横截面动量的消长和反转效应：

回归斜率βMKT、βsmb和βHMLare与市场因素RMKT、尺寸因素rsmba和价值因素RHML的相应负荷ings相关。表3:CAPM和Fama-French三因素模型下CSCON投资组合的调整后回报（α值）以及不同风险因素的负荷（βMKT、βSMB、βHML值）。超级脚本*和**分别表示5%和1%水平的重要性。CAPM Fama-French三因素模型αβMKTαβMKTβSMBβHMLJ=1 0.008（1.48）0.123（3.03）**0.009(1.66) 0.129 (3.12)**-0.125（-1.53）0.030（0.35）J=12 0.004（0.72）0.030（0.66）0.008（1.33）0.048（1.05）-0.402（-4.49）**0.083（0.89）J=24 0.007（1.35）0.160（3.54）**0.003 (0.48) 0. 142 (3.16)**0.354 (3.58)**0.104（1.09）J=36 0.017（2.56）*0.408(7.36)**0.003 (0.52) 0. 362 (7.60)**0.935 (8.55)**0.701(6.10)**J=48 0.013（2.48）*0.033 (0 .54) 0.00 5 (1.07) -0.037(-0.67) 0.683 (6.92)**0.422(3.77)**J=60 0.015（2.55）*0.003 (0 .05) 0.00 8 (1.47) -0.057(-0.90) 0.620 (5.72)**0.269 (2.07)*我们首先检查CAPM的结果。一般而言，与表2中所有样本期内CSCON投资组合的原始收益结果相比，表3中CSCON投资组合的风险调整收益（即α值）仅略有减少或保持不变。引入市场因素RMKT不会导致回报率大幅下降。风险调整后的回报率为正，对于估计期较长的CSCON投资组合而言，具有统计学意义≥ 然而，对于j=1、24和36，市场因素的负荷在统计上是显著的。作为一种工具，CAPM没有很强的能力解释CSCON策略的回报。移动窗口中的风险调整收益率随时间变化，并且对估计期J敏感。

当nj=1时，风险调整后的回报在四个窗口（1996-2000、1997-200、1998-2002和2001-2005）中显著为正，这比整个样本中的原始（以及风险调整后的）回报更高。当J=12和24时，有两个窗口（2007-2011和2 008-2 012）具有显著的正风险调整回报。随着J的增加，2007-2012年左右有更多的移动窗口，风险调整后的回报显著为正。对于某些J值，在某些移动窗口中，市场因素的荷载βMKTon显著为正，在某些其他窗口中显著为负，或在其他情况下不显著。接下来，我们将研究FFTM的结果。对于短期估算期（J≤ 12） ，表3中整个样本的风险调整后回报率高于表2中报告的CSCON投资组合的原始回报率。这意味着FFTM在短估计期内不会表现出更强的解释力。对于较大的估算期（J≥ 24），风险调整后的收益率大幅下降，且在统计上不显著，这表明在解释CSCON效应方面，FTM比CAPM更有利。总的来说，短期估算期内，贷款βMKTon市场因子显著为正，长期估算期内，规模因子上的负载βSmb显著为正（J≥ 24），并且在更长的估计期内，荷载gsβHMLon值因子显著为正（J≥ 36). 对于J=12，βSMB为显著负。移动窗口的结果好坏参半。在不同的窗口中观察到显著和不显著的风险调整回报。这意味着中国股市可能存在时变CSMOM或CSCON效应。

在前几个窗口中，负荷βMKTon（市场因素）在某些估计期的统计上为正，而在后续窗口中，负荷βMkt在某些估计期的统计上为负。尺寸系数上的荷载βsmb对于小J值而言，早期为显著负，而对于大多数J值而言，后期为显著正。相反，对于J=1的所有移动窗口，荷载βhmlar不显著，对于J的大多数移动窗口，荷载βhmlar显著为正≥ 综上所述，CSCON产品组合的风险调整回报和不同风险因素的负荷都是随时间变化的。根据参考文献[4，5]，EMH建议市场上的th将保持有效或至少变得更有效。然而，当J>1时，两种模型的早期风险调整收益率在统计学上都不显著，而后期窗口（主要是2005年至2014年）的风险调整收益率在统计学上都显著。这表明市场并没有继续变得更加有效。然而，中国股市的效率会随着时间的推移而变化。很明显，这些发现与AMH框架下的市场效率描述一致[2]。我们的发现也对以往大多数文献中采用的通常过程提出了质疑，其中风险因素的恒定负荷通过在完整样本期进行时间序列回归进行风险调整来暗示。令人震惊的是，执行风险调整的传统流程中未包括因子负荷的动态。理论上，正如参考文献[48]所指出的，风险因素的负荷确实是时变的，并且取决于CMOM（CSCON）投资组合构建的频率。

基于FFTM在风险因素不变的情况下产生单个股票的回报的假设，在公理中广泛使用的CSMOM（CSCON）投资组合的月度重组要求每月为赢家和输家选择不同的股票。CSMOM（CSCON）portfo lios的风险因素负荷是单个股票的平均负荷，因此导致风险因素负荷随时间变化。另一方面，如果风险因素溢价为正回报，则赢家（输家）投资组合由通常具有较高（较低）负荷的股票构成，而如果风险因素溢价为正回报，则选择赢家（输家）股票主要具有较低（较高）负荷的风险因素。因此，他们得出结论，风险因素负荷与各自的风险因素溢价存在协变量。4.2. 基于CSCON效应的套利机会演变我们现在通过评估CSCON零成本套利投资组合的表现来检验AMH得出的套利机会随时间出现和消失的假设。具体而言，我们对移动时间窗口进行了研究。对于从CSCON por tfolios获得的返回时间序列{RiJ，K}，创建了一个初始子样本，由大小为M个月的第一个移动窗口中的观测值{RiJ，K}组成。然后，我们测试子项{RiJ，K}是否与零有显著差异。以下参考。[47]，我们得到了异方差和自相关调整后的t统计量。win-dow向前滚动一个月，覆盖{RiJ，K}M+a1+a，以重新检查相应子序列的性能，依此类推，直到samp le{RiJ，K}TT结束-M+1。根据大多数现有文献，我们将a值设定为12个月，M值设定为60个月。

我们考虑11×11=121个CSCON投资组合，估计期J和持有期K属于集合{1、6、12、18、24、30、36、42、48、54、60}。对于每个时间窗口，CSCON投资组合可根据其表现分为四组，即具有显著正回报的投资组合（简称SP）、具有显著负回报的投资组合（简称SN）、具有显著正回报的投资组合（简称NSP），以及负回报率不显著的投资组合（简称NSN）。显著水平为5%。1994199519961997199819992000200120032004205200620072008200920102011201220132014SHSESP SN NSP NSN16121824303642485460J19941995199619971998199200012002200320042052006200720082009201020112012201320140140SSSESP SN NSN16121824303642485460J图1：（彩色在线）在SHSE和SZSE的移动窗口中，从CSCON投资组合获得的回报随时间变化的显著性。纵轴对应121个CSCON投资组合，具有不同的估计（J）和持有（K）水平。CSCON投资组合在移动时间间隔内构建，移动时间间隔显示在横轴上。x轴上的年份是五年移动窗口中的最后几年。结果如图1所示。四种不同的颜色表示根据J的性能形成的四个组- K CSCON订单。颜色s随时间的变化表明套利机会确实是时变的，这对所有股票交易所都是适用的。没有任何颜色的网格表示无可用数据。虽然表1中报告了so me交易所的股票开始日期，但由于估计期长或没有足够的股票来构建投资组合，因此早期移动窗口中没有足够的数据。

在每个批次中，我们观察到垂直条带，这意味着r e转弯对J和K的依赖性小于对时间t的依赖性。闭合曲线揭示了垂直方向上的周期模式，这反映了收益率实际上依赖于持有水平J的事实【33】。我们发现，除了左上角以外，这两个地块有着惊人的相似性（早期，大估计期）。在1994年至1997年的近几年中，大多数深交所中信建投证券投资组合的回报率为负，其中一些回报率较高，而大多数深交所中信建投证券投资组合的回报率较高，其中不少回报率较高。换言之，从1994-1997年，上海证交所股票表现出动量效应，而深交所股票表现出CSCONeffect。从1998年到2000年，上海证券交易所中信建投（CSCON）投资组合对大J的负面影响很小，对小J的正面影响很大，而深圳证券交易所中信建投（CSCON）投资组合基本上是正面的。自2001年以来，两家交易所都表现出aCSCON效应，2005年左右有所减弱。我们的发现提供了令人信服的证据，表明基于CSCON投资组合的套利机会将随着时间的推移而演变，并可能取决于投资环境。在参考文献[33]中，对aCSMOM或CSCON效应的存在性进行了研究，这些研究是在不同的股票市场和不同的样本期进行的。根据图1，先前的研究报告了一些相互矛盾的结果，这并不奇怪。换句话说，市场异常会随着时间的推移而演变，而不是保持静态。我们的分析表明，在研究市场异常行为时，应考虑AMH。我们还对中国大陆以外的9家主要证券交易所进行了相同的分析，以进行比较。结果如图2所示。

对于香港证券交易所，我们观察到一个整体CSCON效应，该效应从1990年到1995年逐渐减弱，从1996年到2000年变得强烈，从2001年到2005年消失，从2006年到2014年再次出现。对于台湾证券交易所，我们观察到1995年CSMOM和CSCON效应的混合，1996年至2000年的动量效应，2002年至2005年的弱CSCON效应，2007年和2008年的CSMOM效应，以及之后的CSCON效应。对于东京证券交易所来说，CSCON效应占主导地位，除了1978年至1982年的大J和1997年至2000年的所有J。

对于其他交易所，我们还观察了CSCON和CSMOM效应的盛衰。1990199119921993199419951996199719981999200020012003200420520062007200820092010201120122012014Hong KongSP SN NSP NSN16121824303642485460J19951996199719981992000120032004205200620072008200920102014Taiwansp SN NSN16121824303642485460J19781980219861992199419961998200002200420062008200122014Tokyosp SN NSPNSN16121824303642485460J1979198119831985198719891991199319951997199920012005200720112013013韩国NSP SN NSN16121824303642485460J1972197419761978198019821984198619881990199219941996199820002002002002014ASESP SN NSN16121824303642485460J1972197419761980198219841988199219941996199820002002002002014NSESP SNNSN16121824303642485460J19831985198719891991199319951997199201201201201201201019901200320052007209201920111201010101010190TORONTOSP SN NSN16121824303642485460J19901991199931994199519961997199819920001200220032004205200620072008200920101212014PARISP SN NSN16121824303642485460J199119920199419951997199819992000220032004200420052002010122012014LONSP DONSP SN NSPNSN16121824303642485460J图2：（彩色在线）在中国大陆以外的9家主要证券交易所的移动窗口中，中信建投（国际）证券有限公司投资组合获得的回报随时间变化的显著性。纵轴对应121个CSCON投资组合，具有不同的估计（J）和持有（K）水平。CSCON投资组合在移动时间间隔内构建，移动时间间隔显示在横轴上。x轴上的年份是五年移动窗口中的最后几年。4.3. 上下文相关的CSMOM和CSCON效应上述结果表明，CSCON策略在中国股市的套利机会或表现是时变的。

因此，我们打算研究CSCON（CSMOM）效应与一些可以表征投资环境的市场条件因素之间的关系。我们从以下不同角度进行研究。首先，我们评估了J- K中国A股个股在这两个高点期间形成的CSCON投资组合表4：该表报告了横截面J- K不同市场条件下的高水平和低水平期间的反向投资组合，包括市场状态（状态）、市场波动性（波动性）、市场流动性不足（流动性不足）和宏观经济不确定性（不确定性）。估算期J∈ {1、6、12、18、24、30、36、42、48、54、60}个月，持有期K=1个月，分别在前两列中显示。1990年至2014年整个样本期内，中信建投（CSCON）投资组合的月平均回报也在第三栏“原始回报”中进行了报告，与之相比，中信建投（CSCON）在各个市场条件处于高水平和低水平的时期的盈利能力可以进行比较。s充足期为1990年12月至2014年12月。参考文献[47]，对t统计量进行异方差和自相关调整。

上标*和**分别表示5%和1%水平的重要性。状态波动率非流动性不确定性J K原始回报率上下高-低-高-低-高-低1 0.0084 0.0097 0.0057 0.0115 0.0059*0.0074 0.0093 0.0063 0.0105*6 1 0.0009 0.0104*-0.0113*0.0069 -0.0041 -0.0015 0.0029 -0.0021 0.003712 1 0.0044 0.0097 -0.0077 0.0139 -0.0035 -0.0005 0.0087 0.0041 0.004718 1 0.0057 0.0141*-0.0033 0.0156 -0.0024 -0.0003 0.0110 0.0002 0.011124 1 0.0089 0.0186*-0.0001 0.0191 0.0010 -0.0021 0.0183*0.0021 0.0153*30 1 0.0150 0.0255*0.0086 0.0288 0.0047 0.0 042 0.0241**0.0090 0.0203**36 1 0.0204**0.0263*0.0121 0.0409*0.0060 0.0112 0.0279**0.0205 0.0204**42 1 0.0228**0.0320**0.0103 0.0484**0.0058 0.0177 0.0267**0.0271*0.0194*48 1 0.0134*0.0261**-0.0031 0.0292**0.0036 0.0050 0.0196*0.0094 0.0165*54 1 0.0151**0.0301**-0.0041 0.0320**0.0052 0.0103 0.0183*0.0055 0.0219**60 1 0.0146*0.0290**-0.0042 0.0284*0.0070 0.0080 0.0188*0.0033 0.0221**以及低水平的特定市场条件。与研究时变风险溢价关系的样本一样，我们以具有不同估计期J和固定持有期K的CSCON投资组合为样本。J∈{1、6、12、18、24、30、36、42、48、54、60}个月，K=1个月。我们采用了先前文献[15]中经常使用的几种市场条件因素，包括市场状态、市场波动性、市场流动性不足和宏观经济不确定性。另一方面，为了避免常见风险因素的影响，我们还转向定价模型，包括市场条件下的虚拟变量，以获取资本充足率与市场条件之间更精确的关系【11，15】。具体而言，使用分段FFTM，如式（3）所示。ERT表示在t月返回CSCON订单。