价格反应，从「分钟」缩短到「秒」——当分析师的话被搬上电视直播

[2002 JFE] Market Efficiency in Real Time
Jeffrey A. Busse, T. Clifton Green
Jun He June 02, 2026
市场有效性 价格发现 分析师推荐 高频数据
Note

本文读的是 Busse & Green (2002, Journal of Financial Economics)：当 CNBC 的 Morning Call、Midday Call 在盘中口播分析师对个股的看法时，股价在被提到的几秒钟内就开始反应，正面消息一分钟内就被价格基本吸收完毕；而且，能在初次提及后 15 秒内下单的交易者，确实能在 Midday Call 的正面报道里赚到一点小而显著的钱。这把丈量「市场有多快」的尺子，从分钟一路压到了秒。

1 引言：一个被反复改写的「很快」

市场有效性 (market efficiency) 这个词，自 Fama (1970) 给出经典定义——证券价格「充分反映所有可得信息」——以来，几乎成了金融学的一句口头禅。但在实践中，价格从来不是瞬间反应的。于是一代代研究者退而求其次，用一个更可操作的问题来逼近它：价格到底要花多久，才能把一条新消息消化掉？

早期的答案，今天看来慢得有些可爱。Patell and Wolfson (1984) 研究盈余和股利公告，Jennings and Starks (1985)、Barclay and Litzenberger (1988) 研究公司公告，Dann et al. (1977) 研究大宗交易的冲击——这些研究普遍发现，价格大约在 5 到 15 分钟内把消息吸收完，而作者们当时已经把这称作「非常快 (very quick)」了。

可问题在于，市场本身一直在变。信息越来越唾手可得，交易成本大幅下降，技术让市场运转的节奏越来越快。一只流动性好的股票，五分钟里能成交几百次。于是一个自然的问题冒了出来：到了 2000 年，价格还需要五分钟吗？短暂的套利窗口，又能存在多久？

要回答这个问题，你需要两样东西同时齐备：一条精确到秒的信息发布时点，以及同样精确的逐笔成交与报价。Busse and Green 找到了一个绝妙的实验场——电视。

2 实验场：当分析师的话被「直播」出来

故事的核心道具，是财经电视台 CNBC 的两档节目：Morning Call（通常在美东时间上午 11:05–11:10 播出，主持人 Consuelo Mack）和 Midday Call（下午 2:53–2:58 播出，主持人 Maria Bartiromo）。每段节目不到两分钟，主持人在里面口播一位或多位分析师对个股的看法。

这个数据为什么独特？因为这两档节目是在股市开盘时直播的。这意味着研究者可以做一件以往做不到的事：精确地记下「某只股票第一次被提到」的那一秒，然后把这一秒当成事件时间里的时刻零点 (time zero)，再去看价格此后一秒一秒地怎么动。

Tip

怎么把电视画面对齐到「秒」？作者的办法很笨但很有效：录 CNBC 的同时，穿插录下持续显示时间的 TV Guide 频道，再用 www.time.gov 的原子钟去校准 TV Guide 时钟本身的误差，最后靠录像机计数器倒推。反复试录之后，他们有把握把播出时点的误差控制在几秒之内。

接着，一个自然的问题是：这些消息「重不重要」？作者人工判定每条报道的情绪是正面还是负面（剔除 22 条情绪含混的），并从 Bloomberg 取得交易所挂牌、市值、行业代码等信息。最终样本是 2000 年 6 月 12 日到 10 月 27 日、横跨 84 个交易日的 322 条个股报道。

这里有两个必须先说清楚的样本特征。其一，正面报道远多于负面：Morning Call 里 155 正、19 负，Midday Call 里 125 正、23 负——这跟分析师推荐一贯偏乐观一致，但也意味着检验负面消息的统计功效偏弱。其二，报道的几乎都是大公司：超过 80% 的报道集中在 NYSE 市值最高的两个十分位。由于大公司更流动，作者诚实地提醒：他们测出的反应速度，是一个上界 (upper bound)——真实世界里小股票只会更慢。

价格与成交数据来自 TAQ (Trade and Quote) 数据库。报价上，作者沿用 Chordia et al. (2001) 的做法，滤掉次级市场的被动自动报价 (autoquotes)，只用主市场报价。统计推断上，因为日内收益不服从正态分布，他们用 Barclay and Litzenberger (1988) 的非参数自助法 (nonparametric bootstrap) 来算 p 值。

3 核心发现：一分钟，与一次小小的「反应过度」

现在到了真正关键的一步。把所有正面的 Midday Call 报道对齐到时刻零点，会看到什么？

价格在几秒内启动，一分钟内基本走完。 从事件前 15 分钟到事件后 1 分钟，累计收益是 62 个基点，而其中 41 个基点发生在事件后的第一分钟里。被正面提及的公司中，有 73% 在这一分钟里录得正收益，平均市值增加约 $109 million。

这个速度，跟过去的文献相比是数量级的差别。Kim et al. (1997) 研究开盘前发布的买入推荐，发现价格要在开盘后 5 到 15 分钟才反映出来；而这里，正面消息一分钟内就被吸收了。技术把我们对「很快」的感知一路压缩，而这篇论文证明：价格把消息消化掉所需要的时间，也跟着缩短了。

但故事没有停在「快」上。接着出现了一个反转。 这一分钟的上冲之后，紧跟着是一次小幅回落：事件后 1 到 4 分钟的平均收益是 −12 个基点，在 5% 水平上显著。换句话说，最初那一下反应里，藏着一点过度反应 (overreaction) 的影子，随后被市场自己纠正回来。这种「先冲后回」的模式，其实在更低频的研究里早有记录——Stickel (1985) 发现 Value Line 评级变动后正收益持续两天、第三天反转；Barber and Loeffler (1993)、Liang (1999) 在《华尔街日报》「飞镖专栏」的选股里也看到类似回落。区别只在于，这里的「两天」被压缩成了「两分钟」。

Note

一个有意思的旁证：正面 Midday 报道之前的五分钟，价格已经显著上行了。这说明有一部分市场参与者，在节目播出前就知道了消息——把看法透露给 Midday Call 主持人的分析师，多半也会把同样的看法告诉自己的客户，而客户可以抢先交易。（关于「消息在正式发布前就被人用了一次」这条暗线，可参见《报告还没发，他们已经先买了五天》。）

那负面消息呢？负面的反应更大，但更慢。 Morning、Midday 负面报道后一分钟的价格变化分别是 −29 和 −23 个基点，而 15 分钟的累计收益则达到 −93 和 −75 个基点。正面一分钟搞定，负面却要拖足 15 分钟——这种不对称，作者归因于卖空成本更高：坏消息要被价格充分反映，得有人愿意（且能够）做空，而做空更贵、更难。这跟 Womack (1996) 在日度层面的发现遥相呼应——他发现正面推荐后的异常收益持续约一个月，而负面推荐后的负异常收益能持续半年。

还有一个对照很说明问题。Juergens (2000) 研究通过 First Call（一个面向专业投资者的实时订阅服务）发布的升降级，发现升级带来约 0.79% 的涨、降级带来约 0.83% 的跌，与本文 Midday Call 的半小时反应量级相当；而 Kim et al. (1997) 研究通过 Dow Jones 新闻线发布的同类消息，却发现几乎没有价格反应。两相对照，作者给出一个耐人寻味的判断：市场把 Midday Call 里的分析师观点，当成了类似半私密信息服务 (semi-private information) 的东西来对待，而不是像新闻线那样早已人尽皆知的冗余信息。

4 谁在交易：从「价格反应」到「真金白银」

价格动了，是因为有人在交易。这是这篇论文从「市场有效性」走向「谁让它有效」的第二步。

成交强度在第一分钟翻倍有余。 而且方向和情绪对得上：正面报道后买方发起 (buyer-initiated) 的成交显著增加，负面报道后卖方发起 (seller-initiated) 的成交显著增加。作者用类似 Hvidkjaer (2000) 的方法刻画订单方向的失衡，定义如下的订单失衡 (order imbalance) 指标：

$$ IMBAL_{it} = \frac{\cssId{a1}{nBuys_{it}} - \cssId{a2}{nSells_{it}}}{\cssId{a3}{nBuys_{it} + nSells_{it}}} $$

当 IMBAL = 1 时所有成交都是买方发起，IMBAL = −1 时全是卖方发起。买卖方向的判定，作者跟随 Ellis et al. (2000) 和 Bessembinder (2002) 把成交价与「当时」的报价比较（不加滞后），价差之内则用 tick rule；他们也验证过，换成经典的 Lee and Ready (1991) 算法结果几乎一样。两样本之间的差异，用单尾的 Kolmogorov–Smirnov 检验来判定。

但真正关键的一步，是把「有人在交易」推进到「交易能不能赚钱」。作者构造了一个极端的短线策略：在股票被初次提及后的 15 秒内就执行。结果是：在 Midday Call 的正面报道里，扣除交易成本之后，这些超短线交易者能赚到小而显著的利润。

这个结论之所以重要，是因为它和 Barber et al. (2001) 的著名发现唱了反调。后者发现，基于一致分析师推荐的交易策略，其异常收益会被交易成本全部吃掉。差别在哪？Barber et al. 的策略在推荐当天的收盘价成交，而本文的策略在消息出现后的几秒钟内成交。于是反转出现了：当我们把交易窗口从「当天收盘」缩到「十几秒」，那点利润就还没来得及被市场抹平。

作者由此点出全文真正的落脚点：这些只对极短视野交易者开放的小利润，恰恰是 Grossman and Stiglitz (1980) 意义上、对持续监控信息源的补偿。市场之所以能在几秒内反应，不是因为价格神奇地自动调整，而是因为有那么一群人，时时刻刻盯着屏幕、随时准备扣下扳机——他们赚走的那点钱，正是市场效率的「润滑费」。（关于这种「有人搭便车、价格却不变笨」的张力，可参见《搭便车的人越来越多，价格却没有变笨》。）

5 文献脉络

把这篇论文放回它生长的那条线上，叙事会更清楚。

源头是 Fama (1970) 立下的市场有效性定义。但由于价格从不瞬间反应，一整支「测速」的文献随之兴起：Dann et al. (1977) 测大宗交易，Patell and Wolfson (1984)、Jennings and Starks (1985)、Barclay and Litzenberger (1988) 测公司公告，结论都落在「5 到 15 分钟」这个量级，并称之为「很快」。与此并行的，是研究分析师推荐价值的另一支：Lloyd Davies and Canes (1978) 发现推荐发布会影响价格两天，Womack (1996) 把视野拉长到数月，Kim et al. (1997) 则把分辨率提到「开盘后 5–15 分钟」。

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）

Busse and Green (2002) 站在这两支的交汇处：它用电视直播这一精确到秒的信息发布，把「测速」的分辨率从分钟推到秒，又用「15 秒内交易」的利润，正面回应了 Barber et al. (2001) 关于「交易成本吃光收益」的争论，并最终用 Grossman and Stiglitz (1980) 的逻辑给出解释。后来的研究把这套「按秒对齐口播信息与价格」的思路继续推进——比如把美联储主席发言逐字对齐到价格上（可参见《主席开口的那一分钟》），以及给市场效率本身装上一只更精细的「秒表」（可参见《市场要多久才「想明白」？》）。

评论与延伸（Q&A + 研究方向）

(a) 几个可能的疑问

Q：电视口播的分析师观点，算「新信息」还是「二手信息」？

严格说是二手——分析师的原始观点先到了客户那里。但本文的妙处恰恰在于区分了两档节目：Midday Call 有显著反应、还有事前的价格上行，说明它对部分人是「半私密」的新信息；而 Morning Call 正面报道一分钟仅 6.8 个基点、半小时累计收益甚至为负，更像是「不太相关或不再新鲜」的旧闻。同样是电视口播，市场的定价是有区分的。

Q：一分钟 41 个基点的反应，会不会只是大盘在动、被错算成了个股反应？

作者检验过：用原始收益和用异常收益（行业×市值匹配组合、或 CRSP 市场模型残差）算出来的结果「没有实质差别」。在一分钟这种尺度上，大盘漂移本就微乎其微，主要噪声来自买卖价差的跳动，而非系统性收益。

Q：那个 −12 个基点的回落，凭什么就叫「过度反应」而不是统计噪声？

它在 5% 水平上显著，且方向与初始上冲相反、紧随其后——这正是「先冲后回」的过度反应特征，并与 Stickel (1985)、Liang (1999) 等日度证据同构。当然样本不大，作者自己也强调精确的「调整何时结束」难以钉死。

Q：既然正面消息一分钟就反映完，为什么负面要拖 15 分钟？

作者的解释是卖空成本与约束：好消息谁都能买，坏消息却要有人能借到券、付得起做空的代价才能压价。这与 Womack (1996) 「负面推荐的负收益持续半年」的低频不对称一脉相承。不过负面样本仅 19+23 条，功效偏弱，这个量级要谨慎看待。

Q：15 秒内能赚钱，是不是说市场「无效」？

不必这么读。利润「小而显著」，且只对能在 15 秒内成交、持续盯盘的人开放——这正是 Grossman-Stiglitz 框架里对信息获取成本的均衡补偿。市场近乎有效，但留了一条窄缝给监控成本最低的那批人，否则没人愿意去让价格变有效。

Q：样本几乎全是大盘股，结论能外推吗？

不能直接外推到小盘。作者明说这是反应速度的上界：大公司更流动、做市更深，所以反应最快。小盘、低流动股票只会更慢，套利窗口也更宽。

(b) 几个可能的研究问题与提案

1. 把这套「按秒对齐口播信息」搬到公司债市场。 【经济故事】债券市场以场外、做市商报价为主，信息扩散远比股票慢。同一条分析师/评级消息，债与股的反应速度差，本身就是流动性与市场结构的直接度量。 【可行性】中。需要 TRACE 逐笔成交对齐到精确的消息时点，但 TRACE 时间戳精度与盘中报价覆盖是真实约束；可先聚焦评级机构盘中行动这类有明确时点的事件。

2. 外资持有人比例与「实时反应速度」的横截面关系。 【经济故事】如果某类投资者（如时区错位的外资）无法实时盯盘，那么外资占比高的股票，对盘中口播信息的反应是否更慢、回落是否更大？这能把「谁让价格有效」落到持有人结构上。 【可行性】中。需要个股层面的外资持股数据加上日内成交，识别上要处理外资偏好大盘、流动性更好的内生性，可用可投资度变动做准自然实验。

3. 媒体「主播声誉」对价格冲击的因果效应。 【经济故事】本文已注意到 Bartiromo（ABI/Inform 65 篇报道）远比 Mack（6 篇）有名，并猜测声誉反映了获取消息的能力。沿 Stickel (1992, 1995) 的分析师声誉思路，可问：是主播声誉本身在定价，还是消息质量？ 【可行性】中偏低。主播更替少、样本有限，难以干净识别；可借主播跳槽/换岗这类事件做事件研究，但功效堪忧。

4. 当代算法交易环境下，「15 秒利润」还在不在？ 【经济故事】本文是 2000 年的数据。二十多年后，HFT 把反应压到毫秒，那条留给「持续监控者」的窄缝是被算法填平了，还是只是搬到了更短的时间尺度上？ 【可行性】高。同类电视/社媒口播事件可重新采集，配合当代毫秒级 TAQ，直接对照检验反应速度与短线利润的演化。

我的判断

这篇论文的贡献，在于它用一个几乎完美的自然时点——盘中电视直播——把市场有效性的测量分辨率，从「分钟」推进到「秒」，并第一次让我们看清价格在最初一分钟里「冲—回」的微观结构。更重要的是，它没有止步于「快」，而是用「15 秒内交易仍有小利」把效率与 Grossman-Stiglitz 的信息成本逻辑接上了，正面回应了 Barber et al. (2001)，这一点在文献上很漂亮。

对识别，我有两点担忧。其一是事前价格上行：正面 Midday 报道前五分钟价格已显著上行，说明信息存在泄露，那么「时刻零点」未必是信息真正进入市场的起点，测出的「一分钟」可能低估了完整的反应时长。其二是样本与功效：322 条报道、负面消息仅 40 余条、且高度集中于大盘股，使得负面反应速度与「调整何时结束」的估计都相当脆弱——作者对此是诚实的，但这确实限制了结论的普适性。

后续我最想看到的，是把这套方法搬到流动性差得多的市场（小盘股、公司债、新兴市场）去重测那条反应曲线，以及在算法交易时代重新检验那条留给「监控者」的窄缝——因为真正有趣的问题从来不是「市场是否有效」，而是「让它有效的那点钱，今天还够不够付盯盘的人一份工资」。

参考文献