这是“金融预测”的427期
编辑：郭杨莉(西南交通大学经济管理学院)
复习：罗琴(西南交通大学经济管理学院)
仅用于学术交流，原本版权归原作者和原发刊所有
导读
contents
在股票市场中，交易量在价格发现、风险分担和流动性提供方面起着重要作用。这种内在的多方面变量与投资者的差异、波动性、流动性、投资者的注意力、私人信息等有关。所以会对股票收益产生影响。Cochrane (2007，2017)认为交易量应该发挥更重要的作用，并将这种研究称为资产定价的下一次革命。在这一期中，边肖推出了一篇发表在《金融经济学杂志：预期回报、交易量和错误定价》上的文章。基于近年来对异常现象的研究，本文提出了一种新的成交量放大效应，并探讨了成交量对股票收益影响的经济机制。
标题
Expected return, volume, and mispricing
文章信息
(网页截图)
Abstract
我们发现，预期收益与交易量正相关，在价格偏低的股票中，而在价格偏高的股票中，则是负相关。因此，交易量放大了错误定价。我们的结果是稳健的替代错误定价和交易量的措施，替代投资组合的形成方法，并控制变量，已知有放大效应的错误定价。通过将交易量归因于投资者分歧，我们表明我们的结果与Atmaz和Basak (2018)的最新理论模型一致，即投资者分歧以预期偏差为条件预测股票回报。
论文简介
本文提出了成交量放大的新效应：预期收益在低价股中与成交量正相关，在高价股中与成交量负相关，因此错误定价集中在成交量大的股票中。
(1)通过对Stambaugh，Yu和Yu(2015)的错误定价得分和交易量分别进行55排序，得出交易量-收入关系是异质的，依赖于错误定价。除了MISP，作者还考虑了两种流行且容易计算错误的定价方法：CAPM alpha(如果一只股票的CAPM alpha为负，则股价被高估，否则被低估)和复合alpha(五大资产定价因子模型的平均alpha)。
(2)在控制了特质波动率(IVOL)、规模、非流动性、机构持股、偏度和超额资本利得等竞争变量后，交易量放大效应仍然显著。
(3)作者进一步指出，投资者的分歧和预期偏差是成交量放大效应的主要原因。AZ和Basak(2018)表明，投资者分歧对平均预期偏差具有放大效应。当投资者的平均预期有偏差时，投资者的差异会放大错误定价。交易量反映了投资者的差异，MISP反映了投资者的预期偏差。
数据
(1)从证券价格研究中心(CRSP)获得1963年7月至2019年12月的月度股票回报。由于一些变量需要两年的初始数据，本文的投资组合和回归分析从1965年7月开始，除了那些20世纪80年代以来的数据(例如，机构持股)。剔除各月价格无效的股票，当月未在现交所交易的股票，以及当月因价格缺失导致收益损失的股票，本文的样本约有99.8万个固定月份的观测数据。
(2)交易量，即近三个月的平均交易量(回归中使用对数成交量，以避免偏态的影响)。月交易量是指一个月内交易的股票数量除以月末流通在外的股票数量。
(3)错误定价分数(MISP)是一个等级变量，范围从1到100。价值越大，定价越高，价值越低，定价越低。
实证分析
一、错误定价和成交量
在每个月末，作者组成一个55的投资组合，分别对MISP和交易量进行排序，并对这25个MISP交易量的投资组合进行加权。表1显示了本文的主要发现。
表1按MISP和成交量排序的投资组合的平均收益和阿尔法值
(1)面板A报告了25个MISP交易量投资组合的平均回报。在被低估的股票中，平均收益率随成交量单调增加，低量组合收益率为0.61%，高量组合收益率为1.01%，高低(H-L)组合收益率为0.400.40%(t值=1.89)；).在被高估的股票中，平均收益率随成交量单调递减，从低成交量组合的0.35%到高成交量组合的-0.25%，H-L组合的平均收益等于-0.59%(t值=-2.36)。
(2)为了测试风险是否可以解释交易量和回报之间的关系，B小组报告了25个MISP交易量投资组合的FF5 alpha值。类似于A图，在低估值的股票中，低成交量组合的FF5 alpha从？0.02%上升到高量组合的0.51%，相差0.53% (t值=3.16)。相比之下，在被高估的股票中，FF5 alpha从低成交量结合？0.28%降至高成交量组合？0.68%，区别是？0.39% (t值=？2.16)。
(3)C小组报告了侯、薛和张(2015)的Q因子。与面板B的结果相似，交易量和收益之间的关系在低估的股票中仍然是正的，在高估的股票中仍然是负的。所以错误定价主要集中在交易量大的股票。
研究表明，学术论文发表后，大多数异常现象减弱或消失。为了解决这个问题，作者首先计算了UMO投资组合各年的平均月收益率和FF5 alpha，并绘制了图1中的时间序列动态图。
图1按 MISP 和交易量排序的低估-高估 (UMO) 投资组合的
每月平均回报率和 FF5 alphas
其次，作者对MISP、交易量以及它们之间的交互作用对未来一个月的股票收益进行了Fama-MacBeth回归。图2描绘了交互作用的回归系数，表明了交易量在回归中的放大效应。
图2错误定价-数量交互作用的系数
图1和图2都显示，交易量的放大效应在1980年开始增加，在2003年达到最大值，然后下降，在最近两年变得不显著。
二、替换衡量错误定价的方法
因为交易量和收入之间的关系在很大程度上取决于MISP，所以有必要知道结果对错误的定价测量方法的敏感性。作者考虑了两种可供选择的方法，CAPM alpha和复合alpha。作者根据近两年的观察数据，在月度因子模型中估计每只股票的alpha值。理论上，负alpha意味着定价过高，正alpha意味着定价过低。根据CAPM alpha(复合alpha)和交易量，形成独立的双排序55投资组合。
表2根据CAPM alpha(或复合 alpha)值和交易量排序的
投资组合的alpha值
表2的A面板报告了根据CAPM alpha和交易量排序的投资组合的FF5 alpha值；面板b报告按复合阿尔法值和交易量排序的投资组合的FF5阿尔法值。结果表明，无论使用CAPM还是复合，结果都与MISP的结果相同，并且对于不同的错误定价度量，交易量对错误定价的放大作用是稳健的。
三、其他具有放大效应的变量
除了这篇文章，其他文献中也有一些变量对错误定价有放大效应。Stambaugh，Yu和袁(2015)假设捕获了套利成本，这对错误定价具有放大效应。此外，公司规模、流动性不足和机构持股也被认为是套利成本的衡量标准，并可能放大错误定价。Barberis，Jin和Wang(2021)指出，由前景理论驱动的偏斜度、超额资本收益和股票波动可以解释十几种异常情况。因此，一个重要的问题是，在控制了这些竞争变量后，交易量放大效应是否依然存在。
为了解决这个问题，作者首先使用三重排序来控制其中一个因素的影响。结果表明，在控制IVOL和市值后，低价股的交易量和收益率之间的异质关系仍然显著。但是，在高价股中，交易量和收益之间的异质关系一般变得无关紧要。
第二种方法是使用调整后的交易量。具体来说，每个月，作者首先将调整后的交易量估计为交易量对一个或多个放大变量的横截面回归的残差，然后对MISP和调整后的交易量进行双重排名。与三重排序法相比，调整交易量的方法可以同时控制多个放大因子。
表3 根据MISP和调整后的交易量排序的投资组合alpha
表3的面板A报告了在控制IVOL之后25次MISP调整的量组合的FF5值；面板C是同时控制IVOL、市场规模、非流动性和机构持股的结果；面板D是包括其他两个控制变量，偏斜度和超额资本收益的结果。
结果表明，虽然在控制了其他误定价放大变量后，交易量的放大效应有所减弱，但在统计和经济上仍然显著。
四、交易量放大效应的持续时间
表4显示了在t 6、t 12、t 24、t 36、t 48和t 60个月的25个MISP交易量组合的FF5 alpha值。
表4 根据MISP和成交量排序的投资组合t+h月的alpha值
结果显示，交易量的放大效应逐渐衰减，并持续到未来两年。6月成交量放大效应为0.82% (t值=3.86)，4月成交量放大效应为0.41% (t值=1.87)。如果采用单侧检验(0.33%，t值为1.41)，t 36在10%显著性水平下仍然显著。t 36之后，交易量的放大效应完全消失。
五、替换交易量衡量方法
文章还考虑了五种不同的交易量计量方法：基于交易量的交易量、扣除报告期后的交易量、过去六个月的平均交易量、异常交易量和美元交易量。
表5根据MISP和其他成交量指标排序的投资组合alpha值
表5的结果显示，基于交易的交易量、扣除报告期后的交易量、过去六个月的平均交易量三个指标的成交量放大效应继续存在，但异常交易量和美元交易量消失。
文章亮点
亮点1:本文首次研究MISP与交易量的交互作用；
亮点2:本文提出了一个新的成交量放大效应：预期收益在低价股中与成交量正相关，在高价股中与成交量负相关，因此错误定价集中在成交量大的股票中。
参考文献
1.Atmaz，a .Basak，s .2018。股票市场中的信念分散。金融杂志，73，12251279。
2.巴伯里斯，金，刘力军，王，2021。前景理论与股票市场异常。《金融杂志》，76卷5期，2639-2687页。
3.J. H .科克伦，2007年。今天的有效市场。在芝加哥经济学会议上的讲话。
4.J. H .科克伦，2017。宏观金融。金融评论，21(3)，945-985。
5.侯凯，薛，张，2015。一种投资方式。金融研究评论，28，650705。
6.史丹博，于军，袁，2015。套利不对称与特质波动之谜。金融杂志，第70期，1903-1948。
作者信息
Yufeng Han:北卡罗来纳大学夏洛特分校；
Dashan Huang:新加坡管理大学；
Dayong Huang:北卡罗来纳大学格林斯博罗分校；
Guofu Zhou:华盛顿大学。
引用格式
韩，黄，周，周，2022。预期回报、交易量和定价。金融经济学杂志，143(3)，1295-1315。
原文链接
3359doi.org/10.1016/j.jfineco.2021.05.014(或点击左下角“阅读原文”)
相似研究
1.短期个别证券回报的数量与自动变异。金融杂志，1994年。
2.价格动力和交易量。金融杂志，2000年。
3.成交量、流动性和流动性风险。金融经济学杂志，2008年。
了解我们
