规模效应是指公司规模与预期收益之间的负相关关系。平均而言,小公司股票往往比大公司股票有更高的风险调整后收益。规模效应被认为是最先对有效市场理论（EMH）和资本资产定价模型（CAPM）提出挑战的市场异象。Banz（1981）第一次发现了规模效应,而真正使规模效应广为人知的是Fama和French（1993）这一论文。在这篇文章中,作者基于规模效应利用多空投资组合来构造规模因子（SMB）,和市场因子以及价值因子（HML）共同组成了著名的三因子模型,它的出现使学术界和实务界再也无法忽视CAPM这一单因子模型的局限性,开创了多因子模型的先河。如今,各式各样的多因子模型不断涌现,而规模因子是众多多因子模型中应用最广泛的因子之一。规模效应对学术研究和投资实践都具有重要意义。随着我国量化投资的发展,近年来“Smart Beta”投资策略不断盛行,投资者希望通过优化选股和投资组合的权重来捕捉规模效应,以期获得超过市场指数的收益。然而,现有的关于规模效应的研究主要集中在欧美发达资本市场。我国学者对市场异象的研究相对较少也不够完善,专门对规模效应进行研究的文献更少。中国股票市场依然稳居世界第二大股票市场的地位,很可能在未来十年到二十年之内超越美国市场,成为世界最大的股票市场。如此重要的资本市场不应该被国内外学术界所忽视。此外,中国股票市场的历史相对较短,并呈现出一些独特的特征,例如IPO受到严格审核,壳溢价现象十分显著;不同所有制公司面临的融资约束差异显著;在投资者结构中仍以个人投资者为主,机构投资者类型及数量有待进一步提高;在大公司组合中市值达到千亿级别以上的超大企业占绝对权重等等。这些特殊的制度和结构特征对我们研究规模效应具有重要的影响。本文旨在填补这一空白,试图考察我国股票市场规模效应的存在性以及影响因素,以期从规模效应为切入点,为中国资本市场的健康发展和投资实践提供可资借鉴的意见和建议。最近国外关于规模效应的研究主要集中于争论规模效应是否存在。Schwert（2003）指出,自从发现规模效应的论文首次发表以来,小公司股票能够获得异常高收益的现象似乎已经消失了。Israel和Moskowitz（2013）也证实了类似的结果。Asness、Frazzini、Israel、Moskowitz和Pedersen（2018）指出,小公司在盈利能力、风险、股价稳定以及分红等反应公司质量高低方面不如大公司的表现,正是因为小公司股票的质量较低,导致了规模效应减弱。如果质量因素得到控制,规模效应仍然很显著。Hou和van Dijk（2019）发现,学者和从业人员往往直接使用已实现收益作为预期收益的代理变量,尽管规模效应从已实现收益中消失,但如果使用预期收益代替已实现收益来计算规模效应,则它依然是显著的。以往的研究大多集中在以市值衡量的规模效应上,而对其它基本面衡量指标,例如总资产、总收入和净资产等,计算的规模效应,以及不同衡量指标下规模效应的差异讨论较少。自Banz（1981）首次提出规模效应以来,许多金融经济学家都从不同的角度对其进行了研究和解释（Van Dijk,2011）。第一种解释是风险溢价理论。Berk（1995）认为,公司规模之所以能够预测收益,与其衡量的基本面特征无关,而在于其市场特征。由于市值是股票价格与股本数的乘积,通过股票价格,市值可以捕获风险溢价。市值小的公司通常比市值大的公司风险更高,因而要求更高的回报来弥补风险。根据Berk的论点,其他非市场化的规模衡量指标,由于无法捕捉风险溢价,因而无法产生显著的规模溢价。第二种可能的解释是流动性理论。Amihud（2002）使用非流动性溢价来解释规模效应,并认为公司规模是流动性的一个代理变量。Acharya和Pedersen（2005）证明了流动性风险可以影响资产定价,而包含流动性风险的定价模型在解释规模效应方面比标准CAPM表现更好。Asness等人（2018）使用非流动性因子来解释规模溢价,并证明规模因子对非流动性因子具有显著的正向暴露,在控制非流动性因子后,规模溢价显著降低。第三种可能的解释是信息不确定性。从统计上看,与大公司相比,小公司的可追溯历史往往较短,分析师关注度较低,强制性披露要求也不严格,平均而言,小公司的信息不确定性水平较高。Merton（1987）认为,缺乏知名度和投资者基数较小的公司可以获得更高的收益。Hou和Moskowitz（2005）研究表明,投资者认知差异导致的价格对信息的反应延迟,可以部分解释规模效应。已有的研究也表明,信息的可获得量与公司规模有关,信息的不确定性程度会影响预期收益。小公司信息不充分限制了投资者的多样化并且导致了高收益（Banz,1981）。公司规模和上市时间长短被认为是衡量信息不确定性的代理指标（Jiang,Lee和zhang,2005;zhang,2006）。除了上述三种解释外,还有其他针对规模效应的解释。Liu、Stambaugh和Yuan（2019）的研究表明,严格的IPO监管和较高比例的散户投资者显著增强了规模效应。在这些关于规模效应是否存在以及成因的研究中,本文主要关注以下几点,这也是本文可能的创新所在:（1）规模效应的存在性。我们发现以市值衡量的规模效应和以总资产等基本面指标衡量的规模效应表现并不一致。以市值衡量的规模效应显著存在,而以基本面衡量的规模效应并不显著。这种不一致性是本文的核心议题之一。首先,以市值为公司规模的代理变量,我们发现,我国资本市场存在显著的规模效应。根据我国股票市场市值大小进行排序,按照分位数分成五组,市值最小组合的月均收益显著高于市值最大组合的月均收益。这种显著性不受分组调整方法以及样本股票是否包含ST或PT股票的影响。在我国股票市场上,如果将样本按照时间先后分成两部分,市值效应在前期的显著性弱于近期,牛市的显著性弱于熊市。一月效应尽管在欧美市场得到实证支持,但在我国规模效应在一月份的表现并不显著,规模效应的收益主要集中于2月、3月、5月和8月这四个月,其中显著性最高的两个月分别为2月和8月。在不同行业中规模效应的表现也不尽相同。金融类股票没有表现出显著的规模效应,非金融类股票的规模效应则较为显著,其中规模效应在公用事业这一行业中的表现最为显著。以上结果均是以市值衡量公司规模时存在的。但是,我们发现,以基本面衡量的规模效应并不显著。我们采用的基本面衡量指标包括总资产、净资产和总收入。在这三个指标下,得到的规模效应t值均小于2。从这一角度来看,我国股票市场的规模效应与Berk（1995）的结论一致,规模效应更倾向于是一种市值效应。特质波动率对我国股票市场规模效应具有重要影响。本文通过5×5二维分组方法、Fama-Mac Beth横截面回归方法以及多因子模型等方法,证实在控制特质波动率的情况下,规模效应显著增强。特别是以总资产、净资产和总收入等基本面指标衡量下不显著的规模效应,在控制特质波动率后变为显著。小公司的特质波动率明显比大公司的特质波动率要高。特质波动率高的公司倾向于获得低收益,这种特质波动率与预期收益之间的负相关关系被学术界成为“特质波动率之谜”。公司规模与特质波动率之间存在的负相关关系,削弱了规模效应的显著性,导致以基本面衡量的规模效应不显著。此外,本文进一步发现规模效应与特质波动率之间存在负相关关系,在特质波动率最小的分组中,规模效应最为显著。这种显著性在控制市场因子、价值因子、反转因子、换手率因子以及非流动性因子之后依然成立。再次,质量因素对规模效应并没有显著影响,尽管有国外学者发现在欧美发达市场中控制质量因素后消失的规模效应再次显著。本文通过考察盈利能力、投资水平、现金股利和盈余质量四个单一的质量因素以及F-Score这一综合质量评价体系来检验公司规模与质量之间的关系,发现两者之间不存在显著的相关性,甚至在某些指标上小公司的表现优于大公司,据此推测质量因素对我国资本市场的规模效应没有显著影响。（2）本文发现盈利冲击（profitability shock）对规模效应的重要作用。我们定义盈利冲击等于实际盈利减去预期盈利。在估算预期盈利时,我们使用了两种方法,其一为横截面模型,第二是分析师预期的数据,以此作为稳健性检验。本文发现盈利冲击显著影响当期收益,经历正向冲击的公司当期收益会提高,遭遇负向冲击的公司当期收益会下跌。大公司倾向于经历正向盈利冲击,小公司往往遭遇负向盈利冲击。公司规模不同导致在盈利冲击中的不同表现对我国股票市场的规模效应产生重要影响。当我们剔除收益数据中盈利冲击的影响之后,发现规模效应更加显著了。这种提高在以总资产、净资产和总收入衡量指标里表现更明显,使之前不显著的规模效应变为显著。（3）不同规模衡量方法下规模效应差异。作为风险溢价理论,最初的Berk（1995）和大量的后续研究认为公司规模能够预测收益与其衡量的基本面特征无关,而离不开其代表的市场特征。然而,信息不确定性理论以一种截然不同的方式解释规模异象。后者更倾向于认为,重要的是小公司的规模,而不是某种特定的公司规模的衡量方法。正如我们所看到的,在现有文献中,关于公司规模度量方法在规模效应中的作用的讨论还相对较少。有必要对公司规模度量方法对规模效应的影响进行深入的研究。本文在研究中发现以市值衡量的规模效应获得的收益的确显著大于以总资产、净资产和总收入等这些基本面衡量的规模效应。我们进一步发现产生这一现象的原因是市值效应额外捕捉到了反转效应。通过对比多空组合的当期收益,我们发现以市值衡量的多空组合在当期收益表现中远不如以基本面构造的多空组合,前者的当期收益显著为负,后者的收益为正,尽管不显著。这说明按市值大小进行分组的同时,小市值股票当期收益表现较差,我们可以称作输者（loser）,大市值股票当期收益表现较好,我们可以称作（winner）。根据反转效应,上一期表现较差的股票组合,下一期的表现更好;上一期表现较好的股票下一期表现就较差。按市值分组构建多空组合既能够捕捉规模效应,同时也捕捉了反转效应,两个效应的叠加导致了多空组合的收益大大提高。而以基本面衡量的规模分组不能捕捉这一反转效应或者显著弱于以市值构建的多空组合,所以其收益就不如市值组合。通过以上描述,我们解释了为什么不同的衡量方法导致规模效应表现差异巨大。为了证明我们结论的可靠性,我们使用包含市场因子、价值因子以及反转因子的三因子模型,进行了验证。结果证实在不控制价值因子和反转因子的情况下,市值效应更加显著。但是一旦我们控制了这两个因子,两种不同衡量方法下产生的超额收益差别就不再明显。为了进一步证实过度反应导致的反转效应对规模效应的影响,我们使用亚组分析的方法进行深入研究。我们将在两次连续调整中上期没有进入最大最小市值组合而本期进入最大最小市值组合的所有股票称为“调整组合”,也即亚组。我们发现亚组中的小市值组合的平均市值大于全样本中小市值组合的平均市值,而亚组中大市值组合的平均市值小于全样本中大市值组合的平均市值。如果规模效应与过度反应无关,而只取决于公司规模,那么全样本下的规模效应应该大于亚组中规模效应。但是我们的实证结果显示亚组中的规模效应反而大于全样本下的规模效应。这就证明了过度反应在以市值衡量的规模效应中起到了重要作用。（4）最后我们使用包含市场因子、价值因子、盈利因子、成长因子、换手率因子和流动性因子的多因子模型,检验了我国资本市场规模效应存在的原因。这一部分重点阐述壳价值和流动性对我国股票市场规模效应的重要影响。我们发现规模效应对换手率因子有显著的暴露,说明投资者情绪对我国资本市场上的规模效应具有重要影响。个人投资者占主体是我国资本市场结构的一大特点,这些个体投资者更偏爱小盘股,对炒作小盘股拥有极大热情,使得小盘股价格在炒作时忽然大幅上涨,之后又大幅下跌。小盘股价格严重受到投资者情绪波动的影响。其次,规模效应对流动性因子的暴露更加显著,甚至在加入流动性因子后,alpha就不再显著。公司规模在一定程度上就是流动性的代理变量。这就证实了为什么理论上我们发现公司规模与预期收益存在着显著的负相关系,但是很多基金经理却无法利用这一策略赚钱。因为规模策略需要做多小公司股票,而这类股票的流动性差,大额资金的介入,导致交易成本快速提高,巨大的交易成本很可能吞噬了策略的绝大部分收益,导致策略最终无利可图。此外,为了控制壳价值,我们剔除了30%规模最小的股票,以及使用基本面变量代替市值构建规模因子,证实了壳价值对规模效应的影响,剔除壳价值后规模效应显著降低。