彩票型股票與MAX效應：投資者為何為偏度支付過高價格

是什麼讓股票表現得像彩券？

為什麼某些近期漲幅驚人的股票，後續報酬反而表現不佳？答案在於投資人如何為巨額報酬的機會定價。Bali、Cakici 與 Whitelaw（2011）提出了 MAX 變數，定義為某檔股票在特定月份內所達到的最高單日報酬率，並證明這一簡單指標能捕捉到強大的橫斷面報酬模式：高 MAX 股票在未來系統性地落後於低 MAX 股票。

其背後的機制根植於偏態偏好。投資人受到那些提供微小機率但可能帶來超額收益的證券所吸引，就如同購買彩券一般。這種需求推高了彩券型股票的價格，壓縮了其未來的預期報酬。MAX 變數正是透過標記那些已經出現極端單日飆漲的股票，精準地辨識出這些標的——因為這類股票正是吸引投機資金的典型目標。

衡量 MAX 效應

Bali、Cakici 與 Whitelaw 將 NYSE、AMEX 和 NASDAQ 所有股票，根據前一個月的最高單日報酬率分成十分位投資組合。最低與最高 MAX 十分位之間的平均月報酬差距相當顯著。

在控制 Fama-French 三因子與 Carhart 動量因子後，約每月 1% 的多空價差依然存在。無論採用市值加權或等權重建構方式，在不同子期間以及不同規模組別中，此效應均成立。近期出現極端單日漲幅的股票，未來報酬確實存在可衡量的折損。

這並非僅是規模或股價水準的替代變數。雖然彩券型股票確實傾向於規模較小、股價較低，但在控制市值、帳面市值比、動量、短期反轉與流動性的多變量回歸中，MAX 效應在統計與經濟意義上仍然顯著。

與個別波動度的關聯

該論文最重要的發現之一，是將 MAX 與個別波動度之謎串聯起來。Ang、Hodrick、Xing 與 Zhang（2006）記錄了高個別波動度的股票報酬異常偏低的現象，此結果與標準資產定價理論相矛盾，因為理論上只有系統性風險才應被定價。

Bali、Cakici 與 Whitelaw 證明，一旦將 MAX 納入控制變數，負向的個別波動度與報酬關係便大幅減弱，且在許多模型設定中完全消失。他們的解釋是：過去研究歸因於波動度異象的現象，主要捕捉的其實是投資人對彩券型報酬的偏好。高個別波動度股票報酬偏低，並非因為波動度本身被錯誤定價，而是因為高個別波動度股票往往就是那些出現極端正向單日報酬、吸引偏態追求資金的股票。

這種分解對投資組合建構至關重要。低波動策略與 MAX 迴避策略有重疊，但並不完全相同。MAX 變數更精準地隔離出投機需求的管道，結合兩種篩選機制能強化對抗 Beta 效應，將波動度與彩券需求區分開來。

為何投資人願意支付這種溢價？

理論基礎源自累積前景理論與機率加權。Barberis 與 Huang（2008）指出，當投資人過度加權極端收益的微小機率時——如 Kahneman 與 Tversky 的機率加權函數所預測——報酬分佈呈正偏態的證券在均衡中會被高估。

Kumar（2009）提供了直接證據，顯示散戶投資人不成比例地持有彩券型股票：低股價、高個別波動度且高個別偏態的證券。這種需求集中在收入較低、教育程度較低的投資人，以及州彩券消費較高的地區，這與行為偏誤的解釋一致，而非理性的投資組合最適化。

Mitton 與 Vorkink（2007）在均衡模型中將此形式化，說明異質的偏態偏好如何導致分散不足。偏好正偏態的投資人將持股集中在彩券型股票上，放棄了分散投資的好處。由此產生的需求壓力推高了價格，壓低了這些標的的預期報酬。

穩健性與樣本外證據

MAX 效應在不同環境下均經得起檢驗。Eraker 與 Ready（2015）研究了 OTC 股票——彩券特徵最為極端的市場，發現這些證券的報酬如此之差，持有它們的投資人實際上等於在為賭博付費。OTC 彩券型股票的報酬不足超出了風險模型的預測，表明這是一種由偏好驅動的真正錯誤定價，而非隱性的尾部風險補償。

國際證據也強化了美國市場的發現。跨越歐洲與亞洲股市的研究記錄了高 MAX 股票在不同制度結構、放空限制與投資人組成的市場中均表現不佳。只要散戶參與程度夠高、偏態追求資金流入彩券型標的，此模式便會出現。

對系統化投資組合的啟示

MAX 效應位於多個因子異象的交匯點。它將低波動異象、個別波動度之謎以及投機需求的行為理論，串聯成單一且可衡量的管道。對系統化投資者而言，實務上的重點很直接：篩除前一個月最高單日報酬最大的股票，能從可投資範圍中移除一個長期表現不佳的群體。

此篩選機制與標準因子曝險互補。結合品質、低波動與 MAX 迴避篩選的投資組合，並非僅是疊加獨立的 alpha 來源，而是透過多重角度處理重疊的投機性錯誤定價。MAX 變數正因為計算簡單且基於可觀察的每日報酬，為希望避免彩券型股票拖累投資組合的投資人提供了一個便捷的切入點。