横截面动量的消长和反转效应：

RMKT、RSM和RHML分别代表参考文献[46]中的市场因素、规模因素和价值因素。dt表示市场状况的虚拟变量，如果是第t个月市场状况的高（低）水平，则取单位值（零）。ERt=α+βMKTRMKT，t+βSMBRSMB，t+βHMLRHML，t+βDDt+εt，εt~ N（0，σε），（3）市场状态取决于两种趋势，即上升和下降。事实上，市场状态（或方向）对CSMOM（CSCON）战略的可行性至关重要【49】。根据参考文献[49]，我们确定了过去36个月的市场表现为非负（负）时，市场状态的上升（下降）趋势。在我们的工作中，SHCI的月度对数回报被用作市场表现的代表。如果是前36个月SHCI的非负（负）回报，则dits dumm y变量a t月t等于单位（零）。市场波动性定义为AR（1）-GJR-GARCH（1，1）[50]的条件方差，如式（4）所示，其中Rt表示SHCI的月度对数回报。在式（4）中，条件测量和方差方程分别由第一个和第三个方程描述。c和ε分别为常数项和新息项。σt表示εt的条件标准差。在方差方程中，I[·]是指示函数，当εt-1<0，否则为零。换句话说，ξ量化了先前正冲击效应之间的差异（εt-1> 0）和负冲击（εt-1<0）的波动率[51]。我们采用AR（1）GJR-GARCH（1，1）而不是参考文献[15]中的AR（1）-GARCH（1，1），因为大量文献发现AR（1）-GJR-GARCH（1，1）更适合描述中国股市不对称市场波动的动态。

市场波动率的虚拟变量等于高（低）波动率区间的单位（零），该区间定义为市场波动率高于（低于）其中值的时段。Rt=c+Rt-1+εt，εt=σtzt，σt=k+γσt-1+αεt-1+ξI[εt-1<0]εt-1、（4）我们遵循参考文献[52]来衡量市场流动性不足，该指标适用于所有中国A股股票的当前频率。结果a对所有股票和每个月的所有天数进行重新平均，以给出市场范围内的月度非流动性估计，如公式（5）所示，其中Ri，m，dis为股票i在第m个月d的回报，VOLDi，m，dis为各自的日交易量，以人民币，Di，mis可用交易数据的天数，NMIS m月可用股票的数量。高（低）市场流动性状态定义为每月市场流动性高于（低于）其中值的时段。相应地，在高（低）市场非流动性制度下，虚拟变量等于单位（z ero）。ILLIQi，m=Di，mDi，mXt=1 | Ri，m，d | VOLDi，m，d，AILLIQm=NmNmXt=1ILLIQi，m，（5）根据参考文献[15]，美国市场的宏观经济不确定性被定义为与AR（1）-GARCH（1，1）模型相关的条件变量，该模型应用于每月国债利率[53]。对于中国市场，将参考文献[54]中的AR（1）-GARCH（1，1）应用于中国的GDP数据，并推导出条件var ia NCE来衡量不确定性[55]。然而，中国的GDP数据是季度统计数据，我们的研究需要月度数据。因此，应采用中国宏观经济繁荣指数。它包含四个指数，由中国国家统计局（www.cem ac.org.cn）发布。

特别是，一致性指数反映当前经济的tr端，涉及行业生产、就业、需求和收入；领先指标由一组领先指标组成，用于预测未来经济趋势；拉格指数由一组滞后指标构成，主要用于确认经济周期；预警指数将宏观经济状态分为五个级别：“红色”表示经济严重过热，“黄色”表示经济过热，“绿色”表示经济正常，“浅蓝色”表示经济较冷，“蓝色”表示经济较旧。yt=c+yt-1+εt，εt=σtzt，σt=k+γσt-1+αεt-1.（6）在我们的工作中，使用AR（1）-GARCH（1，1）模型[56]的条件方差a ssociate te d来确定宏观经济的不确定性，这可以用公式（6）来描述，其中y表示t个月的重合指数的对数回报。如公式（4）所示，条件平均值和方差方程分别由式（6）中的第一个和第三个方程描述。c和ε分别为常数项和新息项。σtre表示εt的条件标准偏差。此外，k，γ，α>0，γ+α<1。高（低）宏观经济不确定性制度定义为宏观经济不确定性高于（低于）其中值的时期，并且在高（低）宏观经济不确定性制度中，相关虚拟变量等于单位（零）。值得注意的是，这些结果对采用其他三种替代方法都是稳健的，我们仅根据一致性指数给出结果。表4报告了CSCON投资组合在各个市场条件的高水平和低水平期间的表现。

显然，当J≥ 在11个中信建投（CSCON）投资组合中，有36个投资组合在统计上具有显著的正回报，因此表明中信建投（CSCON）在中国股票市场的长期效应[33]。表5：该表报告了基于Fama-French三因素模型的横截面反向投资组合（CSCON）的表现，其中包括市场条件虚拟，即ERt=α+βMKTRMKT，t+βSMBRSMB，t+βHMLRHML，t+βDDt+εt。根据本文的描述，每个市场条件的虚拟变量dt取统一值或零。估计期和持有期分别为J月和K月。不同投资组合的J值和K值在前两个COLLMNS中显示。1990年至2014年整个样本期内，中信建投（国际）证券投资组合的月平均回报也报告在第三栏“原始回报”中，风险调整后的中信建投（国际）证券投资组合可与之进行比较。样本期为1990年12月至2014年12月。A组至D组报告了基于四种不同市场条件的结果，这些市场条件包括市场状态（状态）、市场波动性（波动性）、市场非流动性（非流动性）和宏观经济不确定性（不确定性）。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。J K原始返回αβMKTβSMBβHMLβDPanel A：状态1 0.0084 0.0045 0.0612 0.2329*-0.0069 0.00056 1 0.0009 -0.0132**0.0426 0.2767*0.1253 0.0189**12 1 0.0044 -0.0114 0.0313 0.3109 0.4965**0.0176*18 1 0.0057 -0.0082 0.0383 0.4233*0.6488**0.0174*24 1 0.0089 -0.0057 0.1121 0.6956**0.5083*0.013330 1 0.0150 0.

0013 0.2435*1.0155**0.4150 0.005936 1 0.0204**0.0045 0.2534*1.0694**0.4351 0.002642 1 0.0228**0.0035 0.1255 1.1244**0.4488 0.009848 1 0.0134*-0.0085 0.0091 0.8363**0.5721*0.0248**54 1 0.0151**-0.0085 -0.0014 0.7878**0.3906 0.0297**60 1 0.0146*-0.0087 -0.0080 0.8047**0.4825 0.0285**面板B：挥发度1 0.0084 0.0052 0.1041 0.0737 0.0543 0.00396 1 0.0009-0.0057 0.0708 0.1513 0.2140 0 0.011112 1 0.0044-0.0062 0.1170 0.0643 0.5937**0.023818 1 0.0057 -0.0056 -0.0651 0.3105 0.3994*0.0209*24 1 0.0089 -0.0039 0.1662*0.5297*0.5214**0.013430 1 0.0150 -0.0010 0.2584**0.8287**0.3291 0.009536 1 0.0204**-0.0013 0.2472*1.0597**0.4368 0.018242 1 0.0228**-0.0018 0.1084 1.1186**0.4438 0.0283**48 1 0.0134*-0.0030 -0.0077 0.8501**0.5694*0.0226*54 1 0.0151**-0.0005 -0.0209 0.8031**0.3910 0.0236*60 1 0.0146*0.0006 -0.0242 0.8190**0.4979 0.0195面板C：非流动性1 0.0084 0.0045 0.1112 0.0763 0.0559 0.00516 1 0.0009-0.0016 0.0748 0.1563 0.2092 0.001712 1 0.0044 0。0045 0.1207 0.0743 0.5807*-0.000118 1 0.0057 0. 0093 -0.0767 0.3171 0.3796*-0.011824 1 0.0089 0. 0042 0.1632*0.5368*0.5111**-0.005030 1 0.0150 0. 0019 0.2629**0.8365**0.3283 0.002036 1 0.0204**0.0015 0.2639*1.0801**0.4485 0.009642 1 0.0228**0.0030 0.1376 1.1471**0.4664 0.013448 1 0.0134*0.0054 0.0097 0.8622**0.5596*-0.000054 1 0.0151**0.0047 0.0087 0.8352**0.3759 0.007260 1 0.0146*0.0053 -0.0015 0.8421**0.4785 0.0045面板D：不确定度1 0.0084 0.0090 0.1030 0.0795 0.0505-0.00406 1 0.0009 0.0019 0.0702 0.1616 0.2057-0.005412 1 0.0044 0。0021 0.1229 0.0695 0.5827**0.004618 1 0.0057 0. 0050 -0.0629 0.3218 0.3870*-0.002524 1 0.0089 0. 0051 0.1667*0.5472**0.5144**-0.006830 1 0.0150 0.

0057 0.2584**0.8429**0.3245 -0.005936 1 0.0204**0.0059 0.2528*1.0717**0.4346 0.000242 1 0.0228**0.0099 0.1240 1.1358**0.4492 -0.001748 1 0.0134*0.0082 0.0093 0.8715**0.5582*-0.006254 1 0.0151**0.0090 -0.0008 0.8217**0.3774 -0.002560 1 0.0146*0.0073 -0.0071 0.8317**0.4785-0.0001在向上和向下的市场状态下，CSCON的稳定性存在显著差异。当市场呈上升趋势时，9/11中信建投（CSCON）投资组合的平均回报率为正，统计显著性为5%，所有这些投资组合都实现了更高的盈利能力，甚至几乎是其各自原始回报率的两倍。相比之下，当市场处于下跌趋势时，中信建投（国际）证券有限公司投资组合的表现要差得多。只有CON（6，1）具有统计意义，但平均回报率为负。基于市场波动性的结果相似。同样，在市场波动性较高的时期，中信建投（国际）国际有限公司（CSCON portfo lios）的稳定性也较为有利。然而，当J≥ 36、相比之下，只有CON（1，1）在市场波动性较低的时期具有统计意义的正平均回报。基于市场流动性不足和宏观经济不确定性的发现正好相反。如表中所示，市场流动性和宏观经济不确定性较低的时期与中信建投（CSCON）投资组合的较高稳定性相关，当≥ 上述发现表明，中信建投（国际）财务有限公司的盈利能力与市场条件因素之间存在密切关系，这可能是由于常见风险因素的表现所致。在下文中，使用包含市场条件虚拟变量的增广FFTM，以获取稳定性与市场条件之间更精确的关系。

结果如表5所示。至于A组中基于市场状态的结果，风险调整后的平均回报率均未表现出统计学意义。所有CSCON投资组合的风险调整后表现都比其各自的原始回报率差。市场状态假人上的所有负荷均为正值，表明在市场状态向上趋势期间，CSCON组合的性能更优越。当6≤J≤ 18和48≤ J≤ 60、结果显示，CSCON的稳定性表现出对市场状态的依赖性，但没有达到表4结果所暗示的水平。Panel B r报告了基于市场波动性的类似结果，所有经风险调整的平均回报率都不显著，且低于原始回报率。同样，所有关于市场波动性的预测都是积极的，这表明中信建投（国际）证券投资组合在市场波动性较高的时期会有更有利的表现。然而，当J=18和42时，2011年4月CSCON投资组合具有统计意义≤ J≤ 显然，共同风险因素的表现将增加中信建投（国际）财务有限公司对市场状态和波动性的依赖性。C组和D组分别报告了基于市场流动性不足和宏观经济不确定性的结果。9/11宏观经济不确定性假人的负荷为负但不显著，4/11市场流动性不足假人的负荷为负但不显著。显然，这些结果与表4中的结果不一致。在消除了常见风险因素的影响后，中信建投（国际）有限公司对非流动性和不确定性的依赖性大大减弱。根据基于两个不同角度的研究结果，CSCON的可操作性在很大程度上取决于市场条件。

市场状态呈上升趋势、市场波动性较高、市场流动性较高和宏观经济不确定性较低的时期与较高的CSCON稳定性相关。在考虑到常见风险因素的影响后，CSCON的稳定性与市场条件之间的关系被削弱。总之，调查结果符合AMH。5、结论在本文中，我们重点检验了文献[2，9]的适应性市场假说对中国股票市场的一些影响。我们进行这项研究是为了测试AMH在fram-eworkof CSMOM和CSCON效应中的实际意义。我们通过使用CAPM和Fama-French三因素模型对风险调整后的SCON投资组合的表现进行检验，来检验风险-溢价关系是否稳定。我们的研究结果表明，风险调整后的回报率是时变的，而低风险因素并不恒定，这与AMH是一致的。然后，我们对移动窗口中中信建投（CSCON）投资组合的表现进行了研究，以验证套利机会在中国市场和其他主要证券交易所是否也在演变。据观察，CSMOM和CSCON效应随着时间的推移而演变，这在所有正在考虑的市场中都是普遍存在的。此外，我们认为市场异常只在一定时期内表现出市场特征，这与相关研究中的一些混合结果相矛盾。最后，我们探讨了CSCON稳定性与市场条件之间的关系。我们评估了中信建投（CSCON）投资组合在几种市场条件的高低水平期间的表现，并通过包含市场条件虚拟的扩充Fama-French三因素模型研究了中信建投（CSCON）投资组合在不同市场环境下的表现是否不同。

我们发现，CSCON的能力与市场条件密切相关。市场状态呈u向趋势、市场波动性较高、市场流动性较高和宏观经济不确定性较低的时期与较高的CSCON盈利能力相关。考虑到风险因素的影响后，中信建投（国际）财务有限公司的稳定性与市场条件之间的关系被削弱。总之，我们的发现符合AMH。致谢这项工作得到了国家自然科学基金（71532 009）和中央大学基础研究基金（222021718006）的部分支持。参考文献[1]E.F.Fama，K.R.French，《资产定价异常的多因素解释》，J.Financ。51 (1) (1996) 55–84.[2] A.W.Lo，《适应性市场假说》，J.Portf。管理。30 (5) (2004) 15–29. 内政部：10.3905/jpm。2004.442611.[3] D.Kahneman，A.Tversky，《前景理论：风险下的决策分析》，计量经济学47（1979）263–292。[4] E.F.Fama，《有效资本市场：理论和实证工作回顾》，J.Financ。25 (2) (1970) 383–423.内政部：10.1111/j.1540-6261.1970。tb00518.x.[5]E.F.Fama，《有效资本市场：II》，J.Financ。46 (5) (1991) 1575–1617. 内政部：10.1111/j.1540-6261.1991。tb04636.x.[6]N.Barberis，A.Shleifer，R.Vishny，《投资者情绪模型》，J.Financ。经济。49 (3) (1998) 307–343.内政部：10.1016/S0304-405X（98）00027-0。[7] H.Hong，J.C.Stein，《资产市场反应不足、动量交易和过度反应的统一理论》，J.Financ。54 (6) (1999)2143–2184. 内政部：10.1111/0022-1082.00184。[8] K.Daniel，D.Hirshleifer，A.Subrahmanyam，《投资者心理与证券市场反应不足与过度》，J.Financ。53 (6) (1998)1839–1885. 内政部：10.1111/0022-1082.00077。[9] A.W。

Lo，《协调有效市场与行为金融：适应性市场假说》，投资咨询杂志7（2）（2005）21–44。[10] G.S.Hiremath，J.Kumari，《新兴市场中的股票收益可预测性和适应性市场假说：来自印度的证据》，SpringerPlus 3（1）（2014）1–14。内政部：10.1186/2193-1801-3-428。[11] J.H.Kim，A.Shamsuddin，K.-P.Lim，《股票回报可预测性和适应性市场假说：来自美国长达一个世纪的数据的证据》，J.Empil。财务部。18 (5) (2011) 868–879. 内政部：10.1016/j.jempfin。2011.08.002.[12] Shi H.-L，ZZ.-Q.Jiang，W.-X.Zhou，中国股市的时变收益可预测性，代表高级物理。Sci。1 (1) (2017)1740002. 内政部：10.1142/S2424942417400023。[13] C.J。Neely，P.A.Weller，J.M.Ulrich，《适应性市场假说：来自外汇市场的证据》，J.Financ。数量。肛门。44 (2) (2009) 467–488. 内政部：10.1017/S00221090090103。[14] C.J.Neely，P.A.Weller，《外汇交易策略演变的教训》，J.Bank。财务部。37 (10) (2013) 3783–3798.内政部：10.1016/j.jbankfin。2013.05.029.[15] N.Taylor，《技术交易规则成功的兴衰》，J.Bank。财务部。40 (2014) 286–302.内政部：10.1016/j.jbankfin。2013.12.004.[16] A.Todea，M.Ulici，S.Silaghi，《适应性市场假说：来自亚太金融市场的证据》，《金融与银行评论》1（1）（2009）7–13。[17] J.Kinnunen，《俄罗斯股市的动态回报可预测性》，新兴市场评论15（2013）107–121。内政部：10.1016/j.ememar。2012.12.001.[18] E.P¨at¨ari，M.Vilska，《移动平均交易策略在不同股票市场条件下的表现：芬兰证据》，Appl。经济。46 (24) (2014) 107–121. 内政部：10.1080/00036846.2014.914145。[19] D.G.Anghel，《罗马尼亚市场效率和技术分析》，国际金融杂志。物件。