經(jīng)濟(jì)政策不確定性影響股票收益嗎？

楊露萍 饒陽

摘 ? 要：本文利用Baker等基于新聞文本分析量化得到的經(jīng)濟(jì)政策不確定性指數(shù)，研究了經(jīng)濟(jì)政策不確定性在截面定價(jià)上對單個(gè)資產(chǎn)和資產(chǎn)組合的影響。研究結(jié)果表明，具有低不確定β的股票是小型、高流動(dòng)性、低資產(chǎn)增長率和低估值的股票，同時(shí)具有較高的短期逆轉(zhuǎn)和較低的動(dòng)量;不確定性厭惡的投資者持有不確定性β為負(fù)的股票時(shí)要求額外的補(bǔ)償，不確定β最低的投資組合比最高的投資組合有更高收益。

關(guān)鍵詞：經(jīng)濟(jì)政策不確定性;股票收益;多因子模型;投資組合測試

DOI：10.3969/j.issn.1003-9031.2020.12.002

中圖分類號：F832.48 ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? 文章編號：1003-9031（2020）12-0009-07

一、引言及文獻(xiàn)綜述

政府決策者可以在財(cái)政、監(jiān)管或貨幣政策方面產(chǎn)生不確定性，我們稱之為經(jīng)濟(jì)政策不確定性（EPU）。Baker et al.（2013）指出，在宏觀層面，政策不確定性的增加預(yù)示著投資、產(chǎn)出和就業(yè)的下降;在公司層面，政策不確定性增加了股價(jià)波動(dòng)。高效穩(wěn)定的股市對于產(chǎn)業(yè)發(fā)展和經(jīng)濟(jì)增長都是不可或缺的，而經(jīng)濟(jì)政策不確定性會影響投資決策，進(jìn)而傳導(dǎo)到股票價(jià)格，研究其對股市收益的影響具有重要意義。

縱觀國內(nèi)外文獻(xiàn)，大多學(xué)者認(rèn)為政策不確定性對股票價(jià)格存在影響。王曉娟（2015）等人研究發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性與股票收益存在長期均衡關(guān)系，且兩者相關(guān)性呈上升趨勢。Xiong（2018）等研究發(fā)現(xiàn)，EPU的絕對變化對股票市場收益率有顯著影響，且對滬市和國有企業(yè)的影響更大。林建浩（2014）等發(fā)現(xiàn)EPU提高了預(yù)期回報(bào)率、降低了當(dāng)期回報(bào)，但并沒有充足依據(jù)表明其是中國股票市場的已定價(jià)風(fēng)險(xiǎn)因子。汪弘等（2018）通過時(shí)間序列分析發(fā)現(xiàn)EPU對未來三個(gè)月的股市收益具有顯著正影響，且驗(yàn)證了EPU確實(shí)是A股的定價(jià)因子。

政策不確定性在橫截面上的作用效果存在差異。Pastor et al.（2012）建立一般均衡模型，其預(yù)測股票價(jià)格將在政策不確定性增加時(shí)下跌，尤其是對政策變化更敏感的公司。Brogaard et al.（2015）研究發(fā)現(xiàn)EPU的一個(gè)標(biāo)準(zhǔn)差增長可以預(yù)測未來三個(gè)月收益1.5%的增長。此外，EPU的殘差在Fama-French的25個(gè)規(guī)模-動(dòng)量投資組合中獲得顯著負(fù)風(fēng)險(xiǎn)溢價(jià)。Bali et al.（2017）研究發(fā)現(xiàn)，與不確定度最高的股票相比，不確定度最低的十分之一組股票經(jīng)風(fēng)險(xiǎn)調(diào)整后的年化回報(bào)率高6%，這種不確定性溢價(jià)是由具有負(fù)（正）不確定性貝塔系數(shù)的股票表現(xiàn)好（差）所驅(qū)動(dòng)的。

受上述研究啟發(fā)，本文探究了經(jīng)濟(jì)不確定性在個(gè)股和投資組合的橫截面定價(jià)中的作用，并借助前景理論和ICAPM模型對其中的理論機(jī)制進(jìn)行解釋。

二、理論框架

（一）ICAPM模型

Merton（1973）通過使用連續(xù)時(shí)間模型擴(kuò)展了資本資產(chǎn)定價(jià)模型并提出了跨期資本資產(chǎn)定價(jià)模型（ICAPM）。相比于CAPM模型，ICAPM模型額外考慮了投資機(jī)會參數(shù)變化的風(fēng)險(xiǎn)和消費(fèi)品價(jià)格風(fēng)險(xiǎn)。因此，在ICAPM框架下，投資者在多期經(jīng)濟(jì)中對風(fēng)險(xiǎn)證券的需求除了馬科維茨靜態(tài)最優(yōu)投資組合中的均值方差成分，還包括規(guī)避投資機(jī)會集和消費(fèi)不利沖擊的需求。這顯示了與消費(fèi)和投資機(jī)會相關(guān)聯(lián)的狀態(tài)變量已經(jīng)反映在了資本市場中，因此資產(chǎn)和這些狀態(tài)變量的協(xié)方差是和其預(yù)期收益相關(guān)的。

與Merton（1973）&Campbell（1993;1996）看法一致，我們認(rèn)為經(jīng)濟(jì)不確定性的增加是投資機(jī)會集的不利變化。由于經(jīng)濟(jì)不確定性的增加會讓投資者對未來的變化感到憂慮，減少了他們的消費(fèi)和投資需求，這樣他們就可以省下更多錢來對沖未來經(jīng)濟(jì)可能出現(xiàn)的衰退。為了對沖這種不利的轉(zhuǎn)變，投資者傾向于持有與經(jīng)濟(jì)不確定性協(xié)方差較大的股票。這是因?yàn)樵诖嬖谡目鐣r(shí)間相關(guān)性的情況下，經(jīng)濟(jì)不確定性的增加將提高這些股票的回報(bào)。因此，當(dāng)經(jīng)濟(jì)不確定性增加時(shí)，盡管投資者的最優(yōu)消費(fèi)和未來投資機(jī)會減少了，但通過增加與經(jīng)濟(jì)不確定性正相關(guān)的股票的回報(bào)，投資者可以獲得更強(qiáng)的財(cái)富效應(yīng)，從而彌補(bǔ)這種損失。因此，通過跨期對沖需求，投資者愿意持有與經(jīng)濟(jì)不確定性協(xié)方差較大的股票，對于不確定性較大的股票，他們愿意支付較高的價(jià)格，接受較低的回報(bào)。

（二）基于前景理論的解釋

除了ICAPM框架外，負(fù)不確定性溢價(jià)理論上也可以從不確定性厭惡和偏好的角度進(jìn)行解釋。Ellsberg（1961）的實(shí)驗(yàn)證據(jù)表明，風(fēng)險(xiǎn)和不確定性之間的區(qū)別有經(jīng)驗(yàn)意義，因?yàn)槿藗兏矚g根據(jù)已知的而不是未知或模糊的概率采取行動(dòng)。將不確定性與二階風(fēng)險(xiǎn)厭惡聯(lián)系起來的研究表明，投資者不僅關(guān)心資產(chǎn)收益的均值和方差，還關(guān)心影響未來收益分布事件的不確定性。Bernanke（1983）研究發(fā)現(xiàn)消費(fèi)者和投資者對經(jīng)濟(jì)狀況的不確定性可能阻礙經(jīng)濟(jì)復(fù)蘇和增長，當(dāng)消費(fèi)者和投資者感覺到經(jīng)濟(jì)中存在更高的不確定性時(shí)，他們不愿做出支出和投資決定。

不確定性對資產(chǎn)定價(jià)影響的研究表明，當(dāng)投資者不確定支配市場收益的正確概率規(guī)律時(shí)，為了持有市場投資組合，他們會要求更高的溢價(jià)。另一種可能的解釋是，如果投資者對經(jīng)濟(jì)不確定性的偏好或預(yù)期足夠分散，而經(jīng)濟(jì)不確定性又足夠高，那么對經(jīng)濟(jì)不確定性有較高厭惡的投資者可能會停止或減少對股票的參與。由于這種有限的參與，不確定性系數(shù)低的股票只有對經(jīng)濟(jì)不確定性偏好或?qū)?jīng)濟(jì)不確定性厭惡程度較低的投資者持有，因此對具有較低不確定性的股票就要求較高的不確定性溢價(jià)。

三、研究設(shè)計(jì)與數(shù)據(jù)描述

（一）研究設(shè)計(jì)

首先，對于樣本中每只股票的月度數(shù)據(jù)，在控制了市場（Rm）、規(guī)模（SMB）、賬面市值比（HML）、動(dòng)量（UMD）、流動(dòng)性（PS）、投資（RMW）和盈利能力（CMA）之后，本文通過股票超額收益對EPU的回歸估計(jì)了不確定性β，其后對樣本按βEPU排序并分組測試EPU在股票截面定價(jià)中的異質(zhì)性。

（二）數(shù)據(jù)來源與數(shù)據(jù)描述

1.經(jīng)濟(jì)不確定性指數(shù)EPU。本文使用Baker et al.（2013）基于新聞構(gòu)造的EPU指數(shù)來衡量中國經(jīng)濟(jì)的不確定性，該指標(biāo)是與經(jīng)濟(jì)政策不確定相關(guān)新聞?wù)急?、即將到期的稅收條款和關(guān)于政府購買和通脹的預(yù)測分歧三項(xiàng)指標(biāo)的加權(quán)平均值，能較好度量中國經(jīng)濟(jì)政策不確定性。

2.截面收益預(yù)測指標(biāo)。參考Fama-French（1992，1993，2000）的因子模型框架，我們采用市場、規(guī)模、賬面市值比、動(dòng)量、流動(dòng)性、投資和盈利因素的七因子模型開展研究，股票樣本為1995年1月—2019年12月在上交所、深交所交易的所有A股及創(chuàng)業(yè)板。

個(gè)股月度超額收益Ri為考慮現(xiàn)金紅利再投資的月個(gè)股回報(bào)率減去當(dāng)月無風(fēng)險(xiǎn)收益率（三月期國庫券收益率）。超額市場回報(bào)Rm為各市場考慮現(xiàn)金紅利再投資的月回報(bào)率減去無風(fēng)險(xiǎn)收益率。賬面市值比HML為高賬面市值比組合和低賬面市值比組合的月收益率之差;盈利能力因子RMW為高盈利股票組合和低盈利組合的月收益率之差;投資模式因子CMA為低投資比例股票組合和高投資比例股票組合的月收益率之差，組合月收益率的計(jì)算均采用流通市值加權(quán)。本文采用Pastor and Stambaugh（2003）提出的指標(biāo)度量市場非流動(dòng)性;動(dòng)量因子MOM為前n個(gè)月累積收益大于零的所有股票組合加權(quán)收益率—前n個(gè)月累積收益小于零所有股票組合加權(quán)收益率，本文采用三月期動(dòng)量因子數(shù)據(jù)。

3.個(gè)股特征指標(biāo)。本文以對股票收益率與成交金額的比率衡量股票在月的非流動(dòng)性ILLIQ，以分析師對股票預(yù)測的EPS與實(shí)際差值除以實(shí)際EPS的絕對值表示分析師預(yù)測準(zhǔn)確度PRE，以股票在一月內(nèi)最高的5次日收益率平均值衡量對彩票類股票的需求MAX，以股票前11個(gè)月累計(jì)收益并表示動(dòng)量MOM，以股票前1個(gè)月收益衡量短期逆轉(zhuǎn)REV。此外，我們還選取流通市值、賬面市值比、凈資產(chǎn)收益率、總資產(chǎn)收益率作為模型控制變量。

四、實(shí)證結(jié)果

（一）經(jīng)濟(jì)政策不確定？茁和股票收益的投資組合測試

根據(jù)式（1），我們估計(jì)了個(gè)股對經(jīng)濟(jì)不確定性的敞口，同時(shí)我們基于個(gè)股的不確定性？茁值對其進(jìn)行排序和劃分，組合1包含擁有最低？茁EPU的個(gè)股，組合10包含擁有最高？茁EPU的個(gè)股（見表1）。表1為通過？茁EPU劃分的股票數(shù)量相同的投資組合的不確定性？茁平均值、投資組合超額收益以及？琢值的算術(shù)平均值，從組合1到組合10，月度平均超額收益從2.22%下降至1.38%，即組合1比組合10多產(chǎn)生0.84%的月收益和10.8%的年收益。從模型的風(fēng)險(xiǎn)調(diào)整收益？琢來看，擁有最高不確定性？茁的10%股票和擁有最低不確定性？茁的10%股票之間的風(fēng)險(xiǎn)調(diào)整差異為24.19%，且？琢隨著的增加逐漸減小是由低不確定性？茁的股票較好的市場表現(xiàn)和高不確定性？茁較差的市場表現(xiàn)共同導(dǎo)致的，此結(jié)果與過往研究風(fēng)險(xiǎn)與不確定性的文獻(xiàn)一致。

（二）經(jīng)濟(jì)政策不確定？茁與股票收益的Fama and Macbeth測試

根據(jù)式（2），本文分別測試了？茁EPU對股票當(dāng)期收益和未來1個(gè)月、3個(gè)月、12個(gè)月和24個(gè)月收益的影響。結(jié)果顯示，？茁EPU在短期A股收益沒有顯著影響，且隨系數(shù)增大，EPU變得顯著，EPU最低的組合1將比？茁EPU最高的組合10多產(chǎn)生5.47%的年化收益。

（三）經(jīng)濟(jì)政策不確定？茁的特征分析

基于式（3）進(jìn)行橫截面回歸分析，我們研究了低？茁EPU和高？茁EPU股票在不確定性維度之外的個(gè)體特征。結(jié)果顯示，？茁、股票彩票特征、對數(shù)市值、PS非流動(dòng)性指標(biāo)、動(dòng)量系數(shù)顯著為正，賬面市值比、分析師預(yù)測準(zhǔn)確度、短期逆轉(zhuǎn)系數(shù)顯著為負(fù)，ROE系數(shù)為正但不顯著，與以往文獻(xiàn)研究結(jié)果一致。因此，具有高？茁EPU的股票是大型、低流動(dòng)性、高資產(chǎn)增長率和高估值的股票，同時(shí)具有較低的短期逆轉(zhuǎn)和較高的動(dòng)量;具有低？茁EPU的股票時(shí)小型、高流動(dòng)性、低資產(chǎn)增長率和低估值的股票，同時(shí)具有較高的短期逆轉(zhuǎn)和較低的動(dòng)量。

（四）行業(yè)風(fēng)險(xiǎn)溢價(jià)檢驗(yàn)

本文根據(jù)證監(jiān)會2012年修訂的《上市公司行業(yè)分類指引》對每個(gè)行業(yè)中股票的經(jīng)濟(jì)政策不確定風(fēng)險(xiǎn)溢價(jià)進(jìn)行了測試。

由表2可知，僅部分行業(yè)存在顯著的風(fēng)險(xiǎn)調(diào)整收益，具體而言，僅采礦業(yè)、制造業(yè)、批發(fā)和零售業(yè)、信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)、租賃和商務(wù)服務(wù)業(yè)、水利、環(huán)境和公共設(shè)施管理業(yè)存在顯著且相比于其他行業(yè)更大的風(fēng)險(xiǎn)調(diào)整收益，說明行業(yè)并不是導(dǎo)致風(fēng)險(xiǎn)調(diào)整收益的主要變量。此外，我們注意到？茁EPU顯著定價(jià)的行業(yè)，普遍獲得顯著的風(fēng)險(xiǎn)調(diào)整收益？琢。對個(gè)股經(jīng)濟(jì)不確定性敞口和風(fēng)險(xiǎn)調(diào)整收益進(jìn)行相關(guān)分析，發(fā)現(xiàn)兩者呈顯著負(fù)相關(guān)關(guān)系且相關(guān)系數(shù)高達(dá)-0.81，進(jìn)一步證明了？茁EPU是風(fēng)險(xiǎn)調(diào)整收益的定價(jià)因子。

五、結(jié)論與啟示

（一）結(jié)論

本文利用Baker等（2013）基于新聞文本分析量化得到的經(jīng)濟(jì)政策不確定性指數(shù)研究了經(jīng)濟(jì)政策不確定性在截面定價(jià)上對單個(gè)資產(chǎn)和資產(chǎn)組合的影響，并在前景理論和ICAPM模型的框架內(nèi)闡述了理論機(jī)制。本文研究發(fā)現(xiàn)具有低？茁EPU的股票是小型、高流動(dòng)性、低資產(chǎn)增長率和低估值的股票，且具有較高的短期逆轉(zhuǎn)和較低的動(dòng)量，這部分股票擁有更高的風(fēng)險(xiǎn)調(diào)整收益和更好的市場表現(xiàn)。

（二）啟示

一是經(jīng)濟(jì)政策高不確定性會導(dǎo)致股票收益降低，投資者“用腳投票”使企業(yè)在二級市場融資受阻，對經(jīng)濟(jì)增長造成負(fù)面影響。近兩年在中美貿(mào)易沖突不斷的背景下，我國經(jīng)濟(jì)政策不確定性一路走高，政府應(yīng)該在制定和推行政策時(shí)盡量保持政策的穩(wěn)定性及前后一致性，以此對企業(yè)和個(gè)人的預(yù)期進(jìn)行引導(dǎo)以穩(wěn)定經(jīng)濟(jì)增長。二是對投資者而言，選擇長期持有低？茁EPU的股票比持有高？茁EPU的股票可以獲得更多超額收益。

（責(zé)任編輯：王艷）

參考文獻(xiàn)：

[1]Yakov，Amihud.Illiquidity and stock returns：cross-section and time-series effects[J].Journal of Financial Markets，2002.

[2]Baker S R，Nicholas B，Davis S J.Measuring Economic Policy Uncertainty[J].SSRN Electronic Journal，2013.

[3]Bali T G，Brown S J，Murray S，et al.A Lottery-Demand-Based Explanation of the Beta Anomaly[J].Journal of Financial and Quantitative Analysis，2017，52（6）：2369-2397.

[4]Bali T G，Brown S，Tang Y.Is Economic Uncertainty Priced in the Cross-Section of Stock Returns？[J].Journal of Financial Economics，2017，126（3）.

[5]Bernanke B S.Irreversibility，Uncertainty，and Cyclical Investment[J].Nber Working Papers，1983，98（1）：85-106.

[6]Brogaard J，Detzel A L.The Asset Pricing Implications of Government Economic Policy Uncertainty[J].Social Science Electronic Publishing.

[7]Campbell J.Intertemporal Asset Pricing Without Consumption Data[J].Scholarly Articles，1993.

[8]Campbell J.Understanding Risk and Return[J].Scholarly Articles，1996.

[9]Dzielinski M.Measuring economic uncertainty and its impact on the stock market[J].Finance Research Letters，2012，9（3）：167-175.

[10]Ellsberg D.Risk，Ambiguity，and the Savage Axioms[J].Quarterly Journal of Economics，1961，75（4）：643-669.

[11]Lewellen，Jonathan.The Cross-section of Expected Stock Returns[J].Critical Finance Review，2015：1-44.

[12]Fama E F，F(xiàn)rench K R.Common risk factors in the returns on stocks and bonds[J].Journal of Financial Economics，1993，33（1）：3-56.

[13]Frazzini A，Pedersen L H.Betting against beta[J].Journal of Financial Economics，2014，111（1）：1-25.

[14]Hou K，Chen X，Lu Z.A Comparison of New Factor Models[J].Social Science Electronic Publishing，2014.

[15]Jegadeesh N.Evidence of Predictable Behavior of Security Returns[J].Journal of Finance，2012，45（3）：881-898.

[16]Merton R C.An Intertemporal Capital Asset Pricing Model[J].Econometrica，1973，41（5）：867-887.

[17]Lubo Pástor，Stambaugh R F.Liquidity Risk and Expected Stock Returns[J].CRSP working papers.

[18]Pastor L，Veronesi P.Uncertainty about Government Policy and Stock Prices[J].The Journal of Finance，2012，67（4）.

[19]Ulrich M.Economic Policy Uncertainty & Asset Price Volatility[J].Social Science Electronic Publishing，2010，89（4）：301-303.

[20]Xiong X，Bian Y，Shen D.The time-varying correlation between policy uncertainty and stock returns：Evidence from China[J].Physica A：Statistical Mechanics and its Applications，2018，499：413-419.

[21]林建浩，李幸，李歡.中國經(jīng)濟(jì)政策不確定性與資產(chǎn)定價(jià)關(guān)系實(shí)證研究[J].中國管理科學(xué)，2014（S1）：222-226.

[22]汪弘，宋登輝，陳立慧.經(jīng)濟(jì)政策不確定性與股票收益[J].金融學(xué)季刊，2018（4）：1-20.

[23]王曉娟，郭守亭，岳曉.經(jīng)濟(jì)政策不確定性和股票收益的聯(lián)動(dòng)性——基于子樣本滾動(dòng)窗口估計(jì)法的研究[J].學(xué)習(xí)與實(shí)踐，2015（5）：26-32.

[24]鐘獻(xiàn)兵.金融資產(chǎn)配置與企業(yè)杠桿率：兼論貨幣政策與經(jīng)濟(jì)政策不確定條件下的異質(zhì)性[J]. 區(qū)域金融研究，2018（10）.