横截面收益率指的是在经典资产定价模型中，在横截面上线性确定的一个与资产风险匹配的资产收益率。
横截面收益率的预测[1]
(一)变量和方法
我们主要使用月度频率数据进行检验。交易数据和公司财务数据来自于CSMAR数据库。CSMAR数据库的收益率调整了送股、配股以及拆细等公司股本变动，使得前后的收益率具有可比性。样本包含沪深A股的上市股票，剔除了PT，ST的股票。进入样本的股票要求具有当月和之前一个月的月度收益率、换手率以及至少15天的日度换手率数据。样本区间为1995年1月至2010年12月。1995年之前上市的股票较少，且公司法在1994年正式颁布，公司之间的财务数据开始具有可比性。最后共有172792个公司-月度观测值，其中平均每个月有约981个观测值，最少的月份有169个观测值，最多的月份有1660个观测值。
文中使用换手率来定义交易活动。换手率定义为交易量和流通市值的比值。一般来说，如果均值扩大一倍，相应的标准差也会扩大一倍。因此为了避免均值对于二阶距的影响，本文将主要使用变异系数作为股票横截面比较的主要变量，在后面的检验中，我们将分别考虑使用标准差来衡量波动和使用交易金额来代替换手率衡量交易行为进行进一步的稳健性检验。变异系数定义为：
CV(Turnover)=Std(Turnover)/Mean(Turnover)
之前，国内有文献使用过去几年内月度交易行动的标准差作为衡量这一波动的影响，得出的结果并不显著。考虑到国内市场主要为个体投资者，投资周期相对较短，只有几个月的时间，因此很多长期的影响并不显著，因此我们主要使用日度交易量构造的月度波动数据进行检验。每个月，我们使用日度交易数据构造二阶距然后检验对于未来收益率的影响。我们在稳健性检验中使用3个月和6个月的时间跨度构造的变量进行检验，并不影响我们的主要结果。
在检验过程中，我们选取的控制变量包括公司规模，账面市值比，股票动量以及衡量股票流动性的指标和股票个体波动性的指标。主要控制变量的定义在表1中。为避免异常值的影响，利用Winsorize方法对相关变量在1%和99%分位数进行处理。表2是相关变量之间的Pearson相关系数，可以初步看到变量之间的关系。从表中可以看出流通市值小和账面市值比低的公司具有更高的换手率和换手率波动。一般来说大公司能够提供更好的流动性，这点我们可以从非流动性指标和公司市值的相关系数中看到(-0.73)，表明在国内市场上换手率并不是流动性的一个很好的指标。而一般来说小公司以及账面市值比低的公司处于增长期，公司基本价值中不确定性较高，关于公司的信息的准确性也相对较低，因此也会导致投资者意见差异更大，波动更为剧烈，会有更高的换手率和波动率。更进一步的，我们看到换手率波动与公司特质性波动之间显著正相关，考虑到特质波动被用来衡量公司个体风险以及不确定性，这也可以部分印证上面关于公司不确定性与换手率波动之间关系的分析。换手率波动与同期的股票收益率之间显著正相关，而与接下来一个月的月度收益率显著负相关，这与换手率波动高代表了股票价格中转售期权的价值高，因此使得股票价值进一步被高估，未来收益率下降的解释相吻合。