来源：中信建投期货微资讯
本报告观点和信息仅供符合证监会适当性管理规定的期货交易者参考。因本平台暂时无法设置访问限制，若您并非符合规定的交易者，为控制交易风险，请勿点击查看或使用本报告任何信息。对由此给您造成的不便表示诚挚歉意，感谢您的理解与配合！
本文作者 | 童力 中信建投期货金融工程量化分析师
本报告完成时间 | 2024年3月27日
摘 要
该文献是由学者Lou D、Polk C和Skouras S共同合作完成的，发表在2019年的《金融经济学杂志》（Journal of Financial Economics）的第134卷第1期上，希望对广大投资者拓展研究思路提供一些帮助。
该文章将投资者的异质性与隔夜和日内回报的持续性联系起来，观察了这种现象在不同交易策略中的表现。通过分析14种交易策略的回报，发现利润要么完全集中在隔夜（如逆转和动量策略），要么完全在日内获得，并且这两种组成部分的利润方向相反。研究认为这种拉锯战现象可能降低了投资者追求某种策略的效果。此外，研究发现策略的隔夜和日内回报之间的差距可以预测该策略的时间变化表现，进一步探讨了动量利润的横截面和时间序列变化与特定的机构拉锯战之间的联系。
研究结果对投资者有着一定的启示，包括短期投资者可能通过优化交易时机获利，长期投资者可以利用拉锯战指标来优化订单下单时机，提高对异常收益的利用效率。这项研究也有助于区分基于风险、行为和机构摩擦等不同解释对这些资产定价模式的影响，为长期投资者和研究人员提供了更深入的理解和指导。
风险提示：本报告仅为海外文献推荐，不构成任何投资建议。海外经验不可套用，期市有风险，入市需谨慎。
作者针对资产定价中的代表性投资者框架存在的一系列问题进行研究，该框架假设投资者基本上是相同的。虽然这种方法简洁而直观，但大量的实证研究已经证明了这种范式无法解释市场的基本事实。基于这些失败，一个自然的延伸是允许投资者的异质性。然而，由于异质性可能以多种（不可观察的）方式影响资产价格，并且由于先前文献研究的具体差异在解释能力上只有一些较小的改进，因此理解哪些投资者差异特别重要，以及为什么恰恰是这些差异，仍然具有挑战性。
因此，作者提出了一种新的衡量资产市场异质性重要性的方法，即通过识别不同类型投资者在一天中不同时间进行交易的事实来确定其重要性。例如，一些投资者可能更喜欢在早晨开市或附近交易，而另一些投资者可能更倾向于在其余时间交易，直至市场收盘。由于这两个时段——市场开放时与关闭时——在信息流、价格影响和借款成本等几个关键维度上存在差异，因此许多投资者异质性的方面可能与资产定价相关，并体现为倾向于在这两个时段之一而非另一个时段进行交易。在这种情况下，“隔夜”和“日内”客户群的存在似乎是一个合理甚至自然的起点。
作者将隔夜和日间收益的组成部分视为反映相应客户需求的特定需求。根据这种解释，相对强劲的隔夜或日间回报部分是因为来自相应客户群的临时需求（因此产生的价格压力）。如果客户订单流是持续存在的，例如，相对强劲的隔夜回报的股票在未来隔夜期间应该也会相对表现良好。此外，这种价格压力（在不完全信息的情况下）最终必须逆转，并且更有可能在后续的日内时段发生，此时对立的客户群主导市场活动。换句话说，跨两个时段的来回或拉锯战反映并揭示了隔夜/日内客户群的相对重要性。
接着，文章将这种新的市场思维方式运用到数据中，首次研究了这些基本收益组成部分的持续性和逆转模式。作者发现，在过去一个月中隔夜回报相对较高的股票，其隔夜回报在未来一个月中仍然相对较高，与此同时日间回报相对较低，这样的发现在经济和统计上都具有显著意义。这种拉锯战可以通过收益的任一组成部分进行识别。相对具有较高日内回报的股票，在随后的一个月内，其日内回报仍然相对较高，而隔夜回报相对较低。
尽管这些月度模式非常引人注目，但更令人惊讶的是，即使将日内/隔夜回报信号滞后长达60个月，这些模式仍然存在。事实上，由此产生的联合检验的相应t统计量远远超过20。当然，交易成本将使利用这些隔夜/日内模式的交易策略的实际盈利性大大降低。但是，t统计量的大小以及识别的拉锯战的后果仍然可以在多年后进行测量，这强烈证实了这些模式既不可能是统计上的偶然现象，也不可能是某种高频市场微观结构效应的表现。作者认为，这些新颖的模式实际上代表了市场中的一个基本经济现象，并可能为理解客户群在驱动预期收益变化方面的重要性提供见解。
研究使用了核心的CRSP-Compustat US样本，时间跨度为1993年至2013年，受限于TAQ数据的可用性。研究还利用了Thomson Financial提供的机构所有权信息，并在鲁棒性测试中使用了Thomson Reuters Tick History（TRTH）的国际数据。
为了将收益分解为隔夜和日内组成部分，研究采用了交易日第一个半小时（上午9:30至10:00）的成交量加权平均价格（VWAP），并确保开盘价格的稳健性。
为了进一步确保VWAP不受非常小订单的影响，研究排除了在第一个半小时内交易少于1000股的观察结果。研究还测量了与VWAP价格相关的交易活动量，并将其累积到每个月的30分钟间隔内，以便分析一天内不同时间段的交易活动情况。然后，研究根据这些数据计算了隔夜和日内回报，并对这些回报进行了累积，以便进一步分析月度回报的不同组成部分。
‘日内’与‘隔夜’的回报定义如下：
累积后的回报定义如下：
该研究主要集中在投资组合上，报告了三个主要组成部分，即隔夜回报、日内回报以及标准CRSP月度回报。研究的主要目标是研究隔夜和日内期间的预期回报。在分析中排除了微型股票，并采用简单的市值加权多空投资组合和Fama和MacBeth（1973）的加权最小二乘回归来对收益进行分解和评估，以减轻微观结构问题的影响。此外，研究还进行了假设检验，验证隔夜和日内平均回报是否相等。
3.1. 协整法筛选交易配对
首先，研究将每个月末的股票按照过去一个月的隔夜回报（面板A）或日内回报（面板B）进行分类，然后在每个分类中做空值权重最低的十分位数（loser decile）并做多值权重最高的十分位数（winner decile）。报告了相对于无风险利率调整后的月度投资组合回报，同时使用CAPM和三因素模型对其进行了调整。
研究发现了非常强烈的结果。基于过去一个月的隔夜回报的投资组合平均获得了每月3.47%的隔夜超额回报，相关的t统计量为16.57。这种发现在风险调整后仍然持续存在，因为三因素alpha也为每月3.47%（t统计量为16.83）。与此同时，在日内时段也观察到了对应的反转。基于过去一个月的隔夜回报的对冲投资组合每月获得平均的日内超额回报为-3.24%，相关的t统计量为-9.34（三因素alpha为每月-3.02%，t统计量为-9.74）。
另一方面，基于过去一个月的日内回报的投资组合每月获得平均的日内超额回报为2.19%，相关的t统计量为6.72。同时，在隔夜时段也观察到了对应的反转，因为基于过去一个月的日内回报的对冲投资组合每月获得平均的隔夜超额回报为-1.81%，相关的t统计量为-8.44（三因素alpha为每月-1.77%，t统计量为-7.89）。
此外，研究还验证了这些结果的稳健性，包括对VWAP开盘价进行替代性检验和在国际市场进行的分析。国际市场的结果同样显示了强烈的持续性和反转效应。所有这些发现表明，特定的客户在市场开盘后的第一个半小时持续交易某些股票，而其他客户则在后续时间段进行交易，这解释了隔夜和日内回报的持续性。这些发现在不同市场和时间跨度上都具有持久性，并且对投资策略和市场预期具有重要的指导意义。
四
预期收益组成的横截面
研究利用新的方法来理解客户群对流行交易策略预期收益的重要性。具体来说，研究将与一系列交易策略相关的异常利润（包括规模、价值、价格动量、盈利动量、行业动量、时间序列动量、盈利能力、投资、特异波动性、beta、换手率、股票发行、自由现金流、短期反转等）分解为其日内和隔夜组成部分。研究简单地报告了这些零成本策略的隔夜和日内部分的平均CAPM alpha值，同时确保结果对不同的风险调整方法都具有稳健性。
4.1. 权益溢价
首先，研究将股票溢价分解为其隔夜和日内组成部分。以CRSP加权市场组合为代表的市场投资组合具有月平均日内超额收益率为0.38%，月平均隔夜收益率为0.55%。这种分解结果与基于每个时段所占比例的简单分解相当吻合。具体来说，美国市场大约开放了24小时中的27%，而在此期间获得的溢价大约占总溢价的40%。正如所看到的，研究的热门交易策略的分解结果与这一自然基准相差甚远。
研究的发现表面上与先前的结论不一致，后者认为股票溢价主要是一个隔夜现象。然而，许多研究基于狭窄的市场代理品，比如跟踪道琼斯30种股票的交易所交易基金（ETF）。通过将CRSP加权指数的分解与类似于道琼斯30种股票的纽约证券交易所样本前1%股票的价值加权组合的类似分解进行了比较，结果显示，对于最大的股票，它们几乎全部的风险溢价都是在隔夜获得的。这一结果预示着接下来的发现，即著名的小盘股效应完全是日内现象。
4.2. 规模、价值与动量
文章研究了三种广为人知的策略，它们捕捉了规模和价值(Fama and French, 1992)以及动量(Jegadeesh and Titman, 1993)所关联的平均收益。作者首先研究了一个策略（ME），即多头持有小盘股十分位组合，空头持有大盘股十分位组合。表2报告了ME的CAPM调整后收益的隔夜和日内组成部分。基本上，所有规模溢价都是在日内获得的。具体来说，日内CAPM alpha为0.43%（t统计量为1.85），而隔夜CAPM alpha仅为0.11%（t统计量为0.75）。
接下来作者分解了BM的收益，该策略多头持有高账面市值十分位组合，空头持有低账面市值十分位组合，按照Fama and French（1992年）的方法测量账面市值比率。同样，研究发现几乎所有的价值溢价都发生在日内。具体来说，日内CAPM alpha为0.48%（t统计量为2.21），而隔夜CAPM alpha实际上略为负值，尽管没有统计学意义（每月为−0.10%，t统计量为−0.67）。
然后作者对经典动量策略的收益进行了分解，该策略为Jegadeesh and Titman（1993年）的MOM策略，具体来说是在一个11个月的排名期内测量动量，然后跳过一个月形成投资组合。与规模和价值的发现形成鲜明对比，MOM的几乎所有收益都是在隔夜获得的。具体来说，隔夜CAPM alpha为0.98%（t统计量为3.84），而日内CAPM alpha仅为−0.02%（t统计量为−0.06）。
4.2. 盈利动量、行业动量和时间序列动量
接下来作者研究了另外三种动量策略，以确定发现的动量收益是在隔夜积累的这一情况是否持续存在。表2分解了盈利动量策略（SUE）的异常收益。研究的盈利动量特征简单地是报告的盈利与市场预期之间的差异，然后再按照公司的股票价格进行调整。与价格动量一样，100%的收益都发生在隔夜。具体来说，多头持有盈利动量投资组合的CAPM alpha为0.56%，t统计量为3.20。相应的日内CAPM alpha与零无异。
然后作者分解了行业动量策略（INDMOM）的异常收益，遵循Moskowitz and Grinblatt（1999年）的方法，根据标准工业分类（SIC）代码，在12个月的排名期内测量20个行业的行业动量。同样，研究发现INDMOM效应的100%发生在隔夜。具体来说，多头持有行业动量投资组合的隔夜CAPM alpha为1.07%，t统计量为6.47。相应的日内CAPM alpha为负值，为−0.63%（t统计量为−2.03）。
最后，表3中研究了Moskowitz等人（2012年）的时间序列动量策略应用于国际股指期货的22个最流动的期货的日内和隔夜收益。注意，Moskowitz、Ooi和Pedersen研究了涵盖所有资产类别的59个期货合约，但由于股票市场是文章研究的重点，因此只关注了股票指数期货；对于股票市场而言，“日内”和“隔夜”时段比起USD/Yen货币期货来说要明确得多。与横截面动量一样，时间序列动量完全是在隔夜获得的。
总之，对于本文研究的四种不同动量策略，所有的异常利润都是在隔夜获得的。
4.3. 盈利能力和投资
研究人员已经证明，几个其他特征会产生平均回报的横截面变化。其中最重要的特征包括盈利能力——由Haugen和Baker（1996年）引入，Vuolteenaho（2002年）证实，并由Novy-Marx（2013年）进一步完善，以及投资——由Fairfield等人（2003年）引入，并在Titman等人（2004年）和Polk and Sapienza（2009年）的研究中进行了仔细分析。事实上，Fama and French（2015年）承认，基于盈利能力和投资的两个因素有助于描述平均回报的横截面，即使在其价值因子（HML）存在的情况下也是如此。文章首先研究了一个盈利能力或净资产收益率策略（ROE），该策略多头持有高盈利能力十分位组合，空头持有低盈利能力十分位组合。表2报告了ROE的CAPM alpha的隔夜和日内组成部分，100%的盈利能力溢价都发生在日内，因为ROE的隔夜CAPM alpha非常强地为负。具体而言，日内CAPM alpha为1.42%（t统计量为5.58），而隔夜CAPM alpha为−0.95%（t统计量为−6.25）。
接下来作者研究了INV，该策略多头持有低投资十分位组合，空头持有高投资十分位组合。表2报告了INV的CAPM alpha的隔夜和日内组成部分，超过100%的低投资溢价都发生在日内，因为与INV隔夜相关的CAPM alpha为显著负值。具体而言，日内CAPM alpha为0.97%（t统计量为4.39），而隔夜三因子alpha为−0.28%（t统计量为−2.10）。
4.4. Beta和特殊波动率
接下来研究的两种策略与风险的传统度量有关。Sharpe（1964年）、Lintner（1965年）和Black（1972年）的资产定价模型中的基本风险度量是市场beta。然而，经验证据表明，证券市场线平均过于平坦(Black, 1972; Frazzini and Pedersen, 2014)。
作者首先研究了BETA，该策略多头持有低beta十分位组合，空头持有高beta十分位组合。研究使用过去一年的每日回报来测量beta，采用市场模型回归。在回归中包括了市场的三个滞后项的系数之和，以考虑非同步交易问题(Dimson, 1979)。表2报告了BETA的CAPM alpha的隔夜和日内组成部分。100%的低beta溢价都发生在日内，因为BETA策略在隔夜交易中有负溢价。具体而言，日内CAPM alpha为0.70%（t统计量为2.40），而隔夜CAPM alpha为-0.49%（t统计量为−2.17）。
接下来分析了IVOL，该策略多头持有低特质波动率十分位组合，空头持有高特质波动率十分位组合。Ang等人（2006年）认为，高特质波动率股票的回报异常低。我们将特质波动率定义为在过去一年内根据每日Fama-French-Carhart四因子回归的残差的波动率。表2显示了超过100%的IVOL溢价都发生在日内。因此，IVOL在隔夜交易中有负的风险溢价。具体而言，IVOL的日内CAPM alpha为2.48%每月，t统计量为6.21。相应的隔夜CAPM alpha为每月−1.46%，t统计量为−5.23。
4.5. 股权发行和自由裁量应计项
接下来的一组策略与公司融资和会计决策有关。Daniel和Titman（2006年）表明，发行活动对平均回报的横截面变化具有负面预测作用。Sloan（1996年）记录了自由裁量应计项与随后的股票回报之间的强烈负相关。文章首先研究了ISSUE，该策略多头持有低股权发行十分位组合，空头持有高股权发行十分位组合。表2报告了ISSUE的CAPM alpha的隔夜和日内组成部分。超过100%的发行溢价都发生在日内；ISSUE有一个非常大的负隔夜CAPM alpha。具体而言，日内CAPM alpha为1.13%（t统计量为6.13），而隔夜CAPM alpha为−0.52%（t统计量为−3.27）。
文章然后分析了ACCRUALS，该策略多头持有低自由裁量应计项十分位组合，空头持有高自由裁量应计项十分位组合。表2报告了ACCRUALS的CAPM alpha的隔夜和日内组成部分。100%的应计项溢价都发生在日内，因为与ACCRUALS策略隔夜相关的CAPM alpha为显著负值。具体而言，日内CAPM alpha为1.10%（t统计量为4.73），而隔夜CAPM alpha为−0.47%（t统计量为−3.25）。
4.6. 周转率和单月回报
Datar等人（1998年）表明，周转率（TURNOVER）与平均回报的横截面呈负相关，这一发现在Lee和Swaminathan（2000年）得到了证实。Jegadeesh（1990年）表明，买入（卖出）短期表现不佳（表现良好）的股票是有利可图的。
作者首先研究了TURNOVER，该策略多头持有低转手率十分位组合，空头持有高转手率十分位组合。文章按照Lee和Swaminathan（2000年）的方法测量周转率，即过去一年的平均每日成交量。表2报告了TURNOVER的CAPM alpha的隔夜和日内组成部分。超过100%的负转手率溢价都发生在日内，因为TURNOVER策略在隔夜交易中有负的预期回报。具体而言，日内CAPM alpha为0.57%（t统计量为2.58），而隔夜CAPM alpha为−0.29%（t统计量为−1.98）。
文章最后分析了STR，该策略多头持有低单月回报十分位组合，空头持有高单月回报十分位组合。表2报告了STR的CAPM alpha的隔夜和日内组成部分。需要注意的是，作者并未发现短期反转的收益效应，这或许并不奇怪，因为研究从样本中排除了微小市值的股票，形成了以市值加权的投资组合，并且研究的时间跨度相对较近。然而，令人惊讶的是，分解结果显示隔夜反转非常强烈，日内反转的预期回报略高于隔夜。具体而言，日内CAPM alpha为−1.05%（t统计量为−3.25），而隔夜三因子alpha为0.93%（t统计量为4.28）。
4.7. Fama-MacBeth回归
文章通过Fama-MacBeth回归来描述隔夜与日内预期回报的横截面。这些回归包括了除盈利动量之外的所有特征，因为盈利动量减少了每个横截面中的观测数量。通过这些回归发现，许多特征更强烈地预测日内回报的横截面，例如ME、IVOL、TURNOVER、INV和ISSUE，同时单月日内回报的符号变为正，并且在统计上显著。在隔夜回报的横截面中，MOM的影响较大，同时存在着一些其他特征的显著影响，这与投资组合排序的结果相一致。
五
不受新闻公告影响的回报组成模式
5.1. 宏观经济新闻
文章首先分析了计划发布的宏观经济公告对隔夜和日内回报的影响，以判断宏观经济新闻公告是否能够解释这两种回报的差异。作者选择了已被证明对整个市场具有重要影响的宏观经济公告作为研究对象，即美联储公开市场委员会（FOMC）会议公告。分析表明，对于研究的策略特征，这些公告并未在平均回报上产生显著的差异性，其中仅有BETA、IVOL和ISSUE在这些天内表现出统计显著的平均回报，而对于这些特征，在日内/隔夜时期间并没有明显的模式可见。
5.2. 公司特定新闻
日内和隔夜时段之间的一个显著差异是大部分公司特定新闻往往在市场闭市后公布。作者对新闻公告的作用进行了分析，发现大多数研究的策略在公告日有着显著的异常回报。然而，在日内和隔夜回报的平均异常回报中并没有清晰的模式。例如，BM、MOM和STR的全部盈利公告回报都发生在日内，而ROE、IVOL和ACCRUALS的盈利公告回报则发生在隔夜。此外，TURNOVER和ISSUE的盈利公告回报则在隔夜和日内时段之间均匀分布。总体而言，研究没有发现新闻月份和非新闻月份之间存在显著的统计差异。
六
利用拉锯战预测收盘策略回报
作者认为，解释各种回报异常中日内/隔夜差异的一种方式是不同投资者人群的存在：一些投资者反对所研究的异常，而另一些则沿着异常方向进行交易，从而帮助形成并延续异常模式。在白天和晚上，这些不同的投资者群体的交易强度可能存在差异，因此文章提出了日内/隔夜回报分解的新方法，以便更好地理解这些投资者的集体行为和随后的策略表现。
具体地，作者发展了一个模型，其中包括无信息交易者和套利者在开盘和收盘时交易的情况。虽然某些套利者可能在一天中的不同时段都会参与交易，但是在收盘时的套利者交易规模通常更大。模型考虑了无信息交易者的需求冲击，以及套利者由于风险厌恶而导致的资产过度定价。正如表5所示，我们的“拉锯战”策略衡量方法预测了随后的收盘策略回报，与预期一样。除了一个异常情况，所有异常情况的预测系数都符合预期的方向，其中有6个异常情况是统计显著的。我们可以轻松地拒绝预测系数联合为零的零假设（p < 0.01）。从经济重要性来看，对于我们样本中的平均策略，其“拉锯战”预测每增加一个标准差，就会使收盘策略回报增加1.01%，相当于其月回报波动率的约18%。
其中，变量TugOfWar定义如下：
总的来说，研究发现，对于许多策略，日内和隔夜回报之间存在着显著差异，而这种差异可以用不同投资者群体的行为模式来解释。这一发现有助于更好地理解投资者的行为和策略回报的形成。
七
价格动量与机构之间的拉锯战
该部分研究旨在探讨投资者异质性对价格动量效应的影响，特别关注个人投资者和机构投资者在交易行为上的差异。研究首先分析了机构投资者的交易时机，发现他们更倾向于在市场开盘后进行交易，而个人投资者更倾向于在市场开盘时进行交易。其次，研究了机构投资者对价格动量特征的交易偏好，发现他们整体上更倾向于逆势交易，而个人投资者更倾向于顺势交易。通过Comomentum（共同动量）和Active Weight（主动权重）这两个指标的分析，进一步揭示了机构投资者对价格动量的预测作用以及这些指标对价格动量策略收益的影响。此外，研究还发现了在不同规模股票上价格动量的表现差异，并通过非美国市场和历史数据的分析进一步验证了这些发现。
八
结论
大量的实证研究证明，假设投资者基本相同的原有框架无法有效地解释市场。在这样的失败的基础上，投资者的异质性被允许，但在具体差异的解释能力上仍具有挑战。因此，作者提出了一种新的衡量资产市场异质性重要性的方法，并给出了以下主要的研究结果：
1.提出了交易期望收益的新的隔夜和日内成分分解方法，展示了股票收益的隔夜和日内成分的显著持续性，并说明了这与投资者群体在交易中的行为习惯有关；
2.发现动量和短期逆转策略的异常收益主要发生在隔夜，其他策略的异常收益则主要发生在日内，这一模式不受新闻驱动；
3.揭示了投资者群体之间在特定策略方向上的拉锯战，较大的隔夜与日内收益差异反映了这种拉锯战的程度。TugOfWar指标可作为预测时间变化的异常收益的通用指标；
4.机构投资者和个人投资者之间的差异以及价格动量策略的隔夜/日内回报模式。发现机构投资者整体上倾向于在日内反对动量，这种趋势随时间和股票变化而异，产生了从日内到隔夜的拉锯战，影响动量策略的回报。
这些结果也许对投资者有着重要启示，包括短期投资者可能通过优化交易时机获利，长期投资者可以利用拉锯战指标来优化订单下单时机，提高对异常收益的利用效率。这项研究也有助于理解这些异常现象的原因，有助于区分基于风险、行为和机构摩擦等不同解释对这些资产定价模式的影响，为长期投资者和研究人员提供了更深入的理解和指导。
九
参考文献
[1] Lou D , Polk C , Skouras S .A Tug of War: Overnight Versus Intraday Expected Returns[J].Journal of Financial Economics[2024-03-26].
VIP课程推荐
APP专享直播
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
