板块内个股出现跟涨不跟跌，是指当板块整体上涨时，该个股跟随上涨的幅度显著大于板块整体下跌时其跟随下跌的幅度，形成一种非对称的联动特征。这种现象通常与板块龙头股的资金溢出效应、散户跟风情绪以及信息传递滞后有关，而排序法（尤其是双变量排序）结合Fama-MacBeth回归，是量化检验这种异象是否属于错误定价的标准分析路径。
如何用双变量排序控制市值等干扰因素
跟涨不跟跌的异象可能被公司规模（市值）扭曲——小盘股本身波动更大，更容易出现跟风特征。双变量排序通过独立分组来剥离这种干扰：首先将所有个股按市值从小到大分成若干组（通常5组），然后在每个市值组内再按“非对称联动指标”（例如个股日收益率对板块涨跌幅的偏度系数或分段回归斜率差）排序，将个股分入高、低异象组。最终得到的是控制市值影响后的纯异象分组，从而观察高异象组在后续收益上是否显著跑赢低异象组。
Fama-MacBeth回归中如何控制行业因子
Fama-MacBeth回归分为两步。第一步，对每只个股的时间序列数据进行截面回归，估计其对各因子的暴露（beta），其中行业因子通常用虚拟变量（如申万一级行业）或行业指数收益率作为代理变量，以剥离板块系统性风险。第二步，将每期截面上的个股收益率对第一步估计出的beta进行横截面回归，得到因子溢价。在控制行业因子后，若“非对称联动指标”的系数仍然显著为正，说明跟涨不跟跌特征带来的超额收益无法被行业风险解释，更可能指向错误定价或非理性情绪驱动。
关键结论：通过双变量排序控制市值等变量后，再经Fama-MacBeth回归排除行业因子影响，若高异象组仍持续获得正超额收益，则跟涨不跟跌可被定性为市场异象，而非系统性风险补偿。实际操作中，多数研究将排序分组数设为5×5或10×10，并采用Newey-West标准误修正回归结果的序列相关性。
常见问题
跟涨不跟跌的个股一定是龙头股吗？
不一定。龙头股通常领涨领跌，而跟涨不跟跌更多出现在跟风股中——它们受益于龙头上涨带来的资金溢出，但在板块回调时因缺乏主力护盘而抗跌性较强。排序法中常将龙头股单独剔除后再检验，以确认异象主要来自非龙头股。
双变量排序的分组数量有没有标准？
没有固定标准，但5×5（5个市值组×5个异象组）是常见起点，可平衡组内差异与样本量。若样本量充足（如全A股），可增至10×10以提高区分度；若样本较小（如行业内部），3×3也足够。分组边界通常按分位数（如20%分位）而非等额数量划分。
Fama-MacBeth回归中是否必须包含行业因子？
若研究目标是检验跟涨不跟跌是否独立于板块系统性风险，则必须加入行业因子。常见做法是用行业指数收益率作为因子，或采用行业市值加权组合作为代理变量。若遗漏行业因子，回归系数可能被板块联动效应所污染，导致误判异象的显著性。