ri,t − rf,t = αi + βi * (rm,t − rf,t) + εi,t(2)

其中，ri,t为股票i在t月的收益率，rf,t为无风险收益率，rm,t为市场收益率，βi为待估的β系数。本文具体的估计方法为，在任意1个月用前3年的股票月收益率，如果前3年的收益率数据不完整，至少要保证有1年，即12个月收益率数据；无风险收益率采用1年期的定期存款平均到每个月的收益率；市场收益率采用全部A股的流通市值加权收益率。

公司规模按上个月收盘价计算的流通市值计算。

公司的账面/市值比是用公司年报所公布的所有者权益除以按当年12月底收盘价计算的总市值。

除了美国等发达国家的“1月效应”外，亚太地区股票市场也存在一些自身独有的“月份效应”，如卡托和斯考黑姆(Kato and Schallheim)发现日本证券市场除“1月效应”外还存在着“6月、12月效应”，即6月、12月的市场收益率显著高于其他月份等 ；埃玛德和豪森(Ahmad and Hussain)指出马来西亚证券市场存在“2月效应” 。对中国股票市场月份效应研究方面，已有的研究表明我国并不存在与国外类似的“1月效应”和“2月效应”，但却存在显著的负“12月效应”。另有文献还发现1995年后A股市场除了12月份收益率显著为负外，还存在3月份收益率显著为正的现象。对于这种现象的原因，张兵给出了基于资金面季节性流动规律的简要解释，总结起来有两方面：第一，资金面的季节变化，我国股市年末往往面临着各种形式的资金抽回，而来年初这些资金又会回流，这一资金运动规律决定了股市的“春涨”、“冬藏”；第二，重大利好政策往在2、3月份发布，从而引发“春涨”现象 。总体来看，我国与国外的相关研究相比还停留在“月份效应”的发掘阶段，当前所发现的“3月效应”和“12月效应”的证据只是收益率与零的比较，收益率与其他月份的差异是否显著还有待验证。另外，有关我国的月份效应究竟是整体市场之行为还是由某种风险特征的股票引起(例如美国的“1月效应”主要由小市值股票引起)的问题还未有人触及。

本部分所使用的数据来源于CSMAR交易数据库，可分为两类：一类是市场收益率数据，包括考虑现金股利再投资的A股等权重月收益率(综合市场、上海市场、深圳市场)和流通市值加权平均月收益率(综合市场、上海市场、深圳市场)；另一类是个股收益率数据，是考虑现金股利再投资的沪、深两市A股个股的月收益率。样本的时间跨度为1995年1月至2004年12月。

表1给出了沪、深两市A股的市场收益率的描述性统计，其做法是将市场的月收益率按月份进行分组，共分为12组，统计每组的均值和标准差。为了检验月收益率的均值足否偏离零，本文采用t-统计量，其计算方法为，其中n为组内的样本数，为组内收益率的均值，SD(rm)为组内收益率的标准差。表中收益率均值偏离零的显著性用*号进行标识。可以看出，就沪市而言无论等权重还是流通加权，全年的最高月平均收益都发生在3月份，分别为8.06% 和7.05% ，且均在5%的显著性水平下的大于零；而最低平均收益率都发生在l2月份，分别为-5.16%和-4.53% ，均在5%显著水平上小于零。除了3、12月份外，其他月份日平均收益率均无法在统计上拒绝等于零的原假设。就深市而言在等权重与流通加权收益率下，3月份月平均收益率为7.43% 和6.10% ，分别在1%和5% 显著水平上大于零；12月份月平均收益率为-6.43%和-6.01%，均在5%水平上小于零。这一定性结论与张兵对深成指各月日收益率的描述性统计相一致。

两市的描述性统计共同提示出，3月份月平均收益都显著大于零且均为全年最高，12月份月平均收益均显著小于零且为全年最低。另外，表1表明上半年1～6月份的月平均收益率基本都大于下半年，与李锐日收益率的描述性统计相类似。市场收益率在月份上的分布特点也可直观地表示为图1，图中使用的是沪深两市综合A股市场的月收益率。

根据“月份效应”的定义，它是特定月份平均收益率异于其他各月平均收益率的现象，而非平均收益率异于零的现象。为了检验“3月效应”和“l2月效应”是否是真实的月份效应，本文沿用传统检验月份效应的虚拟变量回归法，分别设置3月和l2月的虚拟变量，对市场的门收益率进行时间序列回归，其模型如下：

rm,1 = C0 + C1 * Di,1 + ε1(1)

其中，rm,1为市场的月收益率，Di,1为待研究月份(3月、12月份)的虚拟变量，C0衡量的是除待研究月份外其他所有月份的平均收益率，C1为待研究月份i与剩余所有月份平均收益之差异，如果参数C1在统计上显著地异于零，那么就表明存在待研究月份的月份效应。表2给出了沪、深两市是否存在显著的“3月、12月效应”的检验结果。D-W统计量用于检验不同时期市场收益率之间的序列相关性，该统计量越接近2，说明收益率间的序列相关性越弱；如果该统计量显著偏离2，说明存在较强的序列相关性，普通的t-检验不再适用。由于模型(1)为参数检验法，为避免收益分布对结果产生的偏差，本文还就待研究月份是否与其他所有月份平均收益间存在显著差异进行了Kruskal-Wallis非参数检验，并报告了K-W统计量，以保证结果的可靠性。K-W统计量的思想是比较两组子样本的中位数是否有差异。

从表中D—W统计量看出，收益率之间不存在显著的序列相关性；就两个市场而言，衡量3月、l2月月均收益率与其他各月总体月平均收益率差异的C1均在5%的显著性水平下大于零、小于零，表明3月和l2月的“月份效应”是成立的。另外，两市K-W检验结果也显示3月、l2月份收益与其他月份总体收益存在显著差异，进一步保证了结果的可靠性。运用同样的虚拟变量法，发现3月和l2月以外的其他月份不存在显著的月份效应，实证结果省略。

美国市场的“1月效应”主要体现在小规模公司股票上，瑞特(Ritter)的研究指出个体投资者倾向于持有更多的小规模企业股票，而机构投资者则倾向持有较多的大规模企业股票，由于抱有税减动机的多数为个体投资者，因而会导致“小规模股票的1月效应”。这一解释表明，美国市场的1月效应是由部分投资者(个体投资者)的季节性投资行为(年末卖掉亏损股票以避税)和这部分投资者的风险偏好特点(重点投资小规模股票)共同引起的。

CSMAR财务数据库。

B系数的估计用经典的时间序列回归方法：

ri,t − rf,t = αi + βi * (rm,t − rf,t) + εi,t(2)

其中，ri,t为股票i在t月的收益率，rf,t为无风险收益率，rm,t为市场收益率，βi为待估的β系数。本文具体的估计方法为，在任意1个月用前3年的股票月收益率，如果前3年的收益率数据不完整，至少要保证有1年，即12个月收益率数据；无风险收益率采用1年期的定期存款平均到每个月的收益率；市场收益率采用全部A股的流通市值加权收益率。

公司规模按上个月收盘价计算的流通市值计算。

公司的账面/市值比是用公司年报所公布的所有者权益除以按当年12月底收盘价计算的总市值。由于大部分年报在第2年的3月份公布，所以账面/市值比可使用的期限为第2年的4月份至第3年的3月份。

不同风险特征股票的月份效应可以用传统的排序法进行检验：股票按前1个月的某个风险特征(β系数、企业的规模和账面/市值比其中之一)进行排序，按顺序分为5个组合，每个组合持有1个月，收益率按等权重进行平均，每个月重新更新一次组合。这样每个组合都具有了收益率的时间序列，利用模型(1)进行时间序列回归来研究月份效应的表现。表3的3栏分别给出了不同B系数、流通市值、和账面/市值比组合“3月、12月效应”的估计结果，各表中13系数、流通市值、账N/市值比组合从小到大分别以1至5来标识。

从表3的A栏中可以看出，各个B组合均表现出显著的3月效应和12月效应，而且3月效应和12月效应随着B的增大而加强：3月份超出其他月份收益率的程度从最小β组合的6%增加到最大B组合的8.5% ；12月份低出其他月份收益率的程度从最小β组合的6.1%增加到最大β组合的8%。由于β衡量的是股票的市场风险，上述现象从一个侧面也说明，3月效应和12月效应是包含在市场波动内的，β越大，对市场波动性的反映能力越强，3月效应和12月效应就越明显。

从表3的B栏可以看出，无论是大市值还是小市值组合，参数与非参数统计检验都证实了3月效应和12月效应的显著性，而不仅仅表现在小市值组合上。这点与美国(Keim)、日本(Kato和Schallheim)市场的月份效应主要由小市值公司引起不同。然而我们也注意到，市场的“3月、12月效应”均随着组合市值的增大而变弱：按市值从sl,N大的3月份月均收益率与其他月份总的平均收益之差异从9.66%递减到6.36% ，差值达3.3% 。这一点说明我国的月份效应与国外有类似之处，有季节性投资规律的投资者虽然不是主要侧重于小规模股票的投资，但是对小规模股票有所倾斜。

表3的C栏给出了按账面/市值比划分为5组后组合的3月效应和12月效应的估计情况。从参数和非参数的检验结果来看，沪、深两市各个账面/市值比组合均表现出显著的3月效应和12月效应。但是“3月效应”均随着账面/市值比的增大而减弱；而“12月效应”则随着账面/市值比的增大而略有加强。由于账面/市值比反映的是企业的衰退程度，上述现象说明收益率在3月的上升和在12月的下降在经营状况不同的企业表现有所差异：市场表现好的企业在3月上升得较快，而表现差的企业在12月下跌得较快。相应地，投资者3月份会倾向于追逐市场表现好的股票，而12月则倾向于摆脱市场表现差的股票。

综合看来，我国A股市场的3月效应和12月效应在分别按照各股票β系数、流通市值和账面/市值比分组后的各个组合中均有显著的表现，这表明我国股票市场的“3月、12月效应”是整体市场的行为，而不是具特定风险特征的某类股票的个体行为。相应地，对月份效应的解释不应从部分投资者行为的季节性特点出发，而应着眼于宏观层面的解释。

既然没有证据表明我国A股市场的月份效应是某类股票的个体行为，那么这种季节性可能出于两种情况：一是所有的投资者都具有某种季节性特点，相应地造成了整体市场的月份效应；另一是具有季节性投资特点的投资者没有特殊的风险偏好，不按股票的风险特征进行重点投资，而其他的投资者或者没有季节性，或者相反的季节性不足以抵消季节性。无论是前者还是后者，月份效应都应该是一种宏观现象，那么相应地可以找到某些宏观经济变量来解释这种季节性的动机。

张兵认为这种季节性是资金推动的，股市资金中大部分是国有企业的挪用款，属于违规资金，这些资金到年底会面临抽回和结账的压力，而来年初这些资金又再次回流，再加上中小投资者春节后的余钱流人市场等，这一资金运动规律决定了股市的“春涨”、“冬藏”。然而这种解释不是均衡意义下的：企业可以用股票或信用来借款满足结账压力，而没必要一定卖掉股票。如果季节性完全是由这种非均衡因素所造成的，一定会有套利者在12月股价下降后买人股票等到3月股价上涨后卖掉从而获利。套利者的存在必然会消除这种非均衡现象，而实证却发现3月效应和12月效应是长期的，这点与非均衡解释之间存在一定矛盾，那么我国的月份效应有没有均衡意义下的解释呢?

宏观经济在3月和l2月有什么季节性变化规律呢?众所同知，12月至2月期间是我国重大节日的集中期：圣诞节、元旦和春节集中于此。这些节日反映在宏观经济上的主要内容是消费，零售业和服务业生意兴隆，人们购物和消费的热情高涨，甚至对于某些消费者而言，一年的大部分收入都是在这段时间消费的。这种消费的季节性是否是造成月份效应的真正原因呢?

在美国股市“1月—小市值效应”的研究中，已有间接或直接的证据表明消费可以对月份效应提供解释。奥登(Ogden)在他的“资金流动性假说”中将年关的商业活动回落作为分析的基点，从而间接将商业活动变动(可用消费总量来衡量)与月份效应联系起来；克莱默(Kramer)运用含消费增长率的多因素模型对低价股票的1月超额收益进行解释，结果发现该多因素模型能够解释 大部分1月超额收益且消费增长率的因子载荷显著 。外关于消费习惯与市场收益率行为的关系研究也由来已久，有些文献认为是消费本身决定了股票市场收益率，他们指出消费作为反映当期宏观经济景气水平的关键指标会对股票价格产生影响，如高消费则预示人们对未来经济的看好从而引敏当前市场价格的上涨，阿诺若等(Anoruo 2003)对英国股票市场的研究即属此类 。还有一些文献认为是预期的股票收益率决定了当前的消费水平，他们指出：消费者会对其一生的财富进行规划，并由此决定各期消费，以使每期的消费趋于平滑，而股票作为发达国家个人财富的一部分，其预期收益率的增大必然会导致个人财富的预期提升，从而引致个人当期消费的增多 。莱托和路维森(Lettau和Ludvigson 2001)对超额消费(当期消费超过平滑水平的消费额度)与预期收益率的关系进行研究，结果表明超额消费可以对未来收益做出预测，从而验证了预期股票收益率决定当前消费水平这一说法。而更多的研究则来自金融经济学领域的消费资本资产定价模型(CCAPM，Consumption based CAPM)，该理论认为每一个经济行为主体的效用函数都可以抽象为消费——资产组合选择问题，基于这一设定。在均衡时任何证券的风险贴水(即预期收益率减去无风险收益率的部分)都同消费边际替代率和该证券收益率之间的协方差成比例关系，投资者会在消费的效用和资本收益所获得的效用之间进行选择。如果将股票市场整体当作一种证券组合，基于这一理论，消费本身就与其存在紧密联系，坎贝尔和科卡瑞恩(Campbell和Cochrane)就曾验证过美国股市整体与消费习惯的这种关系 。

与国外相比，我国资本市场在成熟度以及风俗习惯上与国外存在较大差异。就成熟度而言，我国的金融系统主要以银行为主，股票市场本身规模较小，股票资产本身对家庭的财富贡献度有限，因而在资产配置方面处于从属地位，这样股市收益率就会被动地受消费变动的影响；就风俗习惯而言，我国传统“春节”在我国居民的文化生活中占据重要地位，它决定了中国本土投资者在进行长期消费一投资决策的同时还要就1年以内的消费一投资进行规划。与美国相比，这些差异可能会使我国居民的消费习惯在短期内对股票市场收益率产生显著影响，并形成特殊的“3月、12月效应”。

为了检验消费对月份效应的解释能力，我们首先来解决消费的度量问题。从《中国统计年鉴》中消费价格指数的构成来看，居民消费主要可分为食品、衣着、家庭设置用品及服务、医疗保健及个人用品、交通通讯及服务、娱乐教育文化用品及服务、居住等几个部分，但就当前的统计口径我们还无法从经济统计数据中分离出居民的消费额， 此选用一个代理变量——社会消费品零售总额求反映居民消费的增长情况。社会零售总额的月度数据摘自国家统计局出版的《中国商品统计年鉴》，由于从1996年才开始有月度数据，因此本部分的样本区问为1996年1月至2004年12月。图2给出了经过价格调整后的月平均消费品零售额，可以看出每年的12月是一个消费高峰，3月至4月是消费低谷。由于消费品零售额存在单位根问题，所以我们选用消费品零售额的增K率来进行回归分析。图3是消费增长率与A股市场收益率的比照情况，从图中可以看出，在消费增长率为负的月份，往往对应着股票市场的高收益率，如年初的2、3月份；而在消费增长率处在全年高位的l2月份，则对应着股票市场显著为负的低收益。

图3中也反映出消费月增长率本身也呈现出一定的“3月、12月效应”，其统计结果见表4的回归(1)。本部分要检验消费增长率是否有能力解释月份效应，如果直接将消费月增长率与3月、12月虚拟变量一起对市场收益率进行回归的话可能会产生共线性问题，从而使得系数显著度估计产生偏误，影响结论的可靠性。因此本部分除了直接用消费月增长率对市场收益率进行回归外，还会就市场收益率对消费月增长率回归后的残差(它衡量扣除消费变动影响后的市场收益率)再对3月、12月虚拟变量进行回归，以观察避免共线性问题后的消费增长率对3月、12月效应解释情况，从而保证结论的可靠性。回归结果表4所示。

从方程(2)和(6)的估计结果可以看出，消费增长率在1%显著性水平上对沪深A股的市场收益率产生负向影响，与图3反映的直观规律一致；另外，从方程(3)和(7)的估计情况来看，1996～2004年问“3月效应”和“12月效应”在一个方程内同时显著；方程(4)和(8)给出了直接加入消费月增长率后的估计结果，可以看出，原有的“3月、12月效应”均变得不再显著，但是消费增长率本身的系数却从方程1的1%水平显著变成了，10%水平显著，如果再看每个方程的F值的话，它们均在不同水平上显著，这表明方程本身存在较为明显的多重共线性问题(方程显著，而自变量系数不显著)，与前文的共线性相关分析一致。

从方程(5)和(9)可以看出，排除了共线性问题后，原先显著的“3月、12月效应”在扣除消费需求变动指标影响之后均变得不再显著，这直接对本文提出的“消费习惯假说”构成了支撑，说明引起我国股票市场总体“3月、12月效应”的原因是我国元旦、春节期间的消费需求变动。