小市值量化：收益从哪里来，A股为什么涨跌

证据范围与风险声明：本文讨论股票横截面中的规模效应及其在中国 A 股的量化实现，学术与制度资料检索截至 2026 年 7 月 17 日，指数事实表数据截至 2026 年 6 月 30 日。文中的公式、状态框架与组合参数用于解释研究方法，不构成收益承诺、证券推荐或任何形式的投资建议。

摘要

小市值量化，是以公司规模为核心解释变量，通过规则化选股、组合约束和系统执行获取规模溢价或相对收益的一类策略。Banz 在 1981 年首先系统记录了小公司较高的风险调整后收益；Fama 与 French 随后把规模因子纳入现代资产定价框架。¹²³ 但四十多年研究也不断提醒我们：规模溢价高度集中于极小市值股票，会被流动性、交易成本、盈利质量、投资者情绪和市场制度显著改变。“买最小的股票”不是一条完整策略，更不是天然的高收益按钮。

A 股的情况尤其特殊。Liu、Stambaugh 与 Yuan 在构造中国规模因子时，排除了市值最小的 30% 公司，因为严格 IPO 约束曾让这些公司带有显著的“壳价值”；如果直接买入最小市值，得到的会是规模、借壳预期、高换手与低质量的混合暴露。⁴ 2023 年全面注册制、2024 年严格退市与削减壳价值的政策，又在改变这部分历史收益的结构。⁵⁶

截至 2026 年 6 月 30 日的中证指数事实表也显示，规模收益并不单调：2024 年沪深 300 显著占优，2025 年中小盘反超，2026 年上半年则是中证 500 领先于更小的中证 1000 和中证 2000。⁷⁸⁹¹⁰ 因此，一条更可信的小市值策略应当是：

关键词：小市值；规模因子；流动性溢价；A 股；中证 1000；中证 2000；程序化交易；交易成本

一、先定义问题：什么才叫“小市值量化”

1. 小盘指数、小盘选股和规模因子不是一回事

日常讨论中的“小市值策略”，至少包含三种不同产品：

1. 小盘宽基配置：长期持有中证 1000、中证 2000 或相应基金，获取市场上涨、小盘风格和指数行业结构的共同收益。
2. 小盘增强：先限定在小盘股票池内，再以质量、价值、动量、分析师预期等因子选股，目标是跑赢小盘基准。
3. 规模因子或市场中性：做多小盘、做空大盘或用股指期货对冲市场方向，使净收益尽量来自规模和选股，而不是 A 股整体涨跌。

三者不能用一条净值曲线混为一谈。小盘指数在牛市中上涨，可能只是市场 $\beta$ 更高；小盘增强跑赢小盘指数，才涉及选股阿尔法；小盘多头减去大盘空头，才比较接近学术意义上的规模因子。

组合收益可以写成：

其中 $SMB$ 是小盘减大盘，$VMG$ 是价值减成长，$QMJ$ 是高质量减低质量。若加入这些暴露后，$\alpha$ 消失，策略更像可复制的风格承载，而不是独立选股能力。

2. 市值究竟用哪个口径

公司规模可以用总市值、自由流通市值或可交易市值表示。实务上通常更关心自由流通市值，因为国有股、战略持股、限售股并不等于当下可被市场买卖的供给。

最简单的规模得分是：

使用对数，是因为上市公司市值呈极度右偏分布；若直接使用市值，极少数巨型公司会支配横截面。负号让“得分越高”对应“公司越小”。实际研究还要截尾、标准化和行业中性化。

3. “小市值”没有永远不变的金额边界

固定的 50 亿元、100 亿元阈值会随市场扩容、通胀和整体估值变化而失真。学术研究更常用当期市值分位数，指数研究则使用透明的成份规则。

所以，规模是一个相对排名，不是“低于某个数字就一定被低估”。

二、规模效应：从发现到争论

1. Banz：最早的“小公司效应”

Banz 使用纽约证券交易所股票发现，小公司平均风险调整后收益高于大公司，而且主要差异集中在最小市值端。他同时非常谨慎地指出：规模可能只是某些未知风险变量的代理，而不是收益的最终原因。¹

Fama 与 French 在 1992 年发现，市值和账面市值比能够解释美国股票平均收益的显著横截面差异；1993 年的三因子模型进一步把 $SMB$ 纳入共同风险因子。²³ 从此，小市值从一项“异常”变成了基金业绩归因和资产定价的标准语言。

2. 规模收益并不均匀发生

Keim 研究 1963—1979 年美国市场时发现，相当一部分规模效应集中在一月，尤其是年初最初几个交易日。¹¹ 这说明所谓小盘溢价可能同时混有税收、季节性再平衡和短期流动性效应。

这个结论不应该被机械翻译成“A 股一月必涨小盘”。它真正提醒我们：平均收益可以由很少的时期贡献。一条策略如果 90% 的收益来自少数月份，就不应被描述成“每年稳定兑现”。

在新兴市场，Cakici、Fabozzi 与 Tan 发现，本地因子通常比美国或全球发达市场因子更能解释横截面收益，这提示规模与价值的定义、行业中性方法和风险模型都必须本土化。¹²

3. 后续研究为何一边支持，一边质疑

支持者认为，小公司承担了大公司没有的融资、经营与流动性风险；质疑者则指出，规模收益可能被极小股票、垃圾股、收盘价和交易成本夸大。

Asness 等人在控制盈利质量、杠杆和安全性之后，发现规模效应反而更稳健——这不是说“垃圾股不影响小盘”，而是说低质量污染曾掩盖可投资的小盘溢价。¹³

另一方面，Novy-Marx 与 Velikov 对大量股票异象研究后发现，交易成本会显著降低收益与统计显著性，设置“买入阈值”和“继续持有阈值”之间的缓冲区，是很有效的降本方法。¹⁴ McLean 与 Pontiff 还发现，大量已发表的收益预测变量在样本外及论文发表后明显衰减，说明数据挖掘和资本学习都会压缩未来收益。¹⁵

因此，规模效应的正确问题不是“有没有”，而是：

在什么股票池、什么权重、什么交易成本、什么市场制度与什么样本外检验下，规模收益仍能兑现？

三、小市值的收益到底来自哪里

1. 经营与融资风险补偿

小公司往往收入来源更集中、固定成本更高、债务融资渠道更窄。客户流失、原材料涨价、银行授信收缩或再融资失败，都可能显著改变权益价值。

当宏观下行、信用利差扩张时，小公司的现金流脆弱性会一起暴露，表现为更深回撤、更高下行 $\beta$ 和更高破产概率。投资者若愿意长期承担这种系统性困境风险，理论上会要求更高预期回报。

风险解释有一个重要可检验含义：小盘应在融资环境恶化时更差，在风险释放后获得更高补偿。如果一个策略只在主题亢奋时上涨、在正常状态没有收益，它更像情绪暴露，而不是稳定风险溢价。

2. 流动性补偿

Amihud 的经典研究表明，预期市场非流动性与事前超额收益正相关，而且非流动性冲击对小公司影响更强。¹⁶

小盘股价差更宽、订单簿更薄，大资金不能在不推动价格的情况下迅速建仓。这一限制会延长错价寿命，但也会对策略收取“实现税”。低流动性因此同时是收益来源与收益成本。

常见的平方根冲击模型可以写成：

其中 $\sigma_i$ 是波动率，ADV 是日均成交金额。它表达了一个直觉：资金规模翻倍，成本通常不会只是简单翻倍；在波动和流动性压力期，参数 $k$ 还会跳升。

3. 关注不足与信息扩散

小公司通常缺乏大型卖方研究覆盖，机构调研和媒体关注也更少。量化模型可以统一处理财务报表、公告、价格和成交信息，把大量很小的定价偏差聚合为分散组合收益。

但这里有一个对称风险：覆盖不足也意味着治理、关联交易和财务真实性更难被发现。单只小盘股的“信息优势”可能被一个公司事件完全吞没，只有分散持仓、时点正确的数据和独立风控才可能把它变成组合优势。

4. 情绪、彩票偏好与难估值资产

Baker 与 Wurgler 发现，投资者情绪对年轻、小型、高波动和难估值公司影响尤其明显。¹⁷ 在风险偏好上升时，这些股票容易因为叙事、题材和极端上涨概率被追捧；在情绪反转时，它们也最容易失去边际买家。

因此，小盘高弹性有两面：上涨阶段像“成长性”，下跌阶段才暴露其中有多少是高估值、低流动性和彩票偏好。

5. 质量与规模迁移

可投资的小盘收益，往往来自市场低估了仍处于扩张期、现金流改善、资产负债表健康的中小公司。当盈利兑现、流动性提升、机构覆盖增加，公司可能被纳入更高层级指数，完成从“小盘”向“中盘”的迁移。

反过来，持续亏损、依赖融资和治理薄弱的公司也会一路从小盘滑向退市。于是，“小盘 + 质量”比“越小越好”更符合长期投资逻辑。盈利能力因子本身也有强资产定价证据。¹⁸

6. A 股历史上的壳价值

这是中国市场最不能忽略的一层。

更早的 A 股研究也发现，公司规模、账面市值比、流动性和股利支付等特征与横截面收益相关，但这些关系明显受中国市场制度与投资者结构影响。¹⁹

Liu、Stambaugh 与 Yuan 发现，严格 IPO 约束让极小市值上市公司具有被反向并购的壳期权，因此他们在构造中国规模因子时排除了市值最小的 30% 公司；他们还发现，盈利收益率 $E/P$ 比传统账面市值比更适合构造中国价值因子。⁴

这意味着历史上的“微盘上涨”，有时不是小公司盈利改善，而是上市资格稀缺被重新定价。全面注册制与严格退市正在改变这种稀缺性，所以旧回测中的壳收益不能原样外推到未来。⁵⁶

四、怎样构造一条像样的小市值策略

1. 样本空间比公式更重要

一份可信的 A 股研究，至少应预先规定：

• 上市时间：新股至少满 120—250 个交易日，避免新股定价与特殊涨跌幅阶段造成不可比性。
• 风险警示：ST、*ST、退市整理和重大违法调查公司应单独建模或剔除；若保留，必须计入真实退市收益。
• 可成交性：使用过去 20/60 日成交额、停牌天数、涨跌停封单和一字板比例过滤。
• 容量：单股交易量不得无限占用 ADV；持仓规模应受自由流通市值约束。
• 信息时点：财务数据按公告日生效，不能按报告期末提前交易。
• 完整证券主表：必须保留后来退市和代码变更的公司，不能只下载今天仍上市的股票。

若删除失败公司，幸存者偏差会系统性高估小盘收益。

2. 规模不是唯一信号

一个研究型综合得分可以写成：

这些权重只是示意，不是现成参数。质量可以包含毛利润/资产、经营现金流/资产、ROE 稳定性、应计项目和杠杆；价值在 A 股中可重点测试 $E/P$、现金流收益率和股息率；动量可使用跳过最近一个月的中期收益，以降低短期反转污染。

最小市值端尤其适合“硬过滤 + 软打分”：

• 硬过滤负责挡住负净资产、持续经营现金流为负、重大治理问题等尾部风险；
• 软打分负责在剩余股票中保留横截面差异。

3. 行业、β 和波动率必须中性化

如果不控制行业，小盘组合可能只是信息技术、工业和医药的行业多头；不控制波动率，它又可能只是高波动组合。

组合优化可写为：

其中 $\mu$ 是预期收益，$\Sigma$ 是风险协方差矩阵，$TC$ 是换仓成本。优化约束通常包括单股权重、行业偏离、市场 $\beta$、波动率、预期换手和 ADV 参与率。

4. 交易缓冲比高频调仓更重要

若排名第 200 的股票下降到第 205 就卖掉，排名第 205 上升到第 200 就买入，模型会在断点附近无效换手。更合理的方法是：

• 进入组合需要高于“买入阈值”；
• 已持有股票只有跌破更低的“卖出阈值”才退出；
• 信号变化小于成本时不交易。

这正是文献所说的 buy/hold spread。¹⁴

5. 回测必须模拟“买不到”和“卖不掉”

小盘回测最常见的幻觉，是收盘产生信号后仍按同一收盘价成交。真实市场中，一字涨停买不到、一字跌停卖不掉、停牌期间不能重平衡，大额订单还会推动价格。

最低可信标准包括：

五、A 股的规模坐标：300、500、1000、2000

沪深 300 代表沪深市场规模大、流动性好的核心公司；中证 500 位于其后；中证 1000 选取中证 800 以外规模偏小且流动性好的 1000 只证券；中证 2000 则进一步从更小市值、并通过成交金额筛选的证券中选取 2000 只样本。⁷⁸⁹¹⁰

表中数据截至 2026 年 6 月 30 日，收益为价格指数口径；中证 2000 事实表未列示 PE、PB。⁷⁸⁹¹⁰

这里至少有三点：

1. 沪深 300 到中证 2000 的平均总市值相差约 30 倍，规模层级确实清晰。
2. 小盘波动率高于沪深 300，但中证 500 与中证 2000 近一年年化波动率同为 22.10%，并非越小越波动。
3. 中证 500 和中证 1000 的滚动估值显著高于沪深 300，所以当期小盘还混有成长和行业暴露，不能把“小”解释为“便宜”。

行业结构会伪装成规模效应

截至 2026 年 6 月 30 日，中证 500 与中证 1000 中工业和信息技术合计权重均超过一半，沪深 300 中二者合计约 43.6%。⁷⁸⁹ 当半导体、软件、设备制造和新材料景气上行，小盘指数天然受益；当金融、主要消费、高股息权重资产占优，大盘可能更强。

所以归因时必须回答：跑赢来自市值，还是来自科技和工业？如果不剥离行业，产业周期反转时很容易误判为“规模因子突然失效”。

六、最近几年的 A 股：为什么不能说“越小越赚”

中国股票市场不仅是短期交易场所。Carpenter、Lu 与 Whitelaw 的研究强调，它也承担了资本配置和服务实体经济的功能；因此，规模行情最终仍会受到融资约束、产业盈利和上市公司质量的共同检验。²⁰

2022 年各规模指数普遍下跌，中证 1000 与沪深 300 几乎相同；2023 年中证 500 和中证 1000 跌幅较小。2024 年出现明显大盘行情，沪深 300 上涨 14.68%，中证 1000 仅上涨 1.20%，中证 2000 下跌 2.14%。

2025 年风格反转，中证 2000 上涨 36.42%，高于中证 500、中证 1000 和沪深 300。到 2026 年上半年，中证 500 又以 20.97% 领先，中证 2000 只比沪深 300 高 1.55 个百分点。⁷⁸⁹¹⁰

如果规模收益是简单的“越小越好”，这组排名不应频繁反转。更合理的结论是：中证 500—中证 1000 之间可能随盈利、估值与流动性形成阶段性甜蜜区；极小盘在风险偏好扩张时弹性更大，也在风格收缩时更容易失去流动性。

七、A 股小市值为什么涨

1. 流动性改善与风险偏好上升

当资金成本下降、成交额增加、融资压力缓解时，低流动性资产的折价会收窄。小盘股票流通盘小、边际定价资金少，所以价格弹性往往大于大盘。

真正有利的不是“市场成交额大”这一个数字，而是成交从少数权重股扩散到更多股票。如果指数上涨、上涨家数却下降，那更可能是大盘集中行情。

2. 盈利上修从龙头向中小企业扩散

复苏初期，利润可能先集中在资源、金融或核心龙头；当订单、资本开支和产业链需求向设备、材料、软件与专精特新公司扩散，中小公司的低基数和经营杠杆会放大盈利上修。

这时中证 500 或中证 1000 往往比最极端的微盘更有基本面支撑，因为它们兼具成长弹性、盈利可见度与较好流动性。

3. 产业政策、技术周期与并购催化

小盘指数工业、信息技术权重较高，技术升级、国产替代、设备更新、并购重组等主题会提高相关公司的估值弹性。

但产业催化要区分三层：

• 只有政策文本，没有订单；
• 有订单，没有利润；
• 订单、现金流和利润同时兑现。

越往后，行情越可能从主题交易变成基本面重估。

4. 历史壳价值与重组预期

在严格 IPO 约束时期，上市资格本身是一种稀缺资源，极小市值公司容易被赋予重组期权。⁴ 这可以解释某些微盘行情为什么与盈利无关，却对并购、控制权变更和监管口径极为敏感。

但这也是最不该线性外推的收益来源。全面注册制提高了发行机制的市场化程度；严格退市意见明确提出削减壳资源价值、打击炒壳。⁵⁶

5. 市场宽度扩张与指数资金迁移

一轮行情可能先由核心资产启动，随后主动资金、增强策略与 ETF 资金向中小盘扩散。相对动量建立后，小盘会吸引更多配置，形成正反馈。

这类上涨能否持续，取决于新增资金是长期配置，还是高换手追涨。若上涨家数、盈利扩散和资金流入同时改善，持续性更强；若只有涨停数量和换手率激增，尾部风险也在累积。

八、A 股小市值为什么跌

1. 融资与现金流压力上升

信用收紧或再融资难度增加时，小公司更难用外部资金填补经营现金流缺口。估值下降并不只是贴现率变化，还可能包含融资失败、业务收缩和股权稀释的概率。

2. 情绪反转与拥挤踩踏

小盘组合看上去持仓分散，但交易方向可能高度一致。大量模型都使用市值、动量、换手和低价等相似变量；主题降温或杠杆撤离时，买盘消失速度常常快于基本面变化。

最危险的组合不是“股票数量少”，而是很多账户持有不同股票，却在同一条件下同时卖出。

3. 市场宽度收窄

资金集中到高股息、核心龙头或少数景气行业时，沪深 300 可以上涨，而市场中位数股票下跌。这就是“权重指数牛、市值中位数熊”。

小盘风格转弱经常先表现为：等权指数跑输市值加权指数、上涨家数下降、相对动量破位；总指数下跌可能反而更晚出现。

4. 退市与治理风险重估

严格退市、财务造假执法和壳价值削减，会提高极小盘公司的尾部折价。⁶ 这对盈利稳健的小盘成长公司未必是坏事，却会直接冲击依赖壳期权的“便宜微盘”。

因此，退市监管加强不能简单解释为“小盘利空”；它更准确地说是低质量微盘利空、优质小盘的长期筛选机制增强。

5. 交易摩擦在压力期放大

跌停、停牌、订单簿变薄与期货基差扩大，会使风险模型低估真实可变现损失。历史波动率只告诉我们“过去价格怎么动”，没有告诉我们“现在需要卖时能成交多少”。

九、什么时候涨、什么时候跌：用状态，不用日历

真正值得估计的是：

偏多小盘的条件更完整时

• 资金利率回落，市场成交额从低位回升；
• 上涨家数、中位数收益和等权指数同步改善；
• 中证 1000/沪深 300、500/300 的相对趋势向上，但尚未极端过热；
• 盈利上修从少数龙头扩散到更多中小公司；
• 小盘相对估值仍在合理区间；
• 换手和拥挤度从低位恢复，而不是处于历史极端；
• 上涨由现金流、订单和利润验证，而不只依赖壳与题材。

偏空小盘的条件更完整时

• 资金成本上升、成交萎缩或融资资金去杠杆；
• 指数仍涨，但上涨家数、等权指数和中位数收益下降；
• 相对动量破位，盈利下修集中在中小公司；
• 相对估值高、换手高、同向持仓拥挤；
• 退市、财务造假、减持或信用风险集中暴露；
• 涨跌停和停牌使理论仓位无法按计划退出。

一个研究型状态分数可以写成：

这不是现成交易信号。权重必须在训练期确定，在验证期冻结；还要同时报告收益、回撤、换手、容量和不同参数下的稳定性。

十、A 股上怎样使用：三种产品形态

1. 小盘宽基配置

目标是获得长期规模与行业暴露，工具可以是指数基金或 ETF。优点是规则透明、运维简单；缺点是完整承受风格周期、指数估值和行业偏离。

适合回答：“我是否愿意长期把一部分权益风险预算配置给中小企业？”而不是：“下个月小盘一定跑赢吗？”

2. 小盘增强

在中证 500、1000 或 2000 样本域内，以质量、价值、动量和盈利预期选股，控制行业、β、个股权重与换手，目标是取得相对基准超额。

这类策略的核心不是预测指数方向，而是在同一规模域中识别“有盈利兑现能力的小公司”和“只有壳与题材的小公司”。

3. 市场中性或相对价值

多头持有小盘选股组合，用股指期货对冲市场 β。中证 1000 股指期货为小盘组合提供了更贴近的对冲标的。²¹

但市场中性不等于低风险。剩余风险包括：

• 期货基差与保证金；
• 多头个股涨跌停和停牌；
• 行业偏离与残差波动；
• 对冲工具可交易、个股却无法卖出的现金流错配。

十一、风险控制：要围绕“卖不掉”设计

大盘股风险常被近似为价格波动；小盘股更重要的问题是，需要卖出时有没有对手方。因此仓位上限不能只由历史波动率决定，还要由成交额、自由流通市值、订单簿深度、连续跌停概率和预期清仓天数决定。

五条硬约束

1. 容量红线：限制单股 ADV 参与率和组合清仓天数；资金扩大时主动降低极小盘权重。
2. 尾部红线：重大违法、审计非标、持续经营疑虑、控制权争夺和高质押进入独立风险引擎。
3. 杠杆红线：期货保证金与个股跌停会造成现金流错配，必须保留流动性缓冲。
4. 拥挤红线：监控因子收益相关性、同类产品持仓、换手分位和涨停扩散。
5. 合规红线：程序化账户、系统和申报行为需要可解释、可追溯。

证监会《证券市场程序化交易管理规定（试行）》自 2024 年 10 月 8 日实施；上交所程序化交易实施细则自 2025 年 7 月 7 日实施，覆盖报告、交易行为、信息系统与高频交易管理。²²²³ 截至本文版本日，上交所 2026 年修订交易规则已于 2026 年 7 月 6 日生效。²⁴

这些规则不否定低频量化，但要求策略从“只有模型”升级为“模型、系统、风控、申报与审计轨迹完整”。

十二、七种最常见的回测幻觉

1. 幸存者偏差：删除退市、长期停牌和失败公司，小盘组只剩成功者。
2. 前视偏差：财务数据按报告期末提前可见，或用今天指数成份回填历史。
3. 收盘价幻觉：信号和成交使用同一个收盘价，忽略一字板与成交量。
4. 成本线性化：用固定万分之几代替随订单规模和市场压力变化的冲击。
5. 风格偷换：把科技、工业行情归因于规模，把市场 β 归因于选股。
6. 参数挖掘：全样本选择市值分位、调仓频率和因子权重，再把最优曲线当样本外能力。
7. 不可扩容：百万元账户的收益直接乘到亿元规模，忽略成交占比和价格冲击。

一份完整绩效报告不应只有年化收益和夏普比率，还应报告最大回撤、修复期、下行 β、偏度、换手、成本占毛收益比例、容量敏感性、极端月份贡献和因子归因。

最终收益归因应接近：

只有在规模、行业和伴生因子之后仍稳定存在的部分，才更接近独立阿尔法。

十三、结论

小市值量化的学术起点是规模效应，但它的经济实质从来不是“股票越小，收益越高”。小公司承担更强的经营、融资与流动性风险，信息覆盖更少，因而可能获得风险补偿或形成错价；与此同时，情绪、质量污染、交易成本和制度稀缺，又会把观察到的收益放大、扭曲或吞噬。

A 股尤其需要制度化理解。历史 IPO 约束曾赋予极小公司壳价值，全面注册制与严格退市正在削弱这一机制；程序化交易规则则提高了策略系统和申报行为的合规要求。最近指数数据也证明，规模收益是时变、非单调并受行业与盈利周期影响的。

因此，一条更可持续的小市值策略，应遵循四条原则：

1. 用相对排名而非固定金额定义规模；
2. 排除壳价值、退市风险和不可成交性的极端污染；
3. 将规模与质量、价值、动量联合建模，并控制行业、β 和波动；
4. 用真实成交、完整成本、容量压力测试和滚动样本外检验评价净收益。

至于“什么时候涨、什么时候跌”，最有信息量的答案不是某个月份，而是市场状态：流动性改善、市场宽度扩张、盈利上修扩散且估值不过热时，小盘相对占优的条件更充分；流动性收紧、宽度收窄、盈利下修与拥挤去化同时发生时，小盘相对承压的条件更充分。

小市值量化不是寻找一个永远有效的市值阈值，而是持续管理风险补偿、错价机会、制度变化和实现成本之间的动态平衡。

参考文献与数据来源