微盘股背后的价值

微盘股的收益从哪里来？量化机构如何研究它？历史数据又隐藏了哪些流动性和拥挤风险？

中国微盘股研究：被忽视的小公司、数据网络与流动性边界

在中国股市，微盘股一直是一个矛盾的存在。

它们可能是尚未被充分研究的小公司，也可能是财务质量较差、流动性不足的高风险证券；它们曾贡献显著的规模风格收益，也曾在资金集中撤离时发生剧烈下跌。量化机构喜欢这里丰富的横截面差异，却也最容易在这里遭遇容量、拥挤和成交冲击。

因此，“挖掘微盘股”不能简单理解为买入市值最小的一组股票。真正的问题是：

小市值背后究竟是企业成长、风险补偿、定价不充分，还是历史制度带来的壳溢价？模型赚到的究竟是可持续Alpha，还是暂时的小盘Beta？

一、先定义微盘股：它没有唯一口径

市场上并不存在一个所有人共同使用的“微盘股”定义。

常见口径包括：

• 全市场总市值或流通市值最小的若干百只股票；
• Wind微盘股指数一类的商业指数；
• 中证2000、国证2000等小微盘宽基指数；
• 机构根据流动性、上市时间、ST状态和成交金额自行构造的股票池。

其中，中证2000不是“全市场最小2000只”的机械组合。官方编制方案先进行可投资性筛选，再剔除中证800和中证1000样本，并排除市值排名靠前的证券，最终选取市值较小且流动性较好的2000只股票。它以2013年12月31日为基日，于2023年8月发布，与沪深300、中证500和中证1000共同构成规模指数系列。中证2000指数编制方案

这一区分非常重要：中证2000可以代表“小微盘宽基”，但不能等同于最极端的400只微盘股票。指数进行了流动性筛选并定期调样，直接买最小市值股票承担的风险通常更高。

二、多年数据告诉我们什么？

先看口径较透明的中证2000。中证指数有限公司截至2026年8月31日的事实表给出了以下价格指数收益：

年份	中证2000年度涨跌幅
2022	-14.77%
2023	+5.57%
2024	-2.14%
2025	+36.42%
2026年初至8月31日	-0.72%

数据来源：中证2000指数事实表（2026-08-31）。其中2022—2025为完整年度，2026为截至8月31日的年初至今数据。

中证2000年度收益

这组数据有两个直接结论：

1. 小微盘并非每年稳定上涨，年度表现具有明显周期性；
2. 2025年的强势不能反推未来，也不能抹去2022和2024的下跌。

更长周期的数据常来自Wind小市值指数，但必须注明它与中证2000不是同一个口径。财联社2023年的公开采访援引Wind数据称，2011年初至2023年6月底，Wind小市值指数累计上涨230.8%，同期沪深300、中证500和中证1000分别为22.8%、21.5%和28.1%；报道同时给出该小市值指数近十年年化波动率29.0%、年化换手率554.2%。这些数字可以说明小市值风格历史上具有高收益、高波动和高换手特征，但不应与上表拼接成一条连续净值曲线。财联社：小市值精选策略与容量

2024年则展示了另一面。华泰柏瑞中证2000指数增强基金2024年二季报披露，当季中证2000下跌13.75%，对应指数增强份额同期约下跌9.9%。主动模型产生了一定超额，并没有消除小盘Beta的下跌。基金2024年二季度报告

所以，微盘研究必须同时展示：

长期累计收益
年度波动
极端回撤
换手和成交成本
无法成交时的真实损失

只展示最终复利，会掩盖中途最难承受的阶段。

三、微盘股“价值”到底是什么？

微盘股的价值至少有三层含义，不能混为一谈。

1. 企业层面的成长价值

部分微盘公司处于细分制造、科技服务、医药、计算机和新兴产业早期。它们基数较小，新产品、新客户或产能变化可能对利润产生更大弹性。资本市场为这些公司提供融资和价格发现，也支持中小企业和民营企业发展。国务院关于资本市场高质量发展的意见明确提出，更好服务科技创新以及中小企业、民营企业发展。国务院相关意见

但“小公司”不自动等于“高成长”。市值小也可能源于盈利能力弱、治理问题或行业衰退。因此，企业价值需要财务质量、现金流、研发、治理和估值验证，不能由市值排名代替。

2. 规模因子的风险溢价

小公司通常面临更高的经营不确定性、融资约束、股价波动和流动性风险。投资者要求更高预期回报，可能形成规模溢价。清华五道口发布的中国股票风险因子模型白皮书，也把流通市值对数和非线性市值列为规模风险因子，用于解释大型股与小型股回报差异。中国股票风险因子模型白皮书

这里的高收益不是免费午餐，而可能是对以下风险的补偿：

• 买卖价差更大；
• 大额交易冲击更明显；
• 跌停时无法退出；
• 财务与治理信息不充分；
• 市场转向时缺乏承接资金。

3. 定价不充分与行为偏差

微盘公司分析师覆盖较少、机构持仓较低，信息扩散可能更慢。个股之间差异较大，为价值、盈利质量、反转、动量、情绪和量价模型提供了更多排序空间。

但学术证据并不支持“越小越好”的简单结论。Liu、Stambaugh和Yuan在中国规模与价值研究中，专门把市值最小的30%公司排除在规模因子之外，因为这部分公司的估值很大程度受到潜在壳价值影响；他们在2000—2016年样本中发现，中国的规模和价值因子平均月度溢价都超过1%，同时强调中国价值效应更适合用盈利收益率而非简单账面市值比刻画。Journal of Financial Economics论文页面

这提示我们：

极端微盘收益既可能来自规模溢价，也可能混入壳价值、投机偏好和制度稀缺性。

随着注册制、退市制度和并购重组环境变化，历史壳溢价未必可以线性外推。另一项覆盖2000—2019年A股异常现象的研究也发现，价值、风险和交易类异常较稳健，但规模、质量和历史收益类异常的整体证据较弱；部分异常在小盘股中更强，却不是只存在于小盘股。Pacific-Basin Finance Journal研究

微盘收益来源地图

四、量化公司为什么喜欢研究微盘股？

量化模型需要横截面差异。假如所有股票价格稳定、信息充分、走势接近，模型很难排序；微盘股票数量多、波动大、换手活跃、个股分化明显，模型每天都能观察到更丰富的信号。

典型研究方式包括：

多因子选股

把数千只股票按以下维度评分：

• 估值：盈利收益率、现金流收益率等；
• 质量：盈利稳定性、资产负债率、现金流质量；
• 成长：收入和利润变化；
• 量价：动量、反转、波动率、换手率；
• 交易行为：资金流、价格冲击、成交结构；
• 风险：行业、市值、风格与个股暴露。

最终不是押一只“神票”，而是持有一篮子模型评分较高的股票，让大量小概率优势在组合中累积。

指数增强

以中证2000或国证2000为基准，控制行业和风格偏离，再用模型在成分股内外做超配与低配。收益可以拆为：

小微盘指数Beta + 选股超额 − 交易成本 − 风险约束成本

2023年中证2000发布时，中国基金报公开采访显示，汇鸿汇升、大岩资本、思源量化、星阔投资和宽德投资等机构曾表示研究、布局或讨论中证2000相关指数增强及潜在中性策略。报道同时强调小盘股票波动较大、产品容量有限，投资者需要承受更大的指数波动。中国基金报：中证2000与量化布局

思勰投资的公开采访则把小市值精选描述为相对集中、量价因子占比较高、风险约束更灵活且容量更稀缺的产品线；这与持股分散、约束更强的传统指数增强并不相同。财联社专访

这些公开材料只能证明机构曾对相关方向作出表达，不能据此推断其当前持仓、实时模型、产品收益或仍在使用同一种方法。头部量化公司的核心模型、成交算法和风险预算通常不会完整公开。

机器学习与组合优化

机器学习可以从大量因子中学习非线性关系，例如：同样的低估值，在盈利改善和成交活跃同时出现时是否更有效；某种反转信号在不同波动环境下是否应降低权重。

但模型最终仍需经过：

• 样本外验证；
• 行业与风格中性约束；
• 换手限制；
• 单票持仓限制；
• 成交量占比限制；
• 冲击成本模型；
• 停牌和涨跌停压力测试。

机器学习可以提高排序能力，却不能创造流动性。

五、2024年为什么成为微盘量化的重要一课？

MSCI对2024年初中国量化基金的研究指出，1月至2月中旬部分量化公募和私募净值明显下降；杠杆、小微盘多头拥挤以及资金向大盘股转移，共同造成了类似小型流动性危机的局面。MSCI还指出，2023年最小市值股票组领先最大市值组2.6%，而最小市值股票的综合拥挤度在2023年底达到五年高点。MSCI：微盘拥挤与流动性紧缩

这个过程揭示了一种典型循环：

小盘超额持续
→ 更多模型发现同一信号
→ 产品资金进入
→ 拥挤度上升、估值和换手提高
→ 风格反转或赎回出现
→ 多个模型同时减仓
→ 流动性不足放大跌幅

微盘策略在平稳时期计算出的日均成交额，可能无法代表压力时期的真实容量。卖出时，组合中的多只股票可能同时跌停；回测若按收盘价默认全部成交，就会系统性低估损失。

六、微盘Alpha最容易被什么吃掉？

交易成本

微盘股票的显性佣金可能不高，真正昂贵的是买卖价差和冲击成本。模型容量越大，下单占个股成交量的比例越高，实盘价格越偏离回测价格。

幸存者偏差

使用今天仍上市的股票回看历史，会漏掉已经退市或长期停牌的失败公司。微盘池尤其容易受此影响。

财务数据未来函数

财务因子必须按公告日期进入模型，而不能按照报告期结束日期提前使用。否则回测看见了当时市场尚未知道的信息。

指数成分回填

用今天的指数成分或概念标签回测过去，会高估策略表现。必须使用每个历史时点真实可得的成分。

市值暴露冒充Alpha

如果一个产品长期比基准更偏小盘，它跑赢时可能只是获得了更强的小盘Beta。应将收益拆解为市场、行业、市值、价值、波动、动量及真正剩余Alpha。

多重试验

研究者尝试过几十组因子、过滤条件和持股数量，最后只展示最好的一组，会产生数据挖掘偏差。微盘股票波动大，更容易偶然制造漂亮曲线。

七、量化参与并不等于微盘失去价值

量化资金进入微盘市场有两面性。

积极的一面是：更多机构研究可以改善价格发现，扩大对小公司的覆盖，促使市场更快识别经营改善与风险恶化。

消极的一面是：如果大量模型使用相似的市值、反转和量价信号，资金可能在同一时间买入相似股票，并在风险限制触发时同时卖出。此时，个股基本面没有立即恶化，价格仍可能因为交易结构发生巨大变化。

监管也在加强对程序化交易的报告和监测。证监会发布的《证券市场程序化交易管理规定（试行）》自2024年10月8日起实施，覆盖报告管理、交易监测和风险管理等要求。中国证监会规定 上交所随后对程序化异常交易监控作出进一步说明，强调频繁拉抬打压等行为可能消耗个股短期流动性并引发快速波动。上交所答记者问

监管目标不是否定量化或小盘投资，而是让自动化交易承担与速度、规模和市场影响相匹配的责任。

八、怎样判断微盘策略是否真的有价值？

一套可靠的微盘研究，至少应该回答以下问题：

1. 股票池是否包含历史退市股票？
2. 市值和财务数据是否按当时可得时间处理？
3. 是否排除ST、停牌、次新股和无法成交股票？
4. 使用总市值还是流通市值？为什么？
5. 收益中有多少来自纯粹的小盘暴露？
6. 扣除佣金、印花税、价差和冲击成本后还剩多少？
7. 单日交易金额占个股成交额多少？
8. 遇到连续跌停时，模型如何计算退出？
9. 参数在不同年份和不同市值分组中是否稳定？
10. 样本外和真实交易能否复现？

如果这些问题没有答案，“高收益微盘策略”可能只是一个无法成交的回测。

结语：微盘价值不是“小”本身

中国微盘股值得研究，因为它们数量多、差异大、覆盖大量成长型和民营企业，也因为这里同时存在风险补偿、信息不足、投资者行为和制度变迁。

但真正可持续的价值不是机械地购买市值最小的股票，而是：

在小市值股票中区分经营改善与壳溢价，区分定价错误与流动性补偿，区分真实Alpha与拥挤Beta，并在模型中诚实计入无法成交的代价。

量化公司的优势，是可以同时研究数千只股票、持续更新信号并管理组合风险；它们的局限也同样清楚——当市场没有足够流动性时，再复杂的模型也无法让所有资金同时离场。

微盘股可以创造惊人的收益，也可以带来极差的交易体验。理解这两点同时成立，才是研究中国微盘股真正的起点。

本文仅用于市场与量化研究，不构成投资建议。不同微盘指数的样本、加权方式和历史区间不同，文中数据均按各自来源独立展示，不应直接拼接。