结果，我们就需要24=16篇预测股评。以下的还可以余此类推。结果是，人们
看了你那组完全准确的预测股评，引起了他们的很大兴趣，作为对你的神秘预
测的反应，他们投入大笔资金以响应你的投资建议。你真幸运，因为你从来没
有研究过市场！
警告：这一方法是违法的！但问题是在有成百个市场股评的写作者中，
你能找到一个没有任何真实技术而正好撞上了成功预测的股评者。结果，根据
他的预测史，他被认为似乎是很有预测技巧的人。这个人就是我们在华尔街日
报上看到的，而其他人我们已经忘记了。
年
预测股评
12345678
1UUUUDDDD
2UUDDUUDD
3UDUDUDUD
概念检验
问题5：彼得?林奇管理的忠诚马吉兰基金，
13年中有11年从事标准普尔
500指数
组合投资，其平均年收益比指数高
10%。林奇的业绩足以劝阻你不再相信有效市场假
定吗？如果还不能，那么，业绩要达到什么程度才能劝阻你？
12.4.2股市收益可预测性的检验
短期收益有效市场的早期检验是对弱有效假定的检验。投机者能够找到使他们
赚取非常规利润的过去价格的走势吗？这本质上是对技术分析的功效的检验。前面引
用过的肯德尔和罗伯茨的工作（他们都分析了股价可能的存在模式），他们认为这样
的模式是找不到的[1]。
辨别股票价格趋势的一种方法是测度股市收益的序列相关情况。序列相关是指股
票收益与其过去的收益相关的趋势。正序列相关意味着正收益有被正收益跟随的倾向
（契机类型的属性）。负序列相关指正收益有被负收益跟随的倾向（一种反向或“更正”
的属性）。康拉德（
Conrad）和考尔（Kaul）[2]，罗（Lo）和麦金利（Mackinlay）[3]都
考察了在纽约证券交易所上市股票的周收益，并且发现了短期内有正序列相关。但是，
周收益的相关系数都相当小，至少对那些价格数据最为可靠地更新过的大股票来说是
这样。因此，虽然这些研究证明了短期内有弱的价格趋势，但这一证据并没有清晰地
表明有交易机会存在。
趋势分析的一个更复杂的形式是过滤原则（filterrule）。过滤技术为买卖股票提供
了一种规则，即买卖股票将取决于过去价格的变动。比如说，有一条规则会是：“当上
两次交易每次都使股价上升的话，买入股票。”一条更保守的规则是：“当股价上1%时，
[1]
HarryRoberts,“StockMarket'Patterns'andFinancialAnalysis:MethodologicalSuggestions”Journalof
Finance14(March1959).
[2]
JenniferConradandGautamKaul,“Time-VariationinExpectedReturns,”JournalofBusiness61
(October1988),pp.409-25.
[3]AndrewW.LoandCraigMackinlay,“
StockMarketPricesDoNotFollowRandomWalks:Evidencefrom
aSimpleSpecificationTest,”ReviewofFinancialStudies1(1988),pp.41-66.
下载下载
第12章市场的有效性
293
买入它；直至其价格由前一高点滑落大于
1%时，再出售它。”亚历山大（Alexander）[1]、
法马和布卢姆（Blume）发现[2]，这些过滤规则通常不能产生交易利润。
这些短期收益的弱有效检验表明了在市场股价中存在势头，尽管因其规模可能太
小而难以发现。但是，通过对中期股价行为的调研（持有
3~12个月），杰加德什
（Jegadeesh）和蒂特曼（Titman）发现股票展示了它的势头特性
[3]，即最近业绩无论好
坏都会继续下去。他们的结论是，当个股的业绩出乎意料的高时，最好业绩股票的资
产组合的在最近的过去表现出比其他股票的业绩好，从而提供了获利的机会。
长期收益尽管短期收益研究已得出股票市场价格中存在着有节制的正序列相关，
长期（跨越数年）的收益检验发现存在明显的负的长期序列相关的情况。
[4]这一个结
果已成为一个“时尚的假定”，它认为股价会对相关信息反应过度。这样的过度反应
会引致短期的正序列相关（势头），随后对过度反应的纠正又引致了坏表现跟随好的
表现，反之亦然。纠正意味着在一段正收益后最终跟随的是负收益，结果是在长期有
一负序列相关。纠正之后发生的这些明显过度的表现使股价呈现出在其公平价值附近
波动的特点。
这些长期结果是戏剧性的，但研究所提供的绝不是有效市场的结论性的证据。第
一，研究结果不能被解释为是股票市场反复无常的证据。这些结果的另一种解释认为，
它们仅指出了市场的风险溢价是随时间变化的。市场价格对风险溢价变化的回应能使
人错误地得出价格中存在着向中值回复和过度波动的情况。例如，当市场的风险溢价
和所要求的收益上升时，股价将下跌。当市场接着上升到这个（平均）更高的收益率
时，数据传达出股价恢复的印象。过度反应和纠正的印象事实上只不过是股价对贴现
率改变的理性回应。
第二，这些研究也面临着统计问题。由于它们依赖于长期测得的收益，这些必要
的检验是建立在对长期收益很少的观察上的。此外，它还表明大部分股票市场价格向
中值回复的统计支持是由大萧条时期的收益数据得出的，其他时期的数据没有提供对
时尚假定的有力支持。[5]
主要市场收益的预言者一些研究证明了易观测的变量具有预测市场收益的能力。
例如，法马和弗伦奇证明了当红利股价比、红利收益很高时，在所有股市中的收益有
变得更高的倾向。[6]坎普贝尔（Campbell）和希勒（Shiller）发现，利润可以预测市场
收益。[7]凯姆（Keim）和斯坦博（Stambaugh）证明了诸如高信用等级与低信用等级的
[1]
SidneyAlexander,“PriceMovementsinSpeculativeMarket:TrendorRandomWalks,No.2,”inPaul
Cootner,ed.TheRandomCharacterofStockMarketPrices(Cambridge,Mass.:MITPress,1964).
[2]
EugeneFamaandMarshallBlume,“
FilterRulesandStockmarketTradingProfits,”JournalofBusiness
39(SupplementJanuary1966).
[3]
NarasimhanJegadeeshandSheridanTitman,“
ReturnstoBuyingWinnersandSellingLosers:
ImplicationsforStockMarketEfficiency,”JournalofFinance48(March1993),pp.65-91.
[4]
EugeneF.FamaandKennethR.French,“
PermanentandTemporaryComponentsofStockPrices,”
JournalofPoliticalEconomy96(April1988),pp.24-73;JamesPoterbaandLawrenceSummers,“Mean
ReversioninStockPrices:EvidenceandImplications,”JournalofFinancialEconomics22(October
1988),pp.27-59.
[5]
MyungJ.Kim,CharlesR.Nelson,andRichardStartz,“
MeanReversioninStockPrices?AReappraisal
oftheEmpiricalEvidence,”NationalBureauofEconomicResearchWorkingPaperNo.2795,December
1988.
[6]
EugeneF.FamaandKennethR.French,“DividendYieldsandExpectedStockReturns,”Journalof
FinancialEconomics22(October1988),pp.3-25.
[7]
JohnY.CampbellandRobertShiller,“StockPrices,EarningsandExpectedDividends,”Journalof
Finance43(July1988),pp.661-76.
294第三部分资本市场均衡
下载
公司债券收益之间的差幅这样的债券市场数据也有助于预测股票市场的收益。
[1]
然而，对这些结果作解释是困难的。一方面，它们可能意味着当违反有效市场假
定时，股票收益是可以被预测的。但是，更有可能的是，这些变量是市场风险溢价变
化的替代物。例如，给定红利或收入水平，当风险溢价（进而是期望的市场收益）较
高时，股价会变得较低，而红利和收入会较高。因此，高的红利或高的利润收入将与
较高的市场收益相联系。这并不表明违反了市场有效性。市场收益的可预测性是缘于
风险溢价的可预测性，而不是风险调整后的非常规收益的可预测性。
法马和弗伦奇还说明了高信用等级与低信用等级公司的债券收益间的差幅对低等
级债券比对高等级债券具有更强的预测力，
[2]对股票收益比对债券收益具有更强的预
测力。他们认为收益的可预测性事实上是一种风险溢价而不是市场无效性的证据。同
样地，红利收入有助于预测债券市场收益这个事实意味着收入捕获的是一种对两个市
场都很普通的风险溢价，而不是股票市场中的错误定价。
12.4.3资产组合策略与市场异常
基本面的分析比技术分析要求有更广泛的信息来建立资产组合，因而要评价基本
面分析价值的检验则相应地更为困难。然而，它们已经揭示了许多称为“异常”的现
象，即那些似乎与有效市场假定相悖的证据。在接下的几页中我们将对这些异常进行
探讨。
在开始讨论之前，我们注意到这些检验的一个主要问题是，大部分的检验要求对
资产组合的业绩进行风险调整，并且大多数检验是利用资本资产定价模型来进行风险
调整的。我们知道，尽管
似乎是股票风险的一个合适的描述者，但在由
描述的风险
与期望收益之间的经验定量替代却与资本资产定价模型的预测不同（我们将在下一章
评论它）。如果我们利用资本资产定价模型来为风险调整资产组合收益，则不适当的
调整将导致得出多种资产组合策略都可以产生高额收益的结论，但这事实上只不过是
失去了功效的风险调整过程。
另一种处理方法指出，风险调整收益的检验是有效市场假定和风险调整过程的联
合检验。如果一个资产组合策略可以产生高额利润，那么我们必须选择或者拒绝有效
市场假定或者拒绝风险调整过程。通常，风险调整过程的前提比有效市场假定的前提
更可疑，我们如果选择放弃风险调整过程，我们便得不出任何关于市场有效性的结论
了。
这个问题的一个例子是巴苏（
Basu）的一个发现。
[3]他发现低市盈率
（price/earnings,P/E）的资产组合会比高市盈率的资产组合具有更高的利润。如果由
于资产组合的
值而调整收益，市盈率效应（P/Eeffect）仍然起作用。这是否确认市
场根据市盈率会有系统的股价偏离呢？这对我们来说是极意外的，也干扰了我们的
结论，因为市盈率分析是如此简单的过程。尽管通过艰苦的工作、深刻的洞察以赚
得较多的收益是可能的，但运用这样简单的方法就能带来非常规收益则几乎是不可
能的。对这些结果的另一种解释是，资本市场均衡模型错在收益并没有适当地进行
风险调整。
[1]
DonaldB.KeimandRobertF.Stambaugh,“PredictingReturnsintheStockandBondMarkets,”Journal
ofFinancialEconomics17(1986),pp.357-90.
[2]
EugeneF.FamaandKennethR.French,“BusinessConditionsandExpectedReturnsonStocksand
Bonds,”JournalofFinancialEconomics25(November1989),pp.3-22.
[3]
SanjoyBasu,“TheInvestmentPerformanceofCommonStocksinRelationtoTheirPrice-Earnings
Rations:ATestoftheEfficientMarketHypothesis,”JournalofFinance32(June1977),pp.663-82;and
“TheRelationshipbetweenEarningsYield,MarketValue,andReturnforNYSECommonStocks:Further
Evidence,”JournalofFinancialEconomics12(June1983).
下载下载
第12章市场的有效性
295
这是有意义的，因为如果两家公司的期望收入是相同的，那么风险高一些的股票
则会以较低的价格以及较低的市盈率出售。由于其高风险，低市盈率的股票同时也具
有较高的期望收益。因此，除非资本资产定价模型中的
完全随风险调整，否则市盈
率就可以做为另一个有用的风险指示器，并且如果资本资产定价模型被用于建立基准
业绩的话，市盈率将与非常规收益有关。
小公司
1月份效应关于有效市场假定的一个最重要的异常就是所谓的公司规
模，即小公司效应（small-firmeffect），这由班茨（
Banz）首先提出。班茨发现，
[1]
总收益率和风险调整后的收益率都有随公司的相对规模（由其现有资产净值的市值
表示）的上升而下降的趋势。班茨把所有在纽约证券交易所上市的股票按公司规模
分成五组，他发现，最小规模组的平均年收益率比那些最大规模组的公司要高
19.8%。
如果对一个10亿美元的资产组合来说，这便是一份巨额的奖励。然而，这太引人
注目了，只要根据“投资于低资本化股票”这样简单（或过分简单）的规则便可以使
一个投资者赚得额外收益。要知道，毕竟任何投资者都可以不必花费多大的力气就可
评估出公司的规模。谁都不应指望这么小的力气就可以挣得这么多的回报。
稍后的研究（凯姆，[2]莱因格纳姆（Reinganum），[3]布卢姆和斯坦博[4]）证明了在
几乎整个1月份，小公司效应都会发生，事实上，具体的时间是在
1月的头两个星期。
规模效应实际上是“小公司
1月份效应”。
1月2月3月4月5月6月7月8月9月10月11月12月
月
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
图12-71963~1979年最小规模公司与最大规模公司
每月的日平均超额收益率的差别
图12-7说明了
1月份效应。凯姆把公司按其资产净值的市值的升序排列，并且按
每个公司的规模把它们分成
10组投资组合。在一年中的每个月，他对最小规模和最大
规模公司组合的平均超额收益的差额进行计算。从
1963年到1979年的平均月差额显示
在图12-7中。1月份对小公司而言是异常引人注目的月份，在
1月份小公司平均每天升
水达0.714%。1月份头
5天的交易结果更令人惊异，小规模公司头
5个交易日的升水幅
[1]
RolfBanz,“TheRelationshipbetweenReturnandMarketValueofCommonStocks,”Journalof
FinancialEconomics9(March1981).
[2]
DonaldB.Keim,“SizeRelatedAnomaliesandStockReturnSeasonality:FurtherEmpiricalEvidence,”
JournalofFinancialEconomics12(June1983).
[3]
MarcR.Reinganum,“TheAnomalousStockMarketBehaviorofSmallFirmsinJanuary:EmpiricalTests
forTax-LossEffects,”JournalofFinancialEconomics12(June1983).
[4]
MarshallE.BlumeandRobertF.Stambaugh,“BiasesinComputedReturns:AnApplicationtotheSize
Effect,”JournalofFinancialEconomics,1983.
296第三部分资本市场均衡
下载
度超过了8.16%。
一些研究者相信，
1月份效应是与年底的为减少纳税而结清蚀本交易紧密相关的。
这个假设是，许多人将他们在前几个月中已经降价的股票抛出，以便在课税年度结束
之前实现其资本损失。这些投资者并不把抛售所得重新投入股市直至新的一年到来。
在新的一年开始时，对股票的抢购潮将给股价带来压力使其上升，这便导致了
1月份
效应。实际上，里特（
Ritter）证明了
[1]，个人投资者的股票买卖比在
12月底和
1月初
分别达到年度最低点和年度最高点。
1月份效应据说是非常戏剧性地显示了作为实验素材的最小规模公司的股票是当
年价格变动最大的股票。因此，这中间包含了大量要通过出售股价下跌的股票以减少
纳税的公司。
从理论的角度看，这个理论包含了大量漏洞。首先，如果
1月份的正效应是购买
压力的表示，那么当减税交易刺激引起抛售压力时，应有一个对称的负的
12月份效应
与其相对应。第二，当面对有效市场理论时，可预测的
1月份效应消失了。如果尚未
持有这些公司股票的投资者知道
1月份将会给小公司带来非常规收益的话，他们会在
12月份涌去购买股票以获得利润。这会使购买压力从
1月份转移到
12月份。理智的投
资者是不会让这种可预测的
1月份的非常规收益持续的。但是，从
1963年到
1979年，
在凯姆的每年的研究中，小公司总是在
1月份胜过大公司。
尽管存在着这些理论上的不足，但仍有一些经验证据支持
1月份效应与减税交易
有关这一信念。比如，莱因格纳姆发现在规模等级内，价格下滑得越厉害的公司具有
越高的
1月份收益。这种模式在图
12-8中说明。莱因格纳姆把公司按股价在当年下滑
的程度分成四组。如果公司的股票可能在
12月份被大量抛售，那么大幅度的价格下跌
将期望有可能产生大的
1月份收益，因而可在
1月份时享受需求的压力。图
12-8显示了
每组中最低的一组具有最高的一月份收益。
尽管如此，即便在调整赋税之后，规模效应仍应持续。那些股价上涨了的小公司
仍然显示出1月份收益（图12-8B），而那些价格下跌的大公司则并没有显示出特别的
1
月份效应。因此，尽管赋税似乎与
1月份非常规收益有关（图
12-8中a与b对比，c与d对
比），然而在1月份中，规模在本质上仍是一个因素（
a与c对比，b与d对比）。
被忽略公司效应和流动性效应阿贝尔（Arbel）和斯特雷贝尔（Strebel）对小公
司1月份效应提出了另一个解释。[2]因为小公司似乎易于被大的金融机构交易者所忽略，
小公司的信息因而较难获得。这种信息不足使得小公司成为获得较高利润的高风险投
资对象。毕竟，“名牌”公司受到金融机构的监测，因此可以保证获得高质量的信息，
想必投资者不会对没有更好收益前景的“一般的”股票投资。
作为被忽略公司效应（neglected-firmeffect）的证据，阿贝尔
[3]利用了分析家对
收入的预测方差系数来测度公司的信息不足程度（方差系数是标准差与平均差之比，
用以表示预测的分散性，是一种“噪声
/信号”比）。方差系数与总收益间的相关系数
为0.676，这是相当高的，并且在统计上是显著的。在一个与之有关的检验中，阿贝尔
按持股金融机构的数目将公司分成热门、中等热门和被忽略的三组。表
12-1显示出被
忽略的公司的1月份效应最为显著。
[1]
JayR.Ritter,“TheBuyingandSellingBehaviorofIndividualInvestorsattheTurnoftheYear,”Journal
ofFinance43(July1988),pp.701-17.
[2]
AvnerArbelandPaulJ.Strebel,“PayAttentiontoNeglectedFirms,”JournalofPortfolioManagement,
Winter1983.
[3]
AvnerArbel,“GenericStocks:AnOldProductinaNewPachage,”JournalofPortfolioManagement,
Summer1985.
下载下载
第12章市场的有效性
297
旧的交易日
a)c)
b)d)
旧的交易日
旧的交易日旧的交易日
图12-8资产组合的市值在减税出售的条件下，
1月份最低组和最高组的股票的平均日收益率
a)资产组合MV1,最低的象限
b)资产组合MV1,最高的象限
c)资产组合MV10,最低的象限
d)资产组合MV10,最高的象限
表12-1被忽略程度与1月份效应表
平均1月份平均1月份收益率减去其他对系统风险调整后的
公司
收益率(%)月份平均收益率
(%)平均1月份收益率(%)
标准普尔500样本公司
热门公司
2.481.63-1.44
中等热门公司
4.954.191.69
