[16] Campbell J. Y.， Vuolteenaho T.. Bad Beta， Good Beta[ J].The American Economic Review，2004（5）：1249 ～ 1275.

[17] 李家偉.極端事件真的能塑造投資者預(yù)期？——基于“壞β”“好β”資產(chǎn)定價理論的實證檢驗[ J].經(jīng)濟學(xué)（季刊），2014（1）：151 ～ 174.

[18] 宿成建.現(xiàn)金流信息、現(xiàn)金流風(fēng)險與股票收益定價研究[ J].管理科學(xué)學(xué)報，2016（5）：102 ～ 113.

[19] Da Z.， Warachka M. C.. Cashflow Risk， Systematic Earnings Revisions， and the Cross-Section of Stock Returns[ J].Journal of Financial Economics，2009（3）：448 ～ 468.

[20] Chen L.， Zhao X.. Return Decomposition[ J].Review of Financial Studies，2009（12）：5213 ～ 5249.

[21] Liu L. X.， Shu H.， Wei K. C. J.. The Impacts of Political Uncertainty on Asset Prices： Evidence from the Bo Scandal in China[ J].Journal of Financial Economics，2017（125）：286 ～ 310.

[22] Fama E. F.， French K. R.. The Cross-Section of Expected Stock Returns[ J].The Journal of Finance，1992（2）：427 ～ 465.

[23] Jegadeesh N.， Titman S.. Returns to Buying Winners and Selling Losers： Implications for Stock Market Efficiency[ J].The Journal of Finance，1993（1）：65 ～ 91.

[24] Harvey C. R.， Siddique A.. Conditional Skewness in Asset Pricing Tests[ J].The Journal of Finance，2000（3）：1263 ～ 1295.

[25] Amihud Y.. Illiquidity and Stock Returns： Cross-Section and Time-Series Effects[ J].Journal of Financial Markets，2002（1）：31 ～ 56.

[26] Ang A.， Chen J.， Xing Y.. Downside Risk[ J].The Review of Financial Studies，2006（4）：1191 ～ 1239.

[27] Ang A.， Hodrick R. J.， Xing Y.， Zhang X.. The Cross-Section of Volatility and Expected Returns[ J].The Journal of Finance，2006（1）：259 ～ 299.

[28] Cooper S. K.， Groth? J. C.， Avera W. E.. Liquidity， Exchange Listing， and Common Stock Performance[ J].Journal of Economics & Business，1985（1）：19 ～ 33.

[29] Pástor L.， Stambaugh R. F.. Liquidity Risk and Expected Stock Returns[ J].Journal of Political Economy，2003（3）：642 ～ 685.

[30] Lesmond D. A.， Ogden J. P.， Trzcinka C. A.. A New Estimate of Transaction Costs[ J].Review of Financial Studies，1999（5）：1113 ～ 1141.

[31] 張崢，李怡宗，張玉龍，劉翔.中國股市流動性間接指標(biāo)的檢驗——基于買賣價差的實證分析[ J].經(jīng)濟學(xué)（季刊），2014（1）：233 ～ 262.

[32] Sharpe W. F.. Capital Asset Prices： A Theory of Market Equilibrium Under Conditions of Risk[ J].The Journal of Finance，1964（3）：425 ～ 442.

[33] Fama E. F.， French K. R.. Common Risk Factors in the Returns on Stocks and Bonds[ J].Journal of Financial Economics，1993（33）：3 ～ 56.

[34] Fama E. F.， French K. R.. A Five-Factor Asset Pricing Model[ J].Journal of Financial Economics，2015（1）：1 ～ 22.

[35] Carhart M. M.. On Persistence in Mutual Fund Performance[ J].The Journal of Finance，1997（1）：57 ～ 82.

[36] Hou K.， Loh R. K.. Have We Solved the Idiosyncratic Volatility Puzzle？[ J].Journal of Financial Economics，2016（1）：167 ～ 194.

[37] 陳慰，張兵，徐碩正.異質(zhì)信念、套利限制與低換手率溢價之謎[ J].金融經(jīng)濟學(xué)研究，2018（4）：109 ～ 118.

[38] Chen L.， Da Z.， Zhao X.. What Drives Stock Price Movements？[ J].Review of Financial Studies，2013（4）：841 ～ 876.

[39] Pástor L.， Sinha M.， Swaminathan B.. Estimating the Intertemporal Risk-Return Tradeoff Using the Implied Cost of Capital[ J].The Journal of Finance，2008（6）：2859 ～ 2897.