預(yù)期收益、成交量和錯(cuò)誤定價(jià)之間的關(guān)系

1、簡(jiǎn)介成交量在股票市場(chǎng)的價(jià)格發(fā)現(xiàn)、風(fēng)險(xiǎn)共擔(dān)和流動(dòng)性提供方面發(fā)揮著重要作用。它影響著股票收益。成交量可能與投資者的分歧、波動(dòng)性、流動(dòng)性、投資者注意力、信息不對(duì)稱等有關(guān)。本文證實(shí)了存在一個(gè)成交量放大效應(yīng)，并探索了成交量是如何影響股票收益的機(jī)制。文獻(xiàn)發(fā)現(xiàn)，錯(cuò)誤定價(jià)集中在高成交量的股票中，因?yàn)轭A(yù)期回報(bào)在被低估股票中與成交量正相關(guān)，而在被高估股票中則是負(fù)相關(guān)。通過(guò)對(duì) Stambaugh、Yu 和 Yuan（2015）的錯(cuò)誤定價(jià)得分（MISP）和 1965 年 7 月至 2019 年 12 月的成交量進(jìn)行 5X5 的獨(dú)立雙排序，在被低估股票中，月度 Fama 和 French（2015）五因子（FF5） 隨

2、成交量增加，從低成交量組合的-0.02%到高成交量組合的 0.51%。然而，在被高估的股票中，每月的 隨成交量減少，從低成交量組合的-0.28%到高成交量組合的-0.68%。低價(jià)減高價(jià)（UMO）組合的每月 在低成交量股票中為 0.26%，在高成交量股票中為 1.18%，其差異 0.93%（t=4.24）被稱為成交量放大效應(yīng)。這些結(jié)果表明，成交量-回報(bào)關(guān)系是異質(zhì)性的，取決于錯(cuò)誤定價(jià)的程度，而錯(cuò)誤定價(jià)集中在高成交量股票中。除了 MISP 之外，本文還考慮了兩種替代的錯(cuò)誤定價(jià)指標(biāo)。第一個(gè)是 CAPM ，這是投資者在做出資本配置決策和評(píng)估基金經(jīng)理時(shí)使用的主要業(yè)績(jī)指標(biāo)，如果一只股票的 CAPM 為負(fù)數(shù)，

3、則其價(jià)格過(guò)高，反之則價(jià)格過(guò)低。第二個(gè)是綜合 ，它是五個(gè)主流的資產(chǎn)定價(jià)因子模型的平均 。對(duì) CAPM（綜合） 和成交量的雙重排序產(chǎn)生了與 MISP 和成交量的雙重排序類似的結(jié)果。成交量與那些已知的對(duì)錯(cuò)誤定價(jià)有放大效應(yīng)的變量不同（包括特異性波動(dòng)率 IVOL、規(guī)模、非流動(dòng)性、機(jī)構(gòu)比例、偏度和資本回報(bào)過(guò)剩）。在控制了這些競(jìng)爭(zhēng)性變量后，成交量放大效應(yīng)仍然顯著，本文的結(jié)果是穩(wěn)健的。首先，成交量放大效應(yīng)是持續(xù)的，在投資組合形成后的兩年內(nèi)仍然強(qiáng)勁。第二，雖然本文主要依靠獨(dú)立排序，但本文通過(guò)使用 NYSE 的分界點(diǎn)和順序排序發(fā)現(xiàn)了類似的結(jié)果。第三，雖然本文的主要分析集中在除微型股以外的所有股票，但成交量放大效應(yīng)

4、也適用于微型股。最后，本文的結(jié)果對(duì)成交量的三種替代指標(biāo)也是穩(wěn)健的。為了理解潛在的經(jīng)濟(jì)機(jī)制，Atmaz 和Basak（2018）把對(duì)一只股票的平均預(yù)期偏差（投資者預(yù)期偏差的截面平均值）和投資者的分歧（預(yù)期偏差的標(biāo)準(zhǔn)差）放在一起考慮。在均衡狀態(tài)下，在好消息之后，樂(lè)觀的投資者的信念得到支持，并通過(guò)對(duì)股票的投資變得相對(duì)更富有，這反過(guò)來(lái)又增加了他們?cè)谄骄A(yù)期偏差中的權(quán)重，使得對(duì)股票的整體看法更加樂(lè)觀。同樣地，在壞消息之后，對(duì)股票的整體看法變得更加悲觀。此外，Atmaz 和Basak（2018）表明，投資者的分歧對(duì)平均預(yù)期偏差有放大作用。當(dāng)平均偏差為正時(shí)，它與分歧正相關(guān)，分歧的增加會(huì)導(dǎo)致更多的樂(lè)觀情緒，這

5、意味著分歧與回報(bào)的關(guān)系為負(fù)。相反，當(dāng)平均偏差為負(fù)值時(shí)，它意味著一個(gè)正的分歧-回報(bào)關(guān)系。當(dāng)投資者的平均預(yù)期有偏差時(shí)，投資者的分歧會(huì)放大錯(cuò)誤定價(jià)。本文的主要發(fā)現(xiàn)是成交量放大了錯(cuò)誤定價(jià)，如果成交量捕捉了投資者的分歧，而 MISP 捕捉了投資者的預(yù)期偏差，則與Atmaz 和Basak（2018）的模型一致。在本文中，分析師的預(yù)測(cè)偏差集中在高成交量的股票中，并且在考慮了分析師回報(bào)（或盈利）預(yù)測(cè)分散性的放大效應(yīng)后，成交量放大效應(yīng)被大幅削弱。本文還分析了成交量放大效應(yīng)對(duì)投資的影響。本文著重使用 FF5 來(lái)評(píng)估異?；貓?bào)。但 MISP 的投資組合策略很可能產(chǎn)生 FF5 無(wú)法解釋的異?；貓?bào)。另一方面，如果該策略的

6、回報(bào)能被Stambaugh 和Yuan（2017）的四因子模型（SY4）解釋，那么該策略可能不會(huì)增加任何投資價(jià)值，因?yàn)橥顿Y者可以用四個(gè)因子代替交易。因此，成交量放大效應(yīng)（或任何其他相關(guān)的異常效應(yīng)）應(yīng)該通過(guò)使用解釋錯(cuò)誤定價(jià)得分的相應(yīng)因子模型來(lái)評(píng)估。在本文中，成交量放大效應(yīng)相對(duì)于 SY4 仍然是顯著的，但它在經(jīng)濟(jì)上和統(tǒng)計(jì)上都比較弱。原因是本文對(duì)成交量放大效應(yīng)的衡量與 MISP 有關(guān)，因此在一定程度上受到底層因子的影響。例如，如果本文使用另一種衡量錯(cuò)誤定價(jià)的方法，如來(lái)自 SY4 模型本身的公司層面的 ，成交量放大效應(yīng)會(huì)變得更強(qiáng)。簡(jiǎn)而言之，從投資的角度來(lái)看，成交量與錯(cuò)誤定價(jià)得分一起可以識(shí)別更多的被低估

7、和被高估股票，其經(jīng)濟(jì)價(jià)值超過(guò)了原始交易因子。數(shù)據(jù)從CRSP 獲得1963 年7 月至2019 年12 月的月度股票回報(bào)，包括所有在NYSE、 AMEX 和 NASDAQ 上市的美國(guó)普通股票（CRSP 股票代碼為 10 或 11），在每個(gè)月剔除沒(méi)有可驗(yàn)證前日價(jià)格的股票，沒(méi)有在當(dāng)前交易所交易的股票，以及因價(jià)格缺失而缺失回報(bào)的股票。還剔除了投資組合形成時(shí)價(jià)格低于 5 美元的股票，微型股只占總市值的 3%，但占股票數(shù)量的 60%，本文不考慮微型股，最后總樣本有大約 998,000個(gè)月觀察值。關(guān)于成交量，使用過(guò)去三個(gè)月的平均換手率來(lái)衡量交易情況（在回歸中使用對(duì)數(shù)換手率以減少對(duì)偏度的擔(dān)憂），每月的換手率是

8、指一個(gè)月內(nèi)成交的股票數(shù)量除以月底的流通股數(shù)量。關(guān)于錯(cuò)誤定價(jià)得分（MISP），這是一個(gè)從 1 到 100 的排名變量，高值表示定價(jià)過(guò)高，低值表示定價(jià)過(guò)低。這個(gè)衡量指標(biāo)通過(guò)對(duì)一個(gè)股票的 11 種異象排名百分位數(shù)進(jìn)行平均，來(lái)反映股票的錯(cuò)誤定價(jià)，包括股票凈發(fā)行、股票總發(fā)行、應(yīng)計(jì)費(fèi)用、凈營(yíng)運(yùn)資產(chǎn)、資產(chǎn)增長(zhǎng)率、資產(chǎn)投資比率、財(cái)務(wù)困境、O-score、動(dòng)量、總利潤(rùn)率和資產(chǎn)回報(bào)率等。實(shí)證結(jié)果成交量-回報(bào)關(guān)系取決于錯(cuò)誤定價(jià)，在定價(jià)過(guò)低的股票中為正，在定價(jià)過(guò)高的股票中為負(fù)。因此錯(cuò)誤定價(jià)集中在高成交量的股票中。錯(cuò)誤定價(jià)與成交量在每個(gè)月的月底，本文用 MISP 和成交量的雙重排序形成 5X5 的組合，對(duì)這 25個(gè) M

9、ISP-成交量分組用市值加權(quán)形成投資組合持有一個(gè)月。圖表 1 列出了本文的主要發(fā)現(xiàn)。在定價(jià)過(guò)低的股票中，平均回報(bào)隨著成交量而增加，從低成交量組合的 0.61%到高成交量組合的 1.01%，其中高-低（H-L）組合的平均回報(bào)等于 0.40%（t=1.89）。在價(jià)格過(guò)高的股票中，平均回報(bào)隨成交量單調(diào)下降，從低成交量組合的 0.35%到高成交量組合的-0.25%，其中 H-L 組合的平均回報(bào)等于-0.59%（t=-2.36）。對(duì)于 MISP相對(duì)中等的股票，H-L 組合的平均回報(bào)不為 0，但也不顯著。圖表 1 各組合的平均回報(bào)和 （左）以及 UMO 組合的平均回報(bào)和 FF5（右）根據(jù)左圖的 A 組，成

10、交量-回報(bào)關(guān)系在被低估股票中為正，在被高估股票中為負(fù)。低估減高估（UMO）組合在高成交量五分位數(shù)中遠(yuǎn)遠(yuǎn)高于低成交量五分位數(shù)中。具體來(lái)說(shuō)，UMO 組合在低成交量組的差異為 0.27%（t=1.92），在高成交量組中的差異為 1.26%（t=6.58），后者是前者的四倍，這一點(diǎn)在右圖中得到了生動(dòng)的描述。在控制了 MISP 之后，H-L 組合的平均回報(bào) 0.08%（H-L 列的平均）接近于 H- L 組合在成交量上的單一排序的不顯著的平均回報(bào) 0.03%（t=0.14）。這一發(fā)現(xiàn)解釋了為什么在無(wú)條件的情況下無(wú)法檢測(cè)到顯著的成交量-回報(bào)關(guān)系。為了研究風(fēng)險(xiǎn)是否能解釋成交量-回報(bào)關(guān)系，圖表 1 的左圖 B

11、 組報(bào)告了 25 個(gè)MISP-成交量組合的FF5 值。與A 組類似，在被低估股票中，F(xiàn)F5 從低成交量組合的-0.02%增加到高成交量組合的 0.51%，兩者之差等于 0.53%（t=3.16）。相反，在被高估的股票中，F(xiàn)F5 的 值從低成交量組合的-0.28%下降到高成交量組合的- 0.68%，差異相當(dāng)于-0.39%（t=-2.16）。對(duì)于 Q2 和 Q3 的 MISP 的股票，F(xiàn)F5 也普遍隨成交量上升，而且 H-L 組合的 FF5 明顯為正。綜合來(lái)看，低成交量 UMO 組合的 FF5 為 0.27%，高成交量 UMO 組合為 1.26%，其差異被稱為成交量放大效應(yīng)，等于 0.93%（t=

12、4.24）。圖表 1 的右圖顯示了不同成交量的 UMO 組合的FF5，表明高成交量股票的錯(cuò)誤定價(jià)比低成交量股票要強(qiáng)得多。C 組報(bào)告了 Hou、Xue 和 Zhang（2015）的 Q 因子 。介于因子的可獲得性，該小組的樣本期為 1967 年 1 月至 2019 年 12 月。結(jié)果與 B 組相似，成交量-回報(bào)關(guān)系在被低估股票中為正，在被高估股票中為負(fù)。因此，錯(cuò)誤定價(jià)集中在高成交量的股票中。由于錯(cuò)誤定價(jià)是隨時(shí)間變化的，本文預(yù)計(jì)成交量放大效應(yīng)也會(huì)隨時(shí)間波動(dòng)。另外，Schwert（2003）等人的研究表明，大多數(shù)的異常現(xiàn)象在學(xué)術(shù)論文發(fā)表后會(huì)減弱或消失。一個(gè)自然的問(wèn)題是這種衰減模式是否適用于成交量放大

13、效應(yīng)。首先，本文計(jì)算 UMO 投資組合在每一年內(nèi)的月平均回報(bào)和 FF5，并在圖表 2 中繪制時(shí)間序列動(dòng)態(tài)圖，其中第 t 年的 FF5 是來(lái)自 UMO 投資組合回報(bào)對(duì) FF5 因子的全樣本回歸平均定價(jià)誤差（即截距加第t 年內(nèi)的平均殘差）。本文用十年滾動(dòng)窗口法對(duì)一個(gè)月前的股票回報(bào)與 MISP、成交量及其交互作用進(jìn)行了 Fama-MacBeth 回歸。圖表 3 顯示了交互作用的回歸系數(shù)，它代表了回歸中的成交量放大效應(yīng)。這兩張圖顯示，成交量放大效應(yīng)從 1980 年開(kāi)始增加，在 2003 年達(dá)到最大值，此后下降，在過(guò)去兩年變得不明顯了，可能的原因是“SarbanesOxley Act”的通過(guò)，SEC 加

14、快了 10-Q 和 10- K 的報(bào)告要求，以及 NYSE 引入了自動(dòng)報(bào)價(jià)，這導(dǎo)致利用錯(cuò)誤定價(jià)的成本下降。此外，計(jì)算能力的提高也可能抑制了套利成本和錯(cuò)誤定價(jià)。圖表 2 隨時(shí)間變化的月度 UMO 回報(bào)以及 FF5圖表 3 隨時(shí)間變化的交互作用的回歸系數(shù)最近的研究表明套利成本是驅(qū)動(dòng)微型股錯(cuò)誤定價(jià)的一個(gè)主導(dǎo)因子。這也是本文的主要分析剔除微型股的原因。當(dāng)把同樣的 MISP-成交量雙排序應(yīng)用于微型股時(shí)，本文發(fā)現(xiàn)微型股的錯(cuò)誤定價(jià)幅度要比非微型股的大。更重要的是，成交量-回報(bào)關(guān)系與圖表 1 左圖保持一致。簡(jiǎn)而言之，本小節(jié)發(fā)現(xiàn)成交量-回報(bào)關(guān)系在定價(jià)過(guò)低的股票中是正的，在定價(jià)過(guò)高的股票中是負(fù)的，這種異質(zhì)性的關(guān)系

15、意味著錯(cuò)誤定價(jià)集中在高成交量的股票中。其他錯(cuò)誤定價(jià)指標(biāo)由于成交量-回報(bào)關(guān)系關(guān)鍵取決于 MISP，因此了解結(jié)果對(duì)其他錯(cuò)誤定價(jià)指標(biāo)的敏感度是非常有用的。下面本文考慮兩種類型的 指標(biāo)，它們比 MISP 更容易計(jì)算。第一個(gè)是CAPM ，第二種是綜合 ，后者是主流的五個(gè)因子模型的平均 ，包括 CAPM 模型、Fama-French 三因子模型、Fama-French 三因子加動(dòng)量因子模型、Fama-French 五因子模型以及Hou, Xue, and Zhang (2015) q 因子模型。本文用各個(gè)因子模型的過(guò)去兩年的觀察值來(lái)估計(jì)每個(gè)股票的月度 。理論上，負(fù)的 表示定價(jià)過(guò)高，正的 表示定價(jià)過(guò)低。和上

16、一節(jié)一樣，本文用 CAPM（綜合） 和成交量的獨(dú)立雙排序形成5X5 的投資組合。所有的投資組合都是按市值加權(quán)的，月度調(diào)倉(cāng)。圖表 4 的A 組報(bào)告了按 CAPM 和成交量排序的投資組合的FF5 值。與圖表1 類似，在正的 CAPM （被低估）股票中，F(xiàn)F5 從低成交量組合的 0.16%增加到高成交量組合的 0.62%，差異等于 0.46%（t=2.41）。在負(fù) CAPM （被高估）的股票中，F(xiàn)F5 從低成交量組合的-0.19%下降到高成交量組合的-0.60%，差值為-0.41%（t=-2.35）。因此，positive-minus-negative alpha（PMN）組合的 FF5 隨著成交量

17、單調(diào)增加，從低成交量股票的 0.34%（t=1.55）到高成交量股票的 1.22%（t=5.58）。因此，成交量放大效應(yīng)等于 0.87%（t=3.71），意味著錯(cuò)誤定價(jià)集中在高成交量股票中。圖表 4 各組合的 FF5 值（按 CAPM 和成交量排序）圖表 4 的B 組報(bào)告了按綜合 和成交量排序的投資組合的 FF5。顯然，F(xiàn)F5在具有正的綜合 的股票中隨成交量增加，但在具有負(fù)的綜合 的股票中隨成交量減少。因此， PMN 組合的 FF5 從低成交量組合的 0.26%（t=1.32）單調(diào)地增加到高成交量組合的 1.11%（t=5.60）。在這種情況下，成交量放大效應(yīng)為 0.85%（t=3.83）。綜

18、合來(lái)看，當(dāng)使用其他錯(cuò)誤定價(jià)指標(biāo)時(shí)，成交量放大錯(cuò)誤定價(jià)的結(jié)論仍然存在。本文的方法可以進(jìn)一步擴(kuò)展到非線性模型。原因是 可以被定義為任何資產(chǎn)定價(jià)模型： = (+1) (+1+1),(1)其中+1是隨機(jī)貼現(xiàn)因子，+1是超額回報(bào)。從理論上講，如果一只股票的 是正的，那么它的價(jià)格就是被低估的，否則就是被高估的。一個(gè)自然的問(wèn)題是，在與成交量的互動(dòng)中，CAPM（綜合） 或 MISP 是否捕捉到更多的信息。為了解決這個(gè)問(wèn)題，本文對(duì) MISP 和CAPM 進(jìn)行了雙重排序。結(jié)果表明，就超額回報(bào)而言，CAPM 的預(yù)測(cè)能力被 MISP 所取代?？偠灾疚牡闹饕l(fā)現(xiàn)是，成交量放大了錯(cuò)誤定價(jià)，這對(duì)其他錯(cuò)誤定價(jià)指標(biāo)依舊是

19、穩(wěn)健的。其他放大效應(yīng)IVOL、規(guī)模、非流動(dòng)性和機(jī)構(gòu)持有比率被認(rèn)為是套利成本的衡量標(biāo)準(zhǔn)，對(duì)錯(cuò)誤定價(jià)有放大作用。有研究表明，前景理論驅(qū)動(dòng)的偏度和資本回報(bào)過(guò)剩，加上股票波動(dòng)性，可以解釋十幾種異?，F(xiàn)象。因此，一個(gè)重要的問(wèn)題是，在控制了這些競(jìng)爭(zhēng)性變量的影響后，成交量放大效應(yīng)是否仍然存在。本文應(yīng)用兩種方法來(lái)解決這個(gè)問(wèn)題。第一種方法是使用流行的三重排序，每一次控制其中一個(gè)效應(yīng)。本文主要研究了控制 IVOL 和規(guī)模效應(yīng)的結(jié)果。本文有三個(gè)觀察結(jié)果。首先，成交量放大效應(yīng)沒(méi)有被 IVOL 效應(yīng)所淹沒(méi)。在低 IVOL 股票中，F(xiàn)F5值為 0.50%（t=2.35），在高 IVOL 股票中為 1.29%（t=4.26）

20、。第二，在控制了規(guī)模效應(yīng)之后，成交量放大效應(yīng)仍然很強(qiáng)。在小型股中為 0.55%（t=2.35），在大型股中為 0.84%（t=3.58），后者比前者大約 50%。這一結(jié)果意味著成交量不太可能歸因于套利成本或財(cái)務(wù)限制，而這些因子在小型股中通常更強(qiáng)。第三，異質(zhì)的成交量-回報(bào)關(guān)系在被低估股票中仍然顯著，但在控制了 IVOL 或規(guī)模效應(yīng)后，在被高估股票中總體上變得不顯著了。例如，在被低估大型股中，F(xiàn)F5 值從低成交量組合的-0.05%增加到高成交量組合的 0.47%。相反，在被高估大型股中，雖然相應(yīng)的數(shù)值隨著成交量上升有所下降，但高成交量組合和低成交量組合之間的差異只有-0.31%，而且不顯著。這一結(jié)

21、果似乎表明，雖然成交量在被高估股票中可能包含與 IVOL 和規(guī)模重疊的信息，但在被低估股票中卻超越了它們，包含了獨(dú)特的信息。第二種方法是使用調(diào)整后的成交量。具體來(lái)說(shuō)，每個(gè)月本文首先估計(jì)調(diào)整后的成交量，定義為成交量對(duì)一個(gè)或多個(gè)放大變量的橫截面回歸的殘差，然后對(duì) MISP 和調(diào)整后的成交量應(yīng)用先前的雙重排序。與三重排序方法相比，調(diào)整后的成交量方法使本文能夠同時(shí)控制多種放大效應(yīng)。圖表5 的A 組報(bào)告了25 個(gè)經(jīng)MISP 調(diào)整的成交量組合在控制IVOL 后的FF5。圖表 1 中顯示的成交量-回報(bào)模式繼續(xù)保持，但是比較弱。主要原因是在控制了 IVOL效應(yīng)后，成交量-回報(bào)關(guān)系在被高估股票中變得不明顯了。盡

22、管如此，被高估股票中錯(cuò)誤定價(jià)的幅度仍然比被低估股票中的大得多。高成交量 UMO 組合的FF5 為 0.87%（t=5.05），低成交量 UMO 組合為 0.40%（t=2.96），成交量放大效應(yīng)等于 0.46%（t=2.24）。簡(jiǎn)而言之，在控制了 IVOL 之后，成交量放大效應(yīng)仍然是顯著的。在 B組同時(shí)控制 IVOL 和規(guī)模效應(yīng)時(shí)，得到了幾乎相同的結(jié)果。在 C 組中，本文同時(shí)控制了 IVOL、規(guī)模、非流動(dòng)性和機(jī)比率，而在 D 組中，本文又加入了偏度和未實(shí)現(xiàn)資本收益。在這兩組中，本文發(fā)現(xiàn)比 A 組和B 組更強(qiáng)的結(jié)果。例如，在 A 組中，當(dāng)單獨(dú)控制 IVOL 時(shí)，成交量放大效應(yīng)為 0.46%，而當(dāng)

23、同時(shí)控制所有六個(gè)放大變量時(shí)，則為 0.70%。原因是成交量放大效應(yīng)自 20 世紀(jì) 80 年代以來(lái)變得更強(qiáng)，而由于數(shù)據(jù)的可獲得性，C 組和 D 組的起始期是 1980 年 3 月?？偟膩?lái)說(shuō)，IVOL 似乎是最有可能削弱成交量放大效應(yīng)的變量?？傊?，雖然在控制了其他錯(cuò)誤定價(jià)放大變量后，成交量放大效應(yīng)在一定程度上被削弱，但它在統(tǒng)計(jì)上和經(jīng)濟(jì)上仍然是顯著的。圖表 5 各組合的 FF5 值（按 MISP 和調(diào)整后的成交量排序）成交量放大效應(yīng)的持續(xù)時(shí)間圖表 6 列出了 25 個(gè) MISP-volume 投資組合在 t+6、t+12、t+24、t+36、t+48 和 t+60 月的 FF5（t 為投資組合形成月

24、）。結(jié)果表明，成交量放大效應(yīng)隨時(shí)間逐漸衰減，并持續(xù)到未來(lái)兩年。例如，t+6 月的成交量放大效應(yīng)為 0.82%（t=3.86），t+24月為 0.41%（t=1.87），然而，在 t+36 之后，成交量放大效應(yīng)完全消失了。圖表 6 各組合在各時(shí)間點(diǎn)的 FF5（按 MISP 和成交量排序）替代的成交量指標(biāo)出于不同的研究目的，成交量可以有不同的衡量方法。這里本文回顧了五個(gè)主要的替代指標(biāo)，其中三個(gè)衡量交易活動(dòng)的水平，兩個(gè)衡量交易活動(dòng)水平以外的信息。第一個(gè)是基于交易的成交量。參考 Conrad, Hameed, and Niden (1994) 的定義，將 trading volume 定義為成交筆數(shù)的

25、增長(zhǎng)率，再根據(jù) MISP 和交易量的每月增長(zhǎng)情況對(duì)股票進(jìn)行分類。圖表 7 的 A 組顯示，前文的主要結(jié)果對(duì)這個(gè)替代指標(biāo)是穩(wěn)健的。低成交量 UMO 組合的 FF5 為 0.38%，高成交量 UMO 組合為 0.84%，成交量放大效應(yīng)等于 0.46%（t=1.90）。Expected return, volume, and mispricing第二個(gè)是盈余公告調(diào)整后的成交量。He and Wang (1995) 發(fā)現(xiàn)在盈余公告發(fā)布期間，股票成交量會(huì)大幅上升，因此在計(jì)算成交量時(shí)排除了盈余公告前后三天的成交量。B 組顯示，結(jié)果與圖表 1 相似。第三種是基于其他回溯期。當(dāng)使用過(guò)去 6 個(gè)月的平均換手，而

26、不是根據(jù)過(guò)去 3個(gè)月的平均換手來(lái)定義成交量時(shí)。圖表 7 的C 組顯示，這種方法產(chǎn)生的結(jié)果與過(guò)去三個(gè)月的結(jié)果相似。在其他回溯期的情況下，結(jié)果類似。第四種是異常成交量或?qū)Τ山涣康臎_擊。對(duì)于每只股票，本文通過(guò)比較其當(dāng)月最后一周的成交量和之前九周的平均成交量，給它打了一個(gè)從 1 到 5 的得分，5 代表高成交量沖擊。然后，將成交量沖擊得分與 MISP 結(jié)合起來(lái)，做一個(gè)獨(dú)立的雙重排序，形成 25 個(gè)投資組合。由于高異常成交量的股票可能與低異常成交量的股票具有相同的成交量水平，本文并不預(yù)期 MISP 與異常成交量之間的互動(dòng)產(chǎn)生與 MISP與成交量水平之間的互動(dòng)相同的模式。事實(shí)上，圖表 7 的D 組顯示，無(wú)

27、論股票是高價(jià)還是低價(jià)，異常成交量-回報(bào)關(guān)系總是正的。第五種是美元成交量。其衡量標(biāo)準(zhǔn)是當(dāng)月交易的股票乘以股票價(jià)格。Brennan,Chordia, and Subrahmanyam (1998)發(fā)現(xiàn)回報(bào)和美元成交量之間存在負(fù)相關(guān)，并將后者歸結(jié)為流動(dòng)性的代表。圖表 7 的 E 組報(bào)告了對(duì) MISP 和美元成交量進(jìn)行雙重排序的結(jié)果。有兩個(gè)觀察結(jié)果。首先，在 MISP 的條件下，美元成交量對(duì)未來(lái)股票回報(bào)沒(méi)有任何預(yù)測(cè)能力。第二，在低美元成交量和高美元成交量的股票之間，錯(cuò)誤定價(jià)沒(méi)有明顯的區(qū)別。因此，不存在美元成交量的放大效應(yīng)?？偠灾?，成交量的前三個(gè)替代指標(biāo)中，成交量放大效應(yīng)繼續(xù)存在，但對(duì)于異常成交量和美

28、元成交量來(lái)說(shuō)，它消失了。結(jié)果的解釋Atmaz 和 Basak（2018）把對(duì)一只股票的平均預(yù)期偏差和投資者的分歧放在一起考慮，并把它們定義為投資者預(yù)期偏差的橫截面平均值和標(biāo)準(zhǔn)差。在均衡狀態(tài)下，在好消息之后，樂(lè)觀的投資者的信念得到支持，并通過(guò)對(duì)股票的投資變得相對(duì)更富有，這反過(guò)來(lái)又增加了他們?cè)谄骄A(yù)期偏差中的權(quán)重，使對(duì)股票的整體看法更加樂(lè)觀。同樣地，在壞消息之后，對(duì)股票的整體看法變得更加悲觀。此外，Atmaz 和 Basak（2018）表明，投資者的分歧對(duì)平均預(yù)期偏差有放大作用。當(dāng)平均偏差為正時(shí)，它與分歧正相關(guān)，分歧的增加會(huì)導(dǎo)致更多的樂(lè)觀情緒，這意味著分歧與回報(bào)的關(guān)系為負(fù)。相反，當(dāng)平均偏差為負(fù)值時(shí)

29、，它與分歧呈負(fù)相關(guān)，分歧的增加導(dǎo)致更多的悲觀，意味著分歧與回報(bào)的正相關(guān)。總之，投資者的分歧本身并不產(chǎn)生錯(cuò)誤定價(jià)，但當(dāng)投資者的平均預(yù)期有偏差時(shí)，它可以放大錯(cuò)誤定價(jià)。在本文的背景下，如果成交量衡量投資者的分歧，而 MISP 衡量投資者的預(yù)期偏差，那么異質(zhì)的成交量-回報(bào)關(guān)系與 Atmaz和 Basak（2018）一致。投資者的分歧本文用分析師回報(bào)預(yù)測(cè)的截面標(biāo)準(zhǔn)差來(lái)衡量回報(bào)預(yù)測(cè)的分散性，其中股票的回報(bào)預(yù)測(cè)被定義為分析師在 t 月預(yù)測(cè)的未來(lái) 12 個(gè)月的目標(biāo)價(jià)格除以 t 月初的實(shí)際股票價(jià)格。類似地，用分析師的盈利預(yù)測(cè)的截面標(biāo)準(zhǔn)差來(lái)衡量盈利預(yù)測(cè)的分散性?；貓?bào)預(yù)測(cè)分散度的樣本期為 1999 年 4 月至 2

30、019 年 12 月，盈利預(yù)測(cè)分散度的樣本期為1982 年 5 月至 2019 年 12 月。圖表 8 交易量與投資者分歧的關(guān)系圖表 8 的 A 組列出了 25 個(gè) MISP-成交量組合的市值加權(quán)回報(bào)預(yù)測(cè)分散度和盈利預(yù)測(cè)分散度。在每個(gè) MISP 五分位數(shù)中，兩種分散度都隨著成交量的增加而增加。例如，回報(bào)預(yù)測(cè)分散度在被低估股票中從 8.48%增加到 13.70%，在被高估股票中從9.29%增加到 20.50%。而且，在高成交量的股票中，這兩種分散度嚴(yán)格來(lái)說(shuō)比低成交量的股票大。即投資者的分歧對(duì)投資者的預(yù)期偏差有放大作用。在 B 組中，評(píng)估了回報(bào)或盈利預(yù)測(cè)的分散性是如何影響成交量放大效應(yīng)的，通過(guò) F

31、ama-MacBeth 回歸來(lái)解決這個(gè)問(wèn)題?；貧w 1 到 4 是關(guān)于回報(bào)預(yù)測(cè)的分散性，回歸 5 到 8 是關(guān)于盈利預(yù)測(cè)的分散性。具體來(lái)說(shuō)，回歸 1 將一個(gè)月前的股票回報(bào)回歸到 MISP、成交量和它們的交互作用上，并在 MISP 和成交量的交互作用上得到一個(gè)明顯的負(fù)回歸系數(shù)（即成交量放大效應(yīng)），從而再次證實(shí)了圖表 1 中的成交量對(duì)錯(cuò)誤定價(jià)的放大作用?；貧w 2 用 IVOL 代替了成交量，MISP 和 IVOL 之間的交互作用也出現(xiàn)了負(fù)的系數(shù)。這個(gè)結(jié)果有兩種解釋。首先，正如 Stambaugh, Yu, and Yuan (2015)所認(rèn)為的，IVOL 捕捉了套利成本并加劇了錯(cuò)誤定價(jià)。第二，根據(jù)

32、Atmaz 和 Basak（2018）的觀點(diǎn)，IVOL 也可以由投資者的分歧驅(qū)動(dòng)。回歸 3 是對(duì) Atmaz 和Basak（2018）的直接檢驗(yàn)，表明回報(bào)預(yù)測(cè)分散度在預(yù)測(cè)未來(lái)股票回報(bào)方面有很強(qiáng)的能力，在價(jià)格過(guò)低的股票中為正，在價(jià)格過(guò)高的股票中為負(fù)?；貧w 4 是一般情況。當(dāng)同時(shí)考慮成交量、IVOL 和分歧時(shí)，MISP 與成交量和 IVOL 的交互作用的回歸系數(shù)分別變得不顯著和略微顯著。相比之下，MISP 與回報(bào)預(yù)測(cè)分散性的交互作用保持相對(duì)穩(wěn)定。這一結(jié)果表明，分歧放大效應(yīng)幾乎取代了成交量和 IVOL 放大效應(yīng)，并為 Atmaz 和 Basak（2018）提供了支持，即成交量和 IVOL 都可能由投

33、資者的分歧驅(qū)動(dòng)?；貧w 5 和 6 重復(fù)了回歸 1 和 2 中的檢驗(yàn)，但將樣本期延長(zhǎng)了近 20 年至 1982年。在這個(gè)延長(zhǎng)的時(shí)期內(nèi)，成交量和 IVOL 的放大效應(yīng)都變得更強(qiáng)，它們與 MISP 的交互作用的回歸系數(shù)更大?；貧w 7 用盈利預(yù)測(cè)分散性代替了回報(bào)預(yù)測(cè)分散性，得到的結(jié)果與回歸 3 類似。在回歸 8 中，如果同時(shí)考慮，成交量和 IVOL 的放大效應(yīng)被大大削弱，盡管它們?nèi)匀皇秋@著的，錯(cuò)誤定價(jià)與成交量和 IVOL 的交互作用的回歸系數(shù)分別從-0.68 降至-0.43 和從-0.85 降至-0.49，與盈利預(yù)測(cè)分散性的相應(yīng)值也會(huì)減少，但幅度較小。圖表 8 表明，成交量和 IVOL 可以作為投資者

34、分歧的代用指標(biāo)，在控制了分析師的回報(bào)或盈利預(yù)測(cè)分散度后，它們對(duì)股票回報(bào)的影響被大大削弱。投資者的預(yù)期偏差現(xiàn)在考慮一下 MISP 和投資者預(yù)期偏差之間的聯(lián)系。在本節(jié)中，本文檢驗(yàn)了 Atmaz 和 Basak（2018）的兩個(gè)定義。第一個(gè)定義是關(guān)于橫截面的預(yù)期偏差，它被定義為已實(shí)現(xiàn)的回報(bào)減去分析師預(yù)測(cè)的中位數(shù)除以股票價(jià)格。在那些更有可能經(jīng)歷負(fù)面消息的被低估股票中，預(yù)期偏差更有可能被悲觀的投資者所主導(dǎo)。因此，分析師的事后預(yù)測(cè)誤差預(yù)計(jì)是正的，成交量/投資者的分歧越大，預(yù)測(cè)誤差越正（即預(yù)期偏差越負(fù)）。同樣，在被高估股票中，本文預(yù)計(jì)成交量越大，預(yù)測(cè)誤差越負(fù)（即預(yù)期偏差越正）。圖表 9 MISP 與分析師預(yù)

35、測(cè)偏差的關(guān)系Expected return, volume, and mispricing，圖表 9 的A 組報(bào)告了 25 個(gè) MISP-volume 組合的分析師預(yù)測(cè)誤差。正如預(yù)期的那樣，預(yù)測(cè)誤差在被低估股票中是正值，在被高估股票中是負(fù)值。這一發(fā)現(xiàn)表明，投資者對(duì)被低估股票持悲觀態(tài)度，對(duì)被高估股票持樂(lè)觀態(tài)度。也就是說(shuō)，當(dāng)成交量增加時(shí)，預(yù)期偏差在被低估股票中變得更加消極，在被高估股票中變得更加積極。因此，極端的預(yù)測(cè)偏差集中在高成交量/分歧的股票中，即 MISP 捕捉到了個(gè)人投資者的平均預(yù)期偏差。第二個(gè)定義是關(guān)于時(shí)間序列中的預(yù)期偏差。由于預(yù)期偏差是由投資者的分歧驅(qū)動(dòng)的，而且它隨時(shí)間變化，本文預(yù)計(jì)成

36、交量放大效應(yīng)也是隨時(shí)間變化的。本文使用投資者情緒指數(shù)來(lái)代理總預(yù)期偏差，并研究成交量放大效應(yīng)在高（低）情緒期的變化，其中高（低）情緒月是指前一個(gè)月月底 Baker 和 Wurgler（2006）的正交情緒指數(shù)值高于（低于）1965 年 7 月至 2018 年 12 月樣本期間的中值。對(duì)于 25 個(gè) MISP- volume 組合中的每一個(gè)，本文進(jìn)行以下回歸：, = , + , + + + + + + ,(2)其中,和,是虛擬變量，表示 t 月份的高情緒期或低情緒期。圖表 10 展示了，和 的估計(jì)值。正如預(yù)期的那樣，被高估股票中負(fù)的成交量-回報(bào)關(guān)系在高情緒期更為明顯。在 A 組的被高估股票中，F(xiàn)F

37、5 值隨著成交量單調(diào)下降，從低成交量組合的-0.14%到高成交量組合的-0.93%，差異為-0.79%（t=-3.17）。相比之下，B 組的被高估股票中的低情緒期之后，F(xiàn)F5 值并沒(méi)有單調(diào)下降，高成交量組合和低成交量組合之間的FF5 值為-0.01%（t=-0.04），可以忽略不計(jì)，即被高估股票主要集中在高情緒期。圖表 10 情緒高低時(shí)期的成交量放大效應(yīng)，有趣的是，被低估股票的成交量-回報(bào)關(guān)系在高情緒和低情緒時(shí)期都是顯著的。在情緒高漲時(shí)期，成交量的放大效應(yīng)也更強(qiáng)。在高情緒時(shí)期，在被低估股票中，F(xiàn)F5的 值從低成交量組合的0.03%增加到高成交量組合的0.70%，兩者之差等于0.67%（t=2.

38、34）。相反，在情緒低落時(shí)期，F(xiàn)F5 的 值從低成交量組合的-0.07%增加到高成交量組合的 0.39%，差值為 0.46%（t=2.14）。圖表 10 的 C 組顯示了 A 組和 B 組之間的差異。UMO 投資組合在高情緒期和低情緒期的 FF5 差異在低成交量股票中是-0.19%，在高成交量股票中是 0.82%。因此，成交量放大效應(yīng)在高情緒時(shí)期比低情緒時(shí)期強(qiáng)，且被高估股票的成交量放大效應(yīng)更強(qiáng)。對(duì)成交量的外生沖擊美國(guó)證券交易委員會(huì)（SEC）自 2000 年 10 月 23 日起實(shí)施了公平披露條例（Reg FD），禁止公司在公告前向部分市場(chǎng)參與者披露重要信息。Bailey 等發(fā)現(xiàn)，在 Reg F

39、D 引入后，成交量和投資者的分歧在公告日附近上升，在小型、信息貧乏和不盈利的公司中尤為明顯。他們的結(jié)論是，Reg FD 損害了金融分析師在解釋盈利信息方面形成意見(jiàn)和達(dá)成共識(shí)的能力，從而增加了分歧，刺激了成交量。在這個(gè)意義上， Reg FD 為本文提供了一個(gè)獨(dú)特的環(huán)境來(lái)評(píng)估成交量的外生增長(zhǎng)如何影響成交量放大效應(yīng)。本文將 2000 年 10 月定義為事件月，將 Reg FD 后（前）時(shí)期定義為 2000 年 11 月至 2001 年 10 月（1999 年 10 月至 2000 年 9 月）。通過(guò)面板回歸來(lái)說(shuō)明成交量放大效應(yīng)在 Reg FD 之后的時(shí)期是否變得更強(qiáng)。為了進(jìn)行研究，本文定義了一個(gè)虛擬

40、變量，在后Reg FD 時(shí)期等于 1，否則等于 0。對(duì)于所有的面板回歸，控制了公司的特征，如規(guī)模和賬面市值。圖表 11 Reg FD 外生影響，將分析師的回報(bào)預(yù)測(cè)分散性作為投資者分歧的衡量標(biāo)準(zhǔn)，圖表 11 中 A 組的前兩列顯示，在實(shí)施 Reg FD 后，成交量和投資者分歧明顯增加。在 Reg FD 之后的時(shí)期，成交量和投資者分歧分別增加了 1%和 3.7%，這都是非常顯著的。然后，為了研究 Reg FD 是如何影響成交量放大效應(yīng)的，本文進(jìn)行了以下的面板回歸：,+1 = 1, + 2, + 3, , + 4, , + 5,+ 6, , + 7, , +, + + + 0 + ,+1(3)4代表了由于實(shí)施 Reg FD 而導(dǎo)致的成交量放大效應(yīng)的增加，并且預(yù)計(jì)會(huì)顯著為負(fù)。虛擬變量和是公司和時(shí)間的固定效應(yīng)。除了公司特征，本文還控制了 IVOL效應(yīng)，因?yàn)樗亲羁赡芟魅醭山涣糠糯笮?yīng)的變量。結(jié)果在圖表 11 的第四列中，4為-0.314（t=-5.91），表明后 Reg FD 時(shí)期的成交量放大效應(yīng)在統(tǒng)計(jì)上強(qiáng)于前 Reg FD 時(shí)期。對(duì)投資的