在 A 股与全球资本市场的长期数据中，小市值股票的年化回报持续超越大盘——这并非偶然，而是一条被反复验证的因子溢价。本文从实证证据出发，拆解小市值溢价的来源、代价与量化落地路径，回答一个核心问题：小市值策略的收益来自哪里，普通人又该如何参与？
一、规模因子：小市值溢价的发现
1.1 Banz（1981）与 Fama-French 三因子
1981 年，Banz 首次系统性地发现：纽约证券交易所的小市值股票长期获得高于大市值股票的风险调整收益。1992 年，Fama 与 French 将这一现象正式纳入三因子模型，命名为 SMB（Small Minus Big）——做多小盘、做空大盘的多空组合收益。
三因子模型的核心结论：
- 市场因子（MKT）：承担系统性风险的补偿。
- 规模因子（SMB）：小盘相对大盘的长期溢价。
- 价值因子（HML）：价值股相对成长股的长期溢价。
在美股 1926—2023 年的近百年数据中，SMB 的年化溢价约 2%—3%，看似不多，但复利累积后的差距惊人。
1.2 A 股的规模效应更显著
A 股的散户参与度高、机构覆盖不足、壳资源价值等因素，使得小市值溢价在历史上远比美股更为夸张：
- 2005—2016 年，A 股最小市值十分位组合的年化收益超过 40%，而最大市值十分位仅约 10%。
- 即便控制了价值、盈利等因子后，A 股 SMB 的溢价仍然显著。
但 2017 年以后，「以大为美」的行情使规模因子阶段性失效——这也提示我们：因子溢价不是铁律，而是概率优势。
二、小市值为什么能赚钱？三种经济学解释
2.1 风险补偿假说
小公司的经营不确定性更高、融资渠道更窄、抗风险能力更弱，投资者要求更高的预期回报作为补偿。在这一框架下，SMB 溢价是理性的风险定价。
2.2 行为金融解释
- 彩票偏好：散户偏爱高波动、高偏度的小盘股，愿意为「中奖概率」支付溢价，推高买入价格、压低未来收益——但反过来，做空受限使得小盘股难以被充分定价回归，反而形成结构性高估值与高波动并存。
- 关注度不足：小市值公司分析师覆盖少、市场关注低，信息摩擦更大，价格对基本面反映更慢，给主动与量化策略留下了更多挖掘空间。
2.3 制度与摩擦
A 股的特殊性在于：IPO 管制带来的壳价值、涨跌停板与 T+1 造成的流动性摩擦、散户主导的交易结构。这些制度性因素放大了小市值溢价，但也使策略容量有限——一旦资金涌入，溢价可能迅速衰减。
三、小市值策略的代价：波动、回撤与流动性陷阱
3.1 高波动与深回撤
小市值组合的年化波动率通常是大盘的 1.5—2 倍，极端回撤可达 60%—80%。2015 年股灾中，小盘指数跌幅远超沪深 300；2018 年去杠杆时期，小盘同样领跌。
关键直觉：小市值策略的超额收益，本质上是「用更高的波动换更高的回报」。如果你的投资周期不足以穿越一轮完整的牛熊，策略可能在黎明前清盘。
3.2 流动性危机
小盘股日成交额低，冲击成本高。当市场恐慌时，卖不出比「卖得低」更致命——流动性枯竭会彻底锁死退出通道。量化策略在回测中假设的「无摩擦成交」与现实之间的鸿沟，在小市值上尤为突出。
3.3 因子拥挤与周期性失效
规模因子并非每年都有效。美股 1980s—1990s、A 股 2017—2020 年都经历了小市值的长期低谷。当越来越多资金追逐同一因子时，拥挤交易会压平甚至反转溢价。
四、基础小市值策略回测
理论说了这么多，最朴素的小市值策略到底能赚多少？我们用 PTrade 做了一个极简回测：
4.1 策略规则
- 选股条件：选择全市场市值最小的股票。
- 持仓数量：5 只，等权。
- 再平衡：月度调仓。
4.2 全区间回测（2015—2025）
全区间年化收益 706.69%，最大回撤 28.74%，夏普比率 15.77——数字惊人，但需要拆解。
4.3 逐年拆解
| 年份 | 策略收益 | 基准收益 | Alpha | Beta | 夏普 | 最大回撤 |
|---|---|---|---|---|---|---|
| 2015 | 401.22% | 5.58% | 4.17 | 0.00 | 18.61 | 6.98% |
| 2016 | 590.99% | -11.28% | 6.27 | 0.43 | 21.25 | 13.83% |
| 2017 | 509.35% | 21.77% | 5.30 | 0.18 | 24.54 | 5.73% |
| 2018 | 23.96% | -25.31% | 0.46 | 0.99 | 0.69 | 20.65% |
| 2019 | 83.49% | 36.07% | 0.66 | 0.55 | 4.71 | 6.14% |
| 2020 | 67.54% | 27.21% | 0.56 | 0.57 | 2.94 | 10.37% |
| 2021 | 12.04% | 5.20% | 0.11 | 0.34 | 0.44 | 17.73% |
| 2022 | 60.92% | -21.63% | 0.67 | 0.28 | 2.75 | 10.16% |
| 2023 | 18.44% | -11.38% | 0.21 | 0.39 | 0.98 | 7.56% |
| 2024 | 50.81% | 14.68% | 0.41 | 0.87 | 1.24 | 24.93% |
| 2025 | 50.16% | 17.66% | 0.44 | 0.25 | 2.07 | 11.28% |
4.4 关键发现
2015—2017 年是收益的主要贡献者：三年策略收益分别高达 401%、591%、509%，远超基准。这与 A 股壳资源炒作、小盘股流动性溢价最旺盛的时期高度重合——也是本文前面提到的「制度摩擦」放大规模效应的典型样本。
2018 年是分水岭：策略仅赚 23.96%，Beta 飙升至 0.99，几乎与大盘同涨同跌，Alpha 从 5.30 骤降至 0.46。2018 年的熊市中，小盘股的流动性急剧萎缩，壳价值逻辑也在并购重组新规下被大幅削弱。
此后收益回归理性：2019—2025 年，年化收益回落到 12%—83% 区间，Alpha 在 0.1—0.7 之间波动，策略仍然有效，但远非早期那般夸张。这也印证了一个判断：A 股小市值溢价的「黄金时代」已经过去，但因子溢价并未消失。
五、量化视角：如何系统化捕获小市值溢价
5.1 单因子与多因子叠加
上文的基础策略是最朴素的纯规模因子暴露。但实证表明，单因子暴露的波动过大，需要与其他因子叠加以提升风险调整收益：
| 叠加因子 | 逻辑 | 效果 |
|---|---|---|
| 价值 | 小盘 + 低估值，避开「贵的小盘」 | 提升夏普，减少价值陷阱 |
| 质量 | 小盘 + 高盈利 / 低负债，过滤财务风险 | 降低尾部风险（小盘破产概率更高） |
| 动量 | 小盘 + 近期强势，顺势而为 | A 股上短期反转效应更强，需谨慎使用方向 |
| 低波动 | 小盘 + 低波动，避开「彩票型」小票 | 显著改善回撤，但部分牺牲了纯规模因子的暴露 |
实务中常用组合：小市值 × 价值 × 质量三因子叠加，辅以流动性与波动率过滤。
5.2 组合构建的关键参数
- 股票池筛选：剔除 ST、日成交额低于阈值（如 500 万）、上市不满 6 个月的股票。
- 分组方式：将全市场按市值排序，等分为 5 或 10 组，取最小的一组。
- 权重方案：等权（更偏小盘）、市值加权（更偏中大）、波动率倒数加权（降低方差）。
- 再平衡频率：月度或季度。频率过高增加交易成本，过低则规模暴露漂移。
- 容量估计：A 股小市值策略在数十亿规模后，冲击成本就会显著侵蚀收益。
六、实盘落地的坑与对策
6.1 滑点与冲击成本
回测中按收盘价成交的假设在小盘股上极度乐观。实际成交价往往偏离 0.5%—2%，尤其是开盘与尾盘。对策：
- 限制单只股票持仓占比（如不超过 3%）。
- 分批建仓、算法交易（VWAP / TWAP）。
- 优先选择成交活跃的标的。
6.2 退市与财务造假风险
小市值公司退市概率远高于大盘股。量化筛选中应加入：
- 剔除连续亏损、审计意见非标的公司。
- 关注经营现金流与应计利润的背离。
- 设置个股止损线与黑名单机制。
6.3 因子择时之惑
许多人试图判断规模因子何时有效、何时失效。遗憾的是，因子择时的胜率极低——大部分择时信号在样本外并无预测力。更务实的做法是：
- 长期持有，接受阶段性跑输。
- 多因子分散，不把仓位押在单一因子上。
- 控制总风险敞口，确保任一因子的回撤不对组合产生致命影响。
七、小结：小市值不是免费午餐，但确实有营养价值
- 规模因子溢价在百年美股与二十年 A 股中都稳定存在，但在不同市场与不同时段的强度差异极大。
- 小市值策略的超额收益是风险补偿、行为偏差与制度摩擦三者共同作用的结果，而非「无风险套利」。
- 回测显示，最朴素的小市值策略在 2015—2017 年收益惊人，2018 年后回归理性——纯规模因子暴露的「暴利」不可持续，但因子溢价并未消失。
- 量化落地的关键在于多因子叠加、严格风控与合理的容量预期——纯小市值暴露不可取，小市值 × 价值 × 质量的组合更可持续。
- 中小投资者参与小市值策略的优势是资金规模小、灵活度高，劣势是研究与信息获取能力有限——善用公开因子与指数产品，可能比自己选股更靠谱。
投资世界里没有圣杯，但小市值量化策略或许是离「可持续超额收益」最近的一扇窗——前提是你能忍受窗外的寒风。
参考文献
- Banz, Rolf W. “The Relationship Between Return and Market Value of Common Stocks.” Journal of Financial Economics, 1981.
- Fama, Eugene F., & French, Kenneth R. “The Cross-Section of Expected Stock Returns.” Journal of Finance, 1992.
- Asness, Clifford S., Frazzini, Andrea, & Pedersen, Lasse H. “Size Matters, If You Control Your Junk.” Journal of Financial Economics, 2023.
- 刘海影, 等. 《中国 A 股规模效应研究》. 国内多篇论文与券商金工报告.