北上外资交易行为深度解析

1、目录 HYPERLINK l _TOC_250007 北上通道流入 A 股的外资基本类型、构成及行为模式 1 HYPERLINK l _TOC_250006 外资是否真的是左侧布局买入？ 2 HYPERLINK l _TOC_250005 北上外资在持续流出 A 股时的行业卖出分布情况 5 HYPERLINK l _TOC_250004 外资是否能够获得显著超额回报 7 HYPERLINK l _TOC_250003 外资的流动是否对 A 股市场产生直接的冲击和影响 12 HYPERLINK l _TOC_250002 从净成交数据来分析陆股通外资对个股和市场的影响 12 HYPERLINK

2、l _TOC_250001 从净流量数据来分析外资的短期买卖是否是顺势交易，放大个股趋势波动 15 HYPERLINK l _TOC_250000 外资相对境内投资者在高频交易层面的竞争优势 17风险因素 19插图目录图 1：北上资金成交占比和自由流通市值占比历史变化趋势 1图 2：北上资金成交占比和自由流通市值占比与国内普通股票型公募基金对比 2图 3：配置型外资累计净流入趋势和沪深 300 走势对比 3图 4：以 40 个交易日为窗口，配置型外资累计净流入和沪深 300 区间收益率走势对比.3图 5：交易型外资累计净流入趋势和沪深 300 走势对比 4图 6：以 40 个交易日为窗口，交易

3、型外资累计净流入和沪深 300 区间收益率走势对比.4图 7：交易型外资、配置型外资和托管于中资港资机构资金的持仓占比变化 5图 8：交易型外资、配置型外资和托管于中资港资机构资金的成交占比变化 5图 9：2019 年 3 月到 5 月间配置型外资的行业净流出/入分布 6图 10：2019 年 3 月到 5 月间配置型外资的行业净流出/入分布与持仓比例之间的关系 6图 11：2020 年 3 月配置型外资的行业净流出/入分布与持仓比例之间的关系 6图 12：2020 年 3 月交易型外资的行业净流出/入分布与持仓比例之间的关系 7图 13：2020 年 3 月交易型外资的行业净流出/入分布与

4、MSCI China A 行业权重之间的关系 7图 14：不同资金及指数在不同时段收益率统计 8图 15：规模最大的 30 家陆股通托管行的收益归因分析 9图 16：规模大于 40 亿元的 30 只普通股票型基金业绩归因分析 10图 17：外资和公募基金业绩归因分析对比 12图 18：北上外资成交占比在不同水平时沪深 300 指数涨跌幅绝对值（平均数）对比 12图 19：北上外资成交占比在不同水平时沪深 300 指数在上涨的交易日平均涨幅 13图 20：北上外资成交占比在不同水平时沪深 300 指数在下跌的交易日平均跌幅 13图 21：交易型外资成交占比在不同区间时，对应个股在 2018 年

5、10 月至今的区间日波动率（取平均）情况 14图 22：交易型外资成交占比在不同区间时，对应个股在 2018 年 4 季度的区间日波动率（取平均）情况 14图 23：交易型外资成交占比在不同区间时，对应个股在 2020 年 1 季度的区间日波动率（取平均）情况 14图 24：交易型外资成交占比提升最大的个股，波动率并没有明显更大幅度的抬升 15图 25：利用托管数据和成交均价估算的北上净流入量系统性地大于港交所公布的实际净流入 18图 26：利用托管数据和成交均价估算的北上净流入量系统性地大于港交所公布的实际净流入（逆向交易日） 18表格目录表 1：板块行业分类 8表 2：规模最大的 30 家

6、陆股通托管行的收益归因分析 9表 3：30 家规模较大的普通股票型公募基金业绩归因分析 11表 4：外资顺势交易特征统计检验结果（全历史样本） 16表 5：外资顺势交易特征统计检验结果（2020 年一季度样本） 17表 6：外资对每天两个交易所前十大成交个股的 ABP 和 ASP 序列统计检验结果 19 北上通道流入 A 股的外资基本类型、构成及行为模式自 2018 年开始，通过陆股通形式流入 A 股的外资在投资者构成上相对过去有明显的变化。2017 年，北上外资持有 A 股的市值占总自由流通市值的比重为 2.4%，平均每日贡献了全部 A 股成交额的 2.1%。但到了 2018 年，北上外资每

7、日买卖贡献的成交额占比开始超过持有自由流通市值的占比，2018 年末持有 4.0%的自由流通市值，但是全年平均每天贡献了全部 A 股成交额的约 5.8%。2019 年，成交占比与持有市值占比的差距进一步被拉大。到了 2020 年一季度末，北上资金持有 A 股自由流通市值占比为 5.5%，但是平均每天贡献了全市场 9.4%的成交额。图 1：北上资金成交占比和自由流通市值占比历史变化趋势资料来源：Wind， 作为对比，我们统计了 2019 年国内全部普通股票型公募基金（主动型）的换手成交情况。我们的统计样本包括了 335 只普通股票型基金，2019 年末的合计持仓市值为 2482亿元，约占全部 A

8、 股自由流通市值的 1.0%，全年贡献成交约 5604 亿元，约占全部 A 股全年成交金额的 0.5%。通常而言，我们会认为国内股票型公募基金拥有较高的换手和活跃的交易，但实际上买卖交易的活跃度远不及北上陆股通的外资。从上述对比可以看出，通过陆股通流入 A 股的外资绝不仅仅包含买入并持有的长期投资者，其中还存在交投非常活跃的投资者。图 2：北上资金成交占比和自由流通市值占比与国内普通股票型公募基金对比资料来源：Wind， 我们无法直接分离出通过陆股通流入 A 股的外资中到底有多少是量化或是高频交易的对冲基金，但是我们可以获得港交所披露的针对陆股通每一只股票在每一天每一家托管行的持股情况，这样我

9、们可以近似估算每一家托管行每天的净流入数据（而不仅仅是北上整体的流入数据）。由于海外投行类托管行（摩根士丹利等等）和银行类托管行（汇丰、渣打等）提供的交易结算、场外互换等金融服务的能力和便利性上存在差异，量化对冲基金可能更倾向于去选择投行机构，通过场外互换的形式来完成交易。因此，如果不同类型的外资在托管行的选择上有明显的倾向性，我们就可以通过不同类型托管行的资金流入行为差异来近似的分离长线配置型外资和频繁交易的外资。关于三类外资的划分以及背后的分析，详细可参见800 万条托管数据剖析北上资金构成和行为（2019/10/29），这里只列举核心结论：不同类型的托管行背后客户的投资/交易行为有明显区

10、别；通过托管数据能够拆解北上外资背后不同类型的投资者；北上资金大体上可以分为三类：配置型资金、交易型资金、假外资，三者的持仓占比分别为 68%、26%和 6%，但贡献的成交占比为 30%、56%和 14%。交易型外资虽然持仓占比不高，但贡献了北上资金主要的成交。外资是否真的是左侧布局买入？配置型外资基本没有择时行为。2018 年 10 月 8 日至 2020 年 5 月 15 日，估算累计托管市值增加 6499 亿元，投入资本量增加 4512 亿元。整个区间内，沪深 300 累计涨幅为 13.8%。整体上配置型外资呈现缓慢流入的特征，几次较大的流入都处于 MSCI 指数纳入比例提高前后。少有的

11、两次阶段性净流出，一次发生在 2019 年一季度末市场行情过热以后，一次发生在新冠疫情在全球传播并引发全球金融市场流动性危机的时期。其余时间，基本都保持了稳定的流入趋势。因此，此类配置型外资可以被当作是长期投资者，对市场直接造成的影响非常有限。图 3：配置型外资累计净流入趋势和沪深 300 走势对比资料来源：Wind， 如果以 40 个交易日为统计窗口长度，除了 2019 年 3 月到 5 月间和 2020 年 3 月疫情全球蔓延期，配置型外资在窗口内的累计净流入量均为正。在一个整体上涨的市场环境下，由于配置型外资整体上都呈现持续买入趋势，所以投资者很容易得到外资通常左侧抄底，并且每次外资抄底

12、后市场都会上涨的结论。但事实上，如果我们观察配置型外资在 40 个交易日内的累计净流入量和沪深 300 指数在 40 个交易日内的收益率，二者则呈现同步的特征（相关性 0.32）。真正意义上的逆势抄底买入，仅有 2018 年 4 季度出现过，对应的是2019 年 1 月初市场见底，在统计层面，单一样本并不能充分论证外资“精准抄底”的结论。图 4：以 40 个交易日为窗口，配置型外资累计净流入和沪深 300 区间收益率走势对比资料来源：Wind， 2018 年 10 月 8 日至 2020 年 5 月 15 日，交易型外资累计的净流入量为-113 亿元，累计增加的净资本实际上为负值，最多时估计累

13、计净流入量达到 656 亿元（发生在 2020年 1 月 13 日），最低时则为-226 亿元（发生在 2020 年 3 月 23 日）。换言之，从 2018 年月 26 日至今，交易型外资针对 A 股不仅没有增加投入资本，反而有小幅的净流出。图 5：交易型外资累计净流入趋势和沪深 300 走势对比资料来源：Wind， 交易型外资的净流入趋势基本与沪深 300 同步。以 40 个交易日为统计窗口长度，交易型外资的净流入与沪深 300 指数涨幅的相关性达到 0.64。由于不少对冲基金通过场外互换形式间接做多或是做空陆股通对应股票，因此交易型外资的净流动当中不仅包含了做多头寸，也包含了做空头寸。2

14、018 年 10 月至今区间累计净流出意味着交易型外资整体而言在多空轧差后，对 A 股市场的敞口并没有明显增加。图 6：以 40 个交易日为窗口，交易型外资累计净流入和沪深 300 区间收益率走势对比资料来源：Wind， 2018 年 9 月至今，交易型外资在整个北向资金当中，持仓占比平均仅为 25.1%（2020年 3 月以来仅有 19.1%），但是平均贡献的净成交占比（由于无法获得实际的买卖成交数据，仅考虑净买卖的绝对额）达到 54.0%（2020 年 3 月以来为 48.8%）。也就是说，2020年 3 月以来，交易型外资的平均持仓占比只有不到五分之一，但是贡献了北上资金接近一半的买卖净

15、成交额。反观配置型外资，在整个北向资金当中，持仓占比平均为 68.3%（2020 年 3 月以来为 74.6%，相比过去进一步提升），但是平均贡献的净成交占比仅为 19.1%。因此，占外资成交大头的交易型资金整体上和指数走势同步，而配置型外资呈现稳定持续的买入持有特征（尤其在指数纳入前），并不存在明显的择时行为，我们很难得到外资具有左侧布局买入的结论。图 7：交易型外资、配置型外资和托管于中资港资机构资金的持仓占比变化资料来源：Wind， 图 8：交易型外资、配置型外资和托管于中资港资机构资金的成交占比变化资料来源：Wind， 北上外资在持续流出 A 股时的行业卖出分布情况配置型外资仅有的两次

16、持续流出。第一次发生在 2019 年 3 月到 5 月，最主要的特征就是大规模流出集中在食品饮料板块。流出量和行业持仓占比之间没有明显的关联。图 9：2019 年 3 月到 5 月间配置型外资的行业净流出/入分布资料来源：Wind， 图 10：2019 年 3 月到 5 月间配置型外资的行业净流出/入分布与持仓比例之间的关系资料来源：Wind， 第二次发生在 2020 年 3 月，即疫情在全球蔓延期间（2 月疫情在中国爆发期间外资并未出现大规模流出）。在这个区间，配置型外资流出规模基本上与其持仓占比一致。图 11：2020 年 3 月配置型外资的行业净流出/入分布与持仓比例之间的关系资料来源：

17、Wind， 交易型外资的流出结构则和持仓结构相关性较弱，和 MSCI China A 指数权重相关性更高。在今年 3 月交易型外资大幅流出 A 股的阶段，行业的流出规模和 MSCI China A 指数行业权重的相关性明显更高，这一定程度上意味着交易型外资当中可能有系统性被动按指数权重配置 A 股，且具有一定择时属性的资金存在。图 12：2020 年 3 月交易型外资的行业净流出/入分布与持仓比例之间的关系资料来源：Wind， 图 13：2020 年 3 月交易型外资的行业净流出/入分布与 MSCI China A 行业权重之间的关系资料来源：MSCI，Wind， 外资是否能够获得显著超额回报

18、我们估算了总的北上外资、配置型外资、交易型外资和托管于中港资机构资金 2018 年月至 2020 年 5 月的收益率，以及 2019 年的收益率。在 2018M102020M5 累计收益率低于创业板指和普通股票型基金指数，远高于 MSCI China A 指数和沪深 300 指数，其中交易型外资的收益率超过配置型以及托管于中港资机构的资金。而在 2019 年全年，交易型外资的估算收益率达到 55.0%，超过创业板指（44.1%）和普通股票型基金指数（47.6%）。图 14：不同资金及指数在不同时段收益率统计资料来源：Wind， 为了对外资超额收益进行归因分析，我们采用 T-M 模型，将外资相对

19、中证 800 指数的超额收益率分解为阿尔法（选股贡献）、市场择时能力和行业配置能力。为了避免过多的行业因子收益率的共线性问题以及对于自由度的消耗，我们将 29 个中信一级行业划分为基础商品、上游工业品、中游周期、基建、消费、大金融、TMT 和医药 8 大板块，构建收益率序列。由于上游工业品和中游周期之间日度收益率相关性达到 0.45，具有较强关联，我们将其合并为周期板块。因此，最终我们检验 7 大行业板块：基础商品、周期、基建、消费、大金融、TMT 和医药。表 1：板块行业分类基础商品石油石化上游工业品钢铁/煤炭/基础化工/有色中游周期建材/机械/交通运输/国防军工基建建筑/电力设备/电力及公

20、用事业消费农业/轻工/商贸零售/消费服务/纺织服装/食品饮料/家电/汽车大金融银行/非银行金融/地产TMT电子/通信/传媒/计算机/其他医药医药资料来源： 我们采用的 T-M 模型具体设定为： = + ( ) + ( + )其中是基金组合实际收益， 是中证 800 基准收益率，是行业收益率，当 0时等于 1，小于 0 时等于 0。用于衡量行业配置是否显著的贡献了组合超额收益，常数用于衡量选股是否贡献了组合超额收益，是用于衡量市场择时能力的参数。我们将北上外资按照托管行进行了划分，将每一家托管行作为一个投资主体，估算其买入和卖出行为所产生的收益率序列。我们将截至 2020 年 4 月 30 日托

21、管规模最大的 30家托管行的收益率序列作为收益归因分析的检验对象，检验时间区间为 2018 年 10 月至2020 年 4 月。30 家托管行整体在样本区间的平均日超额收益率（相对中证 800）为 0.03%，其中选 股贡献了 0.03%，市场择时贡献了 0.02%，行业配置贡献了约-0.002%，而其他模型未能 捕捉的因素对其有负贡献。对于其中平均日超额收益率（相对中证 800）最大的 15 家托管 行，日平均超额收益率（相对中证 800）达到 0.05%，其中选股贡献了 0.03%，市场择时 贡献了 0.006%，行业配置贡献了 0.012%。而对于平均日超额收益率（相对中证 800）最

22、低的 15 家托管行，日平均超额收益率（相对中证 800）仅有 0.01%，其中选股贡献了 0.014%，市场择时贡献了-0.009%，行业配置仅贡献了 0.005%。从行业配置来看，对消费的超配和 对金融、周期的低配几乎是我们测试的每一家托管行样本区间内最重要的超额收益来源，而对 TMT 的低配一定程度上又拉低了超额收益率。图 15：规模最大的 30 家陆股通托管行的收益归因分析资料来源：Wind， 阿尔法托管 2018 年 10 月日平均收市场择时能力规模至今收益率益率（中证 800）基础商品-配置周期-配置基建-配置消费-配置大金融-配置TMT-配置医药-配置托管行 A6835.7%0.

23、10%+托管行 B3729.1%0.06%+-+托管行 C1926.9%0.06%-+-托管行 D2626.5%0.06%+托管行 E70625.9%0.05%+-+-托管行 F64125.4%0.05%+-+-+托管行 G57625.0%0.05%+-+-托管行 H4923.1%0.05%-+-托管行 I2323.4%0.04%+-+-+托管行 J2119.7%0.04%+托管行 K193220.7%0.04%-+-托管行 L41620.7%0.04%+-托管行 M33718.6%0.04%+-+-托管行 N431919.8%0.04%+-+-托管行 O242919.6%0.03%+-+-托

24、管行 P16417.9%0.03%-+-托管行 Q2616.6%0.03%+-托管行 R126117.3%0.03%-+-+表 2：规模最大的 30 家陆股通托管行的收益归因分析（常数项）阿尔法托管 2018 年 10 月日平均收市场择时能力规模至今收益率益率（中证 800）基础商品-配置周期-配置基建-配置消费-配置大金融-配置TMT-配置医药-配置托管行 S3017.3%0.03%-+托管行 T17316.1%0.03%+-+-托管行 U3715.7%0.02%+-+-托管行 V35114.9%0.02%-+-托管行 W2614.0%0.02%-+-+托管行 X3814.1%0.02%-+

25、-托管行 Y9310.7%0.01%-+-托管行 Z2511.6%0.01%+-+-+托管行 AA468.0%0.00%-+-+托管行 AB104.9%0.00%-+-托管行 AC84-13.9%-0.06%-+-托管行 AD17-10.7%-0.06%-+（常数项）资料来源：Wind， 注：“+”、“+”、“+”分别表示在 90%、95%和 99%的显著性水平下估计参数显著为正；“-”、“-”、 “-”分别表示在 90%、95%和 99%的显著性水平下估计参数显著为负。参数显著为正意味着超配，显著为负意味着低配。为了更直观地比较，我们采用同样的模型，对国内在管规模大于 40 亿元的 30 只

26、普通股票型基金收益率做了同样的业绩归因分析。30 只基金样本在 2018 年 10 月至 2020 年 4月的日平均超额收益率（相对中证 800）为 0.07%，其中选股贡献了 0.06%，市场择时贡献了-0.04%，行业配置贡献了约 0.01%，而其他模型未能捕捉的因素对其有正向贡献。与外资托管行最大的不同在于，被检验的公募基金选股贡献的超额收益率达到接近 30 家托管行平均水平的 2 倍，而市场择时却形成较大的拖累。在行业配置上，医药板块在样本区间内对被检验样本中大部分公募基金都形成显著的正向贡献。图 16：规模大于 40 亿元的 30 只普通股票型基金业绩归因分析资料来源：Wind， 表

27、 3：30 家规模较大的普通股票型公募基金业绩归因分析在管规模日平均收项）证 800）基金 A480.13%+-+-+基金 B580.13%+-+-+基金 C460.11%+-+-+-+基金 D500.10%+-+基金 E450.09%+-+基金 F680.09%+-+-+基金 G680.09%+-+基金 H550.08%-+-+基金 I540.08%+-+基金 J970.08%-+-+基金 K530.08%+-+-基金 L1580.08%-+-基金 M460.08%+-+-+基金 N460.08%+-+基金 O1030.07%+-+-基金 P710.07%+-+-+基金 Q470.07%+-

28、+-+-+基金 R550.06%+-+-基金 S990.06%+-+-基金 T740.05%+-+-+-+基金 U850.05%+-+-基金 V480.05%+-+-基金 W460.05%+-+基金 X660.04%-基金 Y620.03%+-+-+基金 Z520.03%+-+-+-基金 AA490.03%+-+-基金 AB700.02%-+-+基金 AC700.01%-+-+基金 AD570.01%+-+-+-益率阿尔法（常数市场择时能力（中基础商品-配置周期-配置 基建-配置 消费-配置大金融-配置TMT-配置 医药-配置资料来源：Wind， 注：“+”、“+”、“+”分别表示在 90%、

29、95%和 99%的显著性水平下估计参数显著为正；“-”、“-”、 “-”分别表示在 90%、95%和 99%的显著性水平下估计参数显著为负。参数显著为正意味着超配，显著为负意味着低配。图 17：外资和公募基金业绩归因分析对比资料来源：Wind， 外资的流动是否对 A 股市场产生直接的冲击和影响从净成交数据来分析陆股通外资对个股和市场的影响北上成交占比提升和市场整体波动加大有一定关联性但并不明显。在 2018 年 10 月 8日到 2020 年 5 月 15 日的样本区间内，当北上资金成交占全部 A 股成交比例达到 10.9%以上时，如果当天沪深 300 指数上涨，平均的上涨幅度达到 1.49%

30、，如果当天沪深 300 指数下跌，平均的下跌幅度为-0.83%。尤其在市场下跌时，北上资金成交占比越大并不意味着市场下跌幅度也越大。图 18：北上外资成交占比在不同水平时沪深 300 指数涨跌幅绝对值（平均数）对比资料来源：Wind， 图 19：北上外资成交占比在不同水平时沪深 300 指数在上涨的交易日平均涨幅资料来源：Wind， 图 20：北上外资成交占比在不同水平时沪深 300 指数在下跌的交易日平均跌幅资料来源：MSCI，Bloomberg，ICI， 交易型外资成交占比越大的个股，波动率反而越低。我们计算了交易型外资成交占个股总成交的比例，检验了不同占比的个股在 2018 年 10 月

31、2020 年 4 月区间的波动率情况。具体而言，我们将个股按照交易型外资成交占比等分为 10 组，计算每组样本当中个股的平均区间日波动率。我们发现随着交易型外资（里面可能包含着量化对冲基金）成交占比的提升，股票的波动率趋于下降而不是上升，并看不出外资的频繁交易放大股票波动的情况。同时，我们还特意计算了 2018Q4 和 2020Q1 期间（这两个期间全球金融市场都发生了同步的大波动）交易型外资成交占比和区间日波动率的情况，得到了完全一致的结果。图 21：交易型外资成交占比在不同区间时，对应个股在 2018 年 10 月至今的区间日波动率（取平均）情况资料来源：Wind， 图 22：交易型外资成

32、交占比在不同区间时，对应个股在 2018 年 4 季度的区间日波动率（取平均）情况资料来源：Wind， 图 23：交易型外资成交占比在不同区间时，对应个股在 2020 年 1 季度的区间日波动率（取平均）情况资料来源：Wind， 这一结果可能并不意味着交易型外资对个股的参与程度越高，波动率越低，而是交易型外资更乐于参与波动率较低的个股。因此，我们进一步从时间的维度，测算了交易型外资成交占比提升幅度最大的个股和最小的个股，对应波动率的变化情况。我们将所有个股按照交易型外资的成交占比等分成10 组，对比的两个区间分别是 2018Q4 和 2020Q1。我们发现，交易型外资成交占比提升幅度最大的个股

33、，波动率并没有明显更大幅度的抬升，交易型外资参与度的变化和波动率的变化没有直接关联。以交易型外资成交占比提升幅度最大的前 10%的个股（交易型外资成交占比提升幅度在 2.44%以上）为例，在 2020Q1 的平均日波动率相比 2018Q4 的平均日波动率仅上升了 0.08 个百分点，是 10 组股票中最低的一组。而在 2020Q1，所有股票的平均日波动率水平比 2018Q4 上升了 0.53 个百分点。从这个角度来看，外资更加活跃的参与实际上有助于降低个股的波动，而非升高。这一定程度上说明，量化高频交易（可能包含在交易型外资当中）一定程度上起到的是提供流动性，降低股价波动的作用，而非加大个股波

34、动。图 24：交易型外资成交占比提升最大的个股，波动率并没有明显更大幅度的抬升资料来源：Wind， 从净流量数据来分析外资的短期买卖是否是顺势交易，放大个股趋势波动我们将个股在 t 日的收益率情况进行排序，将收益率在前 10%的个股作为 win 组合，将收益率在后 10%的个股作为 lose 组合，然后分别计算这两个组合中的个股在 t+1 日北上资金（配置型外资或交易型外资）的净买入情况。同时，计算 win 组合在 t+1 日净买入与 lose 组合在 t+1 日净买入的差值（WML 组合）。如此设计实证的原因在于，如果我们发现对于 t 日收益率最高的一部分股票，外资在 t+1 日更倾向于买入

35、（净买入为正值），而 t日收益最低的一部分股票，外资在 t+1 日更倾向于卖出（净买入为负值），则认为外资具有明显的顺势交易特征，会随着股票上涨而持续买入，股票下跌而卖出。这样顺势交易的特征，一般被认为可能是放大市场趋势性波动的因素。反之，如果外资具有明显的反向交易特征，则可能是抑制市场波动的因素。我们分别计算了 WML 组合、win 组合以及 lose 组合对应股票在 t+1 日的外资平均净买入（样本区间为 2018 年 10 月至 2020 年 4 月），并计算了对应的 Newey West t 值和对应的显著性。如果这三者显著为正，则说明外资有明显的顺势交易特征，反之亦然。由于个股间净买

36、入数据差异较大，个别交易日个别个股的净买入数据可能会导致整体样本出现偏差，因此我们还构建了一个顺势交易的测度指标。该指标用个股 t+1 日的净买入/t 日的净买入来衡量，并对其进行非参数 Wilcoxon signed-rank t 检验，测试其是否显著异于 0。如果显著为正，则说明 t+1 日净买入方向和 t 日相同，则说明有顺势交易特征，反之则说明有逆势交易特征。同样，我们分别将股票分为了 WML 组合、win 组合以及 lose组合。以上两种实证设计得到的检验结果如下表：表 4：外资顺势交易特征统计检验结果（全历史样本）交易型外资配置型外资WMLWinLoseWMLWinLoseT+1

37、净买入均值-4.0877-2.19401.89371.82021.98290.1627Newey West t 值-13.03-9.343.928.2787.6970.79显著性*T+1 净买入/T 净买入-0.5296-0.3710-0.46870.43970.63440.0362显著性*资料来源：Wind， 其中，WML 指的是 T 日收益率最大的前 10%股票和后 10%的股票，在 T+1 日外资的净买入量之差。Win 组合指的是 T 日收益率最大的前 10%股票在 T+1 日外资的净买入量。Lose 组合指的是T 日收益率最小的前 10%股票在 T+1 日外资的净买入量。我们发现：1)

38、）交易型外资有明显的反向交易特征。对于 T 交易日表现相对较好的股票，T+1 日平均净流出规模达到 4.09 亿元，同时 T+1 净买入/T 净买入的中位数达到-0.4577，也就是说如果 T 日是买入的，则 T+1 日大概率趋于卖出。2）配置型外资则呈现明显的顺势交易特征。对于 T 交易日表现相对较好的股票，T+1日平均净流入规模达到 1.82 亿元，同时 T+1 净买入/T 净买入的中位数达到 0.3389，也就是说如果 T 日对于涨幅较大的股票是净买入的，则 T+1 日对于这批股票（无论涨跌）大概率进一步买入。对于 T 日跌幅较大的股票，配置型外资并不会顺势流出，会有一定逆向交易，但并不

39、显著。一般而言顺势交易容易放大个股趋势波动，而逆势交易则容易平抑趋势波动。不过从上文估算的成交占比来看，由于交易型外资占北上资金成交的主要部分，并且配置型外资较少有择时行为，整体以买入持有为主，因此北上资金整体对于A 股个股的冲击相对有限，并不存在挤占流动性，放大波动的问题。为了检验该结论的稳健性，我们特意选取了 2020Q1 的样本做同样的测试。在 2020Q1，市场分别经历了外资在 1 月的快速“涌入”和在 3 月新冠疫情全球蔓延环境下的快速“退出”，同时市场波动也较大，检验该时间段的外资交易行为可以帮助我们分析外资在市场本身波 动加大环境下，对 A 股交易行为的特征。检验结果见表 5 可

40、以看到，得到的结论和全样本 下的结论完全一致，依然是交易型外资有显著的逆向交易特征，配置型外资择时属性并不 太强，整体上以稳定净买入为特征，无论上涨样本还是下跌样本，下一交易日平均而言都 呈现净买入。表 5：外资顺势交易特征统计检验结果（2020 年一季度样本）交易型外资配置型外资WMLWinLoseWMLWinLoseT+1 净买入均值-7.1534-4.64512.50831.27570.7606-0.5151Newey West t 值-6.68-6.483.742.451.64-1.16显著性*T+1 净买入/T 净买入-1.2953-0.6376-0.11550.21900.3177

41、0.2933显著性*资料来源：Wind， 外资相对境内投资者在高频交易层面的竞争优势尽管外资整体上并没有明显的放大市场波动的特征，但从我们估算的外资实际交易执行均价来看，外资高频交易的实际订单执行效率要远远优于国内的投资者，存在明显的竞争优势。我们利用港交所披露每一家托管行存量托管股数变动，按照个股当天的成交均价，估算出北上资金每日的净流入/流出数据。同时，港交所还会披露北上资金整体每日的净流入/流出数据，该数据是北上资金的实际成交情况。我们利用实际流量数据和估算的流量数据之间的误差，就可以大致估算北上外资整体的订单执行效率。具体而言，当外资净流入且估算净流入量高于港交所披露的实际净流入量时，

42、意味着 我们在估算流入时使用的个股当日成交均价，平均而言大于北上资金实际的买入成交均价；当外资净流出且估算净流出量高于港交所披露的实际净流出量时，意味着我们估算净流出 时使用的个股当日成交均价，平均而言低于北上资金实际的卖出成交均价。如果我们估算 值和港交所的实际披露值之间的误差不断地累计，意味着外资在大多数时候都能“买的更低、卖的更高”，这大概率就是实际订单执行效率带来的竞争优势。我们计算了累计的误差值，发现利用托管数据和成交均价估算的北上净流入量系统性地大于港交所公布的实际净流入，也就是在北上资金净买入时，在大部分时候成交均价都能低于个股当天的成交均价，在北上资金净卖出时，大部分时候成交均价都高于个股当天成交均价，这个误差并不具备随机性，而是系统性为正。从 2018 年 9 月 27 日至 2020 年 5 月 13 日，估算的累计差值达到 151.3 亿元，而期间北上资金整体的累计净流入量也仅为 4512.0 亿元。对应到一共 378 个交易日，意味着每天平均 11.937 亿的净流入量，通过订单高效地执行，获得了 0.4 亿的价差，这相当于平均每天相对VWAP 的点差达到+0.89bp。而