換手率：流動性還是不確定性

邢紅衛， 劉維奇,2

（1. 山西大學 管理與決策研究所，山西 太原 030006；2. 山西財經大學 財政與金融學院，山西 太原 030006）

一、引 言

自1990年12月19日上海證券交易所正式營業至今，我國股票市場在拓寬融資渠道、促進資本形成、優化資源配置、分散市場風險等方面發揮了不可替代的作用，也成為當前支持我國產業結構調整、自主創新發展的重要平臺?；钴S的股票市場能夠積極發揮促進實體經濟發展的助推器作用，然而21世紀以來，作為描述市場活躍程度的重要指標，我國股票市場的換手率卻呈現劇烈變動。從2002年的0.07一路上升至2007年的1.10，短短數年間增加了15倍，之后又迅速下降至2012年的0.09，銳減12倍。2000年1月至2015年6月期間，股票市場換手率呈現出W形，平均值僅為0.30，卻有高達0.20的標準差和1.57的分布偏度①對個股的月度換手率進行流通市值加權，得到2000年1月至2015年6月的市場換手率。。那么，如此大起大落、激昂崩潰的換手率究竟蘊含著怎樣的風險？

Datar等（1998）、Rouwenhorst（1999）、蘇冬蔚和麥元勛（2004）、Eckbo和Norli（2005）、Avramov和Chordia（2006）、Liu（2006）、梁麗珍和孔東民（2008）認為換手率代表了流動性，高的換手率意味著高的流動性和低的流動性風險載荷，低的換手率意味著流動性枯竭和高的流動性風險載荷。依據Acharya和Pedersen（2005）、Liu等（2016）關于流動性風險定價的研究，流動性風險低的股票有低的預期收益，因而換手率與股票預期收益之間應該是負向關系。然而，在市場微觀結構和行為金融學研究中，換手率也常被用來衡量股票的不確定性或由于股票不確定性而產生的投資者意見分歧程度（Diether等，2002；Jiang等，2005；Barinov，2014、2015）。股票的不確定性越高，投資者持有股票所承擔的風險就越大，未來會要求更高的風險補償，因而換手率應該正向預測股票收益。Harris和Raviv（1993）、Blume等（1994）的理論模型證明交易量與股票價格變化的絕對值之間正相關。股票價格變化的絕對值越大表明蘊含的風險越高，未來要求的風險報酬也越高，因而也證明換手率與股票預期收益之間是正向關系①價格變化的絕對值與二階矩波動率指標類似，也是衡量資產風險的重要指標。由于股票規模效應的普遍存在，流通股與股票預期收益之間是負相關，因而流通股的倒數與股票預期收益之間是正相關，那么交易量與流通股倒數的乘積（即換手率）與股票預期收益之間也應是正向關系。。Gervais等（2001）發現交易量高（低）的股票會有高（低）的預期收益，控制股票規模后依然成立，也表明換手率與股票預期收益之間存在正向關系。徐浩峰和朱松（2012）在研究機構投資者的交易風格時也發現高的換手率會使股票價格短期內上漲。

換手率既被作為股票流動性的代理指標，也被用來衡量股票的不確定性程度，這兩者對于換手率風險信息的解讀存在顯而易見的沖突。然而，對此至今難以給出合理的解釋，使得借助換手率進行其他相關研究也難以令人信服。張崢和劉力（2006）的研究表明，在中國股票市場換手率與股票預期收益之間的負向關系不能完全由流動性溢價理論所解釋，換手率與其他流動性指標的相關性較弱，更側重于反映投資者的意見分歧程度，并且認為換手率越高，投資者意見分歧程度越大，股價被高估的程度越大，從而有低的預期收益。然而，Chen等（2013）表明當投資者意見分歧較大時，股價也有被低估的可能，從而未來有高的預期收益。Barinov（2014、2015）發現換手率與股票預期收益之間的負向關系并不能被流動性或流動性風險所解釋，換手率代表了股票的不確定性程度，而且總波動率越大，不確定性越高。然而，Ang等（2006）表明總波動率與股票預期收益之間的負向關系本身就是違背“高風險預期高收益”的市場異象。目前，大量文獻都在試圖解釋換手率對股票收益的負向預測能力，卻鮮有文獻深入剖析換手率本身所包含的風險信息。

本文基于理性定價的角度，選擇Amihud（2002）流動性指標、Pástor和Stambaugh（2003）流動性指標來度量流動性，以總波動率和特質波動率來度量股票的不確定性，以分析換手率的風險溢價為手段，探究換手率究竟代表流動性風險還是不確定性風險。通過股票組合的特征分析和橫截面相關性分析，發現換手率與流動性、不確定性之間都存在顯著的正相關關系。投資組合分析和Fama-MacBeth（1973）橫截面回歸分析表明，換手率低的股票整體而言比換手率高的股票有更高的風險溢價，即使在控制規模、交易量、貝塔系數、動量、收益短期反轉、流動性和不確定性之后，結果依然穩健。然而，換手率與股票預期收益之間并非單調的負向關系。在換手率較低的股票中換手率與股票預期收益成正向關系，而在換手率較高的股票中換手率與股票預期收益成負向關系，即換手率與股票預期收益成先增后降的倒U形關系。

在換手率處于較低水平時，依據市場微觀結構理論，投資者通過訂單流了解股票價格內在信息的可能性降低，正如Gervais等（2001）的研究所表明的，此時股票對于投資者的可見度較低，換手率更多反映由于信息不對稱所產生的不確定性，并且換手率越高，投資者預期所獲得的不確定性風險補償越高。當換手率超過某個閾值后，交易成本、交易摩擦和信息不對稱程度降低，換手率更多反映股票的流動性，而且換手率越高，股票的流動性風險越低，未來要求的風險報酬也越低（Liu，2006；Acharya和Pedersen，2005）。

以換手率的二次模型進行橫截面回歸，將換手率的收益預測能力發生方向性轉變作為換手率水平的分界點，并據此進行實證檢驗。結果表明，對于換手率低于橫截面分界點的股票，以總波動率和特質波動率作為代理變量的不確定性能夠顯著解釋換手率與預期收益的正向關系，而對于換手率高于橫截面分界點的股票，流動性能夠顯著解釋換手率與預期收益的負向關系。因此，較低水平的換手率更多包含了股票的不確定性信息，而較高水平的換手率則更多包含了股票的流動性信息。由于換手率與股票預期收益之間的倒U形關系并不對稱，較高水平的換手率與股票預期收益之間的負向關系更強，或者說換手率更多地代表了股票的流動性水平，因此整體上換手率高的股票相對于換手率低的股票有低的風險溢價。由于在研究樣本期中國股票市場交易機制發生了重大變革，因此依據變革事件將樣本期劃分為四個階段，穩健性檢驗表明不同子樣本期并不會對換手率的風險信息產生顯著影響。明確換手率的風險信息，不僅為借助換手率進行其他相關研究提供了理論支撐，而且對依據換手率進行投資實踐具有直接的指導意義。

二、數據及指標計算

（一）數據來源

選擇中國滬深兩市A股作為實證研究對象，原始數據均來自國泰安CSMAR金融數據庫。為了保證以月內日數據估計月度Pástor和Stambaugh（2003）流動性、特質波動率等指標的有效性，剔除月內交易日少于10的當月股票數據。由于中國股票市場在1999年2月只有7個交易日，基于研究的時間連貫性考慮，我們的樣本期選擇從2000年1月1日至2015年6月30日。由于創業板在上市門檻、監管制度、信息披露、交易者條件、投資風險等方面和主板市場有較大區別，因此也剔除其中的創業板股票，最終得到2380只股票的數據，共計6069096條樣本。

（二）指標計算

Roll（1984）、Hasbrouck（2009）、Corwin和Schultz（2012）以買賣價差測量股票的流動性，Amihud（2002）、Pástor和Stambaugh（2003）從對價格影響的角度測量流動性。由于Roll（1984）和Hasbrouck（2009）的指標也能度量流動性對價格的影響，而Roll（1984）的指標類似于Pástor和Stambaugh（2003）的指標，Hasbrouck（2009）的指標類似于Amihud（2002）的指標，因此本文以Amihud（2002）、Pástor和Stambaugh（2003）的指標作為流動性測度。

Barinov（2014）的研究中，以特質波動率、分析師預測分歧、分析師預測誤差、盈利波動和現金流波動度量股票的不確定性，同時表明總波動風險對不確定性有顯著的解釋作用。由于分析師預測、盈利和現金流數據頻率的限制，我們以總波動率和特質波動率作為不確定性的度量指標。依據Ang等（2006），以Fama-French三因子（FF3）模型無法解釋的收益殘差的標準差作為特質波動率。

剔除股票在月內的交易日少于10的當月股票數據，在此基礎上以月內日數據回歸CAPM模型得到股票月度的貝塔系數，以股票月內日收益的標準差作為月度總波動率，以月內日數據回歸FF3模型的收益殘差序列計算月度特質波動率。以流通市值的自然對數值作為股票的規模，以交易金額的自然對數值作為股票的交易量，以股票t-6至t-2的累積收益作為股票t月的6個月動量指標，以t-1的收益衡量t月的收益短期反轉。分別以月內日度換手率的算術平均值和日度Amihud流動性測度的算術平均值作為月度換手率和月度Amihud流動性測度。

三、實證分析

（一）股票特征的相關性分析

換手率（TUR）與股票規模、交易量、風險載荷以及歷史表現密切相關，因此我們對股票的規模（SIZE）、交易量（VOLU）、貝塔系數（BETA）、6個月動量（MOM）、短期反轉（REV）、Amihud非流動性、PS非流動性、總波動率（TV）和特質波動率（IV）進行分析。首先，將所有股票按照個股月度換手率構建10分位組合，平均加權計算組合規模、交易量等，結果見表1。表1顯示，（高）換手率股票組合的規模?。ù螅?，交易量高（低），動量、當月收益、貝塔系數、總波動率和特質波動率都低（高），Amihud非流動性高（低），而PS非流動性呈現明顯的單調變化。

表1 換手率組合的特征分析

為了進一步探究換手率與其他股票特征的相關性，我們進行橫截面相關性分析。首先在橫截面上計算股票各個特征的相關系數，然后在時間序列上檢驗相關系數的顯著性，括號內為相應的t統計量，結果見表2。表2顯示，換手率與規模的相關系數為–0.2333，與交易量的相關系數為0.3947，且t統計檢驗顯著，這顯然符合換手率的定義方式。換手率與貝塔的相關系數為0.1272，t統計檢驗顯著，表明換手率高的股票風險載荷也高，相應的當期風險報酬也高。換手率與Amihud非流動性的相關系數為–0.0967，與PS非流動性的相關系數為–0.0091，雖然t統計檢驗都顯著，然而兩者之間卻相差甚遠。梁麗珍和孔東民（2008）認為中國股票市場PS非流動性指標在捕捉流動性方面要遠差于Amihud非流動性指標。換手率與總波動率的相關系數為0.5191，與特質波動率的相關系數為0.5086，與其他特征相比，換手率與股票不確定性高度相關。Amihud、PS與總波動率、特質波動率的相關系數較弱，表明流動性與不確定性之間幾乎不存在共有風險。

表2 股票特征的橫截面相關性分析

續表2 股票特征的橫截面相關性分析

（二）換手率收益預測能力的整體分析

我們通過檢驗換手率對股票收益的預測能力，進一步探析換手率所包含的信息。在每個月以換手率從低到高對所有股票進行排序，按分位點將股票分成5個組合，以流通市值加權計算組合當月的換手率，持有組合一個月，以流通市值加權（value-weight，VW）、平均加權（equalweight，EW）計算組合的收益率，檢驗高、低換手率組合在持有期的收益率之前是否存在差異。為了避免系統性風險報酬對換手率風險溢價的影響，進一步以FF3模型對組合收益率進行回歸，過濾其中的系統性風險溢價，比較高低組合之間常數項Alpha的差異。

在表3中，第二列是以流通市值加權計算的組合換手率，低換手率組合的流通市值加權換手率為0.12%，高換手率組合的流通市值加權換手率為0.88%。第三列和第四列分別展示了以流通市值加權和等權計算的組合預期收益率時間序列平均值。低換手率組合的流通市值加權收益為1.08%，高換手率組合的流通市值加權收益為0.28%，高、低換手率組合之間的收益差為–0.80%，相應的Newey-West-t統計量（括號內）為–4.17，表明高、低換手率組合的預期收益之間存在顯著差異，且低換手率組合未來有高收益，高換手率組合未來有低收益。以FF3模型回歸組合收益率，發現高、低換手率組合的常數項差異為–0.41%，且相應的Newey-West-t統計量為–3.40，表明調整系統性風險后高、低換手率組合的異常收益之差依然顯著為負。以等權計算換手率組合的預期收益率，發現高、低換手率組合的預期收益之差為–1.43%，相應的Newey-West-t統計量為–7.42，經FF3模型調整系統性風險后的高、低換手率組合的異常收益之差為–1.07%，相應的Newey-West-t統計量為–6.69。表3的結果表明，換手率低的股票比換手率高的股票有更高的風險溢價。以二維投資組合分析方法檢驗換手率組合的預期收益差異，結果依然穩健。

表3 換手率的組合分析結果

為了同時檢驗多個控制變量對換手率風險溢價的影響，以換手率及其他控制變量對股票預期收益進行Fama-MacBeth（Fama和MacBeth，1973）橫截面回歸：

其中Ri，t+1為股票在t+1期的收益，TURi，t為股票在t期的換手率，Controlsi，t為股票在t期的控制變量。模型中的所有變量被調整為0到1之間的值，樣本期從2000年1月至2015年6月，結果見表4。

表4 換手率與股票預期收益的橫截面回歸分析

模型1中換手率的系數為–0.14，相應的Newey-West-t統計量為–6.56，表明換手率顯著負向預測股票收益，即使在模型2中加入規模（SIZE）、交易量（VOL）、貝塔系數（BETA）、動量（MOM）、收益反轉（REV）作為控制變量，換手率與預期收益的負向關系依然顯著，且沒有減弱。在此基礎上，模型3加入Amihud流動性和PS流動性作為控制變量，換手率與預期收益的負向關系依然顯著且沒有減弱。相反，Amihud流動性的系數為0.02，相應的Newey-West-t統計量為0.23，PS流動性的系數為0，相應的Newey-Westt統計量為–2.96，表明流動性溢價被換手率完全解釋甚至逆轉，表明流動性溢價并不能完全解釋換手率對股票收益整體上的負向預測能力，這與張崢和劉力（2006）的研究結論相一致。

模型4在模型2的基礎上加入總波動率（TV）和特質波動率（IV）作為控制變量，換手率的系數變為–0.11，表明換手率與股票預期收益之間的負向關系有所減弱，可見不確定性對換手率與股票預期收益整體之間的負向關系有一定程度的解釋能力，然而也并不能完全解釋。模型3和模型4的結果表明，換手率并不單純包含流動性信息或不確定性信息，因此模型5將Amihud、PS、總波動率（TV）和特質波動率（IV）都納入控制變量，發現換手率的回歸系數為–0.11，相應的Newey-West-t統計量為–7.86，換手率與股票預期收益之間的負向關系依然顯著，表明換手率并不僅僅包含流動性信息或不確定性信息，或者換手率與股票預期收益之間并不是簡單的線性關系。

（三）不同水平換手率的收益預測能力分析

以換手率構建10分位組合，以流通市值加權計算組合換手率，分別以流通市值加權和等權計算組合下個月的收益率。圖1展示了換手率從低到高的組合預期收益的變化趨勢。隨著組合換手率從低到高，組合的流通市值加權預期收益和等權預期收益都呈現出先增高后降低的非單調性趨勢。對于換手率較低的第1至第3個組合，換手率越高，預期收益也越高；而對于換手率較高的第3至第10個組合，換手率越高，預期收益越低。

為了檢驗不同程度的換手率與股票預期收益之間的關系，基于圖1的直觀結果，在表5的Panel A將所有股票按照換手率的高低劃分為30%、40%、30%三組，分別在換手率較低的30%股票和換手率較高的30%股票中進行組合分析。對于低換手率的股票，以換手率構建5分位數組合，發現高、低換手率組合的市值加權預期收益率之差為0.78%，相應的Newey-West-t統計量為2.96；經FF3模型調整系統性風險后的溢價為0.95%，Newey-West-t統計量為3.64，等權的預期收益率也類似，表明在換手率較低的股票中，低的換手率股票有低的預期收益，高的換手率股票有高的預期收益。對于高換手率的股票，發現高、低換手率組合的市值加權預期收益率之差為–1.17%，相應的Newey-West-t統計量為–5.18；經FF3模型調整系統性風險后的溢價為–1.01%，Newey-West-t統計量為–4.66，等權的預期收益率也類似。顯然與換手率較低的股票不同，在換手率較高的股票中換手率低的股票有高的預期收益，換手率高的股票有低的預期收益。

圖1 不同換手率組合的預期收益率

表5的Panel B和Panel C分別按照換手率的高低將股票劃分為40%、20%、40%三組和50%、50%兩組，分別在換手率較低的股票中和換手率較高的股票中檢驗換手率對收益的預測能力。與Panel A的結果類似，較低的換手率可以正向預測股票收益，而較高的換手率可以負向預測股票收益。由此可見，較低水平的換手率更多包含了股票的不確定性信息，較低水平換手率對股票收益的正向預測能力證明了對不確定性風險的補償。較高水平的換手率更多反映了股票的流動性信息，較高水平換手率對股票收益的負向預測能力驗證了由于頻繁交易產生的流動性風險溢價。

表5 高、低換手率的組合分析結果

蘇冬蔚和麥元勛（2004）對中國股票市場的研究表明，預期收益率是換手率的分段線性和整體凸性減函數，即換手率與股票預期收益率是單調負向關系，并且負向關系隨換手率漸弱，這與本文對低水平換手率的分析結果存在方向性差異。蘇冬蔚和麥元勛（2004）基于換手率5分位組合的結果表明低水平的換手率對預期收益率的回歸系數為負，然而統計檢驗都不顯著，并不能說明預期收益率是換手率的整體減函數，而且5個組合換手率系數的絕對值并非一致單調遞減，不足以說明預期收益率是換手率的凸性函數。本文借鑒蘇冬蔚和麥元勛（2004）的方法，在每個橫截面將所有股票按照換手率分為5個組合，在每個組合內進行換手率對預期收益率的Fama-MacBeth橫截面回歸，并且將規模（SIZE）、交易量（VOL）、貝塔系數（BETA）、動量（MOM）、收益反轉（REV）作為控制變量，結果見表6，括號內為相應的Newey-West-t統計量。表6顯示，換手率較低的前3個組合中換手率對預期收益率的回歸系數都不顯著，換手率較高的后2個組合中換手率對預期收益率的回歸系數都顯著為負，這與蘇冬蔚和麥元勛（2004）的結果基本一致。然而，對于換手率較高的后2個組合，我們發現換手率的系數分別為–0.04和–0.16，其絕對值遞增，因此更不能說明預期收益率是換手率的凸性函數。

表6 5分位組合的換手率與股票預期收益的橫截面回歸分析

為了進一步分析不同水平的換手率與股票預期收益率之間的關系，在每個橫截面將所有股票細分為10個換手率組合，再次進行Fama-MacBeth橫截面回歸分析，結果見表7。表7顯示，對于換手率較低的前3個組合，換手率對預期收益率的回歸系數都為正，且第3個組合的換手率系數統計顯著。對于換手率處于居中水平的第4至第6個組合，換手率的回歸系數統計檢驗不顯著。對于換手率較高的后4個組合，換手率的回歸系數都顯著為負。顯而易見，將橫截面所有股票按換手率細分為10個組合后，換手率與股票預期收益率之間呈現先增后降的非單調關系，即預期收益率是換手率的凹性函數，并且不同水平換手率的回歸系數表明低水平換手率與股票預期收益的正向關系強于高水平換手率與股票預期收益的負向關系。

表7 10分位組合的換手率與股票預期收益的橫截面回歸分析

續表7 10分位組合的換手率與股票預期收益的橫截面回歸分析

本文的結果之所以不同于蘇冬蔚和麥元勛（2004）的發現，究其原因可能有以下幾方面：第一，與我們的樣本期相比，蘇冬蔚和麥元勛（2004）選擇的樣本期為1999年1月至2003年7月，時間跨度很短。第二，蘇冬蔚和麥元勛（2004）樣本期內的換手率均值為0.2360，方差為0.0224，而我們樣本期的換手率均值為0.2997，方差為0.0378，換手率的分布有很大不同。第三，蘇冬蔚和麥元勛（2004）缺失了重要的風險度量指標貝塔系數作為橫截面回歸的控制變量。第四，蘇冬蔚和麥元勛（2004）將橫截面股票劃分為5個換手率組合，而我們細分為10個換手率組合，能夠更為清晰地分析不同水平換手率組合的預期收益率。

為了進一步分辨不同水平換手率的風險信息，我們計算換手率對收益預測方向發生改變的轉折點，即是換手率風險信息發生轉變的分界點。由于股票預期收益是換手率的先增后降凹性函數，因此以換手率與換手率平方項對股票預期收益進行橫截面回歸，結果見表8。模型1表明換手率平方項的系數為–0.18，相應的Newey-West-t統計量為–2.59，表明股票預期收益是換手率的開口向下凹性函數。換手率的系數為0.13，由二次函數的性質可知，股票預期收益對換手率的凹性函數具有正的對稱軸，為0.36。由于將所有變量以最大值標準化為0到1之間的值，因此這意味著當換手率低于橫截面換手率最大值的36%時，換手率與股票預期收益之間是正向關系，更多地反映了由于股票交易頻率匱乏、可見度低的不確定性風險；當換手率超過橫截面換手率最大值的36%時，換手率與股票預期收益之間是負向關系，更多地反映了股票的流動性風險。以每個橫截面換手率的最大值乘以0.36，得到換手率風險信息發生轉變的平均絕對分界點為0.24。

表8 換手率與股票預期收益二次關系的橫截面回歸分析

摒除轉折點附近的換手率對結果的影響，選擇換手率較低的30%股票和換手率較高的30%股票進行橫截面回歸，結果見表9。表9顯示，對于Panel A換手率較低的股票，模型1換手率對股票預期收益回歸的系數為0.01，相應的Newey-West-t統計量為2.01，換手率與股票預期收益之間有顯著的正向關系，模型2加入控制變量后也表明較低水平的換手率可以穩定地正向預測股票收益。模型3加入總波動率（TV）和特質波動率（IV）作為控制變量，換手率的系數為0.01，且不顯著，因此較低水平的換手率與股票預期收益的正向關系可以被不確定性完全解釋，驗證較低水平的換手率更多包含了股票的不確定性信息。

表9 高、低換手率與股票預期收益的橫截面回歸分析

對于Panel B換手率較高的股票，模型4中換手率對股票預期收益回歸的系數為–0.16，相應的Newey-Westt統計量為–7.07，換手率與股票預期收益之間存在顯著的負向關系，加入控制變量后也表明較高水平的換手率也可以穩定地負向預測股票收益。模型6加入Amihud流動性和PS流動性作為控制變量，換手率的系數變為–0.12，因此流動性可以在一定程度上減弱換手率與股票預期收益之間的負向關系，進而說明橫截面上較高水平的換手率包含了部分股票的流動性信息。在剔除月度換手率小于1%分位點和大于99%分位點的異常值，以及股票IPO當月的收益后，結果依然穩健。

（四）穩健性檢驗

在我們選擇研究的樣本期中，中國股票市場的交易機制發生了重大變革，如《合格境外機構投資者境內證券投資管理暫行辦法》出臺后于2003年7月9日完成了第一單交易；2005年9月4日中國證監會發布《上市公司股權分置改革管理辦法》；2010年3月31日起正式開通融資融券交易系統。不同時期的交易機制變革可能會對換手率的風險信息產生顯著影響，因此以上述事件為分割點，將樣本期劃分為四個階段，檢驗交易機制變革是否會改變換手率的風險信息。

表10以換手率構建5分位組合并持有組合一個月，檢驗高、低換手率組合的預期收益率是否存在顯著差異，并且剔除系統性風險溢價后，換手率的風險溢價是否依然顯著。結果表明在2000年1月至2003年6月，在股權分置改革之前的2003年7月至2005年8月，由于中國股票市場經歷了長期的熊市，5個換手率組合都有負向預期收益。而在2005年9月至2010年3月期間，中國股票市場蓬勃發展，出現了大牛市，5個換手率組合都有較高的正向預期收益。在2000年1月至2003年6月、2003年7月至2005年8月、2005年9月至2010年3月三個子樣本期間，高、低換手率組合的預期收益率之間存在顯著的負向差異。在2010年4月至2015年6月期間，高、低換手率組合的預期收益率之差為–0.42，然而Newey-West-t檢驗（括號內）不顯著，剔除系統性風險溢價后負向差異顯著，表明這期間高、低換手率組合預期收益率之差的方向不穩定主要是由系統性風險引起。由此，盡管股票市場交易機制在不斷改革和完善，換手率整體上依然具有顯著的負向溢價。

按照換手率風險信息發生改變的分界點，分別計算換手率較低的30%股票（圖2之上圖）和換手率較高的30%股票（圖2之下圖）中高、低換手率組合流通市值加權的預期收益率之差。在圖2的上圖，對于換手率較低的股票，高、低換手率組合預期收益率之間的正向差值明顯多于負向差值，且正向差值的幅度明顯大于負向差值，表明對于換手率較低的股票，高的換手率預期高的股票收益。對于不同的子樣本期，高、低換手率組合預期收益率之間的正向差值都明顯占優。而在圖2的下圖，對于換手率較高的股票，高、低換手率組合預期收益率之間的負向差值明顯多于正向差值，且負向差值的幅度明顯大于正向差值，表明對于換手率較高的股票，高的換手率預期低的股票收益。對于四個子樣本期，負向差值在數量和幅度上也都明顯多于正向差值。

進一步檢驗對于不同水平的換手率，在不同子樣本期高、低換手率組合的預期收益率是否存在顯著差異，結果見表11。對于Panel A換手率較低的股票，在四個子樣本期間，高、低換手率組合的預期收益率都存在正向差異，經FF3模型剔除系統性風險溢價后的正向超額收益都顯著，表明盡管市場交易機制在不斷變革和完善，較低水平的換手率卻具有穩定的正向風險溢價，反映了股票的不確定性信息。對于Panel B換手率較高的股票，在四個子樣本期間，高、低換手率組合的預期收益率都存在負向差異，剔除系統性風險溢價后的負向超額收益依然顯著，表明對于不同的子樣本期，市場交易機制的變革并沒有使較高水平的換手率喪失反映股票流動性的能力。

表10 子樣本期的換手率效應分析

圖2 不同水平的換手率組合預期收益之差的時序直方圖

表11 子樣本期的不同水平換手率效應分析

四、結 論

換手率可以作為股票流動性的代理指標，因而換手率應該負向預測股票收益。同時，換手率也可以用來衡量股票的不確定性程度，或者由于不確定性而引起的投資者意見分歧程度，因而換手率應該正向預測股票收益，以補償不確定性風險。這兩者之間的矛盾顯然令人費解，因此有必要通過剖析換手率與股票預期收益之間的關系，明確換手率所包含的信息。

本文通過投資組合分析和橫截面回歸分析等實證方法，發現換手率低的股票確實比換手率高的股票有更高的預期收益。然而，換手率與預期收益整體上的負向關系并不是單調線性的，而是呈現先增后降的不對稱倒U形。對于橫截面上換手率較低的股票，換手率越高，股票預期收益越高；而對于換手率較高的股票，換手率越高，股票預期收益卻越低?；诹鲃有曰虿淮_定性為控制變量的橫截面回歸表明，較低水平的換手率更多包含了由于股票交易頻率匱乏、可見度低的不確定性風險，而較高水平的換手率更多包含了股票的流動性信息。換手率與股票預期收益之間之所以整體表現負向關系，是因為較高水平的換手率與股票預期收益之間的負向關系更強，或者說換手率更多地代表了股票的流動性水平。通過換手率與換手率平方項對股票預期收益進行橫截面回歸，發現換手率風險信息發生轉變的分界點為橫截面換手率的36%分位點。當換手率低于分界點時，依據換手率構建組合有助于買多投資；當換手率高于分界點時，依據換手率構建組合則有助于賣空投資。依據中國股票市場幾次重大的交易機制變革將樣本期劃分為四個階段，發現實證結果依然顯著，表明交易機制變革并沒有從根本上改變換手率的風險信息。

明確換手率的風險信息，不僅可以為流動性風險溢價研究提供更為詳盡的證據，而且可以為當前投資者異質信念定價研究的不一致結論提供合理解釋，為借助換手率進行其他相關研究提供了理論支撐。與全球其他國家的股票市場相比，我國股票市場的換手率明顯更為不穩定。通過明確不同水平的換手率的風險信息，一方面有助于降低投資者對資產價格的認知偏差，提升投資實踐中的資產配置效率；另一方面對強化監管股票市場系統性風險，早識別、早預警、早發現重點行業風險，完善金融風險應急處置機制具有指導意義。

主要參考文獻：

[1]梁麗珍，孔東民.中國股市的流動性指標定價研究[J].管理科學，2008，（3）.

[2]蘇冬蔚，麥元勛.流動性與資產定價：基于我國股市資產換手率與預期收益的實證研究[J].經濟研究，2004，（2）.

[3]徐浩峰，朱松.機構投資者與股市泡沫的形成[J].中國管理科學，2012，（4）.

[4]張崢，劉力.換手率與股票收益：流動性溢價還是投機性泡沫?[J].經濟學（季刊），2006，（3）.

[5]Acharya V V，Pedersen L H.Asset pricing with liquidity risk[J].Journal of Financial Economics，2005，77（2）：375–410.

[6]Amihud Y.Illiquidity and stock returns：Cross-section and time-series effects[J].Journal of Financial Markets，2002，5（1）：31–56.

[7]Ang A，Hodrick R J，Xing Y H，et al.The cross-section of volatility and expected returns[J].The Journal of Finance，2006，61（1）：259–299.

[8]Avramov D，Chordia T.Asset pricing models and financial market anomalies[J].The Review of Financial Studies，2006，19（3）：1001–1040.

[9]Barinov A.Turnover：Liquidity or uncertainty?[J].Management Science，2014，60（10）：2478–2495.

[10]Barinov A.Why does higher variability of trading activity predict lower expected returns?[J].Journal of Banking&Finance，2015，58：457–470.

[11]Blume L，Easley D，O’Hara M.Market statistics and technical analysis：The role of volume[J].The Journal of Finance，1994，49（1）：153–181.

[12]Chen C R，Lung P P，Wang F A.Where are the sources of stock market mispricing and excess volatility?[J].Review of Quantitative Finance and Accounting，2013，41（4）：631–650.

[13]Corwin S A，Schultz P.A simple way to estimate bid-ask spreads from daily high and low prices[J].The Journal of Finance，2012，67（2）：719–760.

[14]Datar V T，Naik N Y，Radcliffe R.Liquidity and stock returns：An alternative test[J].Journal of Financial Markets，1998，1（2）：203–219.

[15]Diether K B，Malloy C J，Scherbina A.Differences of opinion and the cross section of stock returns[J].Journal of Finance，2002，57（5）：2113–2141.

[16]Eckbo B E，Norli?.Liquidity risk，leverage and long-run IPO returns[J].Journal of Corporate Finance，2005，11（1–2）：1–35.

[17]Fama E F，MacBeth J D.Risk，return，and equilibrium：Empirical tests[J].Journal of Political Economy，1973，81（3）：607–636.

[18]Gervais S，Kaniel R，Mingelgrin D H.The high-volume return premium[J].The Journal of Finance，2001，56（3）：877–919.

[19]Harris M，Raviv A.Differences of opinion make a horse race[J].The Review of Financial Studies，1993，6（3）：473–506.

[20]Hasbrouck J.Trading costs and returns for U.S.equities：Estimating effective costs from daily data[J].The Journal of Finance，2009，64（3）：1445–1477.

[21]Jiang G H，Lee C M C，Zhang Y.Information uncertainty and expected returns[J].Review of Accounting Studies，2005，10（2–3）：185–221.

[22]Liu W M.A liquidity augmented capital asset pricing model[J].Journal of Financial Economics，2006，82（3）：631–671.

[23]Liu W M，Luo D，Zhao H N.Transaction costs，liquidity risk，and the CCAPM[J].Journal of Banking&Finance，2016，63：126–145.

[24]Pástor L，Stambaugh R F.Liquidity risk and expected stock returns[J].Journal of Political Economy，2003，111（3）：642–685.

[25]Roll R.A simple implicit measure of the effective bid-ask spread in an efficient market[J].The Journal of Finance，1984，39（4）：1127–1139.

[26]Rouwenhorst K G.Local return factors and turnover in emerging stock markets[J].The Journal of Finance，1999，54（4）：1439–1464.