王晋忠 曾俊清

摘 要：过度反应现象是经典的市场异象之一。本文利用事件研究法和假设检验法，结合t-eGARCH模型及VAR模型，对沪深300股指期货市场中基于过度反应现象的跨日反转交易策略的收益，以及相关的量价关系和资本市场间的波动溢出现象进行实证研究。研究显示：①沪深300股指期貨对重大利好或利空消息存在过度反应，相应的跨日反转交易策略可以获得显著的正收益。②若在重大事件日当天出现大交易量，跨日反转交易可以获得比出现小交易量时更加显著的收益。③标普500指数的过度波动一定程度上可以作为跨日反转交易策略的入场信号，而恒生指数等其他资本市场指数的异常波动不能成为入场信号。

关键词：跨日反转交易策略；事件研究法；假设检验法；量价关系；波动溢出

作者简介：王晋忠，教授，博士，西南财经大学金融创新与产品设计研究所所长，中国金融工程学年会常务理事，研究方向为金融工程；曾俊清，研究方向为金融工程。

一、引言

过度反应现象是经典的市场异象之一，指投资者对某一重大利好或利空消息过于乐观或悲观，导致市场价格非理性地上涨或下跌。经过短期的消化后，市场价格将反向修正回到合理的价位水平。基于过度反应现象的存在，市场上的投资者们开始利用逆过度反应方向的反转策略进行交易，并获得显著的利润。

近年来我国期货市场快速发展，如今作为金融市场的重要部分与股票市场有着密不可分的联系。过往研究证明股票市场存在过度反应现象，我们自然会思考：期货市场是否存在相似的过度反应现象？投资者是否可以通过相应的交易策略获得超额收益？因此，股指期货市场中的相关问题值得深入研究。

我国期货市场起步较晚，在成熟度、投资者结构等方面具有特殊性，因此不能照搬发达国家资本市场的结论。另外，针对我国新兴的股指期货市场的研究相对较少。因此，本文的研究有一定的创新意义。

与以往的研究相比，本文的创新之处主要有四点：第一，目前关于股指期货过度反应现象的文献较为罕见，本文在一定程度上填补了该领域的空缺。第二，本文在筛选重大事件日的方法上对相关研究常用的价格波动的“均值标准差”法进行了改进，同时创新地将t-eGARCH模型运用于股指期货过度反应现象的研究中，在相应的跨日反转策略收益的稳健性上提供了检验，并能得到更多的交易机会，相对于传统方法有所提升。第三，以往相关文献较少结合交易量指标进行综合分析，而本文将交易量指标纳入跨日反转交易策略的收益研究，提高了策略执行的确定性。第四，以往文献研究基本仅停留于验证过度反应的存在性，而没有尝试对具有实际参考价值的重大事件日进行寻找，而本文综合选择了美国、中国香港、英国和日本共4个具有代表性的股票市场，研究它们与沪深300股指期货市场之间的价格波动关联性以及过度反应的传递情况，为逆过度反应方向的跨日反转策略提供较为明确的入场信号。

二、理论基础与假设提出

（一）过度反应现象的存在性

对于过度反应现象的研究结论不尽相同，且对股指期货市场少有涉及。国外研究方面，Ma等（1989）发现芝加哥期货交易所的美国国债期货存在过度反应现象。Gay等（1994）研究发现美国期货市场的主要期货合约存在反应不足。Miffre和Rallis（2007）发现美国商品期货市场存在月度动量效应。Wang和Yu（2004）发现美国期货市场存在周度反转效应。Bianchi等（2015）发现美国期货市场存在短期动量效应和长期反转效应。国内研究方面，周志明和唐元虎（2006）通过事件研究法，发现我国商品期货市场对重大信息不存在过度反应。林树和陈浩（2014）通过卖出赢家组合买入输家组合来构建套利组合，发现在我国期货市场存在动量效应。曾啸波（2017）利用周度交易数据为样本，并结合成交量与持仓量信息，发现我国商品期货市场存在显著的反转效应，同时发现交易活跃度助推了市场的非理性过度交易。

本文主要利用事件研究法进行实证检验，Chen（1998）对该方法的内涵给出了较好的阐述：过度反应现象具有普遍性和持续时间上的短暂性，暗含着逆过度反应方向的跨日反转交易策略能获得显著正利润的启示，即出现利好事件后建立期货空头头寸、出现利空事件后建立期货多头头寸并在次日平仓的交易策略能带来统计上显著的回报。

重大利好或利空事件日主要通过价格的异常波动来定义。Glosten和Milgrom（1985）最早开始研究重大事件对金融资产收益率的影响，其研究表明金融资产收益率的小幅变化可以由普通信息和日常流动性交易解释，而大幅波动则基本由重大事件引起。Aggarwal和Incaln（1999）的实证表明市场波动都与重大事件相关联，且新兴国家的表现比发达国家市场更为显著。对于我国新兴的期货市场，本文认为沿用如上思想是较为合理的。因此，本文提出如下假设：

假设1：在重大利好或利空事件发生后，建立逆过度反应方向的跨日反转交易策略可以获得显著大于0的收益。

（二）价格波动与交易量的关联

相关文献研究证明，交易量的异常变化也与投资者的过度反应有关。Copeland（1976）较早通过研究发现，当市场交易者全部为乐观或悲观交易者时，交易量达到最大，且市场价格的绝对变化与交易量正相关。Admati和Pfleiderer（1988）的研究表明市场波动与交易量之间存在正相关关系。Statman等（2006）通过研究发现，发达市场中当期交易量和滞后的投资回报之间存在联系。王书平等（2010）利用实证研究发现，过度自信心理会造成交易者合约交易量的增加。张小勇和任德平（2013）利用沪深300股指期货高频数据进行实证分析，发现沪深300股指期货成交量与价格波动之间表现明显的正相关关系。郑振龙等（2015）的研究表明，总持仓额因子对商品期货收益率有显著预测能力。因此，本文提出如下假设：

假设2：若在重大事件日t当天出现大交易量，对应的跨日反转交易策略可以获得相比出现小交易量时更加显著的收益。

（三）资本市场间的波动溢出效应

在金融发展全球化的背景下，各国资本市场出现波动溢出效应。Grant和Vance（1993）实证检验发现，一国经济基本面的变动会造成与其他国家市场之间的联动，发达资本市场对其他资本市场的波动溢出可被视作重大经济基本面信息的传递。

作为全球最受关注的资本市场，美国股市的价格波动往往会影响世界其他资本市场的波动。Eun和Shim（1989）较早的实证检验发现，信息可以快速地从美国市场向其他市场传递。King等（1990）的研究发现，美国股票市场对韩国等新兴国家股市具有显著的波动溢出效应。Yang等（2004）的实证研究表明，美国的股指期货市场在世界9个主要的股指期货市场中处于引领地位。Fung等（2010）的研究发现，日本等5个地区的股指期货市场在美国市场极端波动后存在日内价格逆转。因此，美国市场的异常波动在一定程度上也会导致沪深300股指期货市场的异常波动，实现过度反应现象的传递效应。同时，其他发达资本市场也可能对我国股指期货市场存在波动溢出。张碧琼（2005）利用EGARCH模型实证检验发现，中国香港、纽约、伦敦对我国沪深A股市场日收益具有波动溢出效应。封思贤等（2010）以我国香港H股指数期货为样本进行实证研究，发现其是大陆主要股指的Granger原因，其波动也会溢出到A股市场。

在资本市场间波动溢出的研究方面，本文将沿用Fung等（2010）中的假设检验法，其理论思路如下：若发达资本市场在t日发生了过度反应，且该过度反应对沪深300股指期货市场的价格波动有溢出效应，则在t+1日沪深300股指期货会随之表现出异常的价格波动。若在t+2日，沪深300股指期货市场的价格相对于t+1日有明显反转，则说明在t+1日其跟随发达资本市场产生了过度反应。若该现象显著存在，则发达资本市场在t日发生的异常波动则可以成为逆过度反应方向的跨日反转交易策略的在t+1日的入场信号。因此，本文提出如下假设：

假设3：发达资本市场在t日的过度反应会导致沪深300股指期货t+1日的过度反应，则在t+1日建仓，t+2日平仓的逆过度反应方向的跨日反转交易策略可以获得统计上显著的正收益。

三、数据说明与变量选择

（一）数据说明

本文以沪深300股指期货为研究对象。沪深300指数的样本股选自沪市和深市中市值大、流动性好的主流股票，相较于中证500指数和上证50指数而言更具代表性。但是，不同于股票，期货合约到期后便会终结，而当月连续合约可以将所有最近一个月份的合约连续起来，当到期日较早的主力合约终结后，便将新的主力合约当作连续，因此本文选取沪深300股指期货当月连续（IF当月连续）的日度行情数据作为样本对象进行实证研究。同时，为了衡量策略的盈利效率，本文会将策略收益与同期上证指数日收益率平均值进行比较。

另外，在关于交易量的研究中，本文将使用IF当月连续的日度交易量数据，而在基于市场联动现象的研究中，本文将使用美国标准普尔500指数、中国香港恒生指数、日本日经225指数、英国富时100指数的日度行情数据。

上述所有数据来源为RESSET金融研究数据库与国泰安CSMAR数据库，样本区间均为2010年4月到2022年3月。

（二）变量说明

分别定义沪深300股指期货当日开盘价、收盘价、最高价、最低价为Ot、Ct、Ht、Lt，其中下标t表示交易日。對于重大事件日，分别定义最终利好和利空事件日样本集为dN和dX。

确定最终事件日后，计算出现利好或利空事件后建立相反头寸并在次日平仓的价格变动ΔP。本文选取如下三种计算方式计算ΔP：

ΔP1，t=Ct-Ot+1+Ct+1+Ht+1+Lt+14，t∈dNOt+1+Ct+1+Ht+1+Lt+14-Ct，t∈dX（1）

ΔP2，t=Ct-Ct+1，t∈dNCt+1-Ct，t∈dX

（2）

ΔP3，t=Ct-Ot+1，t∈dNOt+1-Ct，t∈dX

（3）

上述方式均假定投资者以重大事件冲击后的当日收盘价开仓建立头寸，作为市场对当日重大事件反应后形成的、包含了非理性交易因素的市场价格。

本文将以式（1）作为主要参考，式（2）和式（3）作为辅助参考。这样的选择有着如下考虑：从实际反转交易策略的操作层面来看，每日开盘时及收盘时存在大量的市场“噪声”，会严重干扰投资者的投资决策，因此交易者在平仓时更可能避开交易日的开始和结束时段，而选择在中间时段完成合适的交易。因此，本文沿用Chen（1998）提出的每日价格变动形式，即式（1），作为反转交易策略的平均价格收益，其通过求均值在一定程度上消除交易的非理性因素。

根据中国金融期货交易所的数据，沪深300股指期货的开仓和非今平仓的交易手续费标准为0023‰，可得逆过度反应方向的跨日反转交易策略的收益R如下：

R1，t=ΔP1，t-Ot+1+Ct+1+Ht+1+Lt+14+Ct×0023‰

（4）

R2，t=ΔP2，t-（Ct+1+Ct）×0023‰

（5）

R3，t=ΔP3，t-（Ot+1+Ct）×0023‰

（6）

四、模型构建与实证结果分析

（一）逆过度反应的跨日反转交易策略收益——价格变动的均值标准差法

首先，若交易日期t满足如下条件，则进入初始利好事件日集合：

Ht-Ct-1>Lt-Ct-1，Ct>Ct-1（7）

若交易日期t满足如下条件，则进入初始利空事件日集合：

Ht-Ct-1

要得到最终重大的利好或利空事件日，需要进行二次筛选。大多数文献采用价格波动的“均值标准差法”，即先分别计算出每日价格变动（Ct-Ct-1）序列的均值MC和标准差SDC，再筛选出Ct-Ct-1>MC+k×SDC的样本日t。但本文认为，反转交易策略的平仓点相对灵活，不同交易者的偏好不同，因此本文选择上文的ΔP1，t作为隔日价格变动的平均代表，并用以筛选重大事件日，具体方法如下：

首先计算出ΔP1，t序列的均值MΔP1和标准差SDΔP1。在利好事件日中，若日期t满足如下条件，则进入最终重大利好事件日集合dN：

ΔP1，t>MΔP1+k×SDΔP1（9）

在利空事件日中，若日期t满足如下条件，则进入最终重大利空事件日集合dX：

ΔP1，t

需要说明的是，若连续几个交易日均为重大事件日，则只取其中最晚的交易日作为重大事件日，从而可以简化研究，并且不会影响实证研究结果的一般性。

对于k的取值，多数文献沿用Chen（1998）中的方法，取k=2。但本文认为该固定标准具有较强的主观性，因此本文将分别取k=1，2，3，综合考虑不同筛选标准下的表现，以期得到更加客观的结论，并相应提高策略实施的灵活性。在对假设1的检验上，本文以较多文献选择的k=2为主要参考，k=1，3作为辅助参考。

最后，运用统计方法，进行如下条件假设检验：

E（R|dN）>0（11）

E（R|dX）>0（12）

若E（R|dN）显著地大于0，则说明dN中样本的当日价格出现了超理论水平上涨，相应地建立期货空头头寸并在次日平仓，可以获得正收益；E（R|dX）同理。

表1给出了R描述性统计结果。当k=1，2时，三种参考方式下的均值均大于0，这符合过度反应现象的预期。当k=3时，主要参考方式R1，t及辅助参考方式R2，t下的所有均值也同样大于0，仅有R3，t下的dN，3出现了小于0的均值，这可以解释为在t+1日开盘时市场交易噪声较多，投资者受到噪声影响从而难以做出最佳决策。总体而言，描述性统计结果符合过度反应的预期。

下面，本文将运用单样本t检验来观察R>0的显著性，检验结果对应p-value-1。另外，为了衡量跨日反转交易策略的盈利效率，先用策略收益R除以相应开仓点位得到策略收益率R*，再与同样本区间内的上证指数日收益率平均值（计算得到，数值为00106%）进行比较，并进行显著性检验，检验结果对应p-value-2，结果如表2所示。

对于主要的参考方式k=2，所有样本的p-value-1、p-value-2均在005的水平下显著，有力地支持了过度反应现象的存在，且说明反转交易策略具有一定的盈利效率。当k=1时，也仅有R3，t下的dN，3结果不显著，这可以由开盘时市场交易噪声的影响来解释。而当k=3时，受样本观测数量较小的影响，仅有dX，3中的R1，t和R3，t表现显著，剩余样本p-value均大于005。总体而言，如上检验可以证明过度反应现象显著存在，逆过度反应方向的跨日反转交易策略可以得到显著的正收益，且具有一定盈利效率，假设1成立。

另外，相较于利好消息，过度反应现象在利空消息面前总体上更为显著，反转交易策略盈利效率更高。同时，当筛选重大事件日的标准放宽至k=1时，得到的样本数量更多，交易的选择空间更大，得到的结果也更显著，这也是相对于传统方法的改善。

（二）稳健性检验——理性预期角度下的t-eGARCH模型法

期货市场中重大事件日的定义往往与交易噪声紧密相关，而噪声是理性预期价格变动与实际价格变动之间的差值。对于期货市场，学术研究往往借助时间序列模型进行理性价格的预期。Ma等（1990）利用ARIMA模型拟合的美国期货品种价格的理性预期变化，并计算残差得到“噪声”。蒋舒和吴冲锋（2007）在研究我国沪铜等期货品种的对数价格变化时，使用了GARCH（1，1）模型擬合理性价格变化，且结果显著。因此，本文也将沿用如上思想，利用时间序列模型拟合并预测正常价格变化的时间序列，进一步得到交易噪声，筛选出非正常的极端价格波动，该方法也可以从另一角度提升跨日反转交易策略盈利能力的可信性。

同时，金融资产的价格波动率常表现出杠杆效应，负面信息造成的价格波动往往大于正面信息，这也与上文中的研究结果相吻合，因此本文采用eGARCH模型刻画杠杆效应，相对传统方法进行了改进。eGARCH（p，q）的具体模型如下：

log（σ2t）=ω+∑pi=1g（εt-i）+∑pi=1［βj×log（σ2t-j）］（13）

其中：

g（εt-i）=（αi+γi）εt-i-γiEεt-i，εt-i≥0（αi-γi）εt-i-γiEεt-i，εt-i<0（14）

出于对反转交易策略平仓点灵活性的考虑，此处沿用上文的式（1）作为每日价格的平均变化幅度，将式（15）作为沪深300股指期货价格的跨日变化率：

Δt=Ot+1+Ct+1+Ht+1+Lt+14-Ct/Ct（15）

对价格变化率序列Δt计算偏度、曲率并进行Jarque-Bera检验，结果如表3所示。

由表3可知，价格变化率有左偏、尖峰厚尾的典型金融时间序列特征，且JB检验显示其并非属于正态分布，因此选择t-eGARCH模型进行价格变化的拟合。

对Δt序列进行ADF检验和ARCH效应检验，结果如表4所示。

由表4可知，可以显著拒绝Δt的时间序列非平稳和不存在ARCH效应的原假设，可以使用波动率模型t-eGARCH进行拟合，拟合结果如表5所示。

t-eGARCH模型的拟合效果良好，且系数α显著为负，说明杠杆效应显著存在。计算理性价格变化率和实际价格变化率之间的残差，并得到其均值MΔ和标准差SDΔ，筛选出满足Δt>MΔ+k×SDΔ或Δt

由表6可知，在k=1和k=2时，所有计算方式下的均值均大于0，符合过度反应现象的预期。当k=3时，主要参考方式R1，t及辅助参考方式R2，t下的所有均值同样大于0，同样仅R3，t下的dN，3出现了略小于0的均值，仍可以用开盘的市场噪声影响加以解释。总体而言，描述性统计的结果符合过度反应的预期。同样地对R和R*进行t检验，如表7所示。

由表7可见，t-eGARCH模型法下得到的结果相比传统的均值标准差法整体更加显著，研究结果也满足杠杆效应的预期，假设1也得到检验。因此，该方法为跨日反转交易策略收益的稳健性提供了验证。另外值得注意的是，相比于价格波动的均值标准差法，t-eGARCH法得到的样本更多，因而在交易机会上也能获得更多空间。因此，该方法相对于价格波动的均值标准差法有所提升。

（三）辅助指标的选取——基于过度反应现象中量价关系的研究

VAR模型可以考察多变量时间序列之间的相互影响关系。对于有n个资产收益率的收益率向量，一个VAR（p）模型的形式如式（16）：

rt=φ0+∑pi=1（Φirt-i）+εt（16）

其中rt=r1，trn，t，φ0=φ1，0φn，0，Φi=φ11，i…φ1n，iφn1，i…φnn，i，rt-i=r1，t-irn，t-i，εt=ε1，tεn，t

先得到沪深300股指期货日交易量的时间序列Vt，同时沿用上文中式（4）中的R1，t作为反转交易策略的收益率代表，并对它们进行平稳性

由表9可知，Vt-1的波动会显著影响R1，t的波动，且系数φ2显著为正，即重大事件日当日的交易量和跨日反转交易策略的收益之間具有正向相关的关系。而后，本文进行Johansen协整检验和Granger因果检验，结果如表10所示。

由此可见，R1，t和Vt之间存在显著的协整关系，且Vt是R1，t的Granger原因，重大事件日当日的交易量对跨日反转交易策略的收益有正向影响。最后，本文进行分组研究法，观察在重大事件日t出现不同大小的交易量时策略的收益水平差异。在筛选最终重大事件日的标准上，取k=2作为主要代表方式，并从已筛选的利好和利空事件日样本集合中，分别选取当日交易量排名前20位和后20位的交易日，分别计算相应策略的平均收益水平，而后检验R>0的显著性，结果如表11所示。

由表11可知，大交易量对应的反转交易策略获得的正收益均比小交易量对应的策略更加显著，假设2得到多角度的综合检验。因此，在进行实际的跨日反转交易策略时，若当日交易量的显著提升，则可以增加策略执行的确定性。

（四）具体性事件的确定——基于市场联动现象的研究

分别计算IF当月连续和标普500指数的日度对数收益率序列：lgrtIF，t和lgrtSPX500，t，计算方法如下式：

lgrtj，t=ln（Cj，t）-ln（Cj，t-1），j=IF，SPX500（17）

分别对lgrtIF，t和lgrtSPX500，t进行ADF检验和ARCH效应检验，结果如表12所示。

表12说明，lgrtIF，t和lgrtSPX500，t序列均平稳，且存在ARCH效应，可以拟合VAR模型。根据贝叶斯信息准则和HQ准则，拟合VAR（2）模型。另外，基于本文的研究目的，主要考察模型中以lgrtIF，t为因变量的部分，结果如表13所示。

由表13可知，lgrtSPX500，t的价格波动会显著影响lgrtIF，t后两个交易日的价波动，影响的方向均为正向。通过建立脉冲响应函数，可以更直观地观察二者之间的价格波动影响关系，结果如图1所示。

表14的结果显示，lgrtIF，t和lgrtSPX500，t之间存在统计上显著的协整关系，且lgrtSPX500，t是lgrtIF，t的Granger原因。可以推断，标普500指数价格的过度波动会引起沪深300指数的过度波动。最后，本文将沿用Fung等（2010）中的假设检验法，对假设3进行实证检验。

首先利用改进后的t-eGARCH法筛选出标普500指数过度波动的交易日t，并假设在交易日t+1时会跟随产生同向的过度价格波动。同时，对于在t+1日进行交易的IF当月连续的投资者，标普500指数的过度波动为已知信息，则交易的非理性大部分会集中在t+1日的开盘价中即时体现。因此，选择t+1日的开盘价作为开仓点更为合理，可得跨日反转交易策略的价格变动情况如式（18）、式（19）、式（20）。

ΔP11，t=Ot+1-Ot+2+Ct+2+Ht+2+Lt+24，t∈dN（SPX500）Ot+2+Ct+2+Ht+2+Lt+24-Ot+1，t∈dX（SPX500）（18）

ΔP12，t=Ot+1-Ct+2，t∈dN（SPX500）Ct+2-Ot+1，t∈dX（SPX500）（19）

ΔP13，t=Ot+1-Ot+2，t∈dN（SPX500）Ot+2-Ot+1，t∈dX（SPX500）（20）

扣除相应的交易手续费后，可以得到策略收益：

R11，t=ΔP11，t-（Ot+2+Ct+2+Ht+2+Lt+24+Ot+1）×0023‰（21）

R12，t=ΔP12，t-（Ct+2+Ot+1）×0023‰（22）

R13，t=ΔP13，t-（Ot+2+Ot+1）×0023‰（23）

与上文类似，对R和R*进行两组t检验，结果如表15所示。由此可见，当k=2，3时，标普500指数的异常上涨或异常下跌均不能显著成為沪深300股指期货跨日反转交易策略的入场信号，但该结果受到样本数量较小的影响。当k=1时，除dX，1中R13，t下的结果不显著外，其余检验结果均在005的水平下显著。因此我们可以认为，若将筛选重大事件日的标准放宽至k=1，标普500指数的异常上升可以成为沪深300股指期货跨日反转交易策略的入场信号，而对于标普500指数的异常下跌，在不选择Ct+2为平仓点的情况下，其也能成为入场信号，且均具有一定的盈利效率。同时，取k=1时样本数量显著增加，在策略的执行上提供了更多的空间和灵活性。总体而言，标普500指数的异常波动在一定程度上可以作为沪深300股指期货跨日反转交易策略的入场信号。

作为对比研究，本文对恒生指数、日经225指数、富时100指数进行相同的假设检验，但结果均不显著，此处仅展示k=2时的结果，如表16所示。由此可见，当如上3个发达资本市场指数的出现过度的价格波动时，沪深300股指期货并未出现同向的过度反应，因此它们的异常波动也不能成为跨日反转交易策略的入场信号。

通过对比研究可知，除美国股票市场外，其他资本市场中投资者的非理性情绪向沪深300股指期货市场传递的效力有限，它们价格的异常波动对于沪深300股指期货价格会产生一定冲击，但影响并不显著，且明显弱于美国股票市场价格波动带来的影响，假设3仅对美国股票市场成立。

五、结论与建议

由上文的实证研究，本文可以得到如下结论：

第一，我国沪深300股指期货市场对重大利好或利空消息存在显著的过度反应现象，且对利空事件反应更剧烈。基于过度反应现象建立的跨日反转交易策略可以获得显著的正收益，且盈利水平高于同期的上证指数平均日收益率。

第二，在重大事件日当天出现大交易量时，跨日反转交易策略可以获得比出现小交易量时更加显著的收益。

第三，标普500指数的异常波动在一定程度上可以作为跨日反转交易策略的入场信号，且将异常上涨作为信号的确定性高于异常下跌。恒生指数、日经225指数、富时100指数的异常波动则不能成为跨日反转交易策略的入场信号。

同时，基于上述研究结论和相关的分析，本文提出如下建议：

第一，政府应充分关注期货市场中的非理性现象，并适时对其进行干预，避免市场过度波动，降低市场风险，引导正向投资情绪。

第二，政府应进一步加强监管力度，完善信息披露制度体系，减少信息不对称，保护个体中小投资者利益，营造良好的投资氛围，为投资者树立价值型投资理念。同时，应加快促进期货市场的发展，提高市场的有效性。

第三，广大投资者应转变自身的投资理念，将普遍的短线投机理念转化为长期价值投资，同时要提升专业素质和风险意识，充分认识并减轻心理因素对非理性投资的影响，从根本上把握理性投资的方向。

参考文献

［1］封思贤，张兵，李心丹，等从中国股指期货境外的联动看我国股市定价权［J］金融研究，2010（4）：101-114

［2］华仁海，刘庆富股指期货与股指现货市场间的价格发现能力探究［J］数量经济技术经济研究，2010，27（10）：90-100

［3］蒋舒，吴冲锋中国期货市场的有效性：过度反应和国内外市场关联的视角［J］金融研究，2007（2）：49-62

［4］李汝纪大宗商品期货交易中的动量效应与反转效应分析［J］中國商论，2019（13）：11-12

［5］林树，陈浩我国期货市场动量效应和反转效应的研究［J］学海，2014（1）：100-104

［6］王书平，邝雄，吴振信过度自信心理影响期货价格的数理模型分析［J］中国管理科学，2010，18（1）：39-45

［7］曾啸波基于交易活跃度和市场深度的反转效应研究——来自中国商品期货市场的经验证据［J］南方金融，2017（3）：56-64

［8］张碧琼中国股票市场信息国际化：基于EGARCH模型的检验［J］国际金融研究，2005（5）：68-73

［9］张小勇，任德平基于高频数据沪深300股指期货量价关系研究［J］湖南大学学报（社会科学版），2013，27（2）：48-54

［10］郑振龙，孙清泉，杨涵宇我国商品期货市场持仓额的信息含量研究［J］当代财经，2015（2）：43-54

［11］周志明，唐元虎中国商品期货市场过度反应的实证研究［J］上海交通大学学报，2006（4）：655-658

［12］左浩苗，刘振涛，曾海为基于高频数据的股指期货与现货市场波动溢出和信息传导研究［J］金融研究，2012（4）：140-154

［13］ADMATI A R，PFLEIDERER PA theory of intraday patterns：Volume and price variability［J］The Review of Financial Studies，1988，1（1）：3-40

［14］AGGARWAL R，INCLAN C，LEAL RVolatility in emerging stock markets［J］Journal of Financial and Quantitative Analysis，1999，34（1）：33-55

［15］BIANCHI R J，DREW M E，FAN J HCombining momentum with reversal in commodity futures［J］Journal of Banking and Finance，2015（59）：423-444

［16］CHEN HPricelimits，overreaction，and price resolution in futures markets［J］Journal of Futures Markets，1998，18（3）：243-263

［17］COPELAND T EAmodel of asset trading under the assumption of sequential information arrival［J］The Journal of Finance，1976，31（4）：1149-1168

［18］COVRIG V，DING D，LOW BSThe contribution of a satellite market to price discovery：Evidence from the Singapore exchange［J］The Journal of Futures Markets，2004，24（10）：981-1004

［19］FUNG A K W，LAM K，LAM K MDo theprices of stock index futures in Asia overreact to USmarket returns？［J］Journal of Empirical Finance，2010，17（3）：428-440

［20］GAY G D，KALE J R，KOLB R W，et al（Micro）Fads in asset prices：Evidence from the futures market［J］The Journal of Futures Markets，1994，14（6）：637-659

［21］GLOSTEN L R，MILGROM P RBid，ask and transaction prices in a specialist market with heterogeneously informed traders［J］Journal of Financial Economics，1985，14（1）：71-100

［22］GRANT M Q，VANCE R VStockprices，news，and business conditions［J］Review of Financial Studies，1993，6（3）：683-707

［23］YANG J，BESSLER D AThe international price transmission in stock index futures markets［J］Economic Inquiry，2004（3）：370-386

［24］KING M，SENTANA E，WADHWANI SVolatiltiy andlinks between National stock Markets［J］Econometrica，1990，62（4）：901-933

［25］MA C K，DARE W H，DONALDSON D RTesting Rationality in Futures Markets［J］The Journal of Futures Markets，1990，10（2）：137-152

［26］MA C K，RAO R P，SEARS S CLimits moves and price resolution：The case of the treasury bond futures market［J］The Journal of Futures Markets，1989（4）：321-335

［27］MIFFRE J，RALLIS GMomentum strategies in commodity futures markets［J］Journal of Banking and Finance，2007，31（6）：1863-1886

［28］EUN C S，SHIM SInternational transmission of stock market movements［J］The Journal of Financial and Quantitative Analysis，1989（2）：241-256

［29］STATMAN M，THORLEY S R，VORKINK KInvestor overconfidence and trading volume［J］The Review of Financial Studies，2006，19（4）：1531-1565

［30］WANG C，YU MTrading activity and price reversals in futures markets［J］Journal of Banking &Finance，2004，28（6）：1337-1361

An Empirical Study of the Returns of Inter-day Reversal

Trading Strategies Based on the Overreaction

WANG Jinzhong1，2 ZENG Junqing1

（1Southwestern University of Finance and Economics，Chengdu 611130，China；

2Geely University of China，Chengdu 641423，China）

Abstract：The overreactionis one of the most classicanomalies in the financial marketsThis paper uses event-study method and hypothesis testing，combined with t-eGARCH model and VAR model，to empirically study the returns of inter-day reversal trading strategies based on the overreactionphenomenon in the CSI 300 stock index futures market，as well as the relevant questions about the price-volume relationand the volatility spillover among different capital markets，and finds that：①CSI 300 stock index futures overreact to significant positive or negative newsThe corresponding inter-day reversal trading strategy can achieve significant positive returns②If a large trading volume occurs in the day of significant events，the inter-day reversal trading can yield more significant returns than when a small trading volume occurs③Excessive volatility of the S&P 500 can be used as an entry signal for the inter-day reversal trading strategy to a certain extent，while excessive volatility of other capital market indices such as the HSI cannot be used as an entry signal

Keywords：Inter-day Reversal Trading Strategy；Event-study Method；Hypothesis Testing；Price-volume Relation；Volatility Spillover