中国股市跨行业动量效应和反转效应研究

第２１卷第３期　

运　筹　与　管　理　

Ｖｏ１．２１，Ｎｏ．３　

２０１２年６月　

ＯＰＥＲＡＴＩＯＮＳ　ＲＥＳＥＡＲＣＨ　ＡＮＤ　ＭＡＮＡＧＥＭＥＮＴ　ＳＣＩＥＮＣＥ　

Ｊｕｎ．２０１２　

中国股市跨行业动量效应和反转效应研究　

王苏生，　李志超，　舒建平，　兰召华　

（哈尔滨工业大学深圳研究生院，广东深圳５１８０５５）　

摘要：动量效应和反转效应是两种重要的金融异象，质疑了有效市场假说。本文以２０００—２００９年的Ａ股上市　

公司为研究样本，采用不同的形成期搭配不同的持有期下的投资策略考察了中国股市跨行业动量效应和反转效　

应。研究结论表明：在沪深Ａ股市场，按下游行业收益率排序的零投资策略主要表现为动量效应，按上游行业收　

益率排序的零投资策略主要表现为反转效应。从短期来看，跨行业动量或反转效应普遍不显著。持有期中长　

时，结果的显著性明显提高。跨行业动量或反转效应通过ＣＡＰＭ、Ｆａｍａ—Ｆｒｅｎｃｈ、Ｃａｒｈａｒｔ模型调整后仍然显著。　

关键词：金融学；动量效应；零投资策略；反转效应；跨行业　

中图分类号：Ｆ８３０．９１　文章标识码：Ａ　文章编号：１００７－３２２１（２０１２）０３－０１８７—０６　

Ｃｒｏｓｓ－ｉｎｄｕｓｔｒｙ　Ｍｏｍｅｎｔｕｍ　ａｎｄ　Ｒｅｖｅｒｓａｌ　ｉｎ　ｔｈｅ　Ｃｈｉｎａ　Ｓｔｏｃｋ　Ｍａｒｋｅｔ　

ＷＡＮＧ　Ｓｕ－Ｓｈｅｎｇ，ＬＩ　Ｚｈｉ—Ｃｈａｏ，ＳＨＵ　Ｊｉａｎ－ｐｉｎｇ，ＬＡＮ　Ｚｈａｏ－ｈｕａ　

（Ｓｈｅｎｚｈｅｎ　Ｇｒａｄｕａｔｅ　Ｓｃｈｏｏｌ，Ｈａｒｂｉｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｓｈｅｎｚｈｅｎ　５　１　８０５５，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｍｏｍｅｎｔｕｍ　ａｎｄ　ｒｅｖｅｒｓａｌ　ｅｆｆｅｃｔｓ　ａｒｅ　ｔｗｏ　ｋｉｎｄｓ　ｏｆ　ｉｍｐｏｒｔａｎｔ　ａｎｏｍａｌｉｅｓ　ｗｈｉｃｈ　ｃｈａｌｌｅｎｇｅ　Ｅｆｆｉｃｉｅｎｔ　Ｍａｒｋｅｔ　

Ｈｙｐｏｔｈｅｓｉｓ．Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｓａｍｐｌｅ　ｄａｔａ　ｏｆ　ｔｈｅ　Ｃｈｉｎｅｓｅ　ｌｉｓｔｅｄ　ｆｉｒｍｓ　ｄｕｒｉｎｇ　２０００—２００９，ｔｈｉｓ　ｐａｐｅｒ　ｕｓｅｓ　ｉｎｖｅｓｔｍｅｎｔ　

ｓｔｒａｔｅｇｙ　ｕｎｄｅｒ　ｄｉｆｆｅｒｅｎｔ　ｆｏｒｍａｔｉｏｎ　ｐｅｒｉｏｄｓ　ａｎｄ　ｈｏｌｄｉｎｇ　ｐｅｒｉｏｄｓ　ｔｏ　ｓｔｕｄｙ　ｔｈｅ　ｃｒｏｓｓ－ｉｎｄｕｓｔｒｙ　ｍｏｍｅｎｔｕｍ　ａｎｄ　ｒｅｖｅｒｓａｌ　

ｅｆｆｅｃｔｓ　ｉｎ　ｔｈｅ　Ｃｈｉｎａ　ｓｔｏｃｋ　ｍａｒｋｅｔ．０ｕｒ　ｍａｉｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｚｅｒｏ　ｉｎｖｅｓｔｍｅｎｔ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｒｅｔｕｒｎｓ　ｏｆ　ｄｏｗｎ．　

ｓｔｒｅａｍ　ｉｎｄｕｓｔｒｉｅｓ　ｍａｉｎｌｙ　ｈａｓ　ｍｏｍｅｎｔｕｍ　ｅｆｆｅｃｔｓ　ａｎｄ　ｔｈｅ　ｚｅｒｏ　ｉｎｖｅｓｔｍｅｎｔ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｒｅｔｕｒｎｓ　ｏｆ　ｕｐｓｔｒｅａｍ　ｉｎｄｕｓ．　

ｔｒｉｅｓ　ｍａｉｎｌｙ　ｈａｓ　ｒｅｖｅｒｓａｌ　ｅｆｆｅｃｔｓ．Ｉｎ　ａ　ｓｈｏｒｔ　ｐｅｒｉｏｄ．ｃｒｏｓｓ．ｉｎｄｕｓｔｒｙ　ｍｏｍｅｎｔｕｍ　ｏｒ　ｒｅｖｅｒｓａｌ　ｅｆｆｅｃｔｓ　ａｒｅ　ｎｏｔ　ｕｓｕａｌｌｙ　

ｓｉｇｎｉｉｆｃａｎｔ．Ｉｎ　ａ　ｍｉｄｄｌｅ　ｐｅｒｉｏｄ　ａｎｄ　ａ　ｌｏｎｇ　ｐｅｒｉｏｄ，ｃｒｏｓｓ—ｉｎｄｕｓｔｒｙ　ｍｏｍｅｎｔｕｍ　ｏｒ　ｒｅｖｅｒｓａｌ　ｅｆｆｅｃｔｓ　ａｒｅ　ｕｓｕａｌｌｙ　ｓｉｇｎｉｆｉ．　

ｃａｎｔ．Ａｆｔｅｒ　ｃｏｎｔｒｏｌｌｉｎｇ　ＣＡＰＭ，Ｆａｍａ－Ｆｒｅｎｃｈ　３－ｆａｃｔｏｒ　ｍｏｄｅｌ，ａｎｄ　Ｃａｒｈａｒｔ　ｍｏｄｅｌ，ｔｈｅ　ｒｅｓｕ］ｔｓ　ａｒｅ　ｓｔｉｌｌ　ｓｉｇｎｉｆｉｃａｎｔ．　

Ｋｅｙ　ｗｏｒｄｓ：ｆｉｎａｎｃｅ；ｍｏｍｅｎｔｕｍ　ｅｆｆｅｃｔｓ；ｃｒｏｓｓ—ｉｎｄｕｓｔｒｙ；ｚｅｒｏ．ｉｎｖｅｓｔｍｅｎｔ；ｒｅｖｅｒｓａ］ｅｆｆｅｃｔｓ；ｃｒｏｓｓ．ｉｎｄｕｓｔｒｙ　

０　引言　

自Ｄｅ　Ｂｏｎｄｔ和Ｔｈａｌｅｒ…提出采用反转策略可以产生超额收益，Ｊｅｇａｄｅｅｓｈ和Ｔｉｔｍａｎ［２　论证惯性效应现　

象以来，不少学者从不同角度对股票收益率的动量效应和反转效应异象进行实证研究和原因探究。这些　

研究结果表明股票收益率具有一定的可预测性，与有效市场假说理论（Ｅｆｆｉｃｉｅｎｔ　Ｍａｒｋｅｔ　Ｈｙｐｏｔｈｅｓｉｓ）形成矛　

盾，对其可靠性形成挑战。　．　

早期的动量效应和反转效应研究主要集中于个股现象的研究。在个股研究中，动量效应指买人过去表　

现良好的个股并卖出过去表现不佳的个股能够产生超常收益，也称惯性效应；反转效应则指买人过去表现不　

收稿日期：２０１１一Ｏ８．３Ｏ　

基金项目：中圆博士后基金资助项目（２０１００４８０９８８）　

作者简介：王苏生（１９６９－），男，湖北洪湖人，博士生导师，研究方向：金融市场；李志起（１９７８．），女。博士研究生，研究方向：金融工程。行　

为金融；舒建平（１９７５－）．男。博士后，研究方向：资本市场理论，证券投资；兰召华（１９７６．），男，博士研究生．研究方向：金融工程。　

１８８　运　筹　与　管　理　２０１２年第２ｌ卷　

佳的个股并卖出过去表现良好的个股能够产生超常收益，也称反向效应。后来Ｍｏｓｋｏｗｉｔｚ和Ｇｒｉｎｂｌａｔｔ［３　发现　

行业惯性效应可以解释大部份的个股惯性现象，开始有学者对行业惯性效应和反转效应进行分析。行业动　

量效应，则是指买人过去一段时间内收益率较高的一个（或几个）行业的股票、而卖出收益率较低的行业股　

票，可以获得显著的收益；行业反转效应刚好相反。Ｇｒｕｎｄｙ和ＭａｒｔｉｎＩ４］、Ｓｗｉｎｋｅｌｓ　进一步验证了美国和欧洲　

股票市场存在行业动量效应现象，Ｄｕ　检验了美国市场中行业组合收益率的动量和反转效应。　

最近，一些学者发现，在不同行业之间也存在着跨行业的动量效应现象。Ｃｏｈｅｎ和Ｆｒａｚｚｉｎｉ＂１、Ｍｅｎｚｌｙ　

和Ｏｚｂａｓ　陆续验证了供应链关联公司或行业之间的收益率存在着可预测性，他们把这种现象归因于信　

息在市场之间的逐渐扩散以及投资者的有限注意特征。Ｃｏｈｅｎ和Ｆｒａｚｚｉｎｉ在有效注意假说基础上检验了　

供应链关联资产存在着领先－滞后效应，因此供应链关联公司间能够进行股票收益率预测。他们采用了公　

司层面的顾客－供应商关系数据，发现顾客公司的上月收益率可以预测供应商公司下月的收益率，而且这　

种效应是十分显著的。在采用Ｆａｍａ—Ｆｒｅｎｃｈ的三因素模型估计异常收益后，他们发现这种领先．滞后效应　

可以产生累计１８％的年超额收益。Ｍｅｎｚｌｙ和Ｏｚｂａｓ认为供应链关联行业之间存在跨行业动量现象，该文　

假设存在供应链关联关系的公司应该在经济表现上是相关的，因此，顾客行业业绩表现的消息不仅影响其　

自身的股票价格，同时也影响它的供应商行业的股票价格；反之亦然。如果在股市中存在着信息的缓慢扩　

散效应，那应该可以观察到顾客．供应商关系的行业股票收益率的领先一滞后效应。Ｍｅｎｚｌｙ　ａｎｄ　Ｏｚｂａｓ运用　

美国投入产出表数据得到了行业层面的供应链关联行业关系，验证了跨行业动量现象。Ｓｈａｈｒｕｒ、Ｂｅｅｈｅｒ、　

Ｒｏｓｅｎｆｅｌｄ　采用与Ｍｅｎｚｌｙ和Ｏｚｂａｓ类似的方法，使用除美国以外的２２个发达国家的数据样本，发现顾客　

行业领导供应商行业的收益。　

对于惯性效应和反转效应异象的解释则有很多不同方面。包括从传统金融理论角度解释的风险补　

偿、数据挖掘等原因，但这些解释受到越来越多实证研究的挑战；以及从行为金融学角度所作的解释，代表　

性的有Ｄａｎｉｅｌ、Ｈｉｒｓｈｌｅｉｆｅｒ和Ｓｕｂｒａｈｍａｎｙａｍ（ＤＨＳ），Ｂａｒｂｅｒｉｓ，Ｓｈｌｅｉｆｅｒ和Ｖｉｓｈｎｙ，Ｈｏｎｇ和Ｓｔｅｉｎ　ｏ　

在国内研究方面，进行个股动量和反转效应研究的相对较多，与欧美市场相比，中国股票市场的个股　

动量和反转效应得到了不完全相同的结论。从行业角度进行研究的较少，比如杜敏杰、林寅　…，何众志、　

苏冬蔚　ｕ分别采用了中信标普分类的行业周数据对超短期和短期行业动量进行分析。在跨行业动量和　

反转效应方面，还缺乏相应的研究。因此，本文探讨了在中国股市采取跨行业动量策略或反转策略是否能　

够获得显著的利润。本文使用在个股和行业动量研究中普遍采用的不同的形成期搭配不同的持有期下的　

组合投资方法进行分析，结论显示，在中长期，我国股市存在着跨行业的动量效应和反转效应。　

１　研究设计　

１．１　样本选择和数据来源　

在行业分类方面，本文参考Ｍｅｎｚｌｙ和Ｏｚｂａｓ的方式，采用投入产出表部门划分与上市公司行业分类　

对应的方法对行业进行分类。将中国证券监督委员会发布的《中华人民共和国金融行业标准——上市公　

司分类与代码》（ＪＲ／Ｔ　００２０．２００４）中的附表《本标准与国家标准ＧＢ／Ｔ　４７５４￣００２＜国民经济行业分类＞　

的类目对照表》以及国家统计局发布的投入产出表部门分类目录与代码、投入产出表部门分类与工业行　

业小类对照等将各年的投入产出表行业分类对应，并与证监会的上市公司行业分类进行对应。　

１９９２年及以后的中国投入产出表采用了国际通用的表式，为ＳＮＡ式投入产出表。在投入产出表部门　

划分上，分为Ｉ级和ＩＩ级分类。尽管ＩＩ级分类更加详细，但由于采用ＩＩ级分类将导致每个行业中的样本　

量太少，因此本文采用Ｉ级分类。由于１９８７年表与后面各年的表式有所不同，将其剔除。１９９２年表、１９９７　

年表、２００２年表、２００７年表的出版日期分别为１９９１、１９９６、１９９９、２００６、２００９年，而本文的股票相关数据仅　

包括到２００９年，为了避免前视偏差（采用了在研究期无法得到的信息会产生前视偏差），将２００７年投入产　

出表剔除。考虑到上述公司数量在１９９７年前样本量较少，最终我们选取１９９７年和２００２年的投入产出表　

数据进行分析。投入产出表数据来自中国统计年鉴数据库。　

在行业分类确定后，我们对个股所属行业进行了处理。如果公司所属行业发生了变化，根据公司的行　

业变更公告和年报的主营业务变更的情况进行手工调整。由于我国上市公司行业分类是从２００１开始发　

布标准，在２０００年之前的年报中没有主营业务所属行业信息。因此，本文只选取了２０００年之后的数据进　

第３期　王苏生，等：中国股市跨行业动量效应和反转效应研究　１８９　

行分析。以沪深所有Ａ股为样本，剔除了没有对应上市公司或上市公司较少的非金属矿及其他矿采选　

业、邮政业，行业信息不明确的综合业、工艺品及其他制造业、废品废料、其他制造业、批发零售业，涉及公　

共服务范畴的研究与试验发展业、综合技术服务业、水利环境和公共设施管理业、教育、卫生社会保障和社　

会福利业、文化体育和娱乐业、公共管理和社会组织，在类似研究中普遍去掉的金融保险业。由于电力、燃　

气、水的供应业在上市公司行业分类中为一个大类，因此将投入产出表中分列的电力、燃气、水的供应业的　

投入产出数据合并为一个行业。最终获得２４个行业。　

因此。最后研究样本期间选定为２０００．１～２００９．１２，研究中使用的上市公司收益率及财务数据等来自　

国泰安数据库（ＣＳＭＡＲ）和ＷＩＮＤ数据库。　

１．２变量定义与度量　

（１）行业收益率　

计算上游行业收益率和下游行业收益率，根据投入表的数据得到（Ｍｅｎｚｌｙ¨　）。　

Ｒｉ

Ｒ　一　ｄ

ｓ

，

ｔ　

・

‘　

其中Ｒ．．．是ｆ行业在ｔ月末的流通市值加权收益率，　『．１是属于　行业的－『公司在ｔ月末的考虑现金红利再　

投资的月个股回报率，　一。是＿『公司在ｔ一１月末的流通市值，Ｒ　是ｉ行业的上游行业收益率，Ｒ０是ｉ行业　

的下游行业收益率，Ｃ¨（Ｃ“）为从行业Ｊ｝（￡）到行业￡（ｋ）的投入产出表货物和服务流量。　

我们使用投入产出表滚动衡量上下游关联行业的关系，一旦有新的数据出来时就采用新调查表的数　

据，因此在２０００到２００６年行业收益率计算采用１９９７年投入产出表数据，在２００７～２００９年行业收益率计　

算采用２００２年投入产出表数据。　

（２）ＭＫＴ、ＳＭＢ、ＨＭＬ、ＭＯＭ的定义　

ＭＫＴ因子：为月市场组合收益率与月无风险收益率之差，其中月市场组合收益率是所有在沪深Ａ股市场上　

市的股票按流通市值加权平均计算的月收益率，月无风险利率以三个月定期储蓄利率折算的月利率代替。　

ＳＭＢ因子和ＨＭＬ因子：本文以ｔ＋１年６月底的流通市值来度量ｔ年的公司规模（ＳＩＺＥ）。以第ｔ一１　

年末的权益账面价值与第ｔ～１年ｌ２月３１日流通市值的比值来度量ｔ年的账面市值比Ｂ／Ｍ。根据股票　

每年６月末流通市值Ｓｉｚｅ的大小按照中位数分为ｓ和Ｂ两组；同时，根据ｔ一１年末账面市值比Ｂ／Ｍ的值　

按照３０％、４０％和３０％的比例分成Ｈ、Ｍ、Ｌ三组；将以上两重分组交叉，得到６个股票组合Ｓ／Ｌ、Ｓ／Ｍ、　

Ｓ／Ｈ、Ｂ／Ｌ、Ｂ／Ｍ、Ｂ／Ｈ，分别计算６个组合在ｔ年７月至ｔ＋１年６月的每月平均收益率；然后，按照下列公　

式计算ＳＭＢ和ＨＭＬ的值，每年６月末重复一次：　

ＳＭＢ＝（Ｓ／Ｌ＋Ｓ／Ｍ＋Ｓ／Ｈ）／３一（Ｂ／Ｌ＋Ｂ／Ｍ＋Ｂ／Ｈ）／３　

ＨＭＬ＝（Ｓ／Ｈ＋Ｂ／Ｈ）／２一（Ｓ／Ｌ＋Ｂ／Ｌ）／２　

ＭＯＭ因子：根据前１２个月到前１个月期间个股收益率由大到小将股票按照３０％、４０％和３０％分成　

ｗ、Ｍ、Ｌ三组，ＭＯＭ的值等于前１１个月表现较好的前３０％的赢家股票组合ｗ的平均收益率减去表现较　

差的后３０％的输家股票组合Ｌ的平均收益率。　

１．３研究方法　

采用类似Ｊｅｇａｄｅｅｓｈ和Ｔｉｔｍａｎ的方法计算不同的形成期搭配不同的持有期下的投资组合策略，具体　

方法如下：首先计算行业收益率，包括是　行业收益率尺　、　行业的上游行业收益率Ｒ　、￡行业的下游行业　

收益率Ｒ２；然后，分别计算上游行业、下游行业在过去．，个月的累计收益率，并按其大小排序，将表现最好　

的２０％作为赢家组合，表现最差的２０％作为输家组合；接着以买人持有方式计算赢者、输者组合在组合形　

成后的Ｋ个月内的平均月收益率，．，、Ｋ分别选择１、３、６、９、１２、２４、３６个月，共检验４９种　．　策略。对于每　

一

个Ｊ—Ｋ策略，考虑买入赢者组合、卖出输者组合的零投资策略。采用重叠抽样方法进行计算。考虑到重　

叠抽样方法可能会导致自相关性和异方差性，在下文模型估计时采用Ｎｅｗｅｙ．Ｗｅｓｔ方法调整ｔ值。　

２实证结果及分析　

２．１　按下游行业收益率排序的动量和反转效应检验　

按下游行业排序的动量和反转效应检验结果如表１所示。正值代表存在动量效应，负值代表存在反转效应。　

１９０　运　筹　与　管　理　２０１２年第２１卷　

注：’、”、…分别表示在１０％、５％、１％的水平下显著。单位为日分之一。　

我们发现实证结果呈现如下特点：　

（１）零投资组合普遍表现为动量效应。在４９种组合中，除３种表现为反转效应外，其余均表现为动　

量效应。有１２种组合表现显著，均为动量效应；　

（２）持有期较短时（１—３个月），ｔ检验结果均不显著，这与刘博、皮天雷Ⅲ　对于个股惯性和反转效应　

的结论类似；　

（３）持有期中长时（６—３６个月），ｔ检验结果的显著性明显提高；　

（４）形成期较短时（１—３个月），零投资组合均表现为动量效应，但显著的较少，形成期为６个月时，　

显著的动量效应明显增多，到形成期９个月到２４个月时，ｔ值显著的又普遍减少，但到形成期３６个月时，　

零投资组合则大多为显著的动量效应；　

（５）最高收益出现在较长的形成期搭配较长的持有期［３６，２４］）。　

２．２按上游行业收益率排序的动置和反转效应检验　

按上游行业排序的动量效应和反转效应实证结果如表２所示。正值代表存在动量效应，负值代表存　

在反转效应。　

表２按上游行业收益率排序的动量效应和反转效应检验结果　

注：‘、”、…分别表示在ｌ０％、５％、１％的水平下显著。单位为百分之一。　

第３期　

实证结果表现为：　

王苏生。等：中国股市跨行业动量效应和反转效应研究　１９１　

（１）零投资组合普遍为反转效应。在４９种组合中，除８种表现为不显著的动量效应外，其余均表现　

为反转效应。有１７种组合表现为显著的反转效应；　

（２）与按下游行业排序的零成本组合类似，持有期较短时（１—３个月），ｔ检验结果均不显著；　

（３）与按下游行业排序的零成本组合类似，持有期中长时（６—３６个月），ｔ检验结果的显著性明显提高；　

（４）形成期较短时（１—３个月），ｔ值显著的较少，随着形成期到９个月开始，显著的反转效应逐渐增多；　

（５）最高收益出现在较长的形成期搭配较长的持有期（［３６，３６］）。　

３稳健性检验　

上述动量和反转效应是否由于赢家组合和输家组合承担风险不一致所导致呢？或者由于个股动量效应　

导致呢？为了验证上述研究结论的稳健性，本文分别采用ＣＡＰＭ、Ｆａｍａ．Ｆｒｅｎｃｈ、Ｃａｒｈａｒｔ四因素模型对表１和　

表２进行风险调整。在表１和表２中表现不显著的组合，按下游行业排序的零投资组合分别经调整后的结果　

仍然不显著。按上游行业排序的零投资组合分别经调整后的结果大部分不显著，只有组合［９，１］表现显著，此　

处未列出。限于篇幅关系，本文仅列出在表１和表２中表现显著的检验结果，结果见表３和表４。　

表３按下游行业排序的零成本组合经ＣＡＰＭ、ＦＦ、Ｃａｒｈａｒｔ调整的检验绪果　

注：‘、”、‘‘分别表示在１０％、５％、１％的水平下显著。单位为百分之一。　

表４按上游行业排序的零成本组合经ＣＡＰＭ、ＦＦ、Ｃａｒｈａｒｔ调整的检验结果　

注：‘、“、…分别表示在１０％、５％、１％的水平下显著。单位为百分之一。　

１９２　运　筹　与　管　理　

ｒＬ　ｒＬ　ｒ｝ｒＬ　ｒＬ　ｒＬ　ｒＬ　

２０１２年第２１卷　

从表３、表４中可以看到，绝大部分零投资策略组合利润在控制了市场风险、规模效应、Ｂ／Ｍ效应、个　

ｌ　２　

１｛

３　４　

１；

５　６　７　８　９　

１ｉ　

股动量效应后仍然显著，表明上述动量效应和反转效应具有相当的稳健性。　

４研究结论　

本文对中国股票市场的跨行业动量和反转效应进行实证检验。我们发现：我国股市的跨行业动量或　

反转效应，短期来看不显著，从中长期来看，显著性明显提高。按下游行业收益率排序的和按下游行业收　

益率排序的零投资策略的结果表现不同。前者主要表现为动量效应，后者主要表现为反转效应。在通过　

ＣＡＰＭ、Ｆａｍａ．Ｆｒｅｎｃｈ、Ｃａｒｈａｒｔ模型控制市场风险、规模效应、Ｂ／Ｍ效应、个股动量效应后跨行业动量或反转　

效应仍然显著。　

参考文献：　

Ｄｅ　Ｂｏｎｄｔ　Ｗ　Ｆ　Ｍ，Ｔｈａｌｅｒ　Ｒ　Ｈ．Ｄｏｅｓ　ｔｈｅ　ｓｔｏｃｋ　ｍａｒｋｅｔ　ｏｖｅｒｒｅａｃｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｉｎａｎｃｅ，１９８５，４０（３）：７９３—８０８．　

Ｊｅｇａｄｅｅｓｈ　Ｎ。Ｔｉｔｍａｎ　Ｓ．Ｒｅｔｕｒｎｓ　ｔＯ　ｂｕｙｉｎｇ　ｗｉｎｎｅｒｓ　ａｎｄ　ｓｅｌｌｉｎｇ　ｌｏｓｅｒｓ：ｉｍｐｌｉｃａｔｉｏｎｓ　ｆｏｒ　ｓｔｏｃｋ　ｍａｒｋｅｔ　ｅｆｆｉｃｉｅｎｃｙ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　

Ｆｉｎａｎｃｅ，１９９３，４８（１）：６５－９１．　

Ｍｏｓｋｏｗｉｔｚ　Ｔ　Ｊ，Ｇｒｉｎｂｌａｔｔ　Ｍ．Ｄｏ　ｉｎｄｕｓｔｒｉｅｓ　ｅｘｐｌａｉｎ　ｍｏｍｅｎｔｕｍ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｉｎａｎｃｅ，１９９９，５４（４）：１２４９—１２９０．　

Ｇｒｕｎｄｙ　Ｂ　Ｄ，Ｍａｒｔｉｎ　Ｊ　Ｓ．Ｕｎｄｅｒｓｔａｎｄｉｎｇ　ｔｈｅ　ｎａｔｕｒｅ　ｏｆ　ｔｈｅ　ｒｉｓｋｓ　ａｎｄ　ｔｈｅ　ｓｏｕｒｃｅ　ｏｆ　ｔｈｅ　ｒｅｗａｒｄｓ　ｔｏ　ｍｏｍｅｎｔｕｍ　ｉｎｖｅｓｔｉｎｇ［Ｊ］．　

Ｒｅｖｉｅｗ　ｏｆ　Ｆｉｎａｎｃｉａｌ　Ｓｔｕｄｉｅｓ，２００１。１４（１）：２９—７８．　

Ｓｗｉｎｋｅｌｓ　Ｌ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　ｉｎｄｕｓｔｒｙ　ｍｏｍｅｎｔｕｍ［Ｊ　Ｊ．Ｊｏｕｒｎａｌ　ｏｆ　Ａｓｓｅｔ　Ｍａｎａｇｅｍｅｎｔ，２００２，３（２）：１２４—１４１．　

Ｄｕ　Ｄ．Ｍｏｍｅｎｔｕｍ　ａｎｄ　ｒｅｖｅｒｓａｌｓ　ｉｎ　ｉｎｄｕｓｔｒｙ　ｐｏｒｔｆｏｌｉｏ　ｒｅｔｕｒｎｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｒｅｓｅａｒｃｈ　Ｊｏｕｒｎａｌ　ｏｆ　Ｆｉｎａｎｃｅ　ａｎｄ　Ｅｃｏｎｏｍｉｃｓ，　

２００９，３３：５０—６３．　

Ｃｏｈｅｎ　Ｌ，Ｆｒａｚｚｉｎｉ　Ａ．Ｅｃｏｎｏｍｉｃ　ｌｉｎｋｓ　ａｎｄ　ｐｒｅｄｉｃｔａｂｌｅ　ｒｅｔｕｒｎｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｉｎａｎｃｅ，２００８，６３（４）：１９７７－２０１１．　

Ｍｅｎｚｌｙ　Ｌ，Ｏｚｂａｓ　Ｏ。Ｍａｒｋｅｔ　ｓｅｇｍｅｎｔ￣ｉｏｎ　ａｎｄ　ｃｒｏｓｓ　ｐｒｅｄｉｃｔａｂｉｌｉｔｙ　ｏｆ　ｒｅｔｕｒｎｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｉｎａｎｃｅ，２０１０，６５（４）：１５５５—１５８０．　

Ｓｈａｈｒｕｒ　Ｈ　Ｋ，Ｂｅｃｈｅｒ　Ｙ　Ｌ，Ｒｏｓｅｎｆｅｌｄ　Ｄ．Ｒｅｔｕｒｎ　ｐｒｅｄｉｃｔａｂｉｌｉｔｙ　ａｌｏｎｇ　ｔｈｅ　ｓｕｐｐｌｙ　ｃｈａｉｎ：ｔｈｅ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｅｖｉｄｅｎｃｅ［Ｊ］．　

Ｆｉｎａｎｃｉａｌ　Ａｎａｌｙｓｔｓ　Ｊｏｕｒｎａｌ，２０１０，６６（３）：６Ｏ－７７．　

［１Ｏ］　

杜敏杰，林寅．行业动量盈利性分析［Ｊ］．经济与管理研究，２００５，（１）：４５・４８．　

ｈｉ，Ｓｕ　Ｄｏｎｇｗｅｉ．Ｐｒｉｃｅ　ｍａｎｉｐｕｌａｔｉｏｎ　ａｎｄ　ｉｎｄｕｓｔｒｙ　ｍｏｍｅｎｔｕｍ—ｅｖｉｄｅｎｃｅ　ｆｒｏｍ　ｔｈｅ　Ｃｈｉｎｅｓｅ　ｓｔｏｃｋ　ｍａｒｋｅｔ［Ｒ］　

［１１］　

Ｈｅ　Ｚｈｏｎｇｚ

Ｗｏｒｋｉｎｇ　ｐａｐｅｒ，２００７．　

Ｍｅｎｚｌｙ　Ｌ，Ｏｚｂａｓ　Ｏ．Ｃｒｏｓｓ．ｉｎｄｕｓｔｙｒ　ｍｏｍｅｎｔｕｍ［Ｒ］．Ｗｏｒｋｉｎｇ　ｐａｐｅｒ，２００５．　

［１２］　

刘博，皮天雷．惯性策略和反转策略－来自中国沪深Ａ股市场的新证据［Ｊ］．金融研究，２００７，（８）：１５４—１６６　

［１３］