供应链间经济关联和股票收益可预测性——基于错误定价视角的异象检验

高 杨 董 青

华中科技大学 经济学院，湖北 武汉 430074

周方召

江南大学 商学院，江苏 无锡 214122

有效市场假说理论指出，股票价格表现是不可预测的，但自20世纪80年代以来，股票收益的可预测性得到国内外学者和实务界的共同关注（Boone and Ivanov，2012［1］）。考虑到市场中的企业个体并不是独立的孤岛，其往往都是和别的企业之间存在密切的经济往来，因此近年来部分文献从经济关联等角度（Burt and Hrdlicka，2021［2］）考察供应链公司间的股票收益可预测性。在新冠肺炎疫情冲击的背景下，企业的产业链和供应链关系愈发受到重视，从供应链角度来看，供应商是一家企业的重要经济关联资源；
然而，目前却很少有研究从“客户—供应商”角度①这里需要界定和说明的是本文所采用的“客户—供应商”含义，即客户公司是终端产品生产制造企业，而为其提供原材料或中间品的企业称之为供应商，例如A公司被称为客户公司实际上是指A是供应商B的下游客户，而作为A公司的供应商B和其他供应商公司则统称为客户A公司的供应商。探讨股票收益的可预测性，特别是考虑到中国的股票市场发展程度、经济周期特征和企业产权性质的差异，针对A股上市公司供应链关联和股票收益的研究更为鲜见。

一般来说，供应链中的客户和供应商通常寻求稳定的合作，通过有效的业务关系进行经营管理以增加公司的利润，供应链管理在企业的发展过程中发挥着越来越重要的角色。一方面，企业通过动态匹配其关键客户的内部流程和结构，及时准确地了解其客户的需求和意见，推进企业改革创新，保障企业持续性盈利（陈正林，2011［3］），企业间的密切接触也增强了他们之间的供应链整合，从而降低了企业的经营风险和信息披露风险（何捷和陆正飞，2020［4］）；
另一方面，由于企业之间联系紧密，影响客户的外部因素往往会影响其供应商并且会传导至股票市场，如果投资者能够提前发现这种关系，当客户的信息传递到市场时，供应商的股票回报将是可预测的。

不同于欧美较为成熟的证券市场制度和机构投资者为主的市场结构，中国股票市场有着独特的“二八结构”，即20%的投资者是机构，80%的投资者是个体散户（陆蓉和杨康，2019［5］）。与国外成熟市场中以机构投资者为主体的结构不同，中国股票市场的非理性因素与偏差更多（田利辉等，2014［6］）。散户投资者作为中国A股市场参与主体，其相对机构投资者，无法获得更多的信息，散户投资者关注信息有限，非理性化较为严重，从而往往更可能会过高或者过低地估计历史信息的影响；
与此同时，虽然分析师比散户在信息收集加工等方面更具有优势，但分析师提供的报告也不完全是理性的，“利益冲突”等外部因素使得分析师乐观偏差，从而导致他们发布的报告往往是有偏的，即存在“羊群行为”（许年行等，2012［7］）。此外，投资者往往是在分析师所提供报告的基础上进行信息处理，形成投资决策后进行交易，意味着投资者可能获得高度同质化的信息，这可能促发他们在投资决策上的羊群行为（许年行等，2013［8］）。中国A股投资者结构使得股票价格更容易受到投资者非理性的影响，因而中国股票市场对于供应链收益可预测性问题提供了独特的检验环境。包括分析师在内的投资者羊群行为会增加市场的波动性，反而加剧了市场的错误定价；
尤其是投资者可能会忽略或者说对于公司间经济关联的信息关注不足，从而无法实现有效的资产定价（Huang et al．，2021［9］），使得供应链关联的跨公司股票收益表现为反应过度或者反应不足，而股票收益率的反转异象恰是市场反应过度的结果（Debondt and Thaler，1985［10］）。本文从信息扩散理论视角出发，以客户—供应商的股票收益特征来研究中国A股市场的股票收益可预测性问题，从而提供中国股票市场上市公司客户—供应商股票收益的可预测性与反转异象的经验证据。

从信息扩散角度研究存在经济关联的跨公司股票收益预测问题在欧美市场已经有较为丰富的文献，特别是在供应链关联中，领先的客户公司股票收益往往可以预测滞后的供应商公司股票收益。然而与欧美股票市场存在一定的差异，中国A股市场个人散户投资者居多、且机构投资者散户化倾向明显等特点，使得投资者的有限关注可能更容易对股价变化较大公司及其供应链关联公司股票产生过度反应的非理性投资，从而在当期过高估计客户—供应商关联的经济关系。本文以A股市场为研究对象，对供应链关联跨公司股票收益关系进行研究，可能对本领域产生的边际贡献主要体现在三点：第一，验证了供应链的经济关联也会产生股票市场表现的长期关系，检验了供应链关联长期经济联系存在着季节性股票收益的长期可预测性。根据客户公司3（5）年间“历史同月平均收益”构造的供应商公司股票投资组合收益结果支持了客户—供应商关联供应链公司之间存在收益可预测性的经验证据。第二，丰富了中国A股上市公司股票存在收益可预测性的相关研究内容，并进一步从供应链角度提供了客户—供应商的投资组合收益未来时期的市场表现和异象产生原因。第三，本文立足于中国股票市场问题，结合A股经济周期阶段和企业异质性，具体探讨中国上市公司客户—供应商的供应链收益异象及其原因，为深刻理解中国资本市场的股票收益可预测性和异象问题提供了参考，也可以为其他新兴市场研究提供借鉴。

（一）共同季节性与供应链长期跨公司股票收益

对于制造业上市公司来说，客户和供应商之间存在着持续的共生关系，而且这些企业也往往存在着共同的季节性生产周期，在股票市场中就会产生客户—供应商之间的跨公司共同季节性股票收益的可预测性（Heston and Sadka，2008［11］）。共同的季节性是指供应链环节的跨公司个股收益在长期存在某个特定月份可预测的一种市场异常现象，即通过对个股前几年历史平均收益率进行排序形成投资组合，具有最高月平均收益率的投资组合倾向于在一年后的同一个月份获得更高的收益率，而具有最低收益率的组合倾向于获得较低的收益。

国外学者较早注意到了股票市场个股收益率的时间异象问题。Jegadeesh（1990）［12］最早发现美股市场的股票收益在12、24、36个月的滞后期中均存在显著的年度正自相关现象；
此外，后续以美股市场为对象的一系列实证研究也都验证了其市场中存在持续季节性收益异象（Keloharju et al．，2016［13］），且经济关联的供应链间存在10年以上的跨公司可预测异象（Burt and Hrdlicka，2020）。本文的研究内容和主要目的正是发现供应链关联的客户—供应商的股票可预测性，以及超额收益异象存在的原因，通过对国内相关文献的梳理发现，目前对于中国A股市场的共同季节性长期趋势的股票回报问题还少有探讨。

通过对以上相关文献研究内容的梳理可知，如果中国A股市场中客户—供应商存在共同季节性的股票收益异象，那么本文可以采用投资组合分析的方法进行检验，即可以先将所有股票按照前几年历史的某月份平均收益率从低到高进行排序，同时利用客户公司的月度收益投资组合作为供应商公司投资组合的排序标准，从而可以得到一年后相同月份的供应商公司股票收益的投资组合排序，进而通过供应商公司股票投资组合的多空对冲来检验共同季节性和供应链关联的长期跨公司股票收益异象存在性问题。

（二）信息扩散、投资者关注与收益可预测性

尽管传统的有效市场理论假说认为，投资者能够及时完全地对市场信息做出反应，且这种对信息关注的反应是建立在能够利用相关知识迅速做出决策的基础上，但是实际上由于信息传递的缓慢性和投资者的非完全理性，股票市场并不能完全正确反映市场信息，这种投资者对于信息的关注不足所产生的信息扩散延迟形成了供应链跨公司股票收益的可预测性（Burt and Hrdlicka，2020）；
另一方面，恰恰是因为投资者存在明显的有限关注，尤其是散户投资者由于自身的信息和决策劣势，更容易产生有限关注，即仅注意到容易发现和较为明显的股价现象，再加上非理性的投资行为和分析师羊群效应，使得对于当前信息的过度关注可能更为严重，进而在中国股票市场中同时呈现“追涨杀跌”的惯性现象和“追跌卖涨”的反转现象（鲁臻和邹恒甫，2007［14］），这种情况在散户投资者比例较大的中国A股市场更为明显（宗计川等，2020［15］）。

已有研究对经济关联公司之间的跨公司股票回报可预测性的一种解释为信息扩散延迟（Menzly and Ozbas，2010［16］），即如果投资者获取信息不完全且存在反应不足，那么在一家客户公司的股票回报中出现的冲击就会扩散，并延迟到与之有供应链关系的经济关联公司中。由此，通过对领先的客户公司股票收益进行分组，采用多空对冲组合分析方法就可以检验滞后的供应商公司股票收益，进而观测这种信息延迟扩散效应。Cohen and Frazzini（2008）［17］通过构造投资组合分析供应链关联的跨公司股票回报之间的关系，发现至少需要6个月的信息延迟扩散时间才能将客户消息纳入供应商的股票价格当中。Thomas et al．（2018）［18］选取1996—2016年的数据构造行业投资组合，发现信息在行业间的传播是逐渐的，而且投资组合收益率显示正的风险调整后的超额收益为正。

随着研究深入，还有部分文献基于动量角度进行了探讨，月度动量效应广泛存在于多个国家的多种资产类别中，且动量效应在不同国家表现时期不同（Novy-Marx，2012［19］）。同时，大量的国内外研究也都发现，动量效应和反转异象这两种市场异象交替存在于现实市场之中，正是由于投资者的关注是有限的，会导致投资者的有限理性，所产生的投资行为偏差就会对股票市场交易造成短期的影响（Da et al．，2011［20］）。相对于较为成熟的资本市场，由于中国A股市场的散户参与比例非常高，非理性投资较为严重，投资者有限关注所产生的过度反应往往会加速信息融入进而推升当期交易和股价，因此加快造成随后的收益反转（郦金梁等，2018［21］）。

综上所述，在信息延迟扩散的行为金融理论框架内，针对经济关联公司股票收益关系的研究主要集中于国外资本市场，而目前对于中国股票市场的研究仍缺乏相应的经验证据，A股市场经济关联的跨公司股票收益变化究竟会呈现何种表现形式就更需要在借鉴已有国内外研究的基础上进行实证考察。

（一）数据来源

本文研究供应链关联的股票收益可预测性，考虑到制造业公司供应链构建方面发展更完善，且制造业中上市公司数量众多，符合本文的样本量要求，因此选择2009—2020年沪深A股制造业上市公司作为研究样本。为了保证数据的准确性，本文对样本进行如下的处理：剔除样本期间ST、*ST以及主要变量缺失的样本；
剔除上市不满3年的公司，并对连续变量进行上下1%的winsorize处理，最终得到144个月度的11246个非平衡面板数据。

本文使用的个股收益率数据为考虑现金红利再投资后的收益率；
同时利用个股收益率数据计算原始收益率Raw ret；
此外，还利用了经CAPM因子、Fama-French三因子（市场因子、市值因子和账面市值比因子）、Fama-French五因子模型（市场因子、市值因子、账面市值比因子、盈利因子和投资因子）分别调整后的超额收益。个股收益率、CAPM因子、Fama-French三因子和五因子数据均来自CSMAR数据库。

（二）变量定义

在进行Fama-MacBeth横截面回归检验时，本文采用供应商公司股票月度收益率作为被解释变量，核心解释变量是基于客户公司个股收益率数据构造的客户五分位分组Rank，同时控制了与供应商公司的公司账面市值比BM、换手率tr、资产增长率Grouth等变量。主要变量的计算方法见表1。

表1 变量计算方法

在本部分的实证检验中，本文使用原始收益率和经风险调整后的收益率构建投资组合，检验客户股票收益信息对于供应商股票收益是否具有可预测性，并分别从共同的季节性和信息扩散的角度进行考察；
此外，进一步通过Fama-MacBeth回归模型检验回归结果的稳健性，并对市场不同阶段进行差异性分析。

（一）共同季节性

正如前文所述，跨公司股票收益的可预测性并不总是来自于信息扩散的延迟，也有可能源于持续的季节性。为了检验中国A股市场的客户—供应商经济关联的关系中是否存在这种情况，本文对客户公司在历史3（5）年内的同月股票平均回报进行排序，以此作为排序基准后追溯其供应商公司并获得供应商公司股票收益的多空组合alpha。

具体的日历时间投资组合做法为：首先，在2009年1月至2020年12月的每个月末，计算每个客户公司（领先者）在y-3（y-5）到y-1年同一月的平均股票回报率，利用客户公司3（5）年间“历史同月平均收益”对其股票收益从小到大进行排序，分成每月的5分位数投资组合；
其次，以客户公司收益的1～5投资组合为排序基准，计算对应的供应商公司在每个相应投资组合的等权平均收益率；
最后，用所得到的供应商收益组合5的收益率减去组合1的收益率获得多空对冲组合的收益率。除了对原始收益率进行检验之外，本文还利用经过CAPM、Fama-French三因子和五因子调整后的收益率分别进行检验，进而判断共同季节性异象能否被其他风险因子所解释。

表2的Panel A报告了基于历史3年平均收益率的结果。其中，Raw ret是原始收益率，可以看到，利用客户公司3年间“历史同月平均收益”进行排序后，所得到的供应商公司在下一年的组合收益平均每月产生19到157个基点，在经济和统计上都有意义。随着投资组合从低到高的增加，组合收益率呈上升趋势，显示了客户公司收益率长期内可以预测供应商公司股票回报的能力，基本结果与已有的国外文献相一致，通过买入高组同时卖出低组来构建多空策略组合，能够实现月均1．4%（年均17%）的超额收益。

表2 共同季节性的供应商公司组合收益率

表2的Panel A中第（2）～（4）行分别是经风险调整后的组合回报。三个模型考虑风险因子后L组的平均收益率均为负，而H组的平均收益率均为正；
通过构造多空（H-L）组合，CAPM调整后的alpha月均0．2%（年均2．64%），五因子调整后的alpha月均0．23%（年均2．9%），投资组合的结果初步验证了供应链关联公司的股票收益间具有长期的跨公司预测性，且无法被其他风险因子所解释。表2的Panel B报告了基于历史5年平均收益率的结果，可以得到和历史3年相似的结果，供应链关联在共同季节性因素下，能够产生长期的股票收益跨公司可预测性。

（二）信息扩散、投资者反应和供应链关联的股票收益

为了考察客户—供应商的供应链关联动量或反转异象的存在，本文通过构建供应链关联股票收益的日历时间投资组合进行检验。

投资组合的具体构建方法简介如下。首先，在2009年1月至2020年12月的每月月末，根据客户公司股票收益率的大小将所有公司分类为5分位数，这些5分位数的投资组合在每月初重新平衡，以保持相等权重。为了解信息扩散的持续时间，本文在客户投资组合收益之间设置1～6个月的未来时期（t+1到t+6），即考察客户股票收益对于供应商投资组合影响或可预测的延续时间。其次，计算供应商股票组合中使用等权重的平均收益率：L组合包含20%的供应商股票收益组合，这一组的客户投资组合收益率是最低的；
H分位数组合包含20%的供应商股票收益组合，其客户投资组合收益率是最高的。最后，通过做空L组和做多H组股票组合来构建多空对冲策略，观察多空对冲组合是否具有明显的Alpha存在。

考虑到A股市场“追涨杀跌”和“追跌卖涨”的投资者过度反应非理性行为的存在，在供应链关联的信息扩散中可能存在短期的过度关注或延迟的关注不足，本文首先研究客户与供应商在同一月份的股票收益关系；
随后，为了观察随着时间的推移效果会如何发展，把这一延迟增加到t+6月，考察供应链关联的信息扩散、投资者关注和超额收益可预测问题。

表3中的Panel 0报告了同期以客户收益组合为排序基准得到的供应商原始收益率和经过风险调整后的收益。Raw ret从最低组的0．0013增加到最高组的0．0234，通过多空策略组合可实现月均0．0211的超额收益。考虑经风险因子调整后，同期的CAPM、FF三因子、五因子的alpha值从L组到H组均呈上升趋势，并具有0．358、0．360、0．393的显著的月均超额收益，证明了供应商与它们的客户公司股票收益率具有显著的同期变化倾向。本文认为由于A股市场散户投资者的短期过度关注和非理性的“追涨杀跌”，使得同期客户—供应商的股票收益呈相同变化。

表3 信息扩散、投资者反应和供应链关联的股票收益

表3中的Panel A报告了第t+1个月根据客户收益分组的供应商投资组合收益情况。由此可以发现，多空投资组合收益幅度和显著性没有同期的收益大，但明显的是，多空对冲收益出现了显著的反转异象，即表现最差的客户公司L组，其供应商股票回报在一个月之后明显高于市场回报，Raw ret中的alpha值从L组到H组呈递减趋势。此外，FF3、FF5模型中均呈现了显著的供应商收益反转现象，多空投资组合产生显著-0．135%和-0．103%的月均异常收益。结果表明，供应链经济关联的无风险套利在t+1个月就会发生逆转，即上一个月（t月）根据客户股票收益最高组构建的供应商H组在下一个月的收益将最低，反之L组在t+1月的收益则显著提升。结果充分表明，由于同期供应商公司股票对客户公司的股价反应过度，投资者短期过度的追涨杀跌导致下一个月高收益组的供应商股价将迅速下跌，这也和A股市场大量存在的短期反转异象符合。

为了进一步观察随着时间的推移，客户—供应商的收益可预测性效果会如何发展，本文将供应商的收益率延迟到未来6个月。从表3中的Panel B-F结果看到，多空策略均没有产生显著的alpha值，不同收益率调整的多空对冲H-L组合在未来5个月里均没有获得显著的超额收益。结果进一步表明，供应链关联公司的无风险套利会随着时间的推进而逐渐消失，A股市场中供应链关联并没有呈现一个价格发现的持续过程，这和已有的基于美股市场研究结果存在明显不同。

图1报告了供应商投资组合在未来几个月内的多空对冲策略收益的变化情况。CAPM、FF3、FF5调整后alpha的趋势几乎是一致的。在t+1月内，三个系数都迅速下降，并且在t月的收益最高。在接下来的t+2月及之后的未来时间，alpha值都在0左右，均不显著，说明当后续时间增加到2个月及以后时，客户—供应商的收益关系逐渐消失。由此，说明A股上市公司中，供应链关联的股票收益间呈现了短期的同期提升和下一个月反转的快速“追涨杀跌”与“追跌卖涨”现象。

已有研究发现，在中国证券市场中不同市场态势下收益存在非对称反应，牛、熊态势下股市收益的均值回归特征差异明显，不同时期对市场收益可预测性的影响存在差异（蒋志强等，2019［22］）；
为了进一步研究客户—供应商的股票收益反转现象在股票市场不同阶段是否存在差异，本文对下一个月的供应商组合收益进行考察。本文以2015年6月“股灾”发生作为时间节点，将研究样本区间划分为“股灾”前后的两个子区间分别进行投资组合分析（表4）。

表4 不同时期、不同企业性质的供应商的股票收益

从2009年1月—2015年5月的结果来看，只有CAPM中第1～4个五分位的供应商股票可以产生显著的alpha值，其余均没有产生显著的alpha值，且多空投资组合产生的alpha并不显著，说明在A股市场上行阶段，信息传递比较及时，投资者的关注不足或过度关注情况不存在，并没有产生供应链信息扩散延迟现象。2015年6月—2020年12月的结果显示，多空投资组合可以产生正alpha值，说明在市场下行阶段，前期受到过度关注的高收益客户的供应商股价下跌明显，而低收益组的供应商股价则快速显著上涨，表明供应商股票收益的过度关注和短期反转异象在股票市场的下行阶段较为明显。

为了研究反转现象在不同产权性质间是否存在明显的差异，本文依据供应商产权特征把样本分为国有企业和非国有企业，采用前文的投资组合排序方法进行分析。表4 Panel B显示，对于非国有企业，CAPM、FF3、FF5调整后的供应商公司股票收益均可以产生显著的alpha值，且不能被其他风险因子解释，多空投资组合均产生显著的负alpha值，而此影响在国有的企业中并不显著。考虑到在A股市场中，国有上市公司往往可以通过其声誉效应传递稳定积极的信号，客户—供应商的经济关联更为稳固，增强了投资者对公司股票的稳定判断，且国有供应商公司往往处于上游行业、规模较大、股价相对稳定，因此这可能是其供应链关联反转异象并不明显的原因。

（三）Fama-Macbeth回归

本文采用Fama-Macbeth方法，进一步分析在同时控制多个因素下客户公司股票收益排名Rank与供应商公司未来股票收益率之间的关系。具体的结果在表5中列示，括号内是经过Newey-West方法调整异方差和自相关后的稳健t值①本文的样本时间序列长度N为133，根据最优滞后阶数L＝N（1／4），因此滞后阶数L取4。。第（1）列的结果显示，解释变量Rank的回归系数为-0．0013，表明t期的Rank对t+1期的供应商公司股票收益率具有显著的反向预测效果。第（2）列中加入其他控制变量后Rank回归系数为-0．0014，并在10%水平上显著，进一步体现了t期Rank对于t+1期供应商收益率具有显著的负向影响，这与前文日历时间投资组合分析的结果保持一致。第（3）、第（4）列显示了Fama-MacBeth的回归结果，Rank的回归系数均为负且在5%的水平上显著，与前面的结果均一致，表明供应链关联收益存在显著的短期反转异象。

表5 上月客户排名与本月供应商股票收益的回归结果

另外，对于控制变量，本文发现Grouth的系数显著为正，Grouth每提高1%，股票的月回报率提高1．88%～2．68%，即资产增长率高的公司未来现金流会更高，公司基础价值会增加，股价将上升。BM的系数显著为负，说明中国的股票市场上账面市值比效应显著为负。tr系数在ols回归中显著为正，在Fama-MacBeth中不显著，说明换手率在A股市场上具有混合的影响效应。illiq的系数不显著，说明在控制其他因素后，在A股市场上非流动性解释股票收益率并不显著。

（四）稳健性检验

为了保证本文实证研究结果的稳健性，本文从变化样本、改变回归方法、采用市值加权等方面重复了之前的投资组合分析和Fama-Macbeth回归过程②限于篇幅，本文的稳健性检验结果未在正文的表格中列示，具体结果留存备索。。首先，考虑到2020年受新冠肺炎疫情的影响，本文使用2009—2019年的数据重新进行了投资组合和横截面回归，研究结果仍与之前的结论保持一致。其次，本文利用CAPM模型、Fama-French三因子和五因子模型风险调整后的供应商公司股票超额收益作为被解释变量，重复Fama-Macbeth横截面回归，和前文结论一致。最后，前文的组合分析采用的是等权的投资组合收益率，为了保证研究结果的稳健性，本文进一步使用加权投资组合重新进行分析，研究结果仍与之前的结论保持一致。

（一）错误定价

针对股票超额收益异象存在的来源，学术界目前主要从风险补偿和错误定价角度进行探讨，本文参照尹力博和廖辉毅（2019）［23］的做法，构建衡量客户公司组合收益的新因子Ran及其因子载荷。构造的具体方式如下：在t年m月分别根据客户公司股票收益率的大小对个股进行排序，按30%、40%、30%的比例由小到大分为3组，按照等权重配置，计算客户集中度的高30%组与低30%组的t年m月的平均收益率差额，即为Ran因子；
再对个股超额收益序列与Fama-French三因子及新构建的Ran因子进行时间序列回归，得到的回归系数即为个股的Ran因子载荷；
最后将供应商公司股票收益率与相应因子及因子载荷进行Fama-MacBeth回归。

表6展示了加入Ran因子载荷后客户公司排名（Rank）与供应商公司股票收益率的回归结果，从第（1）列看到，Ran因子载荷对收益率（Rit+1）的回归系数为正，但是t值较小，说明Ran因子载荷与股票收益率间并不存在显著的线性关系。在加入客户排名（Rank）及控制相关特征后，回归结果如第（2）、第（3）列所示，供应商公司收益率与Ran因子载荷的相关性仍不显著，但其与客户排名（Rank）之间的相关系数为-0．0021、-0．0016，在5%、10%的水平上显著负相关。由此可见，通过客户公司股票收益排名（Rank）从而产生的当月供应商股票收益和次月反转异象，并不是承担风险所得到的补偿回报。

表6 Ran因子载荷的Fama-Macbeth回归结果

（二）投资者过度反应

为了进一步确定异象的成因，本文通过对核心变量（Rank）与供应商公司股票收益率间的持续性来检验错误定价究竟是来自于投资者的反应过度还是反应不足。

如果是投资者反应过度，就会造成当期股价快速上行，而随后投资者会根据信息进一步修正自己的预期，那么前期高收益股票的股价将会持续回落，这使得持有股票或对冲组合将呈现后期的收益反转异象。中国A股市场投资者的出售行为往往偏离理性预期，个人投资者大多数在一个月之内就会换手，特别是当持股收益由负变正时的出售倾向跃升（陆蓉等，2022［24］），这就导致月内短期获利，进一步推动股票价格次月短期的反转异象。

本文采用Fama-MacBeth模型检验变量Rank对供应商投资组合收益率影响的持续性，使用未来12个月的供应商公司股票收益率（Reti，t+n，n＝1～12）分别作为被解释变量，结果见表7，未来1个月超额收益对Rank的回归系数显著为负，而2～12个月的Rank回归系数均不显著。结果表明，多空对冲策略在延续t+1个月时出现显著的负收益率，即呈现了短期的快速反转异象；
在延续到t+2至t+12个月都没有呈现进一步的显著收益，供应链关联的多空对冲策略具有明显的短期过度反应特征并导致短期反转。

表7 Rank与未来12个月股票收益的回归结果

（三）过度反应的进一步验证

本部分将对过度反应开展进一步的检验，探究其背后可能的解释。基于行为金融的错误定价理论，本文参照屈源育等（2018）［25］和尹力博等（2021）［26］的研究思路，分别从非流动性、换手率、分析师覆盖率、交易量、正反馈交易5个方面对供应链关联的收益异象进行解释。

非流动性高意味着单位订单额对股价的边际影响更大，从而套利者交易成本就会加大，由于异象是反应过度引起，因而对于非流动性更高的股票，其错误定价将更难以被修正，异象的表现将更为显著。表8报告了Rank与非流动性指标（illiq）经三因子调整后的收益率检验结果，即随着非流动性的增大，对冲组合反转收益绝对值显著增大。L组非流动性对冲组合中，多空投资组合收益为-0．0322，不显著；
第2组中为-0．0884，在5%水平上显著；
H组中，多空投资组合收益为-0．0789，在1%水平上显著。

当市场上出现盈利的公开信息时，散户投资者的过度自信将导致其增大交易量，从而产生过度反应。当换手率（交易量）越高时，对市场信息反应就越强，使当月股价被高估，从而下一个月会出现收益反转现象。本节换手率（交易量）采用个股过去6个月的平均月度换手率（交易量）。表8报告了Rank与换手率（tr）的结果。从结果来看，随着换手率的增大，Rank反转收益绝对值显著增大，多空溢价从L组的-0．020上升到中间组的-0．032，再到H组中的-0．083，并在1%水平上显著。

长期以来，分析师因其拥有优于个人投资者的专业知识和信息搜集处理能力，在传递市场信息方面发挥着至关重要的角色。然而，受某些内、外部因素的影响，分析师会产生明显的羊群行为，从而降低了预测的准确性。此外，投资者在分析师提供的报告基础上进行信息处理形成投资决策，导致信息一致化程度高，因而公司股票的分析师覆盖率越多，投资者关注度也会越高，越容易出现反应过度现象（郦金梁等，2018）。表8报告了Rank与分析师覆盖率（Analyst）的结果。随着分析师覆盖率的增大，Rank反转收益的绝对值也显著增大，L组中多空溢价为-0．048上升到中间组的-0．048，再到H组中的-0．056，并在1%水平上显著。

表8 过度反应检验

此外，投资者往往会根据股票过去的表现来进行判断，认为过去的趋势能够在未来持续。当投资者对过去表现好的股票关注度越高时，越容易出现反应过度现象。本文通过计算个股过去12个月的累积收益率（BHAR）来衡量股票之前的表现，回归结果显示，随着累积收益率的增大，Rank反转收益绝对值显著增大，多空溢价从L组的-0．025上升到中间组的-0．031，再到H组中的-0．068，并在5%水平上显著。

总体上，表8的结果表明，供应链关联的多空投资组合所获取的超额收益异象在非流动性高、换手率高、交易量高、分析师覆盖率高、累积收益率高的股票中更为显著。套利限制高的股票收益异象比套利限制低的股票异象更为显著，错误定价对投资组合的反转异象有较强的解释能力。这也进一步说明，在A股市场相对不成熟和完善的情况下，由于套利限制导致错误定价的现象将在较长期限内持续存在。

个人投资者占主导的A股市场更容易受情绪影响（石善冲等，2018［27］），如果异象源于投资者过度反应，那么超额收益表现的显著性在不同市场情绪下将会有明显差异。在投资者情绪较高的时期，个人投资者更容易加大交易量，导致股票收益的反应过度，从而下一个月产生更大的价格下行压力，更容易产生收益反转现象（Stambaugh et al．，2012［28］）。本文分别借鉴易志高和茅宁（2009）［29］、魏星集等（2014）［30］的方法构建中国投资者情绪指数（CICSI、ISI），来检验供应链关联的收益异象是否可以被投资者情绪所解释。

表9报告了Rank与投资者情绪经三因子调整后的超额收益率检验结果，H代表高投资者情绪时期，L代表低投资者情绪时期。从表9可以发现，在投资者情绪指标CICSI、ISI的分组中，高投资情绪时期的多空投资组合的超额收益更加显著，而低投资情绪时期的超额收益并不显著，并且高投资者情绪时期的多空投资组合收益的绝对值远大于低投资者情绪时期，结果显示，反转异象在高投资者情绪时期会更加显著。

表9 Rank与投资者情绪检验结果

作为新兴市场，中国A股的发展仍在不断完善，其中各种收益异象及其来源的研究恰逢其时。近年来各种经济关联收益异象主要以美股市场为考察对象，其结论难以反映A股市场的现状。为此，本文以2009—2020年中国制造业上市公司为样本，采用投资组合和因子分析法，实证检验了供应链关联收益异象的存在性及其产生来源。研究发现：首先，中国A股市场的制造业公司存在明显的共同季节性效应，通过以客户公司收益排序构造的供应商股票收益的多空对冲组合策略可以产生显著的长期可预测alpha，且不能被其他因子所解释；
其次，对供应链关联的多空对冲组合分析发现，客户和供应商的股票收益具有显著的同期收益异象，而次月则会出现明显的快速反转，这与大多数国外研究结论存在着明显的差异，更多体现了A股市场供应链关联的超额收益是由于投资者过度反应所产生的错误定价异象；
最后，本文的投资组合和Fama-MacBeth回归均发现，供应链关联的多空组合收益存在明显的次月反转异象，这种异象在股市下行阶段和非国有公司中更为明显。此外，供应链关联的当月动量和次月反转收益异象的主要来源是错误定价导致，并且能够被投资者反应过度、套利限制和投资者情绪来有效解释。

本文的研究结论初步探索和揭示了A股市场供应链关联异象的存在和来源，这在目前A股市场波动较大和题材炒作较为严重的背景下具有重要的现实意义。首先，对于投资者而言，其可以利用供应链经济关联的长期共同季节性特征来获得超额收益，但更为重要的是投资者需要形成理性的投资理念，提高自身金融素养，加强对企业、行业及市场的了解，同时考虑股市周期、客户的产权等特征，尤其是个人投资者要理性投资，避免短期的追涨杀跌、盲目追逐热点和频繁换手问题。其次，对于公司而言，其要重视供应链间的管理与合作，加强供应链中的客户关系维护，与主要客户建立稳固、互惠的长期合作关系，从而形成较为一致和稳定的信息反馈。最后，从监管层来看，股票市场异常的存在削弱了市场效率，有关部门可普及股票市场投资常识、加强中小投资者的金融素养教育；
同时有效提升股票市场流动性、减轻套利限制、降低市场波动幅度，从而弱化错误定价，提升市场定价和资源配置效率。

猜你喜欢异象关联收益率不惧于新，不困于形——一道函数“关联”题的剖析与拓展新世纪智能(数学备考)(2021年9期)2021-11-24大爱科学导报·学术(2020年19期)2020-07-09“一带一路”递进，关联民生更紧当代陕西(2019年15期)2019-09-02隔世融汇的异象，交互启明的艺术：论布莱克的《天路历程》插画英美文学研究论丛(2018年1期)2018-08-16奇趣搭配学苑创造·A版(2018年11期)2018-02-01智趣读者(2017年5期)2017-02-152016年10月债券平均久期、凸性及到期收益率债券(2016年11期)2017-01-122016年10月底中短期票据与央票收益率点差图债券(2016年11期)2017-01-122016年9月底中短期票据与央票收益率点差图债券(2016年10期)2016-11-282016年9月债券平均久期、凸性及到期收益率债券(2016年10期)2016-11-28

推荐访问:供应链 视角 关联