1、目錄 HYPERLINK l _TOC_250007 北上通道流入 A 股的外資基本類型、構成及行為模式 1 HYPERLINK l _TOC_250006 外資是否真的是左側布局買入？ 2 HYPERLINK l _TOC_250005 北上外資在持續流出 A 股時的行業賣出分布情況 5 HYPERLINK l _TOC_250004 外資是否能夠獲得顯著超額回報 7 HYPERLINK l _TOC_250003 外資的流動是否對 A 股市場產生直接的沖擊和影響 12 HYPERLINK l _TOC_250002 從凈成交數據來分析陸股通外資對個股和市場的影響 12 HYPERLINK

2、l _TOC_250001 從凈流量數據來分析外資的短期買賣是否是順勢交易，放大個股趨勢波動 15 HYPERLINK l _TOC_250000 外資相對境內投資者在高頻交易層面的競爭優勢 17風險因素 19插圖目錄圖 1：北上資金成交占比和自由流通市值占比歷史變化趨勢 1圖 2：北上資金成交占比和自由流通市值占比與國內普通股票型公募基金對比 2圖 3：配置型外資累計凈流入趨勢和滬深 300 走勢對比 3圖 4：以 40 個交易日為窗口，配置型外資累計凈流入和滬深 300 區間收益率走勢對比.3圖 5：交易型外資累計凈流入趨勢和滬深 300 走勢對比 4圖 6：以 40 個交易日為窗口，交易

3、型外資累計凈流入和滬深 300 區間收益率走勢對比.4圖 7：交易型外資、配置型外資和托管于中資港資機構資金的持倉占比變化 5圖 8：交易型外資、配置型外資和托管于中資港資機構資金的成交占比變化 5圖 9：2019 年 3 月到 5 月間配置型外資的行業凈流出/入分布 6圖 10：2019 年 3 月到 5 月間配置型外資的行業凈流出/入分布與持倉比例之間的關系 6圖 11：2020 年 3 月配置型外資的行業凈流出/入分布與持倉比例之間的關系 6圖 12：2020 年 3 月交易型外資的行業凈流出/入分布與持倉比例之間的關系 7圖 13：2020 年 3 月交易型外資的行業凈流出/入分布與

4、MSCI China A 行業權重之間的關系 7圖 14：不同資金及指數在不同時段收益率統計 8圖 15：規模最大的 30 家陸股通托管行的收益歸因分析 9圖 16：規模大于 40 億元的 30 只普通股票型基金業績歸因分析 10圖 17：外資和公募基金業績歸因分析對比 12圖 18：北上外資成交占比在不同水平時滬深 300 指數漲跌幅絕對值（平均數）對比 12圖 19：北上外資成交占比在不同水平時滬深 300 指數在上漲的交易日平均漲幅 13圖 20：北上外資成交占比在不同水平時滬深 300 指數在下跌的交易日平均跌幅 13圖 21：交易型外資成交占比在不同區間時，對應個股在 2018 年

5、10 月至今的區間日波動率（取平均）情況 14圖 22：交易型外資成交占比在不同區間時，對應個股在 2018 年 4 季度的區間日波動率（取平均）情況 14圖 23：交易型外資成交占比在不同區間時，對應個股在 2020 年 1 季度的區間日波動率（取平均）情況 14圖 24：交易型外資成交占比提升最大的個股，波動率并沒有明顯更大幅度的抬升 15圖 25：利用托管數據和成交均價估算的北上凈流入量系統性地大于港交所公布的實際凈流入 18圖 26：利用托管數據和成交均價估算的北上凈流入量系統性地大于港交所公布的實際凈流入（逆向交易日） 18表格目錄表 1：板塊行業分類 8表 2：規模最大的 30 家

6、陸股通托管行的收益歸因分析 9表 3：30 家規模較大的普通股票型公募基金業績歸因分析 11表 4：外資順勢交易特征統計檢驗結果（全歷史樣本） 16表 5：外資順勢交易特征統計檢驗結果（2020 年一季度樣本） 17表 6：外資對每天兩個交易所前十大成交個股的 ABP 和 ASP 序列統計檢驗結果 19 北上通道流入 A 股的外資基本類型、構成及行為模式自 2018 年開始，通過陸股通形式流入 A 股的外資在投資者構成上相對過去有明顯的變化。2017 年，北上外資持有 A 股的市值占總自由流通市值的比重為 2.4%，平均每日貢獻了全部 A 股成交額的 2.1%。但到了 2018 年，北上外資每

7、日買賣貢獻的成交額占比開始超過持有自由流通市值的占比，2018 年末持有 4.0%的自由流通市值，但是全年平均每天貢獻了全部 A 股成交額的約 5.8%。2019 年，成交占比與持有市值占比的差距進一步被拉大。到了 2020 年一季度末，北上資金持有 A 股自由流通市值占比為 5.5%，但是平均每天貢獻了全市場 9.4%的成交額。圖 1：北上資金成交占比和自由流通市值占比歷史變化趨勢資料來源：Wind， 作為對比，我們統計了 2019 年國內全部普通股票型公募基金（主動型）的換手成交情況。我們的統計樣本包括了 335 只普通股票型基金，2019 年末的合計持倉市值為 2482億元，約占全部 A

8、 股自由流通市值的 1.0%，全年貢獻成交約 5604 億元，約占全部 A 股全年成交金額的 0.5%。通常而言，我們會認為國內股票型公募基金擁有較高的換手和活躍的交易，但實際上買賣交易的活躍度遠不及北上陸股通的外資。從上述對比可以看出，通過陸股通流入 A 股的外資絕不僅僅包含買入并持有的長期投資者，其中還存在交投非常活躍的投資者。圖 2：北上資金成交占比和自由流通市值占比與國內普通股票型公募基金對比資料來源：Wind， 我們無法直接分離出通過陸股通流入 A 股的外資中到底有多少是量化或是高頻交易的對沖基金，但是我們可以獲得港交所披露的針對陸股通每一只股票在每一天每一家托管行的持股情況，這樣我

9、們可以近似估算每一家托管行每天的凈流入數據（而不僅僅是北上整體的流入數據）。由于海外投行類托管行（摩根士丹利等等）和銀行類托管行（匯豐、渣打等）提供的交易結算、場外互換等金融服務的能力和便利性上存在差異，量化對沖基金可能更傾向于去選擇投行機構，通過場外互換的形式來完成交易。因此，如果不同類型的外資在托管行的選擇上有明顯的傾向性，我們就可以通過不同類型托管行的資金流入行為差異來近似的分離長線配置型外資和頻繁交易的外資。關于三類外資的劃分以及背后的分析，詳細可參見800 萬條托管數據剖析北上資金構成和行為（2019/10/29），這里只列舉核心結論：不同類型的托管行背后客戶的投資/交易行為有明顯區

10、別；通過托管數據能夠拆解北上外資背后不同類型的投資者；北上資金大體上可以分為三類：配置型資金、交易型資金、假外資，三者的持倉占比分別為 68%、26%和 6%，但貢獻的成交占比為 30%、56%和 14%。交易型外資雖然持倉占比不高，但貢獻了北上資金主要的成交。外資是否真的是左側布局買入？配置型外資基本沒有擇時行為。2018 年 10 月 8 日至 2020 年 5 月 15 日，估算累計托管市值增加 6499 億元，投入資本量增加 4512 億元。整個區間內，滬深 300 累計漲幅為 13.8%。整體上配置型外資呈現緩慢流入的特征，幾次較大的流入都處于 MSCI 指數納入比例提高前后。少有的

11、兩次階段性凈流出，一次發生在 2019 年一季度末市場行情過熱以后，一次發生在新冠疫情在全球傳播并引發全球金融市場流動性危機的時期。其余時間，基本都保持了穩定的流入趨勢。因此，此類配置型外資可以被當作是長期投資者，對市場直接造成的影響非常有限。圖 3：配置型外資累計凈流入趨勢和滬深 300 走勢對比資料來源：Wind， 如果以 40 個交易日為統計窗口長度，除了 2019 年 3 月到 5 月間和 2020 年 3 月疫情全球蔓延期，配置型外資在窗口內的累計凈流入量均為正。在一個整體上漲的市場環境下，由于配置型外資整體上都呈現持續買入趨勢，所以投資者很容易得到外資通常左側抄底，并且每次外資抄底

12、后市場都會上漲的結論。但事實上，如果我們觀察配置型外資在 40 個交易日內的累計凈流入量和滬深 300 指數在 40 個交易日內的收益率，二者則呈現同步的特征（相關性 0.32）。真正意義上的逆勢抄底買入，僅有 2018 年 4 季度出現過，對應的是2019 年 1 月初市場見底，在統計層面，單一樣本并不能充分論證外資“精準抄底”的結論。圖 4：以 40 個交易日為窗口，配置型外資累計凈流入和滬深 300 區間收益率走勢對比資料來源：Wind， 2018 年 10 月 8 日至 2020 年 5 月 15 日，交易型外資累計的凈流入量為-113 億元，累計增加的凈資本實際上為負值，最多時估計累

13、計凈流入量達到 656 億元（發生在 2020年 1 月 13 日），最低時則為-226 億元（發生在 2020 年 3 月 23 日）。換言之，從 2018 年月 26 日至今，交易型外資針對 A 股不僅沒有增加投入資本，反而有小幅的凈流出。圖 5：交易型外資累計凈流入趨勢和滬深 300 走勢對比資料來源：Wind， 交易型外資的凈流入趨勢基本與滬深 300 同步。以 40 個交易日為統計窗口長度，交易型外資的凈流入與滬深 300 指數漲幅的相關性達到 0.64。由于不少對沖基金通過場外互換形式間接做多或是做空陸股通對應股票，因此交易型外資的凈流動當中不僅包含了做多頭寸，也包含了做空頭寸。2

14、018 年 10 月至今區間累計凈流出意味著交易型外資整體而言在多空軋差后，對 A 股市場的敞口并沒有明顯增加。圖 6：以 40 個交易日為窗口，交易型外資累計凈流入和滬深 300 區間收益率走勢對比資料來源：Wind， 2018 年 9 月至今，交易型外資在整個北向資金當中，持倉占比平均僅為 25.1%（2020年 3 月以來僅有 19.1%），但是平均貢獻的凈成交占比（由于無法獲得實際的買賣成交數據，僅考慮凈買賣的絕對額）達到 54.0%（2020 年 3 月以來為 48.8%）。也就是說，2020年 3 月以來，交易型外資的平均持倉占比只有不到五分之一，但是貢獻了北上資金接近一半的買賣凈

15、成交額。反觀配置型外資，在整個北向資金當中，持倉占比平均為 68.3%（2020 年 3 月以來為 74.6%，相比過去進一步提升），但是平均貢獻的凈成交占比僅為 19.1%。因此，占外資成交大頭的交易型資金整體上和指數走勢同步，而配置型外資呈現穩定持續的買入持有特征（尤其在指數納入前），并不存在明顯的擇時行為，我們很難得到外資具有左側布局買入的結論。圖 7：交易型外資、配置型外資和托管于中資港資機構資金的持倉占比變化資料來源：Wind， 圖 8：交易型外資、配置型外資和托管于中資港資機構資金的成交占比變化資料來源：Wind， 北上外資在持續流出 A 股時的行業賣出分布情況配置型外資僅有的兩次

16、持續流出。第一次發生在 2019 年 3 月到 5 月，最主要的特征就是大規模流出集中在食品飲料板塊。流出量和行業持倉占比之間沒有明顯的關聯。圖 9：2019 年 3 月到 5 月間配置型外資的行業凈流出/入分布資料來源：Wind， 圖 10：2019 年 3 月到 5 月間配置型外資的行業凈流出/入分布與持倉比例之間的關系資料來源：Wind， 第二次發生在 2020 年 3 月，即疫情在全球蔓延期間（2 月疫情在中國爆發期間外資并未出現大規模流出）。在這個區間，配置型外資流出規模基本上與其持倉占比一致。圖 11：2020 年 3 月配置型外資的行業凈流出/入分布與持倉比例之間的關系資料來源：

17、Wind， 交易型外資的流出結構則和持倉結構相關性較弱，和 MSCI China A 指數權重相關性更高。在今年 3 月交易型外資大幅流出 A 股的階段，行業的流出規模和 MSCI China A 指數行業權重的相關性明顯更高，這一定程度上意味著交易型外資當中可能有系統性被動按指數權重配置 A 股，且具有一定擇時屬性的資金存在。圖 12：2020 年 3 月交易型外資的行業凈流出/入分布與持倉比例之間的關系資料來源：Wind， 圖 13：2020 年 3 月交易型外資的行業凈流出/入分布與 MSCI China A 行業權重之間的關系資料來源：MSCI，Wind， 外資是否能夠獲得顯著超額回報

18、我們估算了總的北上外資、配置型外資、交易型外資和托管于中港資機構資金 2018 年月至 2020 年 5 月的收益率，以及 2019 年的收益率。在 2018M102020M5 累計收益率低于創業板指和普通股票型基金指數，遠高于 MSCI China A 指數和滬深 300 指數，其中交易型外資的收益率超過配置型以及托管于中港資機構的資金。而在 2019 年全年，交易型外資的估算收益率達到 55.0%，超過創業板指（44.1%）和普通股票型基金指數（47.6%）。圖 14：不同資金及指數在不同時段收益率統計資料來源：Wind， 為了對外資超額收益進行歸因分析，我們采用 T-M 模型，將外資相對

19、中證 800 指數的超額收益率分解為阿爾法（選股貢獻）、市場擇時能力和行業配置能力。為了避免過多的行業因子收益率的共線性問題以及對于自由度的消耗，我們將 29 個中信一級行業劃分為基礎商品、上游工業品、中游周期、基建、消費、大金融、TMT 和醫藥 8 大板塊，構建收益率序列。由于上游工業品和中游周期之間日度收益率相關性達到 0.45，具有較強關聯，我們將其合并為周期板塊。因此，最終我們檢驗 7 大行業板塊：基礎商品、周期、基建、消費、大金融、TMT 和醫藥。表 1：板塊行業分類基礎商品石油石化上游工業品鋼鐵/煤炭/基礎化工/有色中游周期建材/機械/交通運輸/國防軍工基建建筑/電力設備/電力及公

20、用事業消費農業/輕工/商貿零售/消費服務/紡織服裝/食品飲料/家電/汽車大金融銀行/非銀行金融/地產TMT電子/通信/傳媒/計算機/其他醫藥醫藥資料來源： 我們采用的 T-M 模型具體設定為： = + ( ) + ( + )其中是基金組合實際收益， 是中證 800 基準收益率，是行業收益率，當 0時等于 1，小于 0 時等于 0。用于衡量行業配置是否顯著的貢獻了組合超額收益，常數用于衡量選股是否貢獻了組合超額收益，是用于衡量市場擇時能力的參數。我們將北上外資按照托管行進行了劃分，將每一家托管行作為一個投資主體，估算其買入和賣出行為所產生的收益率序列。我們將截至 2020 年 4 月 30 日托

21、管規模最大的 30家托管行的收益率序列作為收益歸因分析的檢驗對象，檢驗時間區間為 2018 年 10 月至2020 年 4 月。30 家托管行整體在樣本區間的平均日超額收益率（相對中證 800）為 0.03%，其中選 股貢獻了 0.03%，市場擇時貢獻了 0.02%，行業配置貢獻了約-0.002%，而其他模型未能 捕捉的因素對其有負貢獻。對于其中平均日超額收益率（相對中證 800）最大的 15 家托管 行，日平均超額收益率（相對中證 800）達到 0.05%，其中選股貢獻了 0.03%，市場擇時 貢獻了 0.006%，行業配置貢獻了 0.012%。而對于平均日超額收益率（相對中證 800）最

22、低的 15 家托管行，日平均超額收益率（相對中證 800）僅有 0.01%，其中選股貢獻了 0.014%，市場擇時貢獻了-0.009%，行業配置僅貢獻了 0.005%。從行業配置來看，對消費的超配和 對金融、周期的低配幾乎是我們測試的每一家托管行樣本區間內最重要的超額收益來源，而對 TMT 的低配一定程度上又拉低了超額收益率。圖 15：規模最大的 30 家陸股通托管行的收益歸因分析資料來源：Wind， 阿爾法托管 2018 年 10 月日平均收市場擇時能力規模至今收益率益率（中證 800）基礎商品-配置周期-配置基建-配置消費-配置大金融-配置TMT-配置醫藥-配置托管行 A6835.7%0.

23、10%+托管行 B3729.1%0.06%+-+托管行 C1926.9%0.06%-+-托管行 D2626.5%0.06%+托管行 E70625.9%0.05%+-+-托管行 F64125.4%0.05%+-+-+托管行 G57625.0%0.05%+-+-托管行 H4923.1%0.05%-+-托管行 I2323.4%0.04%+-+-+托管行 J2119.7%0.04%+托管行 K193220.7%0.04%-+-托管行 L41620.7%0.04%+-托管行 M33718.6%0.04%+-+-托管行 N431919.8%0.04%+-+-托管行 O242919.6%0.03%+-+-托

24、管行 P16417.9%0.03%-+-托管行 Q2616.6%0.03%+-托管行 R126117.3%0.03%-+-+表 2：規模最大的 30 家陸股通托管行的收益歸因分析（常數項）阿爾法托管 2018 年 10 月日平均收市場擇時能力規模至今收益率益率（中證 800）基礎商品-配置周期-配置基建-配置消費-配置大金融-配置TMT-配置醫藥-配置托管行 S3017.3%0.03%-+托管行 T17316.1%0.03%+-+-托管行 U3715.7%0.02%+-+-托管行 V35114.9%0.02%-+-托管行 W2614.0%0.02%-+-+托管行 X3814.1%0.02%-+

25、-托管行 Y9310.7%0.01%-+-托管行 Z2511.6%0.01%+-+-+托管行 AA468.0%0.00%-+-+托管行 AB104.9%0.00%-+-托管行 AC84-13.9%-0.06%-+-托管行 AD17-10.7%-0.06%-+（常數項）資料來源：Wind， 注：“+”、“+”、“+”分別表示在 90%、95%和 99%的顯著性水平下估計參數顯著為正；“-”、“-”、 “-”分別表示在 90%、95%和 99%的顯著性水平下估計參數顯著為負。參數顯著為正意味著超配，顯著為負意味著低配。為了更直觀地比較，我們采用同樣的模型，對國內在管規模大于 40 億元的 30 只

26、普通股票型基金收益率做了同樣的業績歸因分析。30 只基金樣本在 2018 年 10 月至 2020 年 4月的日平均超額收益率（相對中證 800）為 0.07%，其中選股貢獻了 0.06%，市場擇時貢獻了-0.04%，行業配置貢獻了約 0.01%，而其他模型未能捕捉的因素對其有正向貢獻。與外資托管行最大的不同在于，被檢驗的公募基金選股貢獻的超額收益率達到接近 30 家托管行平均水平的 2 倍，而市場擇時卻形成較大的拖累。在行業配置上，醫藥板塊在樣本區間內對被檢驗樣本中大部分公募基金都形成顯著的正向貢獻。圖 16：規模大于 40 億元的 30 只普通股票型基金業績歸因分析資料來源：Wind， 表

27、 3：30 家規模較大的普通股票型公募基金業績歸因分析在管規模日平均收項）證 800）基金 A480.13%+-+-+基金 B580.13%+-+-+基金 C460.11%+-+-+-+基金 D500.10%+-+基金 E450.09%+-+基金 F680.09%+-+-+基金 G680.09%+-+基金 H550.08%-+-+基金 I540.08%+-+基金 J970.08%-+-+基金 K530.08%+-+-基金 L1580.08%-+-基金 M460.08%+-+-+基金 N460.08%+-+基金 O1030.07%+-+-基金 P710.07%+-+-+基金 Q470.07%+-

28、+-+-+基金 R550.06%+-+-基金 S990.06%+-+-基金 T740.05%+-+-+-+基金 U850.05%+-+-基金 V480.05%+-+-基金 W460.05%+-+基金 X660.04%-基金 Y620.03%+-+-+基金 Z520.03%+-+-+-基金 AA490.03%+-+-基金 AB700.02%-+-+基金 AC700.01%-+-+基金 AD570.01%+-+-+-益率阿爾法（常數市場擇時能力（中基礎商品-配置周期-配置 基建-配置 消費-配置大金融-配置TMT-配置 醫藥-配置資料來源：Wind， 注：“+”、“+”、“+”分別表示在 90%、

29、95%和 99%的顯著性水平下估計參數顯著為正；“-”、“-”、 “-”分別表示在 90%、95%和 99%的顯著性水平下估計參數顯著為負。參數顯著為正意味著超配，顯著為負意味著低配。圖 17：外資和公募基金業績歸因分析對比資料來源：Wind， 外資的流動是否對 A 股市場產生直接的沖擊和影響從凈成交數據來分析陸股通外資對個股和市場的影響北上成交占比提升和市場整體波動加大有一定關聯性但并不明顯。在 2018 年 10 月 8日到 2020 年 5 月 15 日的樣本區間內，當北上資金成交占全部 A 股成交比例達到 10.9%以上時，如果當天滬深 300 指數上漲，平均的上漲幅度達到 1.49%

30、，如果當天滬深 300 指數下跌，平均的下跌幅度為-0.83%。尤其在市場下跌時，北上資金成交占比越大并不意味著市場下跌幅度也越大。圖 18：北上外資成交占比在不同水平時滬深 300 指數漲跌幅絕對值（平均數）對比資料來源：Wind， 圖 19：北上外資成交占比在不同水平時滬深 300 指數在上漲的交易日平均漲幅資料來源：Wind， 圖 20：北上外資成交占比在不同水平時滬深 300 指數在下跌的交易日平均跌幅資料來源：MSCI，Bloomberg，ICI， 交易型外資成交占比越大的個股，波動率反而越低。我們計算了交易型外資成交占個股總成交的比例，檢驗了不同占比的個股在 2018 年 10 月

31、2020 年 4 月區間的波動率情況。具體而言，我們將個股按照交易型外資成交占比等分為 10 組，計算每組樣本當中個股的平均區間日波動率。我們發現隨著交易型外資（里面可能包含著量化對沖基金）成交占比的提升，股票的波動率趨于下降而不是上升，并看不出外資的頻繁交易放大股票波動的情況。同時，我們還特意計算了 2018Q4 和 2020Q1 期間（這兩個期間全球金融市場都發生了同步的大波動）交易型外資成交占比和區間日波動率的情況，得到了完全一致的結果。圖 21：交易型外資成交占比在不同區間時，對應個股在 2018 年 10 月至今的區間日波動率（取平均）情況資料來源：Wind， 圖 22：交易型外資成

32、交占比在不同區間時，對應個股在 2018 年 4 季度的區間日波動率（取平均）情況資料來源：Wind， 圖 23：交易型外資成交占比在不同區間時，對應個股在 2020 年 1 季度的區間日波動率（取平均）情況資料來源：Wind， 這一結果可能并不意味著交易型外資對個股的參與程度越高，波動率越低，而是交易型外資更樂于參與波動率較低的個股。因此，我們進一步從時間的維度，測算了交易型外資成交占比提升幅度最大的個股和最小的個股，對應波動率的變化情況。我們將所有個股按照交易型外資的成交占比等分成10 組，對比的兩個區間分別是 2018Q4 和 2020Q1。我們發現，交易型外資成交占比提升幅度最大的個股

33、，波動率并沒有明顯更大幅度的抬升，交易型外資參與度的變化和波動率的變化沒有直接關聯。以交易型外資成交占比提升幅度最大的前 10%的個股（交易型外資成交占比提升幅度在 2.44%以上）為例，在 2020Q1 的平均日波動率相比 2018Q4 的平均日波動率僅上升了 0.08 個百分點，是 10 組股票中最低的一組。而在 2020Q1，所有股票的平均日波動率水平比 2018Q4 上升了 0.53 個百分點。從這個角度來看，外資更加活躍的參與實際上有助于降低個股的波動，而非升高。這一定程度上說明，量化高頻交易（可能包含在交易型外資當中）一定程度上起到的是提供流動性，降低股價波動的作用，而非加大個股波

34、動。圖 24：交易型外資成交占比提升最大的個股，波動率并沒有明顯更大幅度的抬升資料來源：Wind， 從凈流量數據來分析外資的短期買賣是否是順勢交易，放大個股趨勢波動我們將個股在 t 日的收益率情況進行排序，將收益率在前 10%的個股作為 win 組合，將收益率在后 10%的個股作為 lose 組合，然后分別計算這兩個組合中的個股在 t+1 日北上資金（配置型外資或交易型外資）的凈買入情況。同時，計算 win 組合在 t+1 日凈買入與 lose 組合在 t+1 日凈買入的差值（WML 組合）。如此設計實證的原因在于，如果我們發現對于 t 日收益率最高的一部分股票，外資在 t+1 日更傾向于買入

35、（凈買入為正值），而 t日收益最低的一部分股票，外資在 t+1 日更傾向于賣出（凈買入為負值），則認為外資具有明顯的順勢交易特征，會隨著股票上漲而持續買入，股票下跌而賣出。這樣順勢交易的特征，一般被認為可能是放大市場趨勢性波動的因素。反之，如果外資具有明顯的反向交易特征，則可能是抑制市場波動的因素。我們分別計算了 WML 組合、win 組合以及 lose 組合對應股票在 t+1 日的外資平均凈買入（樣本區間為 2018 年 10 月至 2020 年 4 月），并計算了對應的 Newey West t 值和對應的顯著性。如果這三者顯著為正，則說明外資有明顯的順勢交易特征，反之亦然。由于個股間凈買

36、入數據差異較大，個別交易日個別個股的凈買入數據可能會導致整體樣本出現偏差，因此我們還構建了一個順勢交易的測度指標。該指標用個股 t+1 日的凈買入/t 日的凈買入來衡量，并對其進行非參數 Wilcoxon signed-rank t 檢驗，測試其是否顯著異于 0。如果顯著為正，則說明 t+1 日凈買入方向和 t 日相同，則說明有順勢交易特征，反之則說明有逆勢交易特征。同樣，我們分別將股票分為了 WML 組合、win 組合以及 lose組合。以上兩種實證設計得到的檢驗結果如下表：表 4：外資順勢交易特征統計檢驗結果（全歷史樣本）交易型外資配置型外資WMLWinLoseWMLWinLoseT+1

37、凈買入均值-4.0877-2.19401.89371.82021.98290.1627Newey West t 值-13.03-9.343.928.2787.6970.79顯著性*T+1 凈買入/T 凈買入-0.5296-0.3710-0.46870.43970.63440.0362顯著性*資料來源：Wind， 其中，WML 指的是 T 日收益率最大的前 10%股票和后 10%的股票，在 T+1 日外資的凈買入量之差。Win 組合指的是 T 日收益率最大的前 10%股票在 T+1 日外資的凈買入量。Lose 組合指的是T 日收益率最小的前 10%股票在 T+1 日外資的凈買入量。我們發現：1)

38、）交易型外資有明顯的反向交易特征。對于 T 交易日表現相對較好的股票，T+1 日平均凈流出規模達到 4.09 億元，同時 T+1 凈買入/T 凈買入的中位數達到-0.4577，也就是說如果 T 日是買入的，則 T+1 日大概率趨于賣出。2）配置型外資則呈現明顯的順勢交易特征。對于 T 交易日表現相對較好的股票，T+1日平均凈流入規模達到 1.82 億元，同時 T+1 凈買入/T 凈買入的中位數達到 0.3389，也就是說如果 T 日對于漲幅較大的股票是凈買入的，則 T+1 日對于這批股票（無論漲跌）大概率進一步買入。對于 T 日跌幅較大的股票，配置型外資并不會順勢流出，會有一定逆向交易，但并不

39、顯著。一般而言順勢交易容易放大個股趨勢波動，而逆勢交易則容易平抑趨勢波動。不過從上文估算的成交占比來看，由于交易型外資占北上資金成交的主要部分，并且配置型外資較少有擇時行為，整體以買入持有為主，因此北上資金整體對于A 股個股的沖擊相對有限，并不存在擠占流動性，放大波動的問題。為了檢驗該結論的穩健性，我們特意選取了 2020Q1 的樣本做同樣的測試。在 2020Q1，市場分別經歷了外資在 1 月的快速“涌入”和在 3 月新冠疫情全球蔓延環境下的快速“退出”，同時市場波動也較大，檢驗該時間段的外資交易行為可以幫助我們分析外資在市場本身波 動加大環境下，對 A 股交易行為的特征。檢驗結果見表 5 可

40、以看到，得到的結論和全樣本 下的結論完全一致，依然是交易型外資有顯著的逆向交易特征，配置型外資擇時屬性并不 太強，整體上以穩定凈買入為特征，無論上漲樣本還是下跌樣本，下一交易日平均而言都 呈現凈買入。表 5：外資順勢交易特征統計檢驗結果（2020 年一季度樣本）交易型外資配置型外資WMLWinLoseWMLWinLoseT+1 凈買入均值-7.1534-4.64512.50831.27570.7606-0.5151Newey West t 值-6.68-6.483.742.451.64-1.16顯著性*T+1 凈買入/T 凈買入-1.2953-0.6376-0.11550.21900.3177

41、0.2933顯著性*資料來源：Wind， 外資相對境內投資者在高頻交易層面的競爭優勢盡管外資整體上并沒有明顯的放大市場波動的特征，但從我們估算的外資實際交易執行均價來看，外資高頻交易的實際訂單執行效率要遠遠優于國內的投資者，存在明顯的競爭優勢。我們利用港交所披露每一家托管行存量托管股數變動，按照個股當天的成交均價，估算出北上資金每日的凈流入/流出數據。同時，港交所還會披露北上資金整體每日的凈流入/流出數據，該數據是北上資金的實際成交情況。我們利用實際流量數據和估算的流量數據之間的誤差，就可以大致估算北上外資整體的訂單執行效率。具體而言，當外資凈流入且估算凈流入量高于港交所披露的實際凈流入量時，

42、意味著 我們在估算流入時使用的個股當日成交均價，平均而言大于北上資金實際的買入成交均價；當外資凈流出且估算凈流出量高于港交所披露的實際凈流出量時，意味著我們估算凈流出 時使用的個股當日成交均價，平均而言低于北上資金實際的賣出成交均價。如果我們估算 值和港交所的實際披露值之間的誤差不斷地累計，意味著外資在大多數時候都能“買的更低、賣的更高”，這大概率就是實際訂單執行效率帶來的競爭優勢。我們計算了累計的誤差值，發現利用托管數據和成交均價估算的北上凈流入量系統性地大于港交所公布的實際凈流入，也就是在北上資金凈買入時，在大部分時候成交均價都能低于個股當天的成交均價，在北上資金凈賣出時，大部分時候成交均價都高于個股當天成交均價，這個誤差并不具備隨機性，而是系統性為正。從 2018 年 9 月 27 日至 2020 年 5 月 13 日，估算的累計差值達到 151.3 億元，而期間北上資金整體的累計凈流入量也僅為 4512.0 億元。對應到一共 378 個交易日，意味著每天平均 11.937 億的凈流入量，通過訂單高效地執行，獲得了 0.4 億的價差，這相當于平均每天相對VWAP 的點差達到+0.89bp。而