月份效應

商業金融 9547 264 2014-11-14

實證研究發現,在大多數的證券市場中存在某個或某些特定月份的平均收益率年復一年顯著地異於其他各月平均收益率的現象,這種市場異象被稱作「月份效應」。

在美國的股票市場表現為「1月效應」,即1月份的平均收益率顯著高於其他月份的平均收益。該現象最早由美國學者瓦切爾(Wachte1)於1942年發現,但直到1976年羅茲弗(Rozef)和金乃爾(Kinney)系統地將這一異象揭示出來,「1月效應」才逐漸進入現代金融學者的視野,並逐漸形成一套科學嚴謹的「月份效應」研究體系,包括「1月效應」主要體現在小規模公司的股票上,並相應地提出了「稅減假說」等理論解釋。

除了美國等發達國家的「1月效應」外,亞太地區股票市場也存在一些自身獨有的「月份效應」,如卡托和斯考黑姆(Kato and Schallheim)發現日本證券市場除「1月效應」外還存在著「6月、12月效應」,即6月、12月的市場收益率顯著高於其他月份等 ;埃瑪德和豪森(Ahmad and Hussain)指出馬來西亞證券市場存在「2月效應」。對中國股票市場月份效應研究方面,已有的研究表明我國並不存在與國外類似的「1月效應」和「2月效應」,但卻存在顯著的負「12月效應」。另有文獻還發現1995年後A股市場除了12月份收益率顯著為負外,還存在3月份收益率顯著為正的現象。對於這種現象的原因,張兵給出了基於資金面季節性流動規律的簡要解釋,總結起來有兩方面:第一,資金面的季節變化,我國股市年末往往面臨著各種形式的資金抽回,而來年初這些資金又會回流,這一資金運動規律決定了股市的「春漲」、「冬藏」;第二,重大利好政策往在2、3月份發佈,從而引發「春漲」現象 。總體來看,我國與國外的相關研究相比還停留在「月份效應」的發掘階段,目前所發現的「3月效應」和「12月效應」的證據只是收益率與零的比較,收益率與其他月份的差異是否顯著還有待驗證。另外,有關我國的月份效應究竟是整體市場之行為還是由某種風險特徵的股票引起(例如美國的「1月效應」主要由小市值股票引起)的問題還未有人觸及。

月份效應的實證檢驗

本部分所使用的數據來源於CSMAR交易數據庫,可分為兩類:一類是市場收益率數據,包括考慮現金股利再投資的A股等權重月收益率(綜合市場、上海市場、深圳市場)和流通市值加權平均月收益率(綜合市場、上海市場、深圳市場);另一類是個股收益率數據,是考慮現金股利再投資的滬、深兩市A股個股的月收益率。樣本的時間跨度為1995年1月至2004年12月。

表1給出了滬、深兩市A股的市場收益率的描述性統計,其做法是將市場的月收益率按月份進行分組,共分為12組,統計每組的均值和標準差。為了檢驗月收益率的均值足否偏離零,本文采用t-統計量,其計算方法為,其中n為組內的樣本數,為組內收益率的均值,SD(rm)為組內收益率的標準差。表中收益率均值偏離零的顯著性用*號進行標識。可以看出,就滬市而言無論等權重還是流通加權,全年的最高月平均收益都發生在3月份,分別為8.06% 和7.05%,且均在5%的顯著性水平下的大於零;而最低平均收益率都發生在l2月份,分別為-5.16%和-4.53%,均在5%顯著水平上小於零。除了3、12月份外,其他月份日平均收益率均無法在統計上拒絕等於零的原假設。就深市而言在等權重與流通加權收益率下,3月份月平均收益率為7.43% 和6.10%,分別在1%和5% 顯著水平上大於零;12月份月平均收益率為-6.43%和-6.01%,均在5%水平上小於零。這一定性結論與張兵對深成指各月日收益率的描述性統計相一致。

兩市的描述性統計共同提示出,3月份月平均收益都顯著大於零且均為全年最高,12月份月平均收益均顯著小於零且為全年最低。另外,表1表明上半年1~6月份的月平均收益率基本都大於下半年,與李銳日收益率的描述性統計相類似。市場收益率在月份上的分佈特點也可直觀地表示為圖1、圖中使用的是滬深兩市綜合A股市場的月收益率。

根據「月份效應」的定義,它是特定月份平均收益率異於其他各月平均收益率的現象,而非平均收益率異於零的現象。為了檢驗「3月效應」和「l2月效應」是否是真實的月份效應,本文沿用傳統檢驗月份效應的虛擬變量回歸法,分別設置3月和l2月的虛擬變量,對市場的門收益率進行時間序列回歸,其模型如下:

其中,rm,1為市場的月收益率,Di,1為待研究月份(3月、12月份)的虛擬變量,C0衡量的是除待研究月份外其他所有月份的平均收益率,C1為待研究月份i與剩餘所有月份平均收益之差異,如果參數C1在統計上顯著地異於零,那麼就表明存在待研究月份的月份效應。表2給出了滬、深兩市是否存在顯著的「3月、12月效應」的檢驗結果。D-W統計量用於檢驗不同時期市場收益率之間的序列相關性,該統計量越接近2、說明收益率間的序列相關性越弱;如果該統計量顯著偏離2、說明存在較強的序列相關性,普通的t-檢驗不再適用。由於模型(1)為參數檢驗法,為避免收益分佈對結果產生的偏差,本文還就待研究月份是否與其他所有月份平均收益間存在顯著差異進行了Kruskal-Wallis非參數檢驗,並報告了K-W統計量,以保證結果的可靠性。K-W統計量的思想是比較兩組子樣本的中位數是否有差異。

從表中D—W統計量看出,收益率之間不存在顯著的序列相關性;就兩個市場而言,衡量3月、l2月月均收益率與其他各月總體月平均收益率差異的C1均在5%的顯著性水平下大於零、小於零,表明3月和l2月的「月份效應」是成立的。另外,兩市K-W檢驗結果也顯示3月、l2月份收益與其他月份總體收益存在顯著差異,進一步保證了結果的可靠性。運用同樣的虛擬變量法,發現3月和l2月以外的其他月份不存在顯著的月份效應,實證結果省略。

月份效應的股票風險特徵檢驗

美國市場的「1月效應」主要體現在小規模公司股票上,瑞特(Ritter)的研究指出個體投資者傾向於持有更多的小規模企業股票,而機構投資者則傾向持有較多的大規模企業股票,由於抱有稅減動機的多數為個體投資者,因而會導致「小規模股票的1月效應」。這一解釋表明,美國市場的1月效應是由部分投資者(個體投資者)的季節性投資行為(年末賣掉虧損股票以避稅)和這部分投資者的風險偏好特點(重點投資小規模股票)共同引起的。

我國A股市場的「3月效應」和「12月效應」是否也類似,是具有特定風險特徵的某類股票的個體行為呢?如果是某類股票的特殊行為,那麼重點投資這類股票的投資者其行為應具有相應的季節性特點。循著這條思路,本部分研究不同風險特徵股票的月份效應的差異,研究的基礎是Fama-French(1996)的三因素定價模型。Fama-French三因素模型是從實證中總結出來的,它的解釋能力強大,目前已被學術界所公認。該模型認為,股票的風險可由B係數、企業的規模和賬面/市值比三方面特徵來刻畫,因此本部分在控制這三種風險特徵條件下觀察月份效應的表現。由於賬面/市值比涉及企業的財務數據,本部分的數據除來自CSMAR交易數據庫外,還使用了CSMAR財務數據庫。

B係數的估計用經典的時間序列回歸方法:

其中,ri,t為股票i在t月的收益率,rf,t為無風險收益率,rm,t為市場收益率,βi為待估的β係數。本文具體的估計方法為,在任意1個月用前3年的股票月收益率,如果前3年的收益率數據不完整,至少要保證有1年,即12個月收益率數據;無風險收益率採用1年期的定期存款平均到每個月的收益率;市場收益率採用全部A股的流通市值加權收益率。

公司規模按上個月收盤價計算的流通市值計算。

公司的賬面/市值比是用公司年報所公佈的所有者權益除以按當年12月底收盤價計算的總市值。由於大部分年報在第2年的3月份公佈,所以賬面/市值比可使用的期限為第2年的4月份至第3年的3月份。

不同風險特徵股票的月份效應可以用傳統的排序法進行檢驗:股票按前1個月的某個風險特徵(β係數、企業的規模和賬面/市值比其中之一)進行排序,按順序分為5個組合,每個組合持有1個月,收益率按等權重進行平均,每個月重新更新一次組合。這樣每個組合都具有了收益率的時間序列,利用模型(1)進行時間序列回歸來研究月份效應的表現。表3的3欄分別給出了不同B係數、流通市值、和賬面/市值比組合「3月、12月效應」的估計結果,各表中13係數、流通市值、賬N/市值比組合從小到大分別以1至5來標識。

從表3的A欄中可以看出,各個B組合均表現出顯著的3月效應和12月效應,而且3月效應和12月效應隨著B的增大而加強:3月份超出其他月份收益率的程度從最小β組合的6%增加到最大B組合的8.5% ;12月份低出其他月份收益率的程度從最小β組合的6.1%增加到最大β組合的8%。由於β衡量的是股票的市場風險,上述現象從一個側面也說明,3月效應和12月效應是包含在市場波動內的,β越大,對市場波動性的反映能力越強,3月效應和12月效應就越明顯。

從表3的B欄可以看出,無論是大市值還是小市值組合,參數與非參數統計檢驗都證實了3月效應和12月效應的顯著性,而不僅僅表現在小市值組合上。這點與美國(Keim)、日本(Kato



,