高成交量溢价能预测经济基本面信息吗.docxVIP

1 简介 人们早已认识到， 近期受到大量正向交易量冲击的股票会获得超额回报 （Gervais, Kaniel, and Mingelgrin, 2001; Kaniel, Ozoguz, and Starks, 2012）。基于 1963 年 7 月至 2016 年 12 月的美国数据，作者发现做多近期异常高交易量的股票和做空异常低交易量的股票的投资策略，在市值加权的基础上获得规模调整后的平均每月溢价 0.53%，等权能获得 0.68%。如 Kaniel, Ozoguz, and Starks (2012)构建的那样，交易量排序组合的最高和最低十分位数之间的收益差产生了类似的回报率。 对高交易量溢价（HVP）的主要解释是默顿（1987）的投资者认知假说（Gervais, Kaniel, and Mingelgrin, 2001; Lerman, Livnat, and Mendhall, 2008; Kaniel, Ozoguz, and Starks, 2012; Israeli, Kaniel, and Sridharan, 2018）。根据这一假说，在一个信 息不完全的市场中，对股票交易活动的正向冲击会增加股票的曝光度，从而引起对该股票的后续需求和价格。同样地，Bali 等人（2014）通过投资者的不关注和非流动性来解释与流动性冲击有关的溢价。微观结构文献中的许多研究在考察交易量和收益关系时都引用了错误定价的解释。例如 Gervais 和 Odean（2001）以及 Statman, Thorley 和 Vorkink（2006）认为，交易量描述了导致投资者过度自信的学习曲线，并进一步影响到未来的股票收益。Barber 和 Odean（2008）以及 Hou, Xiong 和Peng （2009）认为，交易量与投资者的注意力有关，反映了投资者对公司消息如何反应。在前述论文的基础上，本文研究了异常交易量与未来股票横截面收益之间的显 著正相关性是否与经济基本面风险有关。扩展来看，作者对交易量溢价是否能被现有的因子资产定价模型所解释感兴趣。特别是作为对普遍存在的错误定价解释的替代/补充，研究基于风险的解释是否可能至少是部分解释交易量溢价。受 Fama（1991） 关于横截面和时间序列股票收益预测性之间存在明确联系的猜想的启发，作者假设 如果从股票横截面构建的交易量溢价确实与经济基本面有关，那么它有助于预测未来真实经济活动的时间变化。同时，代表经济风险的因子有助于解释按异常交易量排序的股票收益的横截面变化。 为了检验这些假设，作者采用了两种互为补充的的实证策略，每一种策略都被不同的作者用来研究包括规模溢价、价值溢价、动量、与投资有关的回报异常和流动 性等回报因子的经济内容。作者首先研究在预测性回归的框架内，交易量溢价是否有助于预测未来的实际经济活动。作者提供了样本内和样本外的证据，证明交易量溢价所包含的信息对预测九个月内的工业生产增长是有用的。定量角度来看，交易量溢价每增加一个标准差，预测未来一个月的工业生产增长会减少 9.2 个基点，这大约是样本期间平均经济增长率的一半。交易量溢价 HVP 对其他三个宏观经济指标也表现出类似的预测能力：芝加哥联储全国活动指数（CFNAI），企业总收入，和非农就业率。 然后在资产定价框架内，作者研究了股票收益和宏观经济因子中的共同风险因子能在多大程度上解释交易量溢价。由于股票收益的风险因子不能完全解释 HVP，作者研究经济风险因子是否具有额外的解释力。在一个包括Fama 和French（2015）的五因子、流动性因子和跟踪未来工业生产增长消息的模拟组合回报的七因子模型中，发现经济风险因子确实是有一定解释力的。然而，这些因子只占交易量溢价的三分之一左右。 此外，作者还研究了低交易量和高交易量投资组合之间的平均收益差中，有多 少可以通过其对系统性风险的暴露来解释，即通过在 Chen, Roll, and Ross（1986）的五个宏观经济因子上的载荷来衡量。结果表明，在与工业生产和期限利差有关的 经济风险方面，高交易量股票比低交易量股票的风险敞口更大。直观地说，一些股票经历了交易量的飙升，部分原因是这类股票的增长前景比其他股票对未来经济的信息更加敏感且基本面的消息必须通过交易来定价。尽管如此，因子载荷的价差很小，五个经济因子总共只能预测交易量量溢价的一小部分。 总的来说，作者发现了高交易量回报溢价和经济基本面之间联系的时间序列证据。然而，在股票和投资组合层面上的双变量横截面分析的证据则稍显薄弱。 特别是，虽然风险在驱动交易量溢价方面发挥了作用，但预测的数额太小。交易量溢价的很大一部分不能被共同回报因子和对经济风险的指标所解释。作者还发现， Stambaugh 和 Yuan（2017）以及 Da