Malkiel and Fama（1970）提出的“有效市场假说”是现代金融理论的基石和核心,该假说认为:在有效市场中,资产价格可以有效地反映可利用的资产估值信息,此时资产价格是不可预测的,投资者不能基于过去的信息获得超额收益。围绕这个假说,金融学者展开大量实证研究。已有文献发现大量利用股票市场过去信息预测股票未来价格的异象,其中早期Jegadeesh and Titman（1993）发现的动量效应,还有近期Han,Zhou and Zhu（2016）提出的趋势效应都是其中著名的异象。本文的研究主题正是动量效应和趋势效应。Jegadeesh and Titman（1993）发现过去3-12个月获得高收益的股票比低收益的股票在未来一段时间更能获得相对高的平均收益,该异象被称为中期动量效应。现有研究表明:动量效应不仅在美国股市十分稳健和持久,而且在其他国家和地区的股市中也普遍存在。与此同时,也有许多学者研究动量效应的成因,其中广泛被学者接受的解释是动量效应来自投资者对消息的反应不足。可奇怪的是,多数研究在中国股票市场没有发现显著而稳健的中期动量效应。中国股票市场作为一个新兴而又相对封闭的市场,个人投资者众多,他们获取和处理信息的能力有限,理应对消息反应迟缓从而产生显著的动量效应。是什么原因导致动量效应在中国股市中消失了呢?本论文提出并论证了一个可能原因:投资者对重大正面消息没有反应不足,而是反应充分甚至过度。当有效市场中股票的基本面发生变化时,投资者会迅速对消息作出反应,从而使股价迅速回归到其基本面价值上。在这种情况下,股票的回报率最终衡量的是消息的重要性。然而,因为投资者存在保守主义、处置效应、认知失调等行为偏差,且一些投资者获取、处理和跟踪消息的能力有限,所以当前的股价只是部分反映消息,剩下的消息需要在未来进一步释放,这导致了动量效应。上述传递机制隐含两个假设:（1）股票的回报是同时期消息的代理变量,更多正面（负面）消息的股票有更高（更低）的同期回报。（2）无论消息的大小如何,投资者对消息反应不足的程度是相似的,这使得历史回报高（低）的股票有更多未反应的正面（负面）消息,从而导致更高（更低）的未来回报。然而,第二个假设并不严格成立,投资者对消息反应不足的程度是不对称的。投资者会倾向忽略微小消息,过度关注重大消息,从而对重大消息反应充分甚至过度,尤其在个人投资者居多且不允许卖空的中国股票市场,投资者更可能对重大正面消息过度反应。在这种情况下,在构建动量指标时,包括重大正面消息所驱动的极高日度回报,将会高估动量度量,从而削弱动量效应。这就是传统动量效应在中国股票市场中消失的原因。如果能识别出反应充分或过度的交易日,并把它们从动量指标估计期间中剔除,那么由此构造的动量指标才能更好地代表投资者对消息反应不足所累积的动量。基于这个基本思想,本文提出了修正的动量测度和策略,并实证检验了修正动量策略在美国股市和中国股市上的有效性（详见第二章和第三章）。除了中期动量异象外,与之并列的著名异象还有长期反转和短期反转异象。短期反转、中期动量和长期反转分别对应短期、中期和长期的时间窗口。一个自然的问题是:能否把三种异象结合起来,充分利用不同时间窗口信息,构造具有更强预测力的综合预测变量?这个想法与Han,Zhou and Zhu（2016）的研究不谋而合。他们将股票的月度收益率作为被解释变量,月初的短期、中期和长期历史移动平均价格作为解释变量,通过横截面回归模型估计各期移动平均价格的系数（记作Beta）,然后用过去Beta的移动平均值预测Beta的未来值,从而给出股票下月收益率的期望值（被称为趋势变量）。Han,Zhou and Zhu（2016）发现所构造的趋势变量在美国及其他七国集团股票市场中对股票未来收益率具有很强的预测力。然而,他们只使用了价格信息的水平值（移动平均价格）,而忽略了价格信息的变化值（累计收益率）。因此,本文基于Han,Zhou and Zhu（2016）的思路,拓展了他们的横截面预测回归模型——把短期、中期和长期历史累积收益率也作为预测变量纳入模型,提出了改进的趋势变量和趋势策略并实证检验了改进趋势策略在美国股市和中国股市上的有效性（详见第四章和第五章）。本文的贡献在于:（1）提出了修正的动量测度和动量策略,检验了修正动量策略在美国股市和中国股市盈利的显著性和稳健性,证实了修正动量策略比传统动量策略的优越性;（2）找出并证实了传统动量效应在中国市场上消失的原因:投资者对重大正面消息反应过度;（3）提出改进的趋势变量和趋势策略,检验了改进趋势策略在美国股市和中国股市上的有效性,证实了改进趋势策略比原有趋势策略的优越性;（4）丰富了动量效应和趋势效应的文献,帮助投资者更好理解中国和美国股票市场的定价差异。下面将具体介绍本文各章的内容。在第二章中,本文利用每日涨幅榜在美国市场中识别投资者对各个股票反应过度的交易日,并在构造动量变量时剔除这些反应过度的交易日。由此获得的动量被称为修正动量。需指出的是,修正动量要使用过去11个月（不包括当月）的日对数收益率而不是月收益率数据。本文基于1963年6月至2020年12月美国股票市场纽约证券交易所、美国证券交易所和纳斯达克交易所上市的普通股数据,实证检验修正动量的预测力。结果表明:（1）修正动量比传统动量在美国市场具有更强的动量效应;（2）当在Fama-Mac Beth回归中控制修正动量时,传统动量完全丧失预测力,亦即,传统动量的预测力完全归因于修正动量;（3）基于修正动量变量构建的修正动量因子不能被各因子模型所解释;（4）修正动量的预测力也不能被其他与动量异象相关的变量所解释;（5）Atilgan et al.（2019）的“左尾风险异象”归因于修正动量效应。在第三章中,本文除了利用每日涨幅榜外,还利用涨停板制度在中国市场识别投资者对各个股票反应过度的交易日。因为现有证据表明:平均意义上,涨停日伴随着过度反应,而跌停日却伴随反应不足,所以本文也把股票的涨停日视为投资者过度反应的交易日,并在构造动量变量时除了剔除涨幅排在前列的交易日外,也剔除涨停交易日,由此获得修正的动量。实证结果显示:（1）中国股市不存在传统动量效应,但中国股票市场存在显著而稳健的修正动量效应,该效应的经济显著性和统计显著性与美国股票市场中的传统动量效应类似。上述证据佐证了本文给出的中国股票市场传统动量效应消失的原因;（2）与美国市场不同,中国市场的修正动量效应在市值加权投资组合中更强,而美国市场的动量效应在等权重投资组合中更强;（3）中国市场修正动量效应呈现出不同于Jegadeesh and Titman（1993）所发现的季节性特征:一是修正动量策略在2月而不是1月出现了显著的负收益,二是修正动量策略在4、6、9和12月产生了特别显著的正收益,而在其他月份收益不显著;这些季节性特征与春节假期和上市公司的年报和季报发布制度有关,这些解释与美国市场的不同。在第四章中,本文扩展了Han,Zhou and Zhu（2016）用于构造趋势变量的横截面预测回归模型,把短期、中期和长期历史累积收益率也作为预测变量纳入模型,提出了改进的趋势变量和趋势策略。该做法的思想是:投资者不仅可能基于移动平均价格系统进行交易,他们也可能基于历史累积收益率所包含的信息（短期反转、中期动量和长期反转）进行交易。本文在美国股市中检验了改进趋势策略的有效性和优越性:（1）与原有趋势策略相比,改进趋势策略产生的收益在经济和统计意义上更显著、更稳健,而且夏普比率更高、最大回撤更低,这意味着改进的趋势变量确实包含额外预测信息,证实了上述想法;（2）改进趋势效应在分析师报告越少或异质波动率越大的股票中更强,这说明改进趋势策略在信息不确定性程度高的时候有更好的表现。在第五章中,本文检验了改进趋势策略在中国股市中的有效性和优越性。为了排除极高的日度收益率对改进趋势变量的影响,本文在计算移动平均价格和历史累积收益率时剔除极高收益率的交易日。在中国市场获得的实证结论与美国市场的类似:（1）与原有趋势策略相比,改进趋势策略产生的收益更显著、更稳健,而且夏普比率更高,但最大回撤不是最低;（2）改进趋势效应在分析师报告越少或异质波动率越大的股票中更强,这说明改进趋势策略在信息不确定性程度高的时候有更好的表现。