經(jīng)濟(jì)政策不確定性能否驅(qū)動(dòng)股市系統(tǒng)性風(fēng)險(xiǎn)？
——基于貝葉斯估計(jì)的時(shí)變beta檢驗(yàn)

馮燕妮 莫 璇 李 翔

一 、引言

資本資產(chǎn)定價(jià)模型(CAPM)中的系統(tǒng)性風(fēng)險(xiǎn)β測(cè)度是資產(chǎn)定價(jià)研究的核心問題之一(Campbell，2001[1])。(1)為避免混淆，本文所指的系統(tǒng)性風(fēng)險(xiǎn)，是CAPM模型中市場(chǎng)超額收益率的系數(shù)β，而非金融機(jī)構(gòu)或金融市場(chǎng)內(nèi)的系統(tǒng)性風(fēng)險(xiǎn)。部分研究也把后者稱為系統(tǒng)風(fēng)險(xiǎn)。已有研究發(fā)現(xiàn)，僅依靠股票市場(chǎng)收益率，無法準(zhǔn)確測(cè)度股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)及其價(jià)格(Roll，1977[2])。部分研究試圖通過在經(jīng)典CAPM模型中增加可能被遺漏的截面因子以提高模型對(duì)預(yù)期收益率的解釋力度(Fama和French，1992[3]，1993[4]；Jegadeesh和Titman，1993[5]；Carhart，1997[6]；Fama和French，2015[7])。然而，加入傳統(tǒng)金融或行為金融維度的截面因素仍然無法有效證明股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的解釋能力。因此，部分研究嘗試從時(shí)間維度拓展，研究股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)β的時(shí)變性，這也是資產(chǎn)定價(jià)研究的熱點(diǎn)問題之一(Ang和Kristensen，2012[8])。

大量研究結(jié)果表明，股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)β具有時(shí)變性特征。Blume(1971)[9]最早提出系統(tǒng)性風(fēng)險(xiǎn)β具有時(shí)變性。丁志國(guó)等(2012)[10]則從理論上證明了系統(tǒng)性風(fēng)險(xiǎn)β跨期時(shí)變性的存在。隨后，Brenner和Smidt(1977)[11]、Ang和Kristensen(2012)[8]等提出了一系列系統(tǒng)性風(fēng)險(xiǎn)時(shí)變模型，Jagannathan和Wang(2002)[12]等研究了時(shí)變系統(tǒng)性風(fēng)險(xiǎn)β的估計(jì)方法。大量實(shí)證證據(jù)同樣支持了股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)β具有時(shí)變性這一結(jié)論(蘇治等，2008[13]；丁志國(guó)等，2012[10])?？紤]時(shí)變因素能夠有效提升風(fēng)險(xiǎn)因子對(duì)股票收益率的解釋能力(Ang和Kristensen，2012[8]；陽(yáng)佳余等，2018[14])。

系統(tǒng)性風(fēng)險(xiǎn)β的時(shí)變性已得到學(xué)界的普遍認(rèn)可，研究的關(guān)注點(diǎn)逐漸轉(zhuǎn)向引發(fā)時(shí)變的內(nèi)在原因。一方面，企業(yè)層面微觀因素的變化會(huì)造成股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的不穩(wěn)定性。Cosemans等(2016)[15]考查了公司基本面信息和經(jīng)濟(jì)狀態(tài)變量對(duì)系統(tǒng)性風(fēng)險(xiǎn)β的影響。研究發(fā)現(xiàn)，融入公司基本面信息和經(jīng)濟(jì)狀態(tài)變量的混合β估計(jì)的準(zhǔn)確性更高，并且在控制了公司基本特征之后，這一混合β仍然具有顯著的風(fēng)險(xiǎn)溢價(jià)。另一方面，宏觀經(jīng)濟(jì)信息的變動(dòng)和重大經(jīng)濟(jì)事件的發(fā)生也會(huì)引起股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)發(fā)生變異。陽(yáng)佳余等(2018)[14]發(fā)現(xiàn)，股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)β的時(shí)變特征與價(jià)格、匯率、利率、投資等宏觀因素相關(guān)。鄧可斌等(2018)[16]指出，貨幣政策和財(cái)政政策等宏觀經(jīng)濟(jì)政策對(duì)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的形成起決定作用，并導(dǎo)致其動(dòng)態(tài)變化。除了以上外生因素外，丁志國(guó)等(2012)[10]還提出，市場(chǎng)內(nèi)在均衡的實(shí)現(xiàn)是系統(tǒng)性風(fēng)險(xiǎn)跨期時(shí)變的內(nèi)在動(dòng)力，投資者基于新信息的主體選擇決定著信息向系統(tǒng)性風(fēng)險(xiǎn)傳導(dǎo)的方式和結(jié)果。

上述研究主要從宏觀和微觀經(jīng)濟(jì)變量入手討論系統(tǒng)性風(fēng)險(xiǎn)β時(shí)變的原因，卻普遍忽略了另一個(gè)事實(shí)——系統(tǒng)性風(fēng)險(xiǎn)的變化也可能是源于對(duì)潛在經(jīng)濟(jì)政策變遷的預(yù)期反應(yīng)。通過搜索引擎對(duì)經(jīng)濟(jì)政策不確定性(Baker等，2016[17])相關(guān)關(guān)鍵字的搜索量大小和相關(guān)媒體的報(bào)道量有效地反映了這一預(yù)期。事實(shí)上，將經(jīng)濟(jì)政策不確定性與資產(chǎn)定價(jià)相結(jié)合用于解釋和預(yù)測(cè)股票收益和波動(dòng)的相關(guān)研究十分豐富。經(jīng)濟(jì)政策不確定性能夠通過預(yù)期效應(yīng)影響投資者和企業(yè)的消費(fèi)和投資行為，進(jìn)而影響股票收益率和波動(dòng)率。金雪軍等(2014)[18]、Campbell等(2012)[19]、Segal等(2015)[20]、Bali等(2017)[21]、Hu等(2018)[22]指出，經(jīng)濟(jì)政策不確定性促使股票收益下跌。陳國(guó)進(jìn)等(2014，2018)[23][24]則進(jìn)一步研究了經(jīng)濟(jì)政策不確定性與股票市場(chǎng)收益率的動(dòng)態(tài)關(guān)系。Brogaard和Detzel(2015)[25]從國(guó)際視角研究了經(jīng)濟(jì)政策不確定性與資產(chǎn)風(fēng)險(xiǎn)溢價(jià)的影響，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性是一種重要的資產(chǎn)定價(jià)因子。Boutchkova等(2012)[26]的實(shí)證研究證實(shí)，政策不確定性對(duì)股票收益和波動(dòng)都存在顯著影響。Pastor和Veronesi(2012，2013)[27][28]構(gòu)建了政策不確定性影響股票風(fēng)險(xiǎn)的隨機(jī)分析框架，發(fā)現(xiàn)與政策相關(guān)的非確定性與股票市場(chǎng)波動(dòng)正相關(guān)。雷立坤等(2018)[29]進(jìn)一步指出，經(jīng)濟(jì)政策不確定性能夠很好地解釋股票市場(chǎng)的長(zhǎng)期波動(dòng)，提高對(duì)股票波動(dòng)率的預(yù)測(cè)精度。

聚焦于中國(guó)股票市場(chǎng)，其特殊的市場(chǎng)環(huán)境使得經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響更為突出。中國(guó)股票市場(chǎng)具有典型的“政策市”特征：股票價(jià)格走勢(shì)在很大程度上受到國(guó)家宏觀經(jīng)濟(jì)政策影響，并且具有極強(qiáng)的政策敏感性，宏觀經(jīng)濟(jì)政策的相關(guān)信息會(huì)引起股票市場(chǎng)的劇烈波動(dòng)(胡金焱，2002[30])?！罢呤小碧卣鞯谋澈螅w現(xiàn)的是中國(guó)特定的經(jīng)濟(jì)制度背景和經(jīng)濟(jì)發(fā)展階段(賀顯南，2009[31])。中國(guó)經(jīng)歷了改革開放以來的高速發(fā)展，目前又面臨產(chǎn)能過剩、生產(chǎn)效率偏低、經(jīng)濟(jì)結(jié)構(gòu)失衡等問題，處于優(yōu)化結(jié)構(gòu)、轉(zhuǎn)型升級(jí)的關(guān)鍵時(shí)期，供給側(cè)改革、國(guó)有企業(yè)改制等政策方案應(yīng)運(yùn)而生。經(jīng)濟(jì)政策的頻繁出臺(tái)，在發(fā)揮調(diào)節(jié)經(jīng)濟(jì)的決定性作用的同時(shí)，也使得經(jīng)濟(jì)政策不確定性達(dá)到了前所未有的高點(diǎn)。與此同時(shí)，中國(guó)股票市場(chǎng)仍未成熟：存在嚴(yán)格的套利限制，大量沒有專業(yè)金融知識(shí)的散戶是其主要投資者，對(duì)國(guó)際投資機(jī)構(gòu)的開放程度較低。這些特征使得中國(guó)股票市場(chǎng)更容易受到經(jīng)濟(jì)政策不確定性的沖擊。大量實(shí)證結(jié)果也印證了這一猜想(金雪軍等，2014[18]；陳國(guó)進(jìn)等，2014[23]；陳國(guó)進(jìn)等，2018[24]；雷立坤等，2018[29]；靳光輝等，2016[32]；許天啟和董志勇，2016[33]；梁權(quán)熙和謝宏基，2019[34])。

綜上來看，現(xiàn)有研究主要集中于探究經(jīng)濟(jì)政策不確定性對(duì)股票收益率和波動(dòng)率的影響，而關(guān)于經(jīng)濟(jì)政策不確定性與系統(tǒng)性風(fēng)險(xiǎn)關(guān)系的研究少之又少。鑒于衡量股票系統(tǒng)性風(fēng)險(xiǎn)中經(jīng)濟(jì)政策不確定性的特殊地位，本文從不確定性視角出發(fā)，力求將經(jīng)濟(jì)政策不確定性納入有關(guān)β的先驗(yàn)信息中，以提高β估計(jì)的準(zhǔn)確性，同時(shí)與現(xiàn)有模型進(jìn)行比較，驗(yàn)證經(jīng)濟(jì)政策不確定性對(duì)時(shí)變系統(tǒng)性風(fēng)險(xiǎn)變量β的影響。此外，本文還通過股票或企業(yè)特征分組，進(jìn)一步考察股票異質(zhì)性對(duì)時(shí)變系統(tǒng)性風(fēng)險(xiǎn)解釋能力的影響。

本文的邊際貢獻(xiàn)主要體現(xiàn)在以下四個(gè)方面。第一，不同于已有研究將股市系統(tǒng)性風(fēng)險(xiǎn)β的時(shí)變性與宏微觀因素結(jié)合，從經(jīng)濟(jì)政策不確定性角度探討了系統(tǒng)性風(fēng)險(xiǎn)β時(shí)變的原因，補(bǔ)充和完善了對(duì)系統(tǒng)性風(fēng)險(xiǎn)時(shí)變性的經(jīng)濟(jì)學(xué)解釋。第二，在Cosemans等(2016)[15]提出的時(shí)變?chǔ)仑惾~斯估計(jì)方法的基礎(chǔ)上，將經(jīng)濟(jì)政策不確定性納入時(shí)變?chǔ)聟?shù)模型，提高了模型對(duì)系統(tǒng)性風(fēng)險(xiǎn)的估計(jì)精度和對(duì)股票超額收益的解釋能力。第三，考察股票或企業(yè)異質(zhì)性對(duì)系統(tǒng)性風(fēng)險(xiǎn)解釋力的影響作用，探討了基于不同分組下的系統(tǒng)性風(fēng)險(xiǎn)對(duì)超額收益解釋能力的差異。第四，針對(duì)經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響給出相關(guān)經(jīng)濟(jì)解釋，為不確定性與股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)關(guān)系研究提供了新的證據(jù)。

本文后面內(nèi)容安排如下：第二部分介紹估計(jì)時(shí)變?chǔ)碌姆椒?，參考Cosemans等(2016)[15]，本文將經(jīng)濟(jì)政策不確定性融入時(shí)變?chǔ)碌墓烙?jì)模型中，在整個(gè)樣本期內(nèi)按照固定窗口滾動(dòng)進(jìn)行貝葉斯估計(jì)；第三部分介紹研究對(duì)象和數(shù)據(jù)，包括中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)和中國(guó)A股相關(guān)數(shù)據(jù)的介紹及來源；第四部分分析實(shí)證結(jié)果，討論融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)碌墓烙?jì)結(jié)果及動(dòng)態(tài)變化，并將其與基準(zhǔn)模型進(jìn)行比較，探討其能否提高系統(tǒng)性風(fēng)險(xiǎn)的估計(jì)精度和對(duì)股票超額收益率的解釋能力；第五部分通過分組討論股票或企業(yè)異質(zhì)性對(duì)兩者關(guān)系的影響機(jī)制；最后一部分是研究結(jié)論。本文研究表明，經(jīng)濟(jì)政策不確定性對(duì)股市系統(tǒng)性風(fēng)險(xiǎn)具有顯著的正向影響，經(jīng)濟(jì)政策不確定性越高，中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)越大，同時(shí)，融入經(jīng)濟(jì)政策不確定性的時(shí)變參數(shù)模型能夠有效提高系統(tǒng)性風(fēng)險(xiǎn)的估計(jì)精度，并對(duì)股票超額收益具有更強(qiáng)的解釋能力。企業(yè)異質(zhì)性對(duì)融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)掠绊戯@著，非國(guó)有企業(yè)、小企業(yè)、成長(zhǎng)型企業(yè)的時(shí)變?chǔ)聦?duì)股票超額收益率具有更強(qiáng)的解釋能力。

二、 融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)鹿烙?jì)模型

參考Cosemans等(2016)[15]提出的融入公司基本面信息的時(shí)變?chǔ)仑惾~斯估計(jì)方法，本文在時(shí)變?chǔ)轮屑尤虢?jīng)濟(jì)政策不確定性。不同于傳統(tǒng)CAPM模型只根據(jù)股票收益與市場(chǎng)收益計(jì)算系統(tǒng)性風(fēng)險(xiǎn)的方法，本文通過整合經(jīng)濟(jì)政策不確定性信息和公司基本面信息為每個(gè)公司構(gòu)建一個(gè)先驗(yàn)β，再利用貝葉斯估計(jì)方法求得時(shí)變?chǔ)隆?/p>

具體來說，首先構(gòu)建股票i在第t個(gè)月份的先驗(yàn)?zāi)Ｐ停?/p>

(1)

(2)

其中，Xt是經(jīng)濟(jì)政策不確定性，Zit是包含公司基本面信息的向量。因?yàn)棣潞凸净久嫘畔⒌穆?lián)系可能會(huì)隨著經(jīng)濟(jì)政策不確定性的變化而變化，所以也在公式(2)中加入經(jīng)濟(jì)政策不確定性與公司基本面信息的交互項(xiàng)ZitXt。將公式(2)代入公式(1)中，得到以下回歸模型：

(3)

得到公式(3)中參數(shù)δ的估計(jì)結(jié)果后，代入公式(2)中計(jì)算，得到每一次迭代的系數(shù)β的估計(jì)結(jié)果。股票i在時(shí)點(diǎn)t的融入經(jīng)濟(jì)政策不確定性因素的時(shí)變?chǔ)孪闰?yàn)均值與方差為

(4)

在求得融入經(jīng)濟(jì)政策不確定性因素的時(shí)變?chǔ)孪闰?yàn)均值與方差后，Vasicek(1973)[35]推導(dǎo)出一種形式化的程序?qū)碜詡€(gè)股滾動(dòng)回歸方法求得的β樣本估計(jì)與先驗(yàn)信息相結(jié)合，以獲得服從漸進(jìn)正態(tài)分布的收縮β估計(jì)，其后驗(yàn)均值和方差由公式(5)和公式(6)給出，

(5)

(6)

本文在對(duì)公式(3)進(jìn)行貝葉斯估計(jì)時(shí)結(jié)合滾動(dòng)窗口回歸，即在整個(gè)樣本期內(nèi)按照固定窗口滾動(dòng)，在每一個(gè)窗口中進(jìn)行貝葉斯估計(jì)。Cosemans等(2016)[15]在整個(gè)樣本區(qū)間只進(jìn)行一次貝葉斯估計(jì)，即假設(shè)解釋變量對(duì)β的影響始終服從單一分布。事實(shí)上，這一假設(shè)并不符合實(shí)際，宏觀經(jīng)濟(jì)狀況的變化、公司經(jīng)營(yíng)狀況的變化等因素都會(huì)導(dǎo)致解釋變量對(duì)β的影響不斷變化。借助滾動(dòng)回歸，本文可以更好地分析經(jīng)濟(jì)政策不確定性變化對(duì)β的動(dòng)態(tài)影響過程。滾動(dòng)回歸的時(shí)間窗口為60個(gè)月，時(shí)間窗口的移動(dòng)步長(zhǎng)為1個(gè)月。MCMC方法中，本文選擇標(biāo)準(zhǔn)馬爾可夫鏈，丟棄前250個(gè)不相關(guān)的估計(jì)并執(zhí)行1 000次迭代后，得到模型(3)中參數(shù)δ的估計(jì)結(jié)果。

三、 研究對(duì)象和數(shù)據(jù)選取

本文經(jīng)濟(jì)政策不確定性變量選擇中國(guó)EPU指數(shù)。經(jīng)濟(jì)主體在面對(duì)外部風(fēng)險(xiǎn)時(shí)，典型的應(yīng)對(duì)措施是搜索更多的信息(Lemieux等，2011[36])，因此政策不確定性的大小可以由搜索引擎相關(guān)關(guān)鍵字的搜索量的大小、相關(guān)媒體的報(bào)道量等進(jìn)行反映。中國(guó)EPU指數(shù)量化了報(bào)紙對(duì)相關(guān)經(jīng)濟(jì)政策不確定性的報(bào)道，對(duì)經(jīng)濟(jì)和股票市場(chǎng)的波動(dòng)有較強(qiáng)的解釋力。陳國(guó)進(jìn)等(2018)[24]研究了中國(guó)EPU指數(shù)對(duì)股票風(fēng)險(xiǎn)的影響，認(rèn)為中國(guó)EPU指數(shù)較好地衡量了經(jīng)濟(jì)政策不確定性的程度。中國(guó)EPU指數(shù)數(shù)據(jù)來自網(wǎng)站http://www.policyuncertainty.com/index.html。

本文以中國(guó)A股市場(chǎng)為研究對(duì)象，剔除上市時(shí)間不滿3年和賬面市值比為負(fù)的公司，以剩余2 803家上市公司為研究對(duì)象，研究時(shí)間區(qū)間為2000年1月至2018年12月。公司基本面信息選取市值、賬面市值比、資產(chǎn)負(fù)債率和動(dòng)量。Gomes等(2003)[37]指出，在一般均衡背景下β系數(shù)與公司規(guī)模、賬面市值之間存在明確關(guān)系。Zhang(2005)[38]發(fā)現(xiàn)資本的昂貴可逆性使得價(jià)值公司更難以在衰退中減少其經(jīng)營(yíng)規(guī)模，價(jià)值公司有反周期的β，而成長(zhǎng)型公司具有順周期的β。Grundy和Martin(2001)[39]則發(fā)現(xiàn)β與動(dòng)量有關(guān)。中國(guó)A股市場(chǎng)個(gè)股及上證綜指月度收益率、無風(fēng)險(xiǎn)利率、公司市值數(shù)據(jù)、年度財(cái)務(wù)報(bào)表數(shù)據(jù)均來自國(guó)泰安數(shù)據(jù)庫(kù)(CSMAR)。

為了更直觀地觀察經(jīng)濟(jì)政策不確定性與中國(guó)股票市場(chǎng)的關(guān)系，圖1刻畫了中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)與上證綜指的曲線。從圖1可以看出，兩者總體上呈現(xiàn)出反向關(guān)系，當(dāng)經(jīng)濟(jì)政策不確定性走高，股票市場(chǎng)往往受到?jīng)_擊而下跌。例如，在2015年股災(zāi)期間，中國(guó)政策不確定性指數(shù)一度飆升。2018年年初，國(guó)內(nèi)與國(guó)際政治不確定性與經(jīng)濟(jì)波動(dòng)如中美貿(mào)易摩擦等都加劇了中國(guó)經(jīng)濟(jì)政策不確定性程度，同一時(shí)期的股票市場(chǎng)則表現(xiàn)疲軟?？傮w來說，經(jīng)濟(jì)政策不確定性與中國(guó)股票市場(chǎng)關(guān)系密切。

圖1 中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)與上證綜指走勢(shì)

四、實(shí)證分析

(一) 融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)聶z驗(yàn)和動(dòng)態(tài)變化

表1展現(xiàn)了包括經(jīng)濟(jì)政策不確定性在內(nèi)的影響β系數(shù)的因素的平均系數(shù)及其顯著性。根據(jù)表1可知，中國(guó)經(jīng)濟(jì)政策不確定性對(duì)股市系統(tǒng)性風(fēng)險(xiǎn)具有顯著正向影響。這一結(jié)果與預(yù)期一致，先驗(yàn)?zāi)Ｐ椭薪?jīng)濟(jì)政策不確定性是β的重要決定因素之一。經(jīng)濟(jì)政策不確定性的平均系數(shù)為正，在1%水平上顯著，表明中國(guó)經(jīng)濟(jì)政策不確定性越高，市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)越高。

其他影響因素也顯著影響β。市值因子的平均系數(shù)顯著為負(fù)，表明小企業(yè)比大企業(yè)更容易受到系統(tǒng)性風(fēng)險(xiǎn)的影響，進(jìn)而對(duì)其投資需要更高的收益補(bǔ)償，符合“小市值效應(yīng)”理論；賬面市值比對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響為正，意味著高BM(價(jià)值型)企業(yè)要比低BM(成長(zhǎng)型)企業(yè)的風(fēng)險(xiǎn)高，符合“BM異象”理論，即高BM說明企業(yè)的財(cái)務(wù)狀況更加脆弱(Fama和French，1992[3]，1993[4])；資產(chǎn)負(fù)債率因子平均系數(shù)對(duì)系統(tǒng)性風(fēng)險(xiǎn)有著顯著為負(fù)的影響，說明企業(yè)在經(jīng)濟(jì)環(huán)境良好時(shí)通常選擇提高負(fù)債率來擴(kuò)大生產(chǎn)；動(dòng)量因子的平均系數(shù)顯著為正，說明動(dòng)量越大，系統(tǒng)性風(fēng)險(xiǎn)越高，符合中國(guó)A股市場(chǎng)存在短期動(dòng)量交易的特點(diǎn)。

表1 融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)孪闰?yàn)估計(jì)中各因子的影響情況

由圖2可知，融入經(jīng)濟(jì)政策不確定性因素的β估計(jì)值呈現(xiàn)明顯的時(shí)變特征。圖2展示了每個(gè)時(shí)點(diǎn)個(gè)股β估計(jì)值的平均水平。2007年1月至2011年10月、2016年4月至2018年12月期間，β呈現(xiàn)下降趨勢(shì)；其中，在2006年12月和2014年12月這兩個(gè)時(shí)點(diǎn)，β出現(xiàn)了突降。2008年中旬至2009年中旬、2012年1月至2014年11月、2015年1月至2016年3月期間，β保持上升趨勢(shì)；其中，在2011年12月，β出現(xiàn)了驟升。

系統(tǒng)性風(fēng)險(xiǎn)的下降源自于市場(chǎng)的逐步完善。2006年至2007年，中國(guó)股票市場(chǎng)實(shí)行上市公司股權(quán)分置改革，市場(chǎng)融資功能逐步完善，同時(shí)券商評(píng)級(jí)制度的引入規(guī)范了證券公司的執(zhí)業(yè)操作，保護(hù)了中小投資者的權(quán)益。經(jīng)濟(jì)政策一片大好，經(jīng)濟(jì)政策不確定性處于較低水平，同一時(shí)期的系統(tǒng)性風(fēng)險(xiǎn)也呈現(xiàn)下降趨勢(shì)，與經(jīng)濟(jì)政策不確定性同時(shí)同向變動(dòng)。2009年，中國(guó)推出了經(jīng)濟(jì)刺激計(jì)劃，創(chuàng)業(yè)板和股指期貨的推出完善了中國(guó)的多層次資本市場(chǎng)，受全球金融危機(jī)重創(chuàng)的市場(chǎng)得以“安撫”，經(jīng)濟(jì)政策明朗，經(jīng)濟(jì)政策不確定性逐步降低，市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)也隨之回落。2015年11月，“供給側(cè)結(jié)構(gòu)性改革”正式提出，并在2016年3月份發(fā)布的“十三五”規(guī)劃中被列為重點(diǎn)工作之一，旨在解決經(jīng)濟(jì)發(fā)展的結(jié)構(gòu)性問題，推動(dòng)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)。這一政策的提出為市場(chǎng)帶來了極大利好，經(jīng)濟(jì)政策不確定性下降，市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)再次回落。

系統(tǒng)性風(fēng)險(xiǎn)的上升主要受市場(chǎng)不穩(wěn)定因素的影響。2008年在全球金融危機(jī)的沖擊下，中國(guó)股市遭到重創(chuàng)，經(jīng)濟(jì)政策不確定性大幅提升，進(jìn)而影響系統(tǒng)性風(fēng)險(xiǎn)跟隨提升。2012年十八大召開，經(jīng)濟(jì)政策不確定性上升，系統(tǒng)性風(fēng)險(xiǎn)也隨之上升。2015年中國(guó)股災(zāi)的發(fā)生也刺激了經(jīng)濟(jì)政策不確定性的上升。2015年初，中國(guó)提出通過股市來振興實(shí)體經(jīng)濟(jì)的口號(hào)，各監(jiān)管部門積極配合，各媒體正面報(bào)道，一輪牛市開啟，大量金融機(jī)構(gòu)積極跟進(jìn)，政策市瞬間變?yōu)楦軛U市，在欣欣向榮的背后卻是下行壓力巨大的經(jīng)濟(jì)基本面，矛盾的現(xiàn)狀讓經(jīng)濟(jì)政策不確定性驟升。由此可知，本文估計(jì)的時(shí)變?chǔ)伦邉?shì)與現(xiàn)實(shí)經(jīng)濟(jì)密切相關(guān)，側(cè)面印證了本文估計(jì)的時(shí)變?chǔ)碌挠行院涂煽啃浴?/p>

圖2 融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)碌淖邉?shì)圖

(二)融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)屡c基準(zhǔn)模型的比較

為進(jìn)一步研究融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)碌哪Ｐ托Ч疚膶⑷谌虢?jīng)濟(jì)政策不確定性的時(shí)變?chǔ)屡c基準(zhǔn)模型的β進(jìn)行比較?；鶞?zhǔn)模型選取基于中國(guó)股市的Fama-French五因子模型的系統(tǒng)性風(fēng)險(xiǎn)β、Fama-Macbeth方法估計(jì)的系統(tǒng)性風(fēng)險(xiǎn)β，以及只包含公司基本面信息的混合β。

Fama-French五因子模型中，收益率因變量和各因子自變量的構(gòu)建參考Fama和French(2015)[7]的研究。具體來說，規(guī)模因子(SMB)、價(jià)值因子(HML)、利潤(rùn)因子(RMW)以及投資因子(CMA)的構(gòu)造方式是：首先，按規(guī)模中位數(shù)將股票分為2組，同時(shí)分別按賬面市值比、利潤(rùn)以及投資的30%、70%分位數(shù)將股票分成3組；然后，分別得到規(guī)模-價(jià)值、規(guī)模-利潤(rùn)、規(guī)模-投資的2×3的6宮格資產(chǎn)組合；最后，根據(jù)規(guī)模因子(SMB)、價(jià)值因子(HML)、利潤(rùn)因子(RMW)以及投資因子(CMA)的定義，計(jì)算得到各因子。收益率因變量構(gòu)造的方式是，沿著某2個(gè)因子維度將股票分成5×5的25宮格資產(chǎn)組合，并且每月重新計(jì)算。在得到五因子模型因變量與因子自變量之后，采用滾動(dòng)窗口回歸，即可得到相應(yīng)的β。

只包含公司基本面信息的混合β，是在時(shí)變?chǔ)碌墓烙?jì)過程中，將公式(2)替換為公式(7)，用No EPU表示。

(7)

本文針對(duì)以上三種方法，以及融入經(jīng)濟(jì)政策不確定性得到的系統(tǒng)性風(fēng)險(xiǎn)β，分別進(jìn)行橫截面和時(shí)間序列描述性統(tǒng)計(jì)分析，以及解釋力回歸分析。在描述性統(tǒng)計(jì)分析中，橫截面分析主要計(jì)算了β值的橫截面均值和標(biāo)準(zhǔn)差，再進(jìn)行時(shí)間序列平均；時(shí)間序列分析主要計(jì)算了β值時(shí)間序列均值、標(biāo)準(zhǔn)差的橫截面加權(quán)平均值。在回歸分析中，本文運(yùn)用以下回歸模型研究β對(duì)股票超額收益率的解釋能力：

(8)

表2展示了基于Fama-French五因子模型的β系數(shù)均值及其顯著性水平。結(jié)果顯示，各組合的系統(tǒng)性風(fēng)險(xiǎn)β系數(shù)均顯著。這一結(jié)果說明，中國(guó)股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)能夠用Fama-French五因子模型來有效度量。

表2 Fama-French五因子模型各組合及顯著性水平

表3展示展示了基于Fama-Macbeth方法估計(jì)的β系數(shù)的均值及其顯著性水平。結(jié)果顯示，β系數(shù)值均顯著，表明Fama-Macbeth方法能夠有效度量中國(guó)股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。與Fama-French五因子模型計(jì)算出來的β相比，兩種方法計(jì)算的β值差距較小，說明兩種方法計(jì)算的β值具有可靠性。

表3 Fama-Macbeth方法中各組合及顯著性水平

由表4的描述性統(tǒng)計(jì)結(jié)果可知，各方法估計(jì)的β中，融合經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)嘛@著高于其他基準(zhǔn)模型。從橫截面結(jié)果來看，不考慮經(jīng)濟(jì)政策不確定性(即只考慮公司基本面信息)的β略低于Fama-Macbeth方法的β，而融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)伦畲?。從時(shí)間序列分析結(jié)果來看，也能得到類似的結(jié)論。這一結(jié)果說明，經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)有著重要影響，不能輕易忽略。

表4 β的橫截面和時(shí)間序列分析結(jié)果

表5進(jìn)一步展示了融入經(jīng)濟(jì)政策不確定性因素的時(shí)變?chǔ)聦?duì)股票收益率的解釋能力。在時(shí)點(diǎn)截面回歸中，除Fama-French模型以外，其余β的回歸系數(shù)均顯著為正。但是從顯著性強(qiáng)弱和解釋力總體來看，融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)乱绕渌椒ü烙?jì)的效果更好。在混合OLS回歸中，融入經(jīng)濟(jì)政策不確定性因素的時(shí)變?chǔ)潞蛢H包含公司基本面信息估計(jì)的時(shí)變?chǔ)碌幕貧w系數(shù)顯著為正，其他回歸系數(shù)為負(fù)或不顯著。并且，融入經(jīng)濟(jì)政策不確定性因素的時(shí)變?chǔ)卤葍H包含公司基本面信息估計(jì)的時(shí)變?chǔ)碌幕貧w系數(shù)顯著性更強(qiáng)、模型解釋力更好。因此，在估算系統(tǒng)性風(fēng)險(xiǎn)時(shí)，將經(jīng)濟(jì)政策不確定性納入考慮的方法要比傳統(tǒng)方法解釋力更強(qiáng)。另外，分組的時(shí)變?chǔ)碌南禂?shù)要遠(yuǎn)小于未分組的時(shí)變?chǔ)碌南禂?shù)，說明個(gè)股在一定程度上比組合風(fēng)險(xiǎn)價(jià)格更高。從調(diào)整擬合優(yōu)度來看，包含基于EPU估計(jì)的時(shí)變系統(tǒng)性風(fēng)險(xiǎn)的模型解釋力明顯高于包含不基于EPU估計(jì)的時(shí)變系統(tǒng)性風(fēng)險(xiǎn)的模型解釋力，進(jìn)一步驗(yàn)證了融入經(jīng)濟(jì)政策不確定性的系統(tǒng)性風(fēng)險(xiǎn)對(duì)超額收益的解釋能力的提升。綜合考慮模型擬合優(yōu)度、估計(jì)參數(shù)差異和經(jīng)濟(jì)學(xué)解釋等，融入EPU的時(shí)變系統(tǒng)性風(fēng)險(xiǎn)對(duì)股票超額收益的解釋能力更強(qiáng)。

表5 各系統(tǒng)性風(fēng)險(xiǎn)估計(jì)方法中β的解釋力比較

注：表5展示了各系統(tǒng)性風(fēng)險(xiǎn)估計(jì)方法中β的解釋力，括號(hào)內(nèi)為對(duì)應(yīng)系數(shù)的t值。

五、 融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)屡c股票異質(zhì)性

結(jié)合股票和企業(yè)的基本特征，本文進(jìn)一步討論對(duì)于不同類型股票，經(jīng)濟(jì)政策不確定性與股票系統(tǒng)性風(fēng)險(xiǎn)之間的關(guān)系。陳國(guó)進(jìn)等(2018)[24]指出，不同特征的股票，政策不確定性對(duì)風(fēng)險(xiǎn)的影響有所差異。例如，非國(guó)有企業(yè)的股票波動(dòng)率受政策不確定性的影響更大。因此，本文根據(jù)基本特征，國(guó)有和非國(guó)有、市值規(guī)模、股票基本面優(yōu)劣，對(duì)股票進(jìn)行分組，分別考慮不同類型股票的融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)碌牟町?，以及時(shí)變?chǔ)聦?duì)股票超額收益率解釋能力的差異。

圖3 國(guó)有企業(yè)與非國(guó)有企業(yè)的融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)碌淖邉?shì)圖

圖3展示了國(guó)有企業(yè)與非國(guó)有企業(yè)融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)碌淖儎?dòng)趨勢(shì)。從圖中可以明顯看到，兩類企業(yè)的時(shí)變?chǔ)麓嬖诿黠@差異，在2013年以后尤其顯著。表6則展示了國(guó)有企業(yè)與非國(guó)有企業(yè)融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)聦?duì)股票超額收益率的解釋能力。對(duì)比時(shí)變?chǔ)碌南禂?shù)大小發(fā)現(xiàn)，非國(guó)有企業(yè)的解釋能力顯著高于國(guó)有企業(yè)。這一發(fā)現(xiàn)與陳國(guó)進(jìn)等(2018)[24]關(guān)于非國(guó)有企業(yè)股票風(fēng)險(xiǎn)的結(jié)論相互印證。陳國(guó)進(jìn)等(2018)[24]還進(jìn)一步指出，政策不確定性通過降低企業(yè)現(xiàn)金流和提高隨機(jī)貼現(xiàn)因子的方式作用于股票風(fēng)險(xiǎn)。與國(guó)有企業(yè)相比，非國(guó)有企業(yè)的資金來源于市場(chǎng)，缺少政府的可靠背書，其現(xiàn)金流往往更容易受到不確定性因素的影響而減少。因此，融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)聦?duì)非國(guó)有企業(yè)的股票超額收益率具有更強(qiáng)的解釋能力。

從圖4可以看到，不同規(guī)模的企業(yè)，融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)乱泊嬖陲@著差異。表6則展示了大企業(yè)和小企業(yè)的時(shí)變?chǔ)聦?duì)股票超額收益率的解釋能力的差異。小企業(yè)時(shí)變?chǔ)碌南禂?shù)顯著高于大企業(yè)，這一結(jié)果說明，融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)聦?duì)小企業(yè)的股票超額收益率具有更強(qiáng)的解釋能力。小企業(yè)通?，F(xiàn)金流較為不充裕，不確定性將會(huì)嚴(yán)重降低小企業(yè)的現(xiàn)金流，進(jìn)而使得小企業(yè)的股票風(fēng)險(xiǎn)顯著上升。

圖4 大企業(yè)與小企業(yè)的融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)碌淖邉?shì)圖

圖5則展示了價(jià)值型和成長(zhǎng)型企業(yè)的融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)碌淖儎?dòng)情況。兩類企業(yè)的時(shí)變?chǔ)峦瑯语@著不同。表6也展示了價(jià)值型和成長(zhǎng)型企業(yè)的時(shí)變?chǔ)聦?duì)股票超額收益率的解釋能力。成長(zhǎng)型企業(yè)的時(shí)變?chǔ)碌南禂?shù)顯著高于價(jià)值型企業(yè)。成長(zhǎng)型企業(yè)基本面較差，現(xiàn)金流往往較為緊張，受到不確定性的影響后更容易出現(xiàn)現(xiàn)金流不足的問題，因此成長(zhǎng)型企業(yè)的股票風(fēng)險(xiǎn)將會(huì)上升。

圖5 成長(zhǎng)型企業(yè)與價(jià)值型企業(yè)的融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)碌淖邉?shì)圖

表6 不同類型企業(yè)的融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)聦?duì)超額收益的橫截面回歸

六、 結(jié)論

本文將經(jīng)濟(jì)政策不確定性納入時(shí)變的系統(tǒng)性風(fēng)險(xiǎn)β的估計(jì)中，考察經(jīng)濟(jì)政策不確定性對(duì)股市系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)影響。本文還將融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)屡c傳統(tǒng)資本資產(chǎn)定價(jià)模型進(jìn)行比較。研究結(jié)果發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性對(duì)市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)存在顯著的正向影響。這一影響表現(xiàn)出明顯的時(shí)變特征。融入經(jīng)濟(jì)政策不確定性后，市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)顯著提高，并且其對(duì)股票超額收益率的解釋能力也顯著增強(qiáng)。通過對(duì)比不同類型股票的時(shí)變?chǔ)录捌浣忉屇芰Πl(fā)現(xiàn)，股票異質(zhì)性對(duì)融入經(jīng)濟(jì)政策不確定性的時(shí)變?chǔ)戮哂酗@著影響，并且時(shí)變?chǔ)聦?duì)非國(guó)有企業(yè)、小企業(yè)、成長(zhǎng)型企業(yè)的股票超額收益率具有更強(qiáng)的解釋能力。

綜合來看，經(jīng)濟(jì)政策不確定性對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的影響不容忽視，不考慮經(jīng)濟(jì)政策的不確定性會(huì)低估中國(guó)股市的系統(tǒng)性風(fēng)險(xiǎn)。為了更好地防范化解系統(tǒng)性金融風(fēng)險(xiǎn)和維持金融系統(tǒng)穩(wěn)定，我國(guó)政府部門在制定金融經(jīng)濟(jì)政策時(shí)不僅僅要考慮金融經(jīng)濟(jì)政策的成本、效果和影響，還要考慮經(jīng)濟(jì)政策不確定性的成本，市場(chǎng)會(huì)如何對(duì)經(jīng)濟(jì)政策不確定性產(chǎn)生反應(yīng)，不同類型股票之間的差異，進(jìn)而更好地防范化解系統(tǒng)性金融風(fēng)險(xiǎn)、服務(wù)實(shí)體經(jīng)濟(jì)和維持金融系統(tǒng)穩(wěn)定。