張信東 馬光宇

摘 ? 要：中國股票市場是否存在月份效應(yīng)尚無定論，本文選取了2000年1月至2018年6月之間上證綜指、深證綜指和申銀萬國行業(yè)指數(shù)為研究樣本，引入基于廣義誤差分布的EGARCH-M模型，從不同市場和不同行業(yè)兩個方面對月份效應(yīng)進(jìn)行研究，最后運用滾動回歸的方法對回歸結(jié)果的穩(wěn)健性進(jìn)行檢驗。實證結(jié)果表明，中國股票市場存在顯著的二月效應(yīng)與六月效應(yīng)。受行業(yè)因素的影響，不同行業(yè)股票的月份效應(yīng)往往表現(xiàn)出一些行業(yè)特點。

關(guān)鍵詞：月份效應(yīng);行業(yè)分類;GED-EGARCH-M模型

中圖分類號：F831 ?文獻(xiàn)標(biāo)識碼：B ?文章編號：1674-2265（2019）06-0051-09

DOI：10.19647/j.cnki.37-1462/f.2019.06.007

一、引言

在傳統(tǒng)金融學(xué)理論背景下，假設(shè)市場上所有參與者都是完全理性的，能夠洞悉所有信息并做出最為合理的投資行為，長期來看這種投資行為消除了市場中所有的套利機(jī)會，這就是有效市場假說。市場有效假說理論要求上市公司做到完全信息披露，使得證券價格是所有信息的綜合反映，在促進(jìn)證券市場有效性方面有突出貢獻(xiàn)。但是有效市場假說在現(xiàn)實世界中卻并非那么有效。在信息極度豐富的環(huán)境中，投資者很難時刻保持絕對理性，并且這種非理性的偏離不是偶然的，而往往是以同樣的方式發(fā)生偏離。

月份效應(yīng)對于廣大投資者來說并不陌生，其具體是指一年當(dāng)中某些月份的平均收益率比其他月份高或者低，并在統(tǒng)計上表現(xiàn)顯著的現(xiàn)象。月份效應(yīng)最早被美國學(xué)者Wachtel（1942）發(fā)現(xiàn)并證實，后又推廣到其他證券市場。中國學(xué)者張仁良和胡斌（1997）最早注意到中國股票市場月份效應(yīng)的存在，開啟了國內(nèi)月份效應(yīng)研究的先河，隨后越來越多的學(xué)者和證券分析師不斷加入研究的行列中來。

月份效應(yīng)是一個極具生命力的理論，無論是在市場分析還是在投資策略的選擇中應(yīng)用都非常廣泛。通過查閱國內(nèi)所有證券分析師研報發(fā)現(xiàn)，明確提及月份效應(yīng)的有272份，這些報告集中出現(xiàn)在2008年之后，也就是說這一概念引入之初并沒有引起分析師們的廣泛關(guān)注。但是這種現(xiàn)象并沒有持續(xù)很長時間，由圖1可知，2008年后證券分析師出具的報告中頻繁提及月份效應(yīng)，僅2014年一年就多達(dá)65份，說明月份效應(yīng)已經(jīng)成為證券市場分析的重要參考。

圖2對雪球網(wǎng)月份效應(yīng)討論熱度和272份分析師研報按照一月效應(yīng)到十二月效應(yīng)的順序分別進(jìn)行了匯總。通過觀察與比較可以發(fā)現(xiàn)以下幾個特點：第一，一月、二月、五月、六月、九月和十二月是分析師較為關(guān)注的月份，例如，國信證券在2018年1月2日策略周報中表示，A股市場存在顯著的二月效應(yīng);中信建投2018年12月11日投資策略報告中指出，每年最后一個月份，凈資產(chǎn)收益率因子表現(xiàn)出顯著的十二月效應(yīng);申萬宏源2017年9月25日在休閑服務(wù)行業(yè)周報中提示，九月份行業(yè)整體關(guān)注度提升，推薦持有旅游酒店類股票等等。第二，普通投資者聚集的雪球論壇幾乎對每個月份都提出相應(yīng)的月份效應(yīng)，論壇上經(jīng)常可以看到例如“四月魔咒效應(yīng)”“紅五月”“九月厄運”等說法，在這些言論和觀點往往缺乏理論依據(jù)和數(shù)據(jù)支撐，令人眼花繚亂，干擾投資者分析判斷。

[雪球網(wǎng)關(guān)鍵詞檢索結(jié)果][月份效應(yīng)的相關(guān)研報]

圖2：分析師研報和股吧股民對月份效應(yīng)的關(guān)注度

在股票市場中，特定月份能夠取得超常正向收益的現(xiàn)象早有發(fā)現(xiàn)，并被一些機(jī)構(gòu)所披露，但在當(dāng)時并沒有引起普遍重視。Kelly（1930）著作中首次發(fā)現(xiàn)了股票市場中周一收益率普遍偏低的現(xiàn)象。之后Wachtel（1942）通過美國道瓊斯工業(yè)平均指數(shù)的觀察，發(fā)現(xiàn)每年一月份普遍會有顯著的正向收益。Rozeff和Kinney（1976）通過對1904—1974年紐約證券交易所月回報率進(jìn)行研究，發(fā)現(xiàn)每年的一月份平均收益率要高于其他月份。Agrawal和Tandon（1994）對全球范圍內(nèi)20個國家的股票市場進(jìn)行了研究，發(fā)現(xiàn)英國、法國、西班牙等18個國家的股票市場均存在一月效應(yīng)和“周內(nèi)效應(yīng)”。Schaub等（2008）對東亞地區(qū)幾個發(fā)達(dá)的股票市場進(jìn)行研究后發(fā)現(xiàn)，韓國、日本和中國香港股市具有很強(qiáng)的季節(jié)性。Wang和Ojiako（2013）研究發(fā)現(xiàn)中國股票市場存在二月效應(yīng)，類似于美國市場中的一月效應(yīng)。Raghuram（2017）發(fā)現(xiàn)印度市場存在一月效應(yīng)、四月效應(yīng)和十一月效應(yīng)。由此可見多年來月份效應(yīng)一直是各國學(xué)者關(guān)注的焦點，該效應(yīng)廣泛存在于全球各國股票市場之中。

國內(nèi)關(guān)于月份效應(yīng)的研究起步較晚，盡管已有豐富的國外研究成果作為鋪墊，但是由于中國股市前期發(fā)展相對不夠完善、樣本量較小等原因，導(dǎo)致國內(nèi)學(xué)者對這一問題持有不同的觀點，得出的結(jié)論也莫衷一是。吳世農(nóng)（1996）選取了滬深股市1992年6月到1993年12月間18個月 20種股票對市場有效性進(jìn)行了研究，結(jié)果表明20只股票收益率變化與系統(tǒng)性變動沒有顯著關(guān)系，但是從實際投資活動來看，農(nóng)歷新年前購入股票、節(jié)后售出可以獲得較高收益。徐國棟等（2004）將1993—2003年間上證綜指和深證綜指分為月度、季度和半年度三個時段進(jìn)行月份效應(yīng)檢驗，發(fā)現(xiàn)滬深兩市均存在顯著的十二月效應(yīng)，且上證綜指的季度效應(yīng)較深證綜指更為明顯。李凌波等（2004）驗證了中國基金市場同樣存在月份效應(yīng)，樣本期內(nèi)每年的三月份和八月份是收益的高點和低點。張兵（2005）采用了基于廣義誤差分布的GARCH模型，提取了上海證券交易所和深圳證券交易所1991—2004年間綜合指數(shù)總計6572個交易數(shù)據(jù)進(jìn)行實證研究，結(jié)果表明小市值公司一月效應(yīng)較為顯著，滬深股市總體上不具有明顯的月份效應(yīng)。陳文俊和胡婷（2012）在對上海證券交易所農(nóng)業(yè)板塊月份效應(yīng)研究中同樣發(fā)現(xiàn)，規(guī)模較小上市公司一月份存在超額收益率。鄭集（2016）認(rèn)為中國股票市場存在顯著的四月效應(yīng)、五月效應(yīng)和十二月效應(yīng)，投資者在四五月份表現(xiàn)得更不理性，而在十二月份卻表現(xiàn)得更為謹(jǐn)慎。周美花和劉志偉（2016）基于GARCH模型證明上證指數(shù)二月份和十二月份的收益率明顯高于其他月份。李嘉怡（2017）用2009—2017年滬深綜合指數(shù)證明了中國股市存在微弱的“紅十月效應(yīng)”。

通過對文獻(xiàn)的歸納整理，可以發(fā)現(xiàn)月份效應(yīng)廣泛存在于全球各大股票市場之中，但特點各不相同。國內(nèi)關(guān)于月份效應(yīng)的早期研究囿于樣本量有限和回歸模型擬合度差，加之中國股票市場仍處在快速發(fā)展階段，隨著政策法規(guī)不斷修改完善，市場環(huán)境也發(fā)生了很大變化，導(dǎo)致過去的結(jié)論不再適用于今天的股票市場。

月份效應(yīng)雖然在全球各大金融市場中已經(jīng)得到證實，但是由于中國市場的特殊性，這一異象在中國股市是否成立仍然存在爭議，并未形成一致結(jié)論。隨著現(xiàn)代金融理論的不斷發(fā)展，再結(jié)合前沿的、更為合理的統(tǒng)計方法，本文著眼于細(xì)節(jié)，從不同市場、不同行業(yè)和不同時期多角度重新審視這一問題，得出更為穩(wěn)健的結(jié)論，進(jìn)一步完善相關(guān)理論。

二、研究方法

在經(jīng)典的經(jīng)濟(jì)計量假設(shè)中，變量一般服從正態(tài)分布，便于計算與建模。然而通過研究發(fā)現(xiàn)，很多金融數(shù)據(jù)并不服從正態(tài)分布。例如，在一定時間內(nèi)，股票價格波動往往受到前期價格的影響，表現(xiàn)出持續(xù)的偏高或偏低的情況，呈現(xiàn)出波動的集聚性，在收益率上表現(xiàn)出“尖峰厚尾”的特點。相較于正態(tài)分布，股票回報率是一種重尾分布，其偏度或峰度值極端地大。為了找到更好的擬合算法，本文選用了基于廣義誤差分布的EGARCH-M模型，該模型較好地解決了金融數(shù)據(jù)波動集聚性的問題。指數(shù)日收益率計算表達(dá)式為：

（1）式中[Rt]為日期t的指數(shù)日收益率，[indext]為t日的指數(shù)收盤價。

考慮到股票價格對負(fù)面消息的反應(yīng)往往比正面消息更為強(qiáng)烈，同時兼顧到投資者對于高風(fēng)險資產(chǎn)期望獲得高回報的心理，本文在EGARCH模型的基礎(chǔ)上，在均值方程中加入標(biāo)準(zhǔn)差項來反映投資風(fēng)險，形成EGARCH（1，1）-M模型。表達(dá)式為：

（2）式中[Dit]為虛擬變量，[i=1，2，3，…，12]，例如當(dāng)[Rt]屬于6月份時，[D6t=1]，i為其他月份時則為零。[σt]為方差，用于測度投資者承擔(dān)風(fēng)險后對回報的期望，在波動越大情況下投資者承擔(dān)的風(fēng)險也越大，期望得到的回報也越高。[μt]為殘差。

在采用最大似然方法對 ARCH 族模型進(jìn)行估計時，需要對噪聲項[μt]的分布作進(jìn)一步假設(shè)，Nelson在EGARCH模型中假設(shè)[μt]的條件分布服從廣義誤差分布（GED）。與其他分布形式相比廣義誤差分布可以通過調(diào)節(jié)參數(shù)[v]的變化來擬合不同的分布形式，能夠較好地描述金融時間序列中誤差分布顯現(xiàn)出的尖峰厚尾的特性。其密度函數(shù)形式如下：

上面式子中[Γ·]為Gamma函數(shù)，[v]為自由度，當(dāng)[v=2]時，廣義誤差分布退化為標(biāo)準(zhǔn)正態(tài)分布;當(dāng)[v<2]時，隨著[v]值的減小，其分布的尾部越來越厚，峰度越來越大;[v>2]時其分布的尾部比正態(tài)分布更薄。因此采用廣義誤差分布來描述證券收益的波動性，比以往假設(shè)誤差項服從正態(tài)分布更加符合實際情況，提高了模型的擬合效果。根據(jù)上述分析，基于廣義誤差分布的EGARCH-M模型在考慮指數(shù)收益率殘差序列通常具有厚尾特征的同時，能夠在定量化分析股票價格波動的集聚性、股票價格預(yù)期風(fēng)險對收益率的影響以及股票價格波動的不對稱程度等方面發(fā)揮積極的作用。

三、樣本選擇

在以往月份效應(yīng)的研究中，學(xué)者們多著眼于綜合指數(shù)的探討，對具體行業(yè)研究還很不充分。行業(yè)之說介于宏觀經(jīng)濟(jì)與微觀經(jīng)濟(jì)之間，廣泛的行業(yè)分類可以有效地將從事同一種經(jīng)濟(jì)活動的公司進(jìn)行分類，掌握不同行業(yè)所具有的不同特點，便于公司的經(jīng)營與管理，投資者亦可以根據(jù)這些特點做出投資決策。

目前市場上提供行業(yè)分類數(shù)據(jù)的服務(wù)商有很多，最為常見的有證監(jiān)會行業(yè)分類數(shù)據(jù)、萬得行業(yè)分類數(shù)據(jù)、申萬行業(yè)分類數(shù)據(jù)等。通過比較發(fā)現(xiàn)，相較于證監(jiān)會行業(yè)分類方法，申萬一級行業(yè)分類方法兼顧了中國經(jīng)濟(jì)發(fā)展和證券市場發(fā)展的現(xiàn)狀和趨勢，克服了成分公司調(diào)整不及時、更新速度慢等問題。因此，在中國市場上，申萬行業(yè)分類標(biāo)準(zhǔn)的可操作性更強(qiáng)，能夠較好地反映出證券市場中各行業(yè)的實際情況。因此本文選取了申萬一級行業(yè)指數(shù)從2000年1月4日發(fā)布到2018年6月29日間28個不同行業(yè)的125692條數(shù)據(jù)作為研究樣本。為了與行業(yè)指數(shù)樣本區(qū)間保持一致，本文截取了與前兩者區(qū)間一致的上證綜指與深證綜指來驗證兩市中是否存在月份效應(yīng)。

四、實證分析與穩(wěn)健性檢驗

（一）描述性統(tǒng)計

由于樣本眾多，此處選取了較有代表性的4組指數(shù)日回報率數(shù)據(jù)，以時間序列圖的形式呈現(xiàn)出來。這4組指數(shù)分別是上證綜指（見圖1）、深證綜指（見圖2）、農(nóng)林牧漁指數(shù)（見圖3）和電氣設(shè)備指數(shù)（見圖4）。從時間序列圖中可以看出，指數(shù)日收益率分布普遍具有波動集聚的特點，波動在某一段時間內(nèi)非常劇烈，在有的時間段較為平緩，說明波動之間關(guān)聯(lián)性較強(qiáng)，收益率序列存在相關(guān)性。

（二）樣本檢驗

經(jīng)濟(jì)時間序列不同于一般的橫截面數(shù)據(jù)，它是一組隨機(jī)序列，不存在重復(fù)抽樣的情況。因此橫截面數(shù)據(jù)中的隨機(jī)變量可以直接通過均值、方差和概率分布對其進(jìn)行描述，但是在時間序列中需要首先對均值和方差作出明確定義。

其中t為樣本區(qū)間上的一個時刻，s為兩個觀測值之間的時間間隔。如果樣本中時間序列[Rt]是弱平穩(wěn)的，則[Rt]與[Rt-s]之間的協(xié)方差與時刻t無關(guān)而與s有關(guān)。

采用ADF方法對指數(shù)日收益率序列是否具有平穩(wěn)性加以檢驗。Eviews軟件中默認(rèn)使用赤池信息準(zhǔn)則和貝葉斯信息準(zhǔn)則來確定消除序列相關(guān)所需滯后階數(shù)，但是赤池信息準(zhǔn)則對誤差分布要求與本文收益序列誤差分布類型不符，所以本文選用貝葉斯信息準(zhǔn)則。

檢驗結(jié)果顯示，30種指數(shù)t統(tǒng)計量遠(yuǎn)遠(yuǎn)小于1%顯著性水平下的臨界值，P值小于0.01，則拒絕原假設(shè)，30種指數(shù)日收益率序列均不存在單位根，均為平穩(wěn)序列。

在前文描述性統(tǒng)計部分我們得出了指數(shù)日收益率系列存在相關(guān)性，使用普通最小二乘法進(jìn)行回歸會導(dǎo)致回歸結(jié)果不是無偏最優(yōu)的結(jié)論。下面我們對樣本是否存在ARCH效應(yīng)進(jìn)行檢驗。ARCH效應(yīng)表現(xiàn)為殘差的大小受附近殘差值大小影響，其本身不能使最小二乘法估計失效，但是忽視ARCH效應(yīng)的存在將會導(dǎo)致有效性降低。檢驗月份效應(yīng)是否存在表達(dá)式為：

其中[Rt]為t日的指數(shù)日收益率，[Dit]為虛擬變量，[i=1，2，3，…，12]，例如當(dāng)[Rt]屬于6月份時，[D6t=1]，i為其他月份時則為零，[μt]為殘差，[βi]為系數(shù)，當(dāng)[βi≠0]時說明存在月份效應(yīng)。

對（9）式進(jìn)行條件異方差的ARCH LM檢驗，滯后階數(shù)由Eviews軟件根據(jù)BIC準(zhǔn)則自行確定，檢驗結(jié)果如表1所示?？梢钥闯?0種指數(shù)日收益率序列P值均為0，拒絕原假設(shè)，說明（9）式的殘差序列存在ARCH效應(yīng)。因此本文在進(jìn)行模型設(shè)定時引入GARCH族模型來解決殘差中存在ARCH效應(yīng)的問題。

（三）實證分析

滬深綜指是對整個股票市場的綜合反映，能夠從整體上把握中國股市走勢與特點。所以以往在關(guān)于月份效應(yīng)的研究中，學(xué)者們大多關(guān)注于滬深綜指。由表2可知，上證綜指在一月份回歸系數(shù)為0.10700，P值為0.05280，說明一月份在10%的顯著水平下表現(xiàn)出正的收益率。六月份回歸系數(shù)為-0.10700，P值為0.03630，說明在5%的顯著性水平下六月份存在負(fù)的收率。深證綜指方面，六月份回歸系數(shù)為-0.11380，P值為0.07660，說明深證綜指六月份在10%的顯著性水平下表現(xiàn)為負(fù)的收益率，也就是負(fù)六月效應(yīng)。上海證券交易所與深圳證券交易所流通的公司股票規(guī)模與公司性質(zhì)等因素存在較大差異，這些都可能導(dǎo)致回歸結(jié)果不同。

仔細(xì)觀察表2中28種不同行業(yè)月份效應(yīng)回歸結(jié)果可以發(fā)現(xiàn)以下幾個特點：第一，月份效應(yīng)在中國股票市場中是顯著存在的，從整體上看表現(xiàn)為正的二月效應(yīng)、負(fù)的六月效應(yīng)和負(fù)的十月效應(yīng);第二，雖然存在月份效應(yīng)，但是不同行業(yè)所表現(xiàn)出來的月份效應(yīng)不盡相同，具有行業(yè)自身特色;第三，從28個不同行業(yè)回歸結(jié)果來看，在10%顯著性水平下，系數(shù)為正的月份與系數(shù)為負(fù)的月份比例為41：17，說明投資者在投資股票時，時機(jī)選擇很重要。

由于行業(yè)眾多，此處選取了空調(diào)、農(nóng)產(chǎn)品加工和景點3個有代表性的行業(yè)進(jìn)行詳細(xì)探討。

家電行業(yè)中空調(diào)行業(yè)受季節(jié)性影響最為顯著，空調(diào)的銷售與生產(chǎn)主要受到季節(jié)變化與下游銷售預(yù)期的影響。盛夏來臨之前是空調(diào)生產(chǎn)銷售的旺季，廠商集中在三月到六月備貨，其中四月份是經(jīng)銷商拿貨的高峰期，上游市場最為火熱。經(jīng)銷商要趕在五月份天氣炎熱之前抓緊時間聯(lián)系上游廠商備貨，一方面為了響應(yīng)市場上消費者對空調(diào)的需求，另一方面也是為了防止上游廠家訂單在銷售旺季漲價，提前入手降低成本?？照{(diào)市場春季躁動直接反映到股市當(dāng)中。隨著中國經(jīng)濟(jì)快速發(fā)展，老百姓生活逐年改善，家庭購買空調(diào)的需求也在逐年增長。投資者敏銳地捕捉到季節(jié)變化對于空調(diào)廠商業(yè)績的影響，預(yù)見到利好消息的爆發(fā)，所以紛紛提前布局空調(diào)相關(guān)上市公司。通過表3可知，空調(diào)類上市公司二月份和三月份月收益系數(shù)顯著為正。二月效應(yīng)是中國股票市場普遍現(xiàn)象，主要是受到歲末年終資金流動性和春節(jié)假期等因素的影響?？照{(diào)行業(yè)極強(qiáng)的季節(jié)性使得投資者對相關(guān)上市公司形成向上預(yù)期，形成三月效應(yīng)。

農(nóng)業(yè)相關(guān)產(chǎn)業(yè)具有很強(qiáng)的季節(jié)性，行業(yè)淡季旺季有明顯的月份差異，這種差異往往能夠直接反映到股票價格上來。此處以農(nóng)產(chǎn)品加工類上市公司為例。農(nóng)產(chǎn)品是價格敏感性行業(yè)，對于這類行業(yè)的投資始終圍繞著一個關(guān)鍵指標(biāo)，那就是食品價格。由表4可知，二月回歸系數(shù)顯著為正，四月、六月和九月回歸系數(shù)顯著為負(fù)。從近年來農(nóng)產(chǎn)品加工企業(yè)股價走勢來看，二月份跑贏大盤的概率超過90%，除了受到上文提到的二月效應(yīng)的影響外，食品價格的上升也是重要因素之一。由于農(nóng)歷新年春節(jié)的需求和農(nóng)產(chǎn)品生產(chǎn)淡季的雙重影響，每年二月份是食品價格和CPI的環(huán)比高點，通脹預(yù)期強(qiáng)烈。這一信號極大地刺激了投資者投資農(nóng)產(chǎn)品的愿望。九月是收獲的季節(jié)，農(nóng)產(chǎn)品數(shù)量和種類極大豐富，市場對供求關(guān)系重新進(jìn)行調(diào)整，食品原料價格向下調(diào)整，帶動股價出現(xiàn)下行趨勢。四、六月指數(shù)收益大概率為負(fù)很大程度上是受到市場整體帶動，春季行情剛過上市公司面臨證偽壓力，氣溫升高和假期因素疊加致使行情走弱。

一年當(dāng)中旅游業(yè)最活躍時間段往往伴隨著節(jié)假日出現(xiàn)，春節(jié)小長假、國慶小長假還有假日改革之前的五一小長假都是中國游客出行的高峰。觀察表5可知，景點類上市公司在四月份與十月份虛擬變量回歸系數(shù)顯著為負(fù)，十月份平均月收益在一年當(dāng)中更是排名靠后。但是九月份與四月份月平均日換手率卻名列前茅。這說明相當(dāng)部分投資者趕在“五一”“十一”之前紛紛購入景點類上市公司股票，而在“小長假”旅游高峰前后將手中的景點股票拋售，造成節(jié)前交易活躍而節(jié)日前后價格走低的現(xiàn)象。此外，較長的假期往往存在不確定風(fēng)險，節(jié)前部分投資者為了規(guī)避風(fēng)險將資金從波動較大的旅游股中撤出也是造成節(jié)日前后旅游股價走低的原因之一。

綜合滬深兩市和不同行業(yè)月份效應(yīng)的回歸結(jié)果來看，在中國市場中二月份和六月份有顯著異于其他月份的表現(xiàn)。二月效應(yīng)和六月效應(yīng)的出現(xiàn)可以歸結(jié)于以下幾個原因：

二月效應(yīng)。在中國傳統(tǒng)文化中，農(nóng)歷新年一般出現(xiàn)在每年二月份。春節(jié)是消費旺季，居民紛紛抽資置辦年貨，各行業(yè)普遍準(zhǔn)備進(jìn)入歇業(yè)狀態(tài)。一時間市場上資金流動性收緊，散戶注意力分散，往往選擇將部分資金從股市撤出以備過年消費之用。春節(jié)期間將會經(jīng)歷交易的空窗期，為了規(guī)避不確定性風(fēng)險，投資者選擇年前離場，年后尋找投資機(jī)會。農(nóng)歷新年之后，股市休市結(jié)束，離場資金紛紛返場，大量資金進(jìn)入股市尋找投資機(jī)會，推動股價上升。除去七天假期，二月份節(jié)后交易日少之又少，股價非理性沖高后來不及調(diào)整，月末時股價依然處于高位。在上述因素的作用下，投資者在二月份往往可以獲得超額收益。

六月效應(yīng)。梳理中國學(xué)者關(guān)于月份效應(yīng)的研究可以發(fā)現(xiàn)，鮮有人關(guān)注中國股市六月份行情走勢，本文研究發(fā)現(xiàn)中國股市表現(xiàn)出負(fù)六月效應(yīng)，即股票市場中六月份收益顯著為負(fù)，收益率明顯低于其他月份。夏季天氣炎熱，投資者情緒低迷導(dǎo)致風(fēng)險偏好降低，市場走弱的可能性增大。中國股市六月份行情走弱背后存在其獨特邏輯。從盈利角度看，A股市場歷來就有“春季行情”，春季市場資金面整體寬裕、政策亮點集中，經(jīng)濟(jì)數(shù)據(jù)處在空窗期，投資者熱情較高，出現(xiàn)春季躁動行情。隨著年報和一季度報的公布，五、六月份的市場進(jìn)入基本面驗證期，前期春季躁動被抑制，市場考驗增大。從風(fēng)險偏好看，每年的六到九月份是政策發(fā)布的淡季，一般為政策落實貫徹時期，缺乏政策利好刺激。六月份氣溫炎熱導(dǎo)致投資者情緒低迷，加之利好釋放之后市場基本面驗證，導(dǎo)致股票市場收益率滑入低谷。

綜上所述，中國股票市場整體上表現(xiàn)出正的二月效應(yīng)和負(fù)的六月效應(yīng)。這樣的行情久而久之在投資者當(dāng)中形成一種投資經(jīng)驗，加之客觀市場行情的約束，形成了當(dāng)前較為穩(wěn)定的二月效應(yīng)和六月效應(yīng)。

（四）穩(wěn)健性檢驗

按照時間序列，本文選取上證綜指、深證綜指19年間交易數(shù)據(jù)，以十年為一個樣本區(qū)間[Ti]，下一個樣本區(qū)間向后順延一年，例如：[T1]包含2000年1月1日至2010年12月31日內(nèi)所有交易日數(shù)據(jù)，[T2]包含2001年1月1日至2011年12月31日內(nèi)所有交易日數(shù)據(jù)，以此類推形成9個滾動實驗樣本，最后一個滾動樣本區(qū)間[T9]即為2008年1月1日至2018年6月31日內(nèi)所有交易日數(shù)據(jù)。綜合滬深兩市和28個行業(yè)的月份效應(yīng)回歸結(jié)果，此處對一月、二月、六月、九月和十月是否具有穩(wěn)定月份效應(yīng)再次加以驗證。表6為上證綜指和深證綜指一月效應(yīng)穩(wěn)健性檢驗結(jié)果。

上文在全樣本條件下對上證綜指月份效應(yīng)進(jìn)行研究時發(fā)現(xiàn)其在10%置信水平下表現(xiàn)出正的一月效應(yīng)。從表7中可以發(fā)現(xiàn)在9個滾動樣本區(qū)間內(nèi)，只有[T2、T4]和[T9]區(qū)間回歸顯著為正，而且[P3=0.0875]，[P9=0.0918]，顯著性水平很低，所以上證綜指存在正的一月效應(yīng)這一結(jié)論不具有穩(wěn)健性。深證綜指在全樣本回歸中一月份回歸系數(shù)并不顯著，上表中穩(wěn)健性檢驗回歸結(jié)果再次驗證了這一結(jié)論。

由表7可知，在滾動回歸中上證綜指二月效應(yīng)是逐漸增強(qiáng)的，由一開始2000年到2010年間P值為0.8110回歸系數(shù)不顯著到2004年到2014年P(guān)值為0.0486在5%顯著性水平下顯著，Z值經(jīng)歷了由小變大的過程，即從2000年至今上證綜指二月效應(yīng)經(jīng)歷了由不顯著到顯著的過程，證明上證綜指存在正的二月效應(yīng)這一結(jié)論是穩(wěn)健的。接下來看深證綜指穩(wěn)健性檢驗結(jié)果，[T1、T2]樣本回歸結(jié)果不顯著，但[P2

由表3可知，滬深兩市均存在顯著的負(fù)六月效應(yīng)。本文在表8中對兩市是否存在六月效應(yīng)進(jìn)行進(jìn)一步檢驗。上證綜指方面，[T1、T2]區(qū)間內(nèi)回歸系數(shù)不顯著，[T3、T4、T5、T6、T7]系數(shù)顯著為負(fù)，且從[T4]開始P值逐漸增大，[T8、T9]區(qū)間內(nèi)回歸系數(shù)不再顯著。深證綜指方面，[T1]到[T6]6個樣本期內(nèi)回歸系數(shù)均顯著為負(fù)，但是從[T4]期開始P值逐漸增大，[T7]到[T9]期回歸系數(shù)不再顯著。結(jié)合兩市全樣本回歸結(jié)果可知，負(fù)六月效應(yīng)存在于滬深兩市之中，但是近年來該效應(yīng)呈現(xiàn)出逐漸減弱的趨勢。

在對滬深兩市九月效應(yīng)進(jìn)行檢驗時，我們發(fā)現(xiàn)一個明顯的趨勢，在過去的19年中九月效應(yīng)逐漸衰減，直至消失。表10中上證綜指在[T1、T2]和[T5]區(qū)間回歸系數(shù)顯著為負(fù)，其他區(qū)間回歸結(jié)果均不顯著;深證綜指在[T1]到[T3]區(qū)間表現(xiàn)出負(fù)六月效應(yīng)，但是從[T4]起九月效應(yīng)不復(fù)存在。通過滾動回歸結(jié)果可以證明滬深兩市不存在穩(wěn)健的九月效應(yīng)，隨著股票市場不斷發(fā)展，市場有效性得到了提高。還有一點需要特別指出，表7中兩市二月效應(yīng)回歸系數(shù)均為正數(shù)，表8中兩市六月效應(yīng)回歸系數(shù)均為負(fù)數(shù)，但是由于九月效應(yīng)在兩市的不穩(wěn)健性，回歸系數(shù)出現(xiàn)負(fù)正交替，從側(cè)面證明了九月效應(yīng)的不穩(wěn)健性。

滬深兩市指數(shù)收益率在十月份表現(xiàn)做了滾動回歸，發(fā)現(xiàn)上證綜指并沒有表現(xiàn)出十月效應(yīng)，各樣本期回歸結(jié)果均不顯著;深證綜指T1期在10%顯著性水平上表現(xiàn)出負(fù)的十月效應(yīng)，隨后8個樣本期內(nèi)回歸系數(shù)均不顯著，證明不存在穩(wěn)定的十月效應(yīng)。綜上所述，滬深兩市不存在穩(wěn)定的十月效應(yīng)。

通過滾動樣本檢驗可以發(fā)現(xiàn)，中國股票市場的月份效應(yīng)不是一成不變的，是不斷發(fā)展變化的。不同樣本期內(nèi)月份效應(yīng)的表現(xiàn)并不完全相同，說明隨著市場環(huán)境和法規(guī)政策的變化，月份效應(yīng)也隨之發(fā)生了改變。從整體上看，中國股市存在較為顯著的二月效應(yīng)和六月效應(yīng)，二月份主要受到春節(jié)前投資者避險情緒高漲和節(jié)后市場資金面寬松的影響，使得投資組合大概率能夠獲得超額收益;在季節(jié)因素、假期因素和政策因素的多重作用下，六月份股票市場下行趨勢明顯，較其他月份更容易出現(xiàn)投資虧損。

四、結(jié)論與建議

本文通過實證研究發(fā)現(xiàn)，中國股票市場中的月份效應(yīng)不是經(jīng)久不變的，而是隨著市場發(fā)展不斷變化的。月份效應(yīng)會隨著時間的變化而有所不同，也會因市場不同、規(guī)模不同和行業(yè)不同而有所差別。雖然不同行業(yè)間月份效應(yīng)的回歸結(jié)果有所不同，但是從中國市場整體上來看，二月份和六月份顯著不同于其他月份。

月份效應(yīng)的存在說明現(xiàn)階段中國股市依然存在低風(fēng)險套利的機(jī)會，股票市場的有效性還有待提高。提高中國股票市場有效性對于完善信息披露制度、規(guī)范市場行為、降低投資成本以及提高市場運行效率等方面都有積極意義。基于此，本文提出以下建議：

第一，開展理論宣講，普及金融常識。進(jìn)一步向廣大投資者明確月份效應(yīng)不宜作為一種投資策略。通過滾動樣本檢驗結(jié)果可以發(fā)現(xiàn)，任何一種月份效應(yīng)的存在都不是完全穩(wěn)定的，這使得從理論上來講獲取超額收益也是一種概率事件，并非穩(wěn)賺不賠。從收益的角度來看，除了一些股票在二月份有可能獲得一定的超額收益外，其他異常月份回歸系數(shù)顯著為負(fù)，說明該種策略風(fēng)險較大，投資者需謹(jǐn)慎參考。

第二，加強(qiáng)市場管控，嚴(yán)格信息披露。密切關(guān)注行業(yè)股票季節(jié)性炒作行為，謹(jǐn)防某些股票受到不法分子操縱，損害股民利益。將月份效應(yīng)作為一種投資策略有一定的局限性，但是這一概念很容易被一些組織或個人以套利機(jī)會的名義進(jìn)行夸大宣傳，誤導(dǎo)普通投資者，破壞市場交易環(huán)境。有關(guān)各方要加強(qiáng)監(jiān)管，嚴(yán)厲打擊虛假宣傳。

第三，優(yōu)化投資者結(jié)構(gòu)，轉(zhuǎn)變投資理念。長期以來在中國股票市場之中，個人投資者所占比例要遠(yuǎn)遠(yuǎn)大于機(jī)構(gòu)投資者。個人投資者的精力和能力是有限的，在進(jìn)行投資決策時難免會被誤導(dǎo)。而機(jī)構(gòu)投資者擁有豐富的信息資源、強(qiáng)大的硬件設(shè)備和專業(yè)的分析人員，不容易受到錯誤信息的干擾。鑒于此，個人投資者可以考慮將手中的資金交給專業(yè)的機(jī)構(gòu)投資者來管理，避免反復(fù)承擔(dān)被“割韭菜”的風(fēng)險。

參考文獻(xiàn)：

[1]Wachtel S B. 1942. Certain Observations on Seasonal Movements in Stock Prices[J].Journal of Business of the University of Chicago，15（2）.

[2]Kelly F C. 1930. Why You Win or Lose：the Psychology of Speculation[M].Dover Publications.

[3]Rozeff M S， Kinney W. 1976. Capital Market Seasonality： The Case of Stock Returns[J].Journal of Financial Economics，3（4）.

[4]Agrawal A， Tandon K. 1994. Anomalies or Illusions？ Evidence from Stock Markets in Eighteen Countries[J].Journal of International Money & Finance，13（1）.

[5]Schaub M， Lee B S，Chun S E. 2008. Overreaction and Seasonality in Asian Stock Indices：Evidence from Korea， Hong Kong and Japan[J].Research in Finance，24.

[6]Wang J K，Ojiako U，Wang L. 2013. Calendar Effects of the Chinese Stock Markets[J].Business and Emerging Markets，5（1）.

[7]Raghuram G. 2017. Investigating the‘Month of the YearEffect in India[J].Social Science Electronic Publishing，11（1）.

[8]Engle R F，VICTOR K N G. 1993. Measuring and Testing the Impact of News on Volatility[J].Journal of Finance，48（5）.

[9]Nelson D B. 1996. Conditional Heteroskedasticity in Asset Returns： A New Approach[J].Modelling Stock Market Volatility，59（2）.

[10]張仁良，胡斌.香港股市中的小盤股效應(yīng)及季節(jié)效應(yīng)分析[J].系統(tǒng)管理學(xué)報，1997，（3）.

[11]吳世農(nóng).我國證券市場效率的分析[J].經(jīng)濟(jì)研究， 1996，（4）.

[12]徐國棟，田祥新，林丙紅.中國股市季節(jié)效應(yīng)實證分析[J].財經(jīng)理論研究，2004，17（1）.

[13]李凌波，吳啟芳，汪壽陽.周內(nèi)效應(yīng)和月度效應(yīng)：中國證券投資基金市場的實證研究[J].管理學(xué)報，2004，1（1）.

[14]張兵.中國股市日歷效應(yīng)研究：基于滾動樣本檢驗的方法[J].金融研究，2005，（7）.

[15]陳文俊，胡婷.滬市農(nóng)業(yè)板塊規(guī)模效應(yīng)和月效應(yīng)的實證研究[J].中央財經(jīng)大學(xué)學(xué)報，2012，（10）.

[16]鄭集.中國股票市場是否存在日歷效應(yīng)？——基于滾動樣本檢驗的實證研究[J].經(jīng)濟(jì)資料譯叢，2016，（4）.

[17]周美花，劉志偉.基于GARCH模型的我國股市異象月份效應(yīng)研究[J].中國物價，2016，（8）.

[18]范龍振，王海濤.中國股票市場行業(yè)與地區(qū)效應(yīng)分析[J].管理工程學(xué)報，2004，18（1）.

[19]郭鵬飛，孫培源.資本結(jié)構(gòu)的行業(yè)特征：基于中國上市公司的實證研究[J].經(jīng)濟(jì)研究，2003，（5）.

Abstract：Whether there is a monthly effect in China's stock market is still inconclusive. This paper selects the Shanghai Composite Index，Shenzhen Composite Index and Shenyin Wanguo Industry Index from January 2000 to June 2018 as research samples，and introduces EGARCH-M model based on generalized error distribution. The model studies the effects of the month from two different markets and different industries. Finally，the method of rolling regression is used to test the robustness of the regression results. The empirical results show that there is a significant February effect and June effect in the Chinese market. Affected by industry factors，the monthly effects of stocks in different industries often show some industry characteristics.

Key Words：month effect，industry classification，GED-EGARCH-M model

（責(zé)任編輯 ? ?孫 ? 軍;校對 ? GY，GX）