股票涨了，他们为什么更想交易？——46 国市场里的一条「追涨」暗线

[2007 RFS] Do Investors Trade More When Stocks Have Performed Well? Evidence from 46 Countries
John M. Griffin, Federico Nardari, René M. Stulz
Jun He June 01, 2026
交易量与收益 跨国实证 行为金融 向量自回归
Note

本文读的是 Griffin, Nardari & Stulz (2007, Review of Financial Studies)：在 46 个国家的周度数据里，市场过去的收益越好，随后的换手率就越高——一个 1 个标准差的收益冲击，平均会在 10 周后把换手率推高 0.46 个标准差；而且这条「追涨」关系在发展中市场、禁止卖空的市场、腐败程度高的市场里都明显更强。

1 一个被问烂、却始终没答好的问题

先抛一个看似平淡的问题：当市场最近涨得不错，投资者会不会交易得更勤？

你可能觉得这还用问吗——涨了大家自然兴奋，成交量上去是常识。但金融学里有一件尴尬的事：成交量（trading volume）几乎是所有市场变量里我们「理论上」最说不清楚的一个。Gallant, Rossi & Tauchen (1992) 当年就抱怨过，价格—成交量关系的实证文献「非常依赖数据、却几乎没有严谨的均衡模型来指引」（p. 201）。本文三位作者干脆承认：直到他们写作的那一天，这句话依然成立。

更要命的是，过去的研究各说各话。Karpoff (1987) 的经典综述告诉我们，收益的绝对值和成交量正相关——无论涨跌，只要动得大，量就大，因为大幅波动意味着有大量信息到达。这一条早已板上钉钉。但本文关心的根本不是这个。它问的是一个带方向的问题：

Note

投资者会不会在上涨之后交易得更多、在下跌之后交易得更少？

这是两回事。前者是「波动带来成交」，后者是「过去的收益符号带来成交」。把这两件事混在一起，是过去文献吵了几十年也没收敛的根源之一。Hiemstra & Jones (1994) 发现日度收益能 Granger 引起 NYSE 成交量；Statman, Thorley & Vorkink (2006) 用 1962–2001 的月度数据说「全市场成交量与过去的市场收益冲击正相关」。可 Chordia, Roll & Subrahmanyam (2001) 偏偏用 1988–1998 的美国日度数据发现，负的过去收益反而和美元成交量正相关，正收益却几乎没有作用。Tse (1991) 看日本、Saatcioglu & Starks (1998) 看六个拉美市场，结论是「收益根本带不动成交量」。

一地鸡毛。于是一个自然的问题是：会不会这条关系本身就是时变的、跨国不同的，所以谁抓住一段样本就得到一个结论？这正是本文的切入点——它不去争论某一个国家的某一段历史，而是把 46 个国家摆到同一张桌子上，问两件事：第一，这条「追涨」关系到底普不普遍？第二，它在哪些国家更强、哪些更弱，而这种横截面差异又能告诉我们投资者究竟为什么追涨？

2 理论：八种「追涨」的故事，指向同一组国家特征

本文有意思的地方在于，它不先动数据，而是先把文献里所有能解释「成交量正向跟随过去收益」的理论一字排开，逐个问：如果这个故事是真的，那么这条关系应该在什么样的国家里更强？

这一步是整篇文章的「枢纽」，因为后面所有的跨国回归，本质上都是在替这些理论做体检。我把作者梳理的逻辑压成一条线：

把这七八个故事并到一起，你会发现它们虽然机制各异，却惊人地指向同一组国家特征：卖空限制、市场不透明/低效率、个股高相关、个人（相对机构、外资）投资者占主导、金融中介不发达。这就是本文 Table 3 的作用——它把每个理论的可检验含义整理成一张对照表，让后面的横截面回归有的放矢。

Table 3: summarizes the empirical implications of the various theoretical

Table 3: summarizes the empirical implications of the various theoretical

Tip

注意这里的巧妙：作者并不指望从数据里「证明」某一个理论对。理论之间高度重叠，单靠成交量数据无法把它们干净地分开。作者的策略是反过来用——先看数据里这条关系在哪些国家强，再回头看是哪几类国家特征在驱动，从而排除一部分理论、为另一部分理论加分。

3 识别：一个三变量 VAR，和它的脉冲响应

Note

这篇论文没有一个可直接估计的结构化理论模型（作者自己反复强调文献里没有这样的模型）。它的「识别」靠的是一个把收益、波动率、换手率放在一起的向量自回归 (vector autoregression, VAR)，外加脉冲响应分析。

为什么非要 VAR？因为「收益→成交量」这条关系最大的混淆项，是波动率。波动率既和收益相关（跌的时候往往更波动），又和成交量相关（Karpoff 那条铁律）。如果不把波动率控制住，你看到的「涨后成交多」可能只是「波动大时成交多」的伪装。所以作者对每个国家估计一个三变量系统，把市场收益 \(R_t\)、市场波动率 \(V_t\)、换手率 \(T_t\) 放进同一个向量 \(y_t=(R_t,V_t,T_t)'\)：

$$ y_t = c + \sum_{i=1}^{p} A_i\, y_{t-i} + \varepsilon_t $$

这里 \(A_i\) 是 \(3\times 3\) 的系数矩阵，\(\varepsilon_t\) 是同期可能相关的残差向量。换手率（turnover，即成交金额除以市值）在进入系统前先做了去趋势处理（detrended log turnover），以免长期上升的成交趋势污染结果。

波动率本身怎么量？这是细节里见功夫的地方。作者并不只用一种度量，而是用了一整套：EGARCH 滤波（Nelson 1991）、平方残差、以及基于最高/最低价的区间度量（Garman & Klass 1980；Alizadeh, Brandt & Diebold 2002）。结论是稳健的——而且控制了波动率之后，收益→成交量的关系反而更强了，说明它不是波动率的影子。

有了 VAR，怎么读出「涨之后成交怎么变」？答案是脉冲响应（impulse response）：给收益一个一次性的正向冲击，追踪未来若干周里换手率的累积反应。因为系统里残差同期相关，作者用的是不依赖变量排序的广义脉冲响应（generalized impulse response，Pesaran & Shin 1998；Koop, Pesaran & Potter 1996），避免了 Cholesky 分解里「谁先谁后」的任意性。

到这里，方法的全部张力可以浓缩成一句话：把波动率这个最大的捣乱者关进同一个笼子，再看收益的纯方向冲击能把成交量推多远。

4 数据

Table 1 的描述统计里已经埋着伏笔。看「Lead–lag correlations」那几列：发展中市场里，滞后换手率与当期收益（\(T_{t-1},R_t\)）的相关、以及当期换手率与收益的相关，普遍比高收入市场更显眼——比如土耳其、韩国、泰国、波兰这些市场，\(T_t,R_t\) 的相关动辄 0.3 上下，而很多高收入国家这一列几乎是噪声。这张表还没做任何回归，跨国差异的轮廓就已经浮出来了。

Table 1: presents summary statistics for weekly returns, EGARCH

Table 1: presents summary statistics for weekly returns, EGARCH

5 主要结果：一条普遍、却分布极不均匀的「追涨」线

第一，这条关系是真的，而且经济意义不小。 在三变量 VAR 的脉冲响应里，一个正向收益冲击在 10 周后显著提高了 24 个国家的成交量，而显著降低成交量的国家是 0 个。量级上，1 个标准差的收益冲击平均推高换手率 0.46 个标准差——这不是统计显著但经济上可忽略的那种「噪声里的信号」，而是实打实的大效应。更关键的是，作者通过脉冲响应发现：前人盯着看的那个同期正相关（收益和成交量当周一起动），在经济重要性上被收益与过去成交量之间这条更强的滞后关系「矮化」了。换句话说，真正的故事在时间的「之后」，而不在「同时」。

第二，也是全文最漂亮的一击——这条关系在横截面上分布得极不均匀。 它在发展中市场里明显比高收入市场强；而且对高收入国家来说，它在近年还在减弱。最刺眼的对照是：在 1993–2003 这段样本里，美国和英国的收益—换手率关系接近于零、不显著；可同样是美英，在更早的 1983–1992 这十年里，这条关系却是正且显著的。同一个国家，换一段历史，符号和显著性就翻篇——这恰恰解释了为什么过去的文献会打成一团乱仗：大家其实在不同的「时空格子」里各看到了真相的一角。

第三，卖空限制是最干净的那条分界线。 在不允许卖空的国家里，收益冲击 5 周后让成交量显著为正的，有 16/21；而在允许卖空的国家里，只有 8/25。这个对比几乎是教科书级的：卖空被堵住时，坏消息无法通过做空表达，下跌后成交自然萎缩，于是「涨多跌少」的不对称就被放大。单变量回归进一步显示，这条关系在卖空被禁、腐败更高、机构投资者占比更低、股市越不发达的国家更强。

第四，效率与 \(R^2\) 的线索。 Morck, Yeung & Yu (2000) 提出，一个市场越无效率，个股就越「同涨同跌」，市场模型回归的平均 \(R^2\) 就越高。本文发现，平均 \(R^2\) 与收益—成交量关系的强度强正相关——越像「一锅端」的市场，追涨越凶。但作者很诚实地补了一刀：市场的波动率和它与世界市场的相关性，本身就解释了 \(R^2\) 的很大一部分，所以 \(R^2\) 在横截面回归里到底扮演什么角色，并不好干净地解读。

第五，谁在追涨？ 在 7 个能区分外国投资者交易的国家里，这条关系对外资更弱。外资多为机构，这与「关系对个人投资者更强」的判断一致，也和过度自信、处置效应这些个人投资者色彩浓的故事对得上。（顺带一提，「换手率」本身有多大一部分只是被动的再平衡、而非主动的追涨，是另一个值得追问的问题，可参见《翻看换手率》。）

把这五点串起来，本文真正钉死的核心是：收益—成交量关系不是一条放之四海而皆准的常数，而是一面镜子，照出的是一个市场的卖空制度、信息效率、投资者构成和透明度。 哪里制度越「粗糙」、信息越慢、个人越多，哪里的人就越爱追涨。

6 文献脉络

这条研究线的源头，是把「价格」和「成交量」放在一起看的传统。最早把成交量和收益绝对值的正相关确立为「程式化事实」的，是 Karpoff (1987) 的综述；Gallant, Rossi & Tauchen (1992) 用 1928–1987 的日度数据再次确认了大波动后放量，但他们坦言分不清正向大波动和负向大波动谁带来的放量更多——方向问题，自此悬而未决。

接着，理论这边各自生长出对「方向」的预测：Shefrin & Statman (1985) 的处置效应、Diamond & Verrecchia (1987) 的卖空约束与坏消息慢扩散、Brennan & Cao (1997) 的外资趋势追随、以及 Odean、Gervais 一脉的过度自信。它们都暗示成交量会正向跟随过去收益，但谁也没给出一个能直接拿去估计的全市场模型。

然后，实证这边在不同样本上得出了彼此冲突的结论——Chordia, Roll & Subrahmanyam (2001) 的美国日度、Statman, Thorley & Vorkink (2006) 的美国月度、Tse (1991) 的日本、Saatcioglu & Starks (1998) 的拉美——拼图始终对不上。Morck, Yeung & Yu (2000) 则从另一条路提供了「无效率市场更同步、\(R^2\) 更高」的诊断工具。

文献脉络时间线
文献脉络时间线（按发表年份排布；红色为本文）

本文的位置，是把上面这两条线第一次系统地缝在一起：用 46 国的跨国横截面，既证明这条关系普遍存在，又用国家特征的差异去裁决那些彼此重叠的理论。它没有给出新模型，但它把「为什么文献吵不出结果」这件事本身解释清楚了——因为答案从来就不是一个数，而是一个分布。

7 评论与延伸（Q&A + 研究方向）

(a) 几个可能的疑问

Q：这跟「成交量与收益绝对值正相关」那条老结论，区别到底在哪？

区别在方向。老结论说的是「动得大就放量」，涨跌对称；本文说的是「涨之后放量、跌之后缩量」，是带符号的不对称关系。作者特意在 VAR 里控制了波动率（也就是控制了「动得大」这一项），结果关系反而更强，正是为了把这两件事切开。

Q：横截面只有 46 个国家，跨国回归的自由度够吗？会不会是少数几个市场在带节奏？

这是本文识别上最实在的软肋。46 个观测做多元横截面回归，统计功效有限，而且国家层面的制度变量彼此高度相关（卖空、腐败、效率、发展程度往往捆在一起），很难干净地分离出「哪一个」在起作用。作者也因此主要做单变量回归、并用「显著国家计数」这种稳健但粗糙的方式呈现，而非押注在某个精确系数上。

Q：VAR 里把收益、波动率、换手率放在一起，会不会反过来是成交量在推动收益？

有可能，而且文献里确有「成交量领先收益」的模型（如 Hoontrakul, Ryan & Perrakis 2002）。本文用广义脉冲响应追踪的是收益冲击之后换手率的反应，时间次序上把重点放在「收益在前」，但 VAR 终究是相关性框架，无法排除共同的、未观测的驱动因素（比如同时影响两者的情绪或资金流）同期作祟。

Q：为什么美英在 1993–2003 几乎看不到这条关系，更早却有？

这恰恰是作者想讲的核心——关系强度随市场效率上升而衰减。美英在 1980 年代尚不如后来高效、机构化程度也更低，那时个人投资者的处置效应/过度自信、以及信息的慢扩散更能留下痕迹；进入 1990 年代后，效率提高、卖空更顺畅，这条「追涨」线就被磨平了。

Q：\(R^2\) 那条证据到底算不算数？

半算。平均 \(R^2\) 与关系强度确实强正相关，方向上支持「越无效率越追涨」。但作者诚实地指出，\(R^2\) 的大部分又能被波动率和与世界市场的相关性解释掉，所以无法把「无效率」从「高波动」里干净地剥离——这是一处该保留怀疑的地方。

Q：对外资更弱，能直接说明「散户才是追涨主力」吗？

只能说一致、不能说证明。仅 7 个国家有外资交易数据，样本小；而且外资偏机构，「外资弱」既可能因为他们更理性，也可能因为他们的交易动机（跨境配置、汇率对冲）本就和本地散户不同。把它当作支持性证据、而非决定性证据更稳妥。

(b) 几个可能的研究问题与提案

1. 把这套逻辑搬到公司债市场。 【经济故事】公司债天然卖空困难、做市商库存约束强、个人参与少而机构主导——按本文逻辑，这里的「收益→成交」不对称应当由做市商流动性效应而非散户行为驱动，方向可能与股市相反（坏消息后被迫放量甩货）。这能把 Bernardo–Welch 式的流动性故事和行为故事干净地分开。 【可行性】中。数据可用 TRACE 的成交量 + 债券层面收益，识别上可借危机期（如 2008、2020）的外生流动性冲击做事件研究。难点在于债券成交稀疏、零成交多，需要专门的流动性度量。

2. 用卖空制度的「变更」做准自然实验。 【经济故事】本文是横截面对比「允许 vs 禁止卖空」，但制度差异与其他国家特征纠缠。若某国在某时点放开或收紧卖空，可以用双重差分 (difference-in-differences, DiD) 看收益—成交量不对称是否随之改变，直接检验 Diamond–Verrecchia 机制。 【可行性】高。Bris, Goetzmann & Zhu (2006) 已整理过各国卖空制度的时序，2008 金融危机期间多国临时禁空更是现成的冲击源。识别相对干净。

3. 把「外资 vs 本地」做成持有人层面的追涨度量。 【经济故事】本文只在 7 国、且只在「是否外资」这一粗粒度上比较。若能拿到投资者类型层面的逐笔或逐日净买入，可以直接量出不同类型持有人各自的追涨弹性，检验「散户处置效应 vs 外资趋势追随」谁更强。 【可行性】中。需要类似台湾、韩国那种按投资者类型披露的交易数据，覆盖国家有限，但在有数据的市场里识别非常直接。

4. 重估近二十年后的「衰减」。 【经济故事】本文样本止于 2003，且预言效率上升会磨平这条关系。2003 年后高频交易、被动投资、散户 App 化（疫情后的散户潮）同时发生——追涨到底是继续衰减，还是被新一代散户重新点燃？ 【可行性】高。Datastream/Refinitiv 的周度数据可直接延展样本，复制其 VAR；难点在于成交量结构（被动、做市）已大变，需重新界定「主动追涨」的成交。

5. 把 \(R^2\) 之外的「无效率」尺子换一把。 【经济故事】作者承认 \(R^2\) 难解读。若改用价格延迟（price delay，Hou & Moskowitz 2005）或信息效率的直接度量（Griffin, Kelly & Nardari 2006）作横截面解释变量，能更干净地检验「越无效率越追涨」。 【可行性】中。度量现成，但仍受制于 46 国的小横截面自由度问题。

参考文献