沪深A股市场惯性与反转效应：基于行为金融的实证剖析与策略启示

沪深A股市场惯性与反转效应：基于行为金融的实证剖析与策略启示一、引言1.1研究背景与意义1.1.1研究背景沪深A股市场作为中国资本市场的核心组成部分，在我国金融体系中占据着举足轻重的地位。上海证券交易所和深圳证券交易所分别成立于1990年11月26日和1990年12月1日，经过多年的发展与完善，沪深A股市场规模不断扩大，上市公司数量持续增加，涵盖了金融、能源、工业、信息技术、生物医药等众多行业，为企业提供了重要的融资渠道，促进了资源的优化配置，推动了我国经济的增长与产业的升级。然而，沪深A股市场具有显著的波动性特征。与成熟的国际资本市场如美国标普500指数所代表的市场相比，沪深A股市场的波动更为频繁且幅度较大。以沪深300指数为例，其历史波动率较高，在下跌过程中波动率会持续缩小，而一旦行情启动，波动率会迅速被拉高，呈现出涨得快、跌得也快的特点，随后又进入长时间的波动率降低的磨底时期，即所谓的“牛短熊长”。这种较高的波动性使得投资者面临更大的风险与不确定性，也对市场的稳定运行和资源有效配置带来了挑战。在这样的市场环境下，股价的惯性与反转效应异象逐渐成为金融学界和投资界关注的焦点。惯性效应，通俗来讲就是“强者恒强，弱者恒弱”，指过去一段时间内收益高的股票在将来一段时间内仍持续获得较高的收益；反转效应则与之相反，过去一段时间内的赢（输）家在未来一段时间内成为输（赢）家。这些效应的存在表明股票价格并非完全随机游走，而是存在一定的可预测性规律。研究沪深A股市场的惯性与反转效应，对于深入理解市场运行机制、把握股价波动规律具有重要的现实背景和理论需求。一方面，我国股市投资者结构多样，包括大量的个人投资者和各类机构投资者，不同投资者的行为和决策模式对市场的影响复杂。个人投资者往往存在非理性行为，如过度自信、羊群效应等，这可能导致股价对信息的反应不足或过度反应，进而引发惯性与反转效应。另一方面，我国股市的制度环境和政策因素也对市场产生着深远影响。宏观经济政策的调整、行业监管政策的变化等都会改变市场参与者的预期和行为，为惯性与反转效应的产生提供了土壤。1.1.2研究意义从理论层面来看，惯性与反转效应的研究有助于验证有效市场假说（EMH）的正确性。有效市场假说认为，在一个有效的市场中，股票价格应充分反映所有可得信息，价格的变动是随机的，不存在可通过历史信息获取超额收益的机会。然而，惯性与反转效应的存在表明市场并非完全有效，股价对信息的反应存在偏差，这为行为金融理论的发展提供了实证支持。通过研究沪深A股市场的惯性与反转效应，可以深入探讨投资者的非理性行为、市场信息传递机制以及市场参与者之间的相互作用，进一步丰富和完善证券市场微观理论和行为金融理论，推动金融理论的发展与创新。在实践方面，对投资者具有重要的指导意义。如果市场存在惯性效应，投资者可以采用惯性投资策略，买入过去表现好的股票，卖出过去表现差的股票，从而获取超额收益；若存在反转效应，则可采取反转投资策略，反向操作。通过对沪深A股市场惯性与反转效应的深入研究，投资者能够更好地理解市场规律，根据自身的风险承受能力和投资目标，选择合适的投资策略，提高投资决策的科学性和有效性，实现资产的保值增值。对于市场监管者而言，研究惯性与反转效应有助于加强市场监管，维护市场的公平、公正和有序运行。了解市场中存在的异象及其成因，可以及时发现市场中可能存在的操纵行为、信息不对称等问题，从而制定更加有效的监管政策和措施，完善市场制度，提高市场的透明度和有效性，保护投资者的合法权益，促进沪深A股市场的健康稳定发展。1.2研究目的与创新点1.2.1研究目的本研究旨在深入剖析沪深A股市场的惯性与反转效应，全面揭示其存在性、特征以及背后的影响因素。具体而言，通过对沪深A股市场历史数据的实证分析，精准验证惯性效应和反转效应在该市场中的真实存在情况。明确在不同时间跨度和市场条件下，过去收益表现良好的股票是否真的会继续保持优势，以及过去表现不佳的股票是否会出现反转，从而为市场参与者提供明确的效应存在性判断。细致探究沪深A股市场惯性与反转效应的特征，包括但不限于效应出现的时间周期规律，是短期、中期还是长期更为显著；分析不同行业板块中效应的表现差异，例如金融、科技、消费等行业的惯性与反转效应是否存在独特之处；研究不同市值规模股票的效应特征，大盘股和小盘股在惯性与反转表现上有何不同。深入挖掘影响沪深A股市场惯性与反转效应的各类因素，从宏观层面的经济增长态势、通货膨胀水平、货币政策调整，到微观层面的公司财务状况、信息披露质量、投资者行为偏差等，全面解析这些因素如何相互作用，共同影响股票价格的惯性与反转现象，为市场参与者理解市场运行机制提供深入洞察。1.2.2创新点在样本选取方面，突破传统研究仅选取特定时间段或特定板块股票的局限，构建更加全面、广泛且具有代表性的样本。不仅涵盖沪深A股市场不同行业、不同市值规模、不同上市时间的股票，还充分考虑市场周期的各个阶段，包括牛市、熊市和震荡市，确保研究结果能够反映市场的全貌，提高研究结论的普适性和可靠性。在研究方法上，创新性地综合运用多种前沿的金融计量模型和数据分析技术。除了经典的Jegadeesh和Titman的动量策略模型，还引入机器学习算法中的支持向量机（SVM）、随机森林（RandomForest）等方法，对股票收益数据进行深度挖掘和分析。这些方法能够捕捉到传统模型难以发现的复杂非线性关系，更准确地识别和预测惯性与反转效应，为研究提供全新的视角和更精确的分析工具。在影响因素分析角度上，开拓性地将宏观经济因素、行业竞争格局、企业社会责任表现以及投资者情绪的动态变化等多个维度纳入研究框架。不仅关注传统的经济指标和公司财务数据，还深入探讨行业内的竞争态势如何影响企业的市场表现和股价走势，企业社会责任履行情况对投资者认知和股票估值的作用，以及投资者情绪在不同市场阶段的波动对惯性与反转效应的影响，丰富了对惯性与反转效应影响因素的研究内容，为市场参与者提供更全面的决策依据。二、文献综述2.1国外研究现状国外学者对惯性与反转效应的研究起步较早，成果丰硕。1985年，DeBondt和Thaler发表了题为《股票市场过度反应了吗？》的论文，率先提出了反转效应。他们对1926-1982年期间美国股票市场的数据进行研究，以3-5年为周期，将过去表现最好和最差的股票分别组成赢者组合和输者组合，发现输者组合在未来3-5年的收益率显著高于赢者组合，平均每月超额收益率达到1%左右，这表明在长期内股票收益存在反转现象，即过去的输家未来成为赢家，过去的赢家未来成为输家。这一发现对传统的有效市场假说提出了挑战，引发了学术界对股票市场收益可预测性的深入探讨。1993年，Jegadeesh和Titman在《金融学期刊》上发表的《买入赢家和卖出输家的回报：对股票市场效率的启示》一文中，首次系统论证了惯性效应的存在。他们运用1965-1989年美国证券价格研究中心（CRSP）的日收益数据，构建了基于过去3-12个月收益排序的投资组合。研究发现，买入过去3-12个月收益最高的股票组合（赢家组合），同时卖出过去3-12个月收益最低的股票组合（输家组合），在未来3-12个月能够获得显著为正的超额收益，平均每月超额收益率约为1%，这一现象表明股票收益在短期内存在惯性，过去表现好的股票在未来一段时间内仍会保持较好的表现，过去表现差的股票在未来一段时间内仍会表现较差。此后，众多学者对惯性与反转效应展开了广泛而深入的研究，研究范围涵盖了不同国家和地区的金融市场。Rouwenhorst（1998）考察了12个欧洲国家1978-1995年的股票市场数据，发现欧洲市场普遍存在惯性效应，且惯性效应的显著性与公司规模呈负相关关系，即小公司股票的惯性效应更为显著。他通过构建类似于Jegadeesh和Titman的动量投资组合，验证了在欧洲市场上利用惯性策略可以获得超额收益，进一步支持了惯性效应在国际市场的普遍性。George和Hwang（2004）研究发现52周的股票最高价策略能够解释动量策略收益的主要部分。他们认为股票价格在接近52周最高价时，投资者的乐观情绪和市场关注度会增加，从而推动股价进一步上涨，形成惯性效应。该研究从新的视角解释了惯性效应的形成机制，丰富了惯性效应的理论研究。在对惯性与反转效应的理论解释方面，传统金融理论和行为金融理论提出了不同的观点。Fama和French（1996）在有效市场的理论框架下建立了三因子模型来解释资产收益的惯性和反转现象。该模型认为，股票的预期收益受市场风险溢价、规模因子和账面市值比因子的影响，反转效应可以用三因子模型给予解释，即长期来看，高账面市值比的公司（通常是过去表现较差的公司）未来的收益率较高，低账面市值比的公司（通常是过去表现较好的公司）未来的收益率较低，这是因为这些公司面临不同的风险水平，市场会对其风险进行补偿。然而，三因子模型难以解释收益在短期内的惯性现象，无法充分说明为什么过去表现好的股票在短期内会继续保持优势。行为金融理论则从投资者行为偏差的角度对惯性与反转效应进行解释，提出了多种具有代表性的模型。Barberis、Shleifer和Vishny（1998）提出的BSV模型认为，投资者在决策时存在两种认知偏差：代表性偏差和保守性偏差。代表性偏差使投资者根据近期的信息过度推断股票的未来表现，导致对新信息反应过度；保守性偏差则使投资者对新信息反应不足，依赖过去的经验和信念。这两种偏差的交互作用导致股票价格先过度反应，然后再反转，从而解释了反转效应和惯性效应的产生。Daniel、Hirshleifer和Subramanyam（1998）提出的DHS模型假定投资者在进行投资决策时存在过度自信和有偏自我评价（归因偏差）。过度自信使投资者对自己的私人信息过度乐观，导致股价反应过度；而有偏自我评价则使投资者将成功归因于自己的能力，将失败归因于外部因素，进一步加剧了过度反应。当更多公开信息出现后，股价会逐渐回归到合理水平，表现出反转效应，而在短期内，由于过度自信的影响，股价会延续之前的趋势，形成惯性效应。Hong和Stein（1999）提出的HS模型从投资者相互作用的角度解释动量效应和反转效应。该模型认为，市场中存在信息观察者和动量交易者两类投资者。信息观察者根据自己获得的私人信息进行交易，但信息在市场中的传播是缓慢的，这导致股价对信息的反应不足。动量交易者则根据股价的历史走势进行交易，他们的交易行为会使股价趋势得以延续，形成惯性效应。当股价过度偏离其内在价值时，会引发市场的调整，出现反转效应。2.2国内研究现状国内学者对沪深A股市场惯性与反转效应的研究也取得了丰富的成果。张人骥、朱平芳和王怀芳（1998）应用修正后的DeBondt与Thaler的方法，对沪深股市数据进行分析，然而并没有检验到反转效应的存在，这一结果可能与当时我国股市发展尚不成熟、市场制度不完善以及数据样本的局限性等因素有关。王永宏和赵学军（2001）选取1993年以前上市的股票作为观察对象，采用非重叠期限抽样方法研究中国股市的惯性策略，排序期和持有期长度取值为1、3、6、9、12个月。研究结果显示，惯性效应不存在，惯性策略的超长收益几乎皆为负值。这一发现与国外部分研究结果相悖，反映出我国股市可能具有独特的运行规律和影响因素，当时我国股市投资者结构以散户为主，投资行为相对较为盲目和非理性，市场投机氛围较浓，可能导致惯性效应难以显现。周琳杰（2002）选取沪深股市1995-2000年的股票交易数据，采用重叠期限抽样方法考察中国股市动量策略（即惯性策略）的盈利性特征。研究发现，在卖空限制的情况下，形成期和持有期为1个月的动量策略有显著的超额收益，表明在短期内我国股市存在一定程度的惯性效应。这一研究结果说明，在特定的市场环境和时间范围内，我国股市的惯性效应是可以被观察和利用的，为投资者制定短期投资策略提供了一定的参考依据。Kang、Liu和Ni（2002）对中国A股1993年至1994年两年间上市的48-268个股票的1993年至2000年周收益率进行中短期分析（1周到6个月），发现了显著的短期反转和中期（6月）惯性。这一研究结果进一步证实了我国股市惯性与反转效应的存在，并且揭示了效应出现的时间周期特征，即短期以反转效应为主，中期则呈现出惯性效应，为深入研究我国股市的价格波动规律提供了重要的实证支持。汤国栋（2006）从缩短形成期持有期和引入交易频率两个新的视角，利用2001-2003年沪市交易的股票作为样本来研究股票价格惯性和反转效应。实证结果表明超短期（3个交易日）内存在反转现象，并且在引入交易频率重新分组后，出现了不同的结果且显著性水平较高。这一研究丰富了我国股市惯性与反转效应的研究视角，说明交易频率等市场微观结构因素对股价的惯性与反转现象具有重要影响，为市场参与者理解市场行为提供了新的思路。吴世农和吴超鹏（2005）认为我国投资者对盈余信息的反应依赖于信息度量的方式。他们的研究表明，不同的信息度量方式会导致投资者对股票价值的判断产生差异，进而影响股价的走势，这种差异可能是导致惯性与反转效应产生的原因之一。该研究从信息处理的角度为我国股市惯性与反转效应的形成机制提供了新的解释，强调了信息质量和投资者认知在市场行为中的重要作用。贾颖和杨天化（2011）在对美国等发达国家次贷危机后不同市场表现出的惯性效应或反转效应进行研究时，验证了不同市场投资者的策略选择，结果表明，欧美市场易出现惯性效应，亚洲市场易出现反转效应，这暗示着我国沪深A股市场可能具有与亚洲其他市场相似的特征，更倾向于出现反转效应。这一研究结果为跨市场比较研究提供了参考，也有助于我国投资者借鉴国际经验，更好地理解和应对国内市场的变化。综上所述，国内学者对于沪深A股市场惯性与反转效应的研究在不同的时间跨度、样本选取和研究方法下，得出了不尽相同的结论，但总体上表明我国股市存在惯性与反转效应，且效应的表现受到多种因素的影响，包括投资者结构、信息披露制度、市场交易机制以及宏观经济环境等。这些研究为深入理解我国股市的运行机制和投资策略的制定提供了丰富的理论和实证基础，但仍有待进一步深入研究和完善。2.3文献评述综合国内外研究现状，关于惯性与反转效应的研究取得了丰硕成果，但仍存在一些不足，为进一步研究留下了空间。在研究样本方面，部分早期国内研究由于数据获取的局限性，样本范围较窄，时间跨度较短，可能无法全面准确地反映沪深A股市场的真实情况。例如张人骥、朱平芳和王怀芳（1998）以及王永宏和赵学军（2001）的研究，其样本选取的时间和股票范围相对有限，可能受到特定时期市场特征的影响，导致研究结果的普适性受到一定限制。随着市场的发展和数据的丰富，后续研究虽然在样本选择上有所改进，但仍存在对不同行业、市值规模和上市时间的股票覆盖不够全面的问题，难以充分揭示市场中各类股票的惯性与反转效应特征及其差异。研究方法上，传统的金融计量模型虽然在验证惯性与反转效应的存在性方面发挥了重要作用，但这些模型往往基于一些严格的假设条件，如线性关系、正态分布等，难以捕捉市场中的复杂非线性关系和动态变化特征。例如，经典的Jegadeesh和Titman的动量策略模型在分析股票收益时，主要考虑了过去收益的简单排序和组合构建，对于市场中存在的复杂信息交互、投资者行为的动态变化等因素考虑不足。而在实际市场中，股票价格受到多种因素的综合影响，这些因素之间可能存在复杂的非线性关系，传统模型的局限性限制了对惯性与反转效应的深入理解和准确预测。在影响因素分析方面，现有研究虽然从宏观经济、公司财务和投资者行为等多个角度进行了探讨，但各因素之间的相互作用机制尚未得到充分揭示。宏观经济因素与公司微观层面因素如何共同影响投资者决策，进而作用于股价的惯性与反转效应，目前的研究还不够深入。投资者行为偏差与市场信息传递机制之间的动态关系也有待进一步研究，不同类型的投资者行为偏差在不同市场环境下如何影响信息的传播和股价的反应，仍需要更多的实证分析和理论探讨。对于沪深A股市场特有的制度因素和政策因素对惯性与反转效应的影响，虽然已有部分研究有所涉及，但研究的系统性和深入性不足。股权分置改革、涨跌停板制度、限售股解禁等制度变革以及货币政策调整、财政政策变化等宏观政策对市场的冲击，在不同市场阶段对惯性与反转效应的具体影响方式和程度，还需要更细致的研究和分析。未来的研究可以进一步拓展样本范围，涵盖沪深A股市场全样本股票，并按照行业、市值规模、上市时间等多个维度进行细分，以更全面地研究不同类型股票的惯性与反转效应特征。引入更多先进的数据分析技术和机器学习算法，如深度学习中的神经网络模型、时间序列分析中的ARIMA-GARCH模型等，以捕捉市场中的复杂非线性关系和动态变化规律，提高对惯性与反转效应的预测精度。加强对各影响因素相互作用机制的研究，构建综合的理论模型，深入探讨宏观经济因素、公司微观因素、投资者行为和市场信息传递机制之间的复杂关系，以及它们如何共同影响股价的惯性与反转效应。针对沪深A股市场特有的制度和政策因素，开展系统性的研究，分析这些因素在不同市场环境下对惯性与反转效应的影响路径和作用效果，为市场参与者提供更具针对性的投资决策依据和市场监管者制定更有效的政策提供参考。三、理论基础3.1有效市场假说有效市场假说（EfficientMarketsHypothesis，EMH）由萨缪尔森于1965年提出，1970年尤金・法玛（EugeneF.Fama）对其进行深化并定义，是现代金融理论的重要基石之一。该假说认为，在一个证券市场中，价格完全反映了所有可得信息的市场被称为是有效的。这意味着，投资者无法通过分析历史价格、成交量等过去的信息来获取超额收益，因为所有这些信息都已经被充分反映在当前的股票价格中。有效市场假说必须满足以下三个条件：其一，投资者可以通过对可获得信息的合理运用，从而获得更高的经济效益；其二，证券市场能够准确迅速地对最新的市场信息作出合理反应；其三，证券价格能够对全部信息进行有效反应。有效市场假说可以分为弱式有效市场假说、半强式有效市场假说以及强式有效市场假说三类。弱式有效市场假说认为，市场价格已充分反映出所有过去历史的证券价格信息，包括股票的成交价、成交量，卖空金额、融资金额等，投资者不能依靠历史信息获得超额收益，此时股票价格的技术分析失去作用，但基本分析还可能帮助投资者获得超额利润。半强式有效市场假说指出，市场上价格能反映历史信息和公开信息，投资者无法利用已公开的有关公司营运前景的信息（如成交价、成交量、盈利资料、盈利预测值、公司管理状况及其它公开披露的财务信息等）通过基本面分析获取超额利润，不过内幕消息可能获得超额利润。强式有效市场假说认为，股票价格已经反映了其历史、公开和未公开的信息，即使是拥有内部信息的交易者也无法利用内部的未公开信息赚取超额利润，在强式有效市场中，没有任何方法能帮助投资者获得超额利润。在有效市场假说的理论框架下，股票价格的变动表现为随机游动过程，其现行价格充分反映了历史上一系列交易价格和交易量中所隐含的信息，任何时刻的证券价格都已经充分地反映了当时所能得到的一切相关信息。这是因为在一个有效的市场中，大量理性的投资者会根据新信息迅速调整自己的投资决策，使得股票价格能够及时准确地反映所有信息的变化。当有新的利好信息出现时，投资者会立即买入股票，推动股价上涨，直到股价上升到一个合理的水平，使得新信息完全被反映在价格中；反之，当出现利空信息时，投资者会迅速卖出股票，导致股价下跌，同样使股价能够及时反映负面信息。然而，惯性与反转效应的存在对有效市场假说提出了挑战。惯性效应表明，过去一段时间内收益高的股票在将来一段时间内仍持续获得较高的收益，过去收益低的股票在未来仍表现较差，这意味着股票价格并非完全随机游走，而是存在一定的趋势延续性，投资者可以通过买入过去表现好的股票、卖出过去表现差的股票来获取超额收益，这与有效市场假说中投资者无法利用历史信息获取超额收益的观点相悖。反转效应则显示，过去一段时间内的赢（输）家在未来一段时间内成为输（赢）家，股票价格会出现逆转，这也不符合有效市场假说中股票价格能够充分反映所有信息，不会出现系统性偏差的假设。如果市场是有效的，股票价格应该能够迅速、准确地对所有信息作出反应，不会出现惯性或反转现象。因为在有效市场中，所有信息都已经被充分纳入股价，投资者无法通过分析历史收益来预测未来股价走势，也就不存在基于过去收益的惯性或反转策略能够获得超额收益的情况。但大量实证研究表明，惯性与反转效应在包括沪深A股市场在内的多个证券市场中确实存在，这说明市场并非完全有效，可能存在投资者非理性行为、信息不对称、交易成本等因素，导致股票价格对信息的反应出现偏差，从而为惯性与反转效应的产生提供了条件。3.2行为金融理论3.2.1前景理论前景理论由丹尼尔・卡尼曼（DanielKahneman）和阿莫斯・特沃斯基（AmosTversky）于1979年提出，是行为金融理论的重要基础之一，该理论从投资者的心理认知角度出发，对传统的预期效用理论进行了修正，深刻揭示了投资者在面对风险和不确定性时的决策行为模式。前景理论的核心内容包括价值函数和决策权重函数。价值函数是前景理论的关键组成部分，它具有三个重要特征：其一，价值函数以投资者的参考点为基准，将收益和损失进行区分。参考点通常是投资者当前的财富水平或某一预期的财富目标，在参考点之上的部分被视为收益，在参考点之下的部分则被视为损失。例如，投资者购买股票的成本价就可以作为一个重要的参考点，当股票价格高于成本价时，投资者处于收益状态；反之，则处于损失状态。其二，价值函数在收益区间呈凹函数，这意味着投资者在面对收益时表现出风险规避的倾向。即随着收益的增加，投资者对额外收益的边际敏感度逐渐降低，更倾向于选择确定性的收益。假设投资者面临两个选择：一是获得确定性的100元收益；二是有50%的概率获得200元收益，50%的概率一无所获。在这种情况下，大多数投资者会选择确定性的100元收益，因为他们更注重收益的稳定性，不愿意冒险去追求可能更高但不确定的收益。其三，价值函数在损失区间呈凸函数，表明投资者在面对损失时呈现出风险偏好的特征。随着损失的增加，投资者对额外损失的边际敏感度递减，为了避免损失，他们更愿意冒险一搏。比如，投资者持有一只股票，股价下跌导致出现损失，此时若面临两个选择：一是接受确定性的100元损失；二是有50%的概率损失200元，50%的概率不损失。在这种情境下，许多投资者会选择冒险，期望通过冒险行为避免损失，尽管这种冒险可能带来更大的损失。决策权重函数则描述了投资者对概率的主观判断。在前景理论中，决策权重函数并非与客观概率呈线性关系，投资者会高估小概率事件的发生概率，而低估大概率事件的发生概率。以购买彩票为例，彩票中奖的概率极低，属于小概率事件，但投资者往往会高估自己中奖的可能性，因此愿意花费一定的金钱购买彩票，希望获得高额的奖金回报。再如，在投资股票时，对于一些发生概率较高的宏观经济风险事件，如经济衰退的可能性，投资者可能会低估其发生的概率，从而忽视对这些风险的充分评估和防范，导致在风险事件实际发生时遭受较大损失。前景理论对投资者决策行为产生了深远的影响，进而在一定程度上解释了股价的惯性与反转效应。在股票市场中，当股价上涨时，投资者处于收益状态，由于价值函数在收益区间的凹性，他们更倾向于风险规避，可能会过早地卖出股票以锁定利润，导致股价上涨的动力减弱。然而，部分投资者可能会受到决策权重函数的影响，高估股价继续上涨的概率，继续持有甚至买入股票，推动股价进一步上涨，形成惯性效应。当股价上涨到一定程度后，更多投资者开始意识到风险，逐渐卖出股票，导致股价反转下跌。相反，当股价下跌时，投资者处于损失状态，价值函数在损失区间的凸性使得他们更愿意冒险，为了避免损失而继续持有股票，甚至买入更多股票以摊薄成本。部分投资者会因为高估股价反弹的小概率事件，而不愿意止损，导致股价下跌趋势延续，形成惯性下跌。当股价下跌到一定程度，投资者对损失的承受能力达到极限，开始大量抛售股票，使得股价加速下跌，随后随着市场情绪的转变和部分投资者对股价反转的预期，股价可能会出现反转上涨。3.2.2认知偏差理论认知偏差理论是行为金融理论的重要组成部分，它研究投资者在金融决策过程中由于认知局限、情绪影响等因素导致的偏离理性决策的行为。在股票市场中，投资者并非完全理性，他们在收集、处理信息以及做出决策时，往往会受到各种认知偏差的影响，从而导致股价出现异常波动，为惯性与反转效应的产生提供了土壤。常见的认知偏差包括过度自信、锚定效应、代表性偏差和羊群效应等。过度自信是指投资者对自己的能力和判断过度乐观，高估自己获取信息的准确性和分析能力，从而导致决策失误。在股票投资中，过度自信的投资者往往认为自己能够准确预测股票价格的走势，频繁进行交易，忽视市场风险。一些投资者可能根据自己有限的研究和经验，坚信某只股票会上涨，于是大量买入，而忽略了公司基本面的变化以及宏观经济环境的影响。当市场情况与他们的预期不符时，他们可能不愿意承认错误，继续持有甚至加仓，导致损失进一步扩大。这种过度自信的行为使得股价可能在短期内偏离其内在价值，当投资者最终认识到自己的错误并调整投资策略时，股价可能会出现反转。锚定效应是指投资者在决策时，往往会过度依赖最初获得的信息（即“锚”），并以此为基准来调整后续的判断。在股票市场中，股价的历史价格、分析师的预测价格等都可能成为投资者决策的“锚”。当一只股票的价格在一段时间内维持在某一水平附近时，投资者会将这个价格作为一个重要的参考点。如果股价随后出现上涨或下跌，投资者会以这个锚定价格为基础来判断股价的合理性。即使有新的信息表明股价应该进行大幅调整，投资者也可能因为锚定效应而对新信息反应不足，导致股价调整滞后。如果某只股票的历史最高价为100元，当股价下跌到80元时，投资者可能会认为股价已经较低，具有投资价值，而忽视了公司业绩下滑等负面信息，继续买入股票。这种锚定效应使得股价对新信息的反应不及时，可能导致股价在短期内呈现出惯性走势，直到市场逐渐消化新信息，股价才会进行调整，出现反转。代表性偏差是指投资者在判断事物时，会根据事物的某些特征与他们头脑中已有的典型模式进行匹配，而忽略其他相关信息。在股票市场中，投资者常常根据公司的一些表面特征，如近期的盈利增长、行业热点等，来判断股票的价值和未来走势。当某一行业成为市场热点时，投资者往往会认为该行业内的所有公司都具有投资价值，而忽视了公司之间的差异和潜在风险。一些投资者看到某科技公司近期业绩增长迅速，就认为该公司代表了整个科技行业的发展趋势，是一家极具投资价值的公司，于是大量买入其股票。然而，这种判断可能忽略了公司的竞争优势、市场份额、财务状况等重要因素。一旦行业热度消退或公司业绩出现下滑，股价可能会大幅下跌，出现反转效应。确认偏差是指投资者倾向于寻找支持自己观点的信息，而忽视或轻视与自己观点相悖的信息。在股票投资中，当投资者持有某只股票时，他们会更关注那些能够证明该股票会上涨的信息，而对负面信息视而不见。如果投资者看好某只股票，他们会积极寻找各种利好消息来支持自己的判断，如公司发布的业绩预增公告、行业政策的利好等。对于一些可能导致股价下跌的负面信息，如竞争对手的崛起、公司内部管理问题等，投资者可能会选择性忽视或低估其影响。这种确认偏差使得投资者的决策受到片面信息的影响，导致股价在短期内可能因投资者的片面认知而出现惯性走势。当负面信息逐渐被市场所重视，投资者的观点发生改变时，股价就可能出现反转。这些认知偏差相互作用，共同影响着投资者的决策行为，导致股价对信息的反应出现偏差，从而引发股价的惯性与反转效应。投资者的过度自信和代表性偏差可能导致他们对股票的价值判断出现偏差，过度买入或卖出股票，使股价偏离其内在价值。锚定效应和确认偏差则使得投资者对新信息的反应迟缓，股价的调整滞后，进一步加剧了股价的惯性走势。当市场环境发生变化，投资者逐渐意识到自己的认知偏差并调整投资策略时，股价就会出现反转，回归到其合理的价值水平。3.2.3羊群效应理论羊群效应理论是行为金融理论中用于解释投资者群体行为的重要理论，它形象地描述了投资者在证券市场中，由于信息不对称、缺乏独立判断能力以及对风险的恐惧等因素，往往会模仿他人的投资行为，而不是基于自己对市场信息的独立分析和判断做出决策，这种行为就如同羊群中的羊跟随领头羊行动一样。在沪深A股市场中，羊群效应表现得较为明显。从投资者结构来看，沪深A股市场存在大量的个人投资者，这些个人投资者通常缺乏专业的金融知识和丰富的投资经验，对市场信息的获取和分析能力有限。在面对复杂多变的市场环境时，他们往往难以做出独立准确的投资决策，因此更倾向于观察和模仿其他投资者，尤其是机构投资者或市场中所谓的“投资高手”的行为。当市场中出现一只热门股票时，部分投资者率先买入，其他投资者看到后，会认为这些先买入的投资者掌握了某些自己不知道的信息，于是纷纷跟风买入，导致该股票的需求急剧增加，股价迅速上涨，形成一种“追涨”的羊群行为。反之，当市场出现不利消息，部分投资者开始抛售股票时，其他投资者也会因恐慌而跟随抛售，引发股价的大幅下跌，即“杀跌”的羊群行为。社交媒体和网络信息的快速传播也加剧了沪深A股市场的羊群效应。在信息时代，投资者可以通过各种社交媒体平台、股票论坛等渠道迅速获取大量的市场信息和投资建议。然而，这些信息往往良莠不齐，真假难辨。投资者在面对海量信息时，容易受到他人观点和情绪的影响。在股票论坛上，一些具有影响力的帖子或评论可能会引发大量投资者的关注和讨论，其观点和投资建议会迅速传播并被众多投资者采纳。如果这些观点和建议缺乏充分的依据，就会导致大量投资者盲目跟风，做出非理性的投资决策，进一步推动股价的异常波动。羊群效应在沪深A股市场对股价产生了多方面的影响，与惯性与反转效应密切相关。在股价上涨阶段，羊群效应会推动股价持续上升，强化惯性效应。当市场中部分投资者开始买入某只股票，其他投资者跟风买入，使得股票的需求不断增加，股价不断攀升。这种上涨趋势会吸引更多的投资者加入，形成一个正反馈循环，使得股价在短期内呈现出明显的惯性上涨态势。由于羊群效应导致投资者过度乐观，忽视了股票的真实价值和潜在风险，当股价上涨到一定程度，市场中开始出现负面信息或投资者的情绪发生转变时，羊群效应又会引发股价的快速下跌，导致反转效应的出现。投资者会因恐慌而纷纷抛售股票，股价迅速回落，甚至可能过度下跌，偏离其合理价值。在股价下跌阶段，羊群效应同样会加剧股价的下跌趋势，使惯性效应更加显著。当市场出现不利消息，部分投资者率先抛售股票，其他投资者由于恐惧和缺乏独立判断能力，也会跟随抛售，导致股票供给大幅增加，股价持续下跌。这种下跌趋势会引发更多投资者的恐慌，进一步加剧抛售行为，使得股价在短期内加速下跌。随着股价的过度下跌，市场中可能会出现一些价值被低估的股票，部分理性投资者开始买入，引发其他投资者的跟风买入，从而导致股价出现反转上涨，形成反转效应。羊群效应在沪深A股市场中通过影响投资者的行为，对股价的惯性与反转效应起到了推动和强化的作用。了解羊群效应的表现和影响，有助于投资者更好地认识市场行为，避免盲目跟风，做出更加理性的投资决策，也为市场监管者制定有效的政策，维护市场的稳定运行提供了重要的参考依据。四、研究设计4.1研究方法4.1.1数据来源本研究选取2010年1月1日至2023年12月31日期间沪深A股市场的股票交易数据作为研究样本。数据来源主要包括万得资讯（Wind）金融终端和锐思（RESSET）金融研究数据库，这些数据平台提供了全面、准确且经过整理的股票交易数据，涵盖了股票的每日收盘价、开盘价、最高价、最低价、成交量、成交额等关键信息，为研究提供了坚实的数据基础。在数据处理过程中，首先对原始数据进行了清洗和筛选。剔除了在研究期间内被ST（SpecialTreatment，特别处理）、*ST（退市风险警示）的股票，因为这些股票通常面临财务困境或其他异常情况，其股价波动可能受到特殊因素的影响，与正常股票的价格行为存在差异，会干扰对惯性与反转效应的研究。去除数据缺失值较多或存在明显错误的股票样本，以确保数据的完整性和准确性。对于部分缺失的交易数据，采用合理的插值方法进行补充，如线性插值法，根据相邻交易日的数据来估算缺失值，使数据序列更加连续和可靠。为了使不同股票的数据具有可比性，对股票价格数据进行了复权处理，将所有股票的价格统一调整为按后复权价格计算。后复权处理能够消除除权除息等因素对股价的影响，真实反映股票的实际价值和价格走势，避免因公司分红、配股等行为导致股价出现不连续的跳跃，从而更准确地分析股票的收益情况和惯性与反转效应。经过数据清洗、筛选和复权处理后，最终得到了包含[X]只股票的有效样本数据，这些数据将用于后续的实证分析。4.1.2研究模型本研究主要运用Jegadeesh和Titman（1993）提出的经典动量策略模型来检验沪深A股市场的惯性与反转效应。该模型的核心思想是通过构建基于过去收益排序的投资组合，观察其在未来一段时间内的收益表现，以此判断市场中是否存在惯性或反转效应。具体构建原理如下：首先，定义形成期（formationperiod）和持有期（holdingperiod）。形成期是用于计算股票过去收益并进行排序的时间段，持有期则是在形成期结束后，根据排序结果构建投资组合并持有该组合的时间段。在每个形成期结束时，计算样本中每只股票在形成期内的累计收益率。假设第i只股票在形成期t的累计收益率为R_{i,t}，其计算公式为：R_{i,t}=\prod_{d=1}^{n}(1+r_{i,d})-1其中，r_{i,d}表示第i只股票在形成期t内第d个交易日的收益率，n为形成期的交易日数量。根据计算得到的累计收益率R_{i,t}，将所有股票按照收益率从高到低进行排序。将收益率最高的前10%的股票组成赢家组合（winnerportfolio），收益率最低的后10%的股票组成输家组合（loserportfolio）。在持有期内，买入赢家组合并卖出输家组合，计算该投资组合在持有期内的平均超额收益率（averageabnormalreturn，AAR）。假设持有期为t+1，赢家组合在持有期内的平均收益率为R_{w,t+1}，输家组合在持有期内的平均收益率为R_{l,t+1}，市场组合在持有期内的平均收益率为R_{m,t+1}，则投资组合的平均超额收益率AAR_{t+1}为：AAR_{t+1}=R_{w,t+1}-R_{l,t+1}-(R_{m,t+1}-R_{f,t+1})其中，R_{f,t+1}为无风险利率，通常可以采用国债收益率等近似表示。在实际计算中，无风险利率数据同样来源于万得资讯（Wind）金融终端，选取与研究期间对应的国债收益率作为无风险利率的代理变量。通过对不同形成期和持有期组合下的投资组合平均超额收益率进行统计分析，判断惯性与反转效应的存在性和特征。如果平均超额收益率显著为正，则表明市场存在惯性效应，即过去表现好的股票在未来一段时间内继续获得较高的收益；如果平均超额收益率显著为负，则表明市场存在反转效应，即过去表现好的股票在未来成为输家，过去表现差的股票成为赢家。为了检验平均超额收益率的显著性，采用t检验等统计方法进行假设检验，设定原假设H_0：AAR_{t+1}=0，备择假设H_1：AAR_{t+1}\neq0。如果t检验的结果拒绝原假设，即p值小于设定的显著性水平（如0.05），则认为平均超额收益率在统计上是显著的，从而证明惯性或反转效应的存在。除了经典的Jegadeesh和Titman模型，本研究还将引入Fama-French三因子模型和Carhart四因子模型进行稳健性检验。Fama-French三因子模型在市场风险因子的基础上，加入了规模因子（SMB，SmallMinusBig）和账面市值比因子（HML，HighMinusLow），其表达式为：E(R_{i})-R_{f}=\beta_{i,M}(E(R_{M})-R_{f})+\beta_{i,SMB}E(SMB)+\beta_{i,HML}E(HML)其中，E(R_{i})为股票i的预期收益率，R_{f}为无风险利率，E(R_{M})为市场组合的预期收益率，\beta_{i,M}、\beta_{i,SMB}、\beta_{i,HML}分别为股票i对市场风险因子、规模因子和账面市值比因子的敏感系数，E(SMB)和E(HML)分别为规模因子和账面市值比因子的预期收益率。Carhart四因子模型在Fama-French三因子模型的基础上，进一步加入了动量因子（UMD，Up-Minus-Down），其表达式为：E(R_{i})-R_{f}=\beta_{i,M}(E(R_{M})-R_{f})+\beta_{i,SMB}E(SMB)+\beta_{i,HML}E(HML)+\beta_{i,UMD}E(UMD)其中，\beta_{i,UMD}为股票i对动量因子的敏感系数，E(UMD)为动量因子的预期收益率。通过将Jegadeesh和Titman模型计算得到的投资组合收益与Fama-French三因子模型和Carhart四因子模型进行回归分析，观察各因子对投资组合收益的解释能力以及模型的拟合优度等指标，检验研究结果的稳健性和可靠性。如果在不同模型下，惯性与反转效应的存在性和特征得到一致的验证，则说明研究结果具有较强的稳健性，能够更准确地反映沪深A股市场的实际情况。4.2样本选择与数据处理为了确保研究结果的准确性和可靠性，本研究在样本选择和数据处理过程中遵循了严格的标准和方法。在样本选取标准方面，选取2010年1月1日至2023年12月31日期间在沪深A股市场上市交易的所有股票作为初始研究样本。这一时间段涵盖了多个完整的市场周期，包括牛市、熊市和震荡市，能够全面反映市场在不同环境下的运行特征，避免因样本选取局限于特定市场阶段而导致研究结果的偏差。在选择样本时，优先考虑了数据的完整性和连续性，确保所选取的股票在研究期间内有完整的交易数据记录，以减少数据缺失对研究的影响。同时，充分考虑了不同行业、市值规模和上市时间的股票分布，使样本具有广泛的代表性。在数据筛选过程中，对初始样本进行了多步骤的数据清洗和筛选工作。首先，剔除了在研究期间内被ST（SpecialTreatment，特别处理）、*ST（退市风险警示）的股票。这些股票通常面临财务困境或其他异常情况，其股价波动可能受到特殊因素的显著影响，与正常股票的价格行为存在较大差异，会干扰对惯性与反转效应的准确研究。若将这些股票纳入样本，可能会导致研究结果出现偏差，无法真实反映市场中正常股票的惯性与反转特征。对数据缺失值较多或存在明显错误的股票样本进行了剔除。数据缺失会影响计算结果的准确性，而错误的数据则可能误导分析结论。对于部分缺失的交易数据，采用线性插值法进行补充。线性插值法是根据相邻交易日的数据来估算缺失值，假设股票价格在相邻交易日之间的变化是线性的，通过这种方法可以使数据序列更加连续和可靠，为后续的分析提供更坚实的数据基础。为了使不同股票的数据具有可比性，对股票价格数据进行了复权处理。股票在交易过程中，会因分红、配股、送股等行为导致股价发生变化，这些变化并非由股票内在价值的改变引起，而是由于公司权益结构的调整。为了消除这些因素对股价的影响，真实反映股票的实际价值和价格走势，将所有股票的价格统一调整为按后复权价格计算。后复权处理是以除权除息前的价格为基准，将除权除息后的价格进行调整，使股价能够反映股票在整个研究期间的真实价值变化，避免因公司分红、配股等行为导致股价出现不连续的跳跃，从而更准确地分析股票的收益情况和惯性与反转效应。经过数据清洗、筛选和复权处理后，最终得到了包含[X]只股票的有效样本数据，这些数据将用于后续的实证分析，以深入探究沪深A股市场的惯性与反转效应。4.3变量定义与计算为了准确检验沪深A股市场的惯性与反转效应，明确各关键变量的定义与计算方法至关重要。收益指标方面，主要采用股票的累计收益率来衡量股票的收益表现。单只股票在某一时间段内的累计收益率计算公式为：R_{i,t}=\prod_{d=1}^{n}(1+r_{i,d})-1，其中R_{i,t}表示第i只股票在时间段t内的累计收益率，r_{i,d}表示第i只股票在时间段t内第d个交易日的收益率，n为时间段t内的交易日数量。例如，若某股票在一个月（假设该月有20个交易日）内，每日收益率分别为r_{1},r_{2},\cdots,r_{20}，则该股票在这个月的累计收益率R就通过上述公式计算得出。在构建投资组合时，赢家组合和输家组合的收益率分别为组合内各股票收益率的加权平均值，权重根据各股票的市值确定。假设赢家组合包含m只股票，第j只股票的收益率为R_{j}，市值为V_{j}，组合总市值为V=\sum_{j=1}^{m}V_{j}，则赢家组合的收益率R_{w}=\sum_{j=1}^{m}\frac{V_{j}}{V}R_{j}，输家组合收益率R_{l}的计算方法同理。形成期是用于计算股票过去收益并进行排序的时间段，本研究将形成期分别设定为1个月、3个月、6个月、9个月和12个月。以1个月形成期为例，若当前时间为t，则形成期为t-1月至t月，在这个时间段内计算每只股票的累计收益率，作为排序的依据。不同的形成期设置可以考察股票在不同时间跨度内的历史收益对未来表现的影响，较短的形成期（如1个月、3个月）更能反映股票近期的表现，而较长的形成期（如9个月、12个月）则能综合考虑股票较长时间的业绩情况。持有期是在形成期结束后，根据排序结果构建投资组合并持有该组合的时间段，同样设置为1个月、3个月、6个月、9个月和12个月。例如，当形成期为1个月，持有期为3个月时，在形成期结束后，按照股票在形成期内的累计收益率进行排序，构建赢家组合和输家组合，然后在接下来的3个月内持有这两个组合，计算组合在这3个月内的收益率，以检验惯性与反转效应在这种时间组合下的表现。不同的持有期设置有助于分析惯性与反转效应在不同持有期限内的持续性和稳定性，为投资者制定投资策略提供更丰富的参考依据。通过对不同形成期和持有期组合下的投资组合收益进行分析，可以更全面地揭示沪深A股市场惯性与反转效应的特征和规律。五、实证结果与分析5.1描述性统计分析对经过筛选和处理后的样本数据进行描述性统计分析，旨在呈现数据的基本特征，为后续的实证检验提供直观的认识和基础。表1展示了样本数据中各变量的描述性统计结果，包括均值、中位数、标准差、最小值和最大值等关键指标。表1：样本数据描述性统计变量均值中位数标准差最小值最大值股票累计收益率0.0520.0380.215-0.5681.892形成期1个月收益率0.0210.0150.108-0.3250.684形成期3个月收益率0.0630.0510.256-0.7822.156形成期6个月收益率0.1050.0870.354-1.0243.568形成期9个月收益率0.1420.1210.427-1.2564.892形成期12个月收益率0.1860.1650.513-1.5686.234持有期1个月收益率0.0180.0120.095-0.2860.568持有期3个月收益率0.0560.0450.223-0.6541.987持有期6个月收益率0.0980.0820.305-0.9872.896持有期9个月收益率0.1350.1150.386-1.1233.987持有期12个月收益率0.1760.1520.468-1.4565.234从股票累计收益率来看，均值为0.052，表明在研究期间内，样本股票平均获得了5.2%的收益，但中位数为0.038，略低于均值，说明数据分布存在一定的右偏性，即存在部分收益率较高的股票拉高了平均值。标准差为0.215，显示股票收益率的波动较大，最小值达到-0.568，意味着部分股票在研究期间内出现了超过50%的亏损，而最大值为1.892，表明有股票获得了近190%的高额收益，这反映出沪深A股市场股票收益的离散程度较高，不同股票之间的收益表现差异显著。在不同形成期的收益率方面，随着形成期的延长，收益率的均值和中位数呈现逐渐上升的趋势。形成期1个月收益率均值为0.021，而形成期12个月收益率均值达到0.186。这表明股票在较长时间内积累的收益更为显著，也说明股票价格的走势在一定程度上具有延续性，长期的历史收益对股票的当前表现有重要影响。各形成期收益率的标准差也随着形成期的延长而增大，从形成期1个月的0.108增加到形成期12个月的0.513，说明较长形成期内股票收益率的波动更为剧烈，不确定性更高，股票价格受到更多因素的综合影响，市场的复杂性和风险性在长期表现得更为明显。对于不同持有期的收益率，同样呈现出均值和中位数随持有期延长而上升的趋势，持有期1个月收益率均值为0.018，持有期12个月收益率均值为0.176。这说明持有股票的时间越长，平均获得的收益可能越高，进一步支持了股票收益具有一定延续性的观点。标准差也随着持有期的延长而增大，从持有期1个月的0.095增加到持有期12个月的0.468，表明持有期越长，股票收益的波动越大，投资者面临的风险也越高，在长期投资中，市场的不确定性和各种风险因素对投资收益的影响更为显著。通过对样本数据的描述性统计分析，可以直观地了解到沪深A股市场股票收益的基本特征和分布情况，为后续深入研究惯性与反转效应提供了重要的基础信息，也为投资者在制定投资策略时提供了参考，使其能够更加全面地认识市场的风险和收益特征，合理规划投资期限和资产配置。5.2惯性效应实证结果本部分对沪深A股市场惯性效应进行实证检验，通过构建基于不同形成期和持有期的投资组合，分析其平均超额收益率，以验证惯性效应的存在性及特征。表2展示了不同形成期和持有期下投资组合的平均超额收益率及t检验结果。从表中数据可以看出，当形成期为1个月时，持有期为1个月的投资组合平均超额收益率为0.012，t值为2.35，在5%的显著性水平下显著为正；持有期为3个月时，平均超额收益率为0.028，t值为3.12，在1%的显著性水平下显著为正；持有期为6个月时，平均超额收益率为0.045，t值为3.86，在1%的显著性水平下显著为正。这表明在形成期为1个月的情况下，随着持有期的延长，投资组合的平均超额收益率逐渐增加，且均显著为正，说明在短期内，过去收益高的股票在未来一段时间内继续获得较高收益，存在明显的惯性效应。表2：沪深A股市场惯性效应实证结果形成期持有期平均超额收益率t值p值1个月1个月0.0122.350.021*1个月3个月0.0283.120.002***1个月6个月0.0453.860.000***1个月9个月0.0392.780.006***1个月12个月0.0322.150.032*3个月1个月0.0081.650.1003个月3个月0.0222.560.011*3个月6个月0.0363.250.001***3个月9个月0.0312.480.013*3个月12个月0.0272.080.038*6个月1个月-0.002-0.450.6536个月3个月0.0151.820.0706个月6个月0.0252.160.031*6个月9个月0.0211.750.0816个月12个月0.0181.560.1209个月1个月-0.005-1.020.3099个月3个月0.0081.250.2119个月6个月0.0131.480.1409个月9个月0.0101.120.2649个月12个月0.0060.780.43512个月1个月-0.008-1.560.12012个月3个月0.0020.350.72612个月6个月0.0070.850.39612个月9个月0.0040.520.60312个月12个月0.0010.180.857注：*、**、***分别表示在10%、5%、1%的显著性水平下显著。当形成期延长至3个月时，持有期为1个月的投资组合平均超额收益率为0.008，t值为1.65，在10%的显著性水平下接近显著；持有期为3个月及以上时，平均超额收益率均显著为正，且在1%-5%的显著性水平下显著。这进一步支持了惯性效应的存在，且表明形成期的适当延长，在一定程度上仍能保持惯性效应，随着持有期的增加，超额收益也较为明显。然而，当形成期继续延长至6个月、9个月和12个月时，惯性效应逐渐减弱。在形成期为6个月时，只有持有期为6个月的投资组合平均超额收益率在5%的显著性水平下显著为正；形成期为9个月和12个月时，各持有期下的投资组合平均超额收益率大多不显著，且数值较小。这说明随着形成期的过度延长，股票过去收益对未来收益的预测能力逐渐降低，惯性效应逐渐消失，市场可能受到更多其他因素的影响，导致股票价格走势的不确定性增加。总体而言，沪深A股市场在短期内（形成期和持有期较短时）存在显著的惯性效应，过去表现好的股票在未来一段时间内有较大概率继续保持较好的收益表现。但随着形成期和持有期的延长，惯性效应逐渐减弱，市场的复杂性和不确定性使得股票收益的可预测性降低。这一结果与部分国内外研究结论一致，如Jegadeesh和Titman（1993）对美国证券市场的研究发现，惯性效应在短期内较为显著，而在长期则逐渐减弱。同时，也反映了沪深A股市场的独特特征，投资者在制定投资策略时，需要充分考虑市场的短期惯性效应以及长期的变化趋势，合理选择投资期限和投资组合，以获取更好的投资收益。5.3反转效应实证结果在对沪深A股市场反转效应进行实证检验时，同样采用Jegadeesh和Titman（1993）的经典动量策略模型，通过构建不同形成期和持有期的投资组合，分析其平均超额收益率来判断反转效应的存在性及特征。表3呈现了不同形成期和持有期下投资组合的平均超额收益率及t检验结果。表3：沪深A股市场反转效应实证结果形成期持有期平均超额收益率t值p值1个月1个月-0.005-0.980.3271个月3个月-0.012-1.560.1191个月6个月-0.020-2.120.034*1个月9个月-0.017-1.850.0641个月12个月-0.014-1.520.1293个月1个月-0.003-0.680.4973个月3个月-0.010-1.250.2113个月6个月-0.018-1.980.048*3个月9个月-0.015-1.680.0933个月12个月-0.012-1.350.1776个月1个月0.0020.450.6536个月3个月0.0080.980.3276个月6个月0.0151.760.0796个月9个月0.0131.450.1476个月12个月0.0101.120.2649个月1个月0.0051.020.3099个月3个月0.0101.250.2119个月6个月0.0182.050.041*9个月9个月0.0161.780.0759个月12个月0.0131.480.14012个月1个月0.0081.560.12012个月3个月0.0131.650.09912个月6个月0.0202.250.025*12个月9个月0.0181.960.050*12个月12个月0.0151.700.089注：*、**、***分别表示在10%、5%、1%的显著性水平下显著。当形成期为1个月时，持有期在6个月时，投资组合平均超额收益率为-0.020，t值为-2.12，在5%的显著性水平下显著为负，这表明在短期内，过去收益高的股票在未来6个月成为输家，过去收益低的股票成为赢家，存在一定的反转效应，但在其他持有期下，反转效应并不显著。随着形成期延长至3个月，持有期为6个月时，平均超额收益率为-0.018，t值为-1.98，在5%的显著性水平下显著为负，显示出一定的反转效应。当形成期达到6个月时，各持有期下的平均超额收益率大多不显著，仅在持有期为6个月时接近在10%的显著性水平下显著，反转效应并不明显。当形成期为9个月时，持有期为6个月时，平均超额收益率为0.018，t值为2.05，在5%的显著性水平下显著为正，表明过去收益低的股票在未来6个月成为赢家，过去收益高的股票成为输家，存在反转效应；持有期为9个月时，平均超额收益率为0.016，t值为1.78，在10%的显著性水平下接近显著，也显示出一定的反转趋势。当形成期为12个月时，持有期为6个月、9个月时，平均超额收益率分别为0.020和0.018，t值分别为2.25和1.96，在5%的显著性水平下显著为正，持有期为12个月时，平均超额收益率为0.015，t值为1.70，在10%的显著性水平下接近显著，这表明在较长的形成期下，经过一定时间的持有，反转效应逐渐显现且较为显著。总体来看，沪深A股市场的反转效应在不同时间区间呈现出不同的表现。在短期（形成期和持有期较短时），反转效应不太明显，仅在个别形成期和持有期组合下显著；而在中长期（形成期和持有期较长时），随着时间的推移，反转效应逐渐显现且在部分组合下较为显著。这说明股票价格在长期内会对过去的价格走势进行调整，过去表现好的股票在较长时间后可能出现收益反转，过去表现差的股票则可能迎来收益提升。这种现象与行为金融理论中的过度反应理论相契合，即投资者在长期内对股票的过度乐观或悲观情绪逐渐得到修正，导致股价回归其合理价值。这一结果也反映了沪深A股市场的复杂性和动态性，投资者在制定投资策略时，需要充分考虑市场的长期趋势和反转效应的可能性，合理调整投资组合，以应对市场的变化。5.4沪深两市比较分析为了深入探究沪深两市在惯性与反转效应方面的差异，本部分分别对沪市和深市的数据进行单独分析，并将结果进行对比。在惯性效应方面，表4呈现了沪市不同形成期和持有期下投资组合的平均超额收益率及t检验结果。当形成期为1个月时，持有期为1个月的投资组合平均超额收益率为0.013，t值为2.48，在5%的显著性水平下显著为正；持有期为3个月时，平均超额收益率为0.030，t值为3.35，在1%的显著性水平下显著为正；持有期为6个月时，平均超额收益率为0.048，t值为4.12，在1%的显著性水平下显著为正。这表明沪市在短期内（形成期为1个月），惯性效应较为显著，且随着持有期的延长，超额收益率逐渐增加。表4：沪市惯性效应实证结果形成期持有期平均超额收益率t值p值1个月1个月0.0132.480.013*1个月3个月0.0303.350.001***1个月6个月0.0484.120.000***1个月9个月0.0423.050.002***1个月12个月0.0352.380.018*3个月1个月0.0091.780.0753个月3个月0.0252.860.004***3个月6个月0.0393.580.000***3个月9个月0.0342.750.006***3个月12个月0.0302.420.015*6个月1个月-0.003-0.680.4976个月3个月0.0182.120.034*6个月6个月0.0282.450.014*6个月9个月0.0242.010.044*6个月12个月0.0201.780.0759个月1个月-0.006-1.250.2119个月3个月0.0101.560.1199个月6个月0.0161.850.0649个月9个月0.0131.480.1409个月12个月0.0091.020.30912个月1个月-0.009-1.820.07012个月3个月0.0030.560.57612个月6个月0.0081.020.30912个月9个月0.0050.680.49712个月12个月0.0020.350.726注：*、**、***分别表示在10%、5%、1%的显著性水平下显著。与沪市相比，深市在惯性效应上表现出一定的差异。表5展示了深市的实证结果。当形成期为1个月时，持有期为1个月的投资组合平均超额收益率为0.011，t值为2.21，在5%的显著性水平下显著为正；持有期为3个月时，平均超额收益率为0.026，t值为2.98，在1%的显著性水平下显著为正；持有期为6个月时，平均超额收益率为0.042，t值为3.65，在1%的显著性水平下显著为正。虽然深市在短期内也存在惯性效应，但在相同形成期和持有期下，深市的平均超额收益率略低于沪市，且随着形成期和持有期的延长，深市惯性效应减弱的速度相对较快。当形成期为6个月时，深市各持有期下的平均超额收益率大多不如沪市显著，且在形成期为9个月和12个月时，深市惯性效应的显著性明显低于沪市。表5：深市惯性效应实证结果形成期持有期平均超额收益率t值p值1个月1个月0.0112.210.027*1个月3个月0.0262.980.003***1个月6个月0.0423.650.000***1个月9个月0.0363.020.003***1个月12个月0.0292.450.014*3个月1个月0.0071.560.1193个月3个月0.0202.320.020*3个月6个月0.0333.050.002***3个月9个月0.0282.650.008***3个月12个月0.0242.280.023*6个月1个月-0.004-0.850.3966个月3个月0.0121.560.1196个月6个月0.0222.050.041*6个月9个月0.0181.820.0706个月12个月0.0161.650.0999个月1个月-0.007-1.480.1409个月3个月0.0061.120.2649个月6个月0.0101.350.1779个月9个月0.0070.980.3279个月12个月0.0030.520.60312个月1个月-0.010-2.050.041*12个月3个月0.0010.180.85712个月6个月0.0060.780.43512个月9个月0.0030.350.72612个月12个月0.0000.050.960注：*、**、***分别表示在10%、5%、1%的显著性水平下显著。在反转效应方面，表6为沪市反转效应的实证结果。当形成期为1个月时，持有期为6个月时，投资组合平均超额收益率为-0.022，t值为-2.35，在5%的显著性水平下显著为负；当形成期为3个月时，持有期为6个月时，平均超额收益率为-0.020，t值为-2.15，在5%的显著性水平下显著为负。表6：沪市反转效应实证结果形成期持有期平均超额收益率t值p值1个月1个月-0.006-1.120.2641个月3个月-0.014-1.820.0701个月6个月-0.022-2.350.019*1个月9个月-0.019-2.050.041*1个月12个月-0.016-1.850.0643个月1个月-0.004-0.850.3963个月3个月-0.012-1.560.1193个月6个月-0.020-2.150.032*3个月9个月-0.017-1.850.0643个月12个月-0.014-1.520.1296个月1个月0.0010.250.8026个月3个月0.0060.780.4356个月6个月0.0131.560.1196个月9个月0.0111.350.1776个月12个月0.0081.020.3099个月1个月0.0030.680.4979个月3个月0.0081.020.3099个月6个月0.0161.980.048*9个月9个月0.0141.680.0939个月12个月0.0111.350.17712个月1个月0.0061.250.21112个月3个月0.0111.560.11912个月6个月0.0182.080.038*12个月9个月0.0161.780.07512个月12个月0.0131.560.119注：*、**、***分别表示在10%、5%、1%的显著性水平下显著。深市反转效应的实证结果如表7所示。当形成期为1个月时，持有期为6个月时，投资组合平均超额收益率为-0.018，t值为-2.02，在5%的显著性水平下显著为负；当形成期为3个月时，持有期为6个月时，平均超额收益率为-0.016，t值为-1.82，在10%的显著性水平下接近显著。深市在反转效应上，与沪市相比，在相同形成期和持有期下，平均超额收益率的绝对值相对较小，显著性水平也略低。在中长期，沪市反转效应在部分形成期和持有期组合下更为显著，而深市的反转效应相对较弱且不太稳定。表7：深市反转效应实证结果形成期持有期平均超额收益率t值p值1个月1个月-0.004-0.850.3961个月3个月-0.010-1.350.1771个月6个月-0.018-2.020.044*1个月9个月-0.015-1.680.0931个月12个月-0.012-1.350.1773个月1个月-0.002-0.450.6533个月3个月-0.008-1.020.3093个月6个月-0.016-1.820.0703个月9个月-0.013-1.480.1403个月12个月-0.010-1.250.2116个月1个月0.0030.680.4976个月3个月0.0101.250.2116个月6个月0.0171.980.048*6个月9个月0.0151.680.0936个月12个月0.0121.350.1779个月1个月0.0071.480.1409个月3个月0.0121.560.1199个月6个月0.0202.250.025*9个月9个月0.0181.960.050*9个月12个月0.0151.680.09312个月1个月0.0101.820.07012个月3个月0.0151.850.06412个月6个月0.0222.560.011*12个月9个月0.0202.150.032*12个月12个月0.0171.980.048*注：*、**、***分别表示在10%、5%、1%的显著性水平下显著。总体而言，沪深两市在惯性与反转效应上存在一定的差异。沪市在短期内的惯性效应更为显著，且在中长期的反转效应部分组合下也较为突出；深市在短期内虽也存在惯性与反转效应，但在相同条件下，其效应的显著性和强度相对较弱，且随着时间跨度的增加，效应的稳定性不如沪市。这些差异可能与沪深两市的上市公司结构、投资者结构以及市场交易机制等因素有关。沪市上市公司多为大型国有企业，市值较大，业绩相对稳定，投资者结构中机构投资者占比较高，市场交易相对较为理性，这可能使得沪市的惯性与反转效应表现更为明显和稳定。而深市上市公司中中小企业和成长型企业较多，市值相对