overnight-returnsintraday-returnsmomentumshort-term-reversalclienteletug-of-warfactor-timingequity

Lou, Polk & Skouras (2018/2019) — A Tug of War: Overnight versus Intraday Expected Returns

作者: Dong Lou、Christopher Polk（伦敦政治经济学院金融系；CEPR）、Spyros Skouras（雅典经济与商业大学）。

发表: LSE Research Online accepted version（eprints 87481, 2018-03 版）；正刊 Journal of Financial Economics 129(2), 2019，DOI 10.1016/j.jfineco.2019.03.011。

⚠️ 两个需要记住的信息：

  1. 入库的是 accepted version（LSE Research Online），不是 JFE 排版版。
  2. 封面署名顺序：提取文本里显示为 "Christopher Polk, Dong Lou and Spyros Skouras"（Polk 第一），而 Crossref 与正刊记为 Lou, Polk, Skouras（Lou 第一）。首稿 2014-08 的作者顺序与最终版不同——引用时以 JFE 版本（Lou-Polk-Skouras）为准。

一句话总结

把收益拆成「隔夜」和「日内」两半，14 个常见因子策略里有 9 个的收益全部在日内、5 个的全部在隔夜；而且每一类都伴随一个方向相反的另一半——像两个人在拔河。这个「拉锯幅度」还能预测策略未来一个月的收益。

核心概念：客户群 (clienteles)

论文的框架（这是全文的组织方式）：

不同类型的投资者倾向于在一天的不同时刻交易。有些偏好开盘附近交易，有些偏好日内其他时间直到收盘。

为什么这两段值得分开看——论文列了它们在几个关键维度上不同：

  • 信息流
  • 价格冲击
  • 借贷成本

推论：如果某个客户群的订单流是持续的，那么隔夜表现好的股票在未来隔夜也会继续表现好；而这种价格压力（如果它不全是信息性的）最终必然反转，且更可能在随后的日内时段反转——因为那时是对手客户群主导市场活动。

核心结果一：个股层面的持续与跨时段反转

实证：过去一个月隔夜收益相对高的股票，在下一个月：隔夜收益相对高、日内收益相对低。

数值：

组合 隔夜三因子 alpha t 值 日内三因子 alpha t 值
买隔夜赢家十分位（价值加权）、卖隔夜输家十分位 +3.47%/月 16.83 −3.02%/月 −9.74
买日内赢家十分位、卖日内输家十分位 −1.77%/月 −7.89 +2.41%/月 7.70

拉锯幅度：−3.02 vs +3.47 是同一批股票、同一段时间的两个分量——方向完全相反。

更令人意外的是持久性：论文把信号滞后多达 60 个月，模式仍然存在，联合检验的 t 值远超过 20。

论文明确说这一点排除了两种可能：

这些模式既不可能是统计巧合，也不可能是某种高频市场微观结构效应的显现。

（对后者，显然因为效应能持续数年。）

核心结果二：14 个策略的收益归属

最关键的分类结果：

收益归属 策略
全部在日内（9 个） 规模、价值、盈利能力、投资、市场 beta、特质波动、股票发行、可自由裁量应计、换手率
全部在隔夜（5 个） 价格动量、行业动量、盈利动量、时间序列动量、短期反转

这五个例外有一个共同点（论文的归纳）：全部是基于过去收益的策略（或其近亲——盈利公告）。

并且论文说明这不是新闻驱动的：结果显示并非由宏观或公司特定新闻公告造成。

核心结果三：日内策略也有反向的隔夜溢价

这是全文最有理论含义的发现。

对所有在日内赚取统计显著溢价的策略（价值、盈利能力、投资、市场 beta、特质波动、股票发行、可自由裁量应计、换手率）：

都存在一个经济意义与统计意义都显著、符号相反的隔夜溢价——为「看起来风险更大」的那一侧在隔夜获得正的溢价。

论文的解读（原文大意）：

我们的结果因此揭示：这些经典的资产定价异常，实际上主要是日内异常——因为它们的隔夜收益在直觉上合理得多。

论文坦白的局限：「我们的检验无法把这个横截面隔夜收益的变化与一个正式的风险模型联系起来，但我们希望这是未来研究的一个有希望的方向。」

核心结果四：拉锯幅度能预测未来收益

动机来自套利限制模型（Gromb-Vayanos 2010）。

直觉链条：

  1. 非知情投资者的需求有价格冲击，给套利者带来事后的异常收益；非知情需求越大，套利者的异常收益越大
  2. 一天中不同时段套利者的参与水平不同，这个差异能揭示非知情交易需求的规模
  3. 若非知情需求很低：价格在开盘只朝需求方向略微移动，随着套利能力进入而部分回吐，拉锯较小
  4. 若非知情需求很高：价格在开盘大幅移动，收盘时套利能力进入使价格回吐，但会稳定在比非知情需求到达前更高的价格上——拉锯很大

TugOfWar 指标：用平滑后的历史隔夜与日内收益分量之差。

假设：隔夜减日内的过去价差，应正预测收益主要在隔夜的策略（动量、短期反转），负预测收益主要在日内的策略。

结果：

结论 数值
预测方向 完全符合假设
稳健性控制 12 个月滞后市场收益、市场波动率、策略自身平滑过去收益、特征价差、多空腿的卖空兴趣差
经济幅度 一个标准差的 TugOfWar 上升，预测收盘到收盘收益上升 1%，约合该策略月收益波动率的 18%

核心结果五：机构 vs 个人是动量拉锯的来源

论文把镜头拉到一个具体的客户群（机构）与一个具体策略（价格动量）。

第一步：机构何时开始交易

论文把机构持股的变化与当期个股收益的分量联系：

机构持股的增加与日内收益的联系，强于与隔夜收益的联系。

论文的解读（原文大意）：机构全天都在发起交易，且特别在收盘时；而对手客户群（个人）更可能在开盘附近发起交易。

论文还给了一个实务理由：机构下手的量更大、且日内流动性更好，许多管理型执行系统会有意避开开盘（因为开盘波动较高）。

第二步：动量收益的日夜归属随机构持股变化

双重差分检验（只在大盘股样本）：

量 数值 t 值
隔夜分量上升 +0.57% 3.13
日内分量下降 −0.52% −2.78

结论：机构持股比例高的股票，动量越是隔夜现象。

第三个证据：跨市场

北美、欧洲、亚洲、非洲四个市场的行业动量都是隔夜现象：

量 数值 t 值
月度收盘到收盘收益 1.01% 2.67
其中隔夜 0.90% 3.35

第四个证据：安慰剂检验（1927–1962 的美股）

CRSP 有 1927–1962 共 36 年的开盘价（来自 Wall Street Journal）。那个年代机构持股比例极低（Blume-Keim 2014 说大部分时间只有约 5%）。

量 全样本 日内 隔夜
动量三因子 alpha 1.45%（t=4.43） 1.03%（t=3.43） 0.21%（t=0.97，不显著）

结论：在机构持股稀缺的年代，动量主要是日内现象——与假说一致。

但大盘股的隔夜分量转为显著：0.34%（t=2.05）。论文说「尽管我们对 1963 年前的开盘价数据信心较低，但结果大体与「机构投资者对理解动量为何是隔夜现象起重要作用」的观点一致」。

论文结论的完整表述（值得原样记住）

论文最后一段的措辞很有分量：

综合起来，我们的发现不仅对传统的新古典风险收益模型构成挑战，也对基于中介与行为的横截面平均收益解释构成挑战。

一个诚实的补充说明（脚注 23）：

虽然等权平均的日内分量统计显著，但这完全由一个国家驱动——德国，其金融系统以特异性著称。

论文自陈的边界

  • 价格分解用 VWAP 近似：日内用 VWAP 而非简单开盘/收盘——需要日内数据（TAQ）
  • 1927–1962 的开盘价来自报纸，不一定代表成交价（论文自己说信心较低）
  • TugOfWar 与正式风险模型之间没有建立联系（论文自己指出）
  • 交易成本会大幅削弱实际可交易性——论文明确承认：「交易成本会使实际盈利性远不如表面」
  • 跨市场的日内显著性由德国单国驱动

对本 wiki 的位置

数值速查

量 值
样本 1993–2013（美股）；另用 TAQ / TRTH 做日内分解
策略数 14 个（9 个日内、5 个隔夜）
隔夜赢家组合 alpha +3.47%/月（t = 16.83）
同组合的日内 alpha −3.02%/月（t = −9.74）
日内赢家组合 alpha +2.41%/月（t = 7.70）
同组合的隔夜 alpha −1.77%/月（t = −7.89）
信号滞后到 60 个月（联合检验 t > 20）
TugOfWar 一标准差的效果 预测收益 +1%，约合 18% 的月收益波动
机构持股双重差分 隔夜 +0.57%（t=3.13）；日内 −0.52%（t=−2.78）
1927-1962 动量日内 alpha 1.03%（t=3.43）
1927-1962 动量隔夜 alpha 0.21%（t=0.97，不显著）
1927-1962 机构持股比例 约 5%