空氣污染、投資者關(guān)注與股票收益率

梁龍躍 肖茜

摘? ?要：本文以 A 股市場上市公司為研究對(duì)象，使用機(jī)器學(xué)習(xí)的因果森林模型驗(yàn)證空氣污染嚴(yán)重對(duì)股票收益率的影響。研究發(fā)現(xiàn)，空氣污染嚴(yán)重對(duì)股票收益率有顯著的負(fù)向影響；在分樣本討論后發(fā)現(xiàn)，空氣污染嚴(yán)重對(duì)不同行業(yè)股票收益率的影響程度存在異質(zhì)性，受空氣污染嚴(yán)重影響最大的是租賃和商務(wù)服務(wù)業(yè)，其次為農(nóng)林牧漁業(yè)、批發(fā)和零售業(yè)、制造業(yè)、電力熱力燃?xì)饧八a(chǎn)和供應(yīng)業(yè)，其中，空氣污染嚴(yán)重對(duì)租賃和商務(wù)服務(wù)業(yè)達(dá)到了約12倍的影響力，對(duì)其余行業(yè)也達(dá)到了約4～7倍的影響力；機(jī)制分析表明，空氣污染嚴(yán)重通過影響投資者的關(guān)注度來影響股票收益率。

關(guān)鍵詞：機(jī)器學(xué)習(xí)；空氣污染；有限關(guān)注；股票收益

中圖分類號(hào)：F830.91? ?文獻(xiàn)標(biāo)識(shí)碼：A? ?文章編號(hào)：1674-2265（2023）05-0079-07

DOI：10.19647/j.cnki.37-1462/f.2023.05.011

一、引言

當(dāng)前全球仍然面臨諸多環(huán)境問題，其中氣候變暖與大氣污染兩大難題一直是各界關(guān)注的重點(diǎn)。減少碳排放以應(yīng)對(duì)氣候變化，從而促進(jìn)人類社會(huì)健康發(fā)展已成為全球共識(shí)，中國更是在應(yīng)對(duì)氣候變化行動(dòng)中展現(xiàn)出了大國擔(dān)當(dāng)，2020年9月我國明確提出2030年“碳達(dá)峰”與2060年“碳中和”目標(biāo)。近年來，空氣污染問題作為環(huán)境治理的重要部分，也不斷引起人們的重視。針對(duì)氣候變暖與大氣污染兩大難題，2021年10月27日亞洲清潔空氣中心發(fā)布的報(bào)告《大氣中國2021：中國大氣污染防治進(jìn)程》指出，促進(jìn)“藍(lán)天”與“雙碳”目標(biāo)的協(xié)同增效十分有必要。中國作為全球人口最多的國家，更多“藍(lán)天”意味著對(duì)公眾健康更多的保護(hù)。2022年10月16日，黨的二十大報(bào)告也再次強(qiáng)調(diào)，“深入推進(jìn)環(huán)境污染防治。堅(jiān)持精準(zhǔn)治污、科學(xué)治污、依法治污，持續(xù)深入打好藍(lán)天、碧水、凈土保衛(wèi)戰(zhàn)”。

環(huán)境因素與資本市場之間的關(guān)系一直是金融研究領(lǐng)域探討的熱門話題。近年來，部分國內(nèi)外學(xué)者開始研究空氣污染對(duì)資本市場的影響，并試圖厘清其傳導(dǎo)機(jī)制，但現(xiàn)有研究仍存在以下不足。首先，大多研究僅從投資者情緒這一傳導(dǎo)路徑進(jìn)行分析（金雪軍等，2013；吳慧慧和遲駿，2022）[1，2]，分析過于單一，而空氣污染對(duì)資本市場的影響還可能通過投資者關(guān)注渠道來實(shí)現(xiàn)。隨著空氣污染越來越嚴(yán)重，投資者的注意力會(huì)集中到空氣污染嚴(yán)重事件上，由投資者有限關(guān)注理論可知，此時(shí)投資者對(duì)股票的關(guān)注會(huì)減少，那么投資者的這種關(guān)注的變化可能也會(huì)引起股票市場的變化。其次，學(xué)者們大多通過使用交易所附近的空氣污染數(shù)據(jù)來研究其對(duì)股票收益率的影響，但Lepori（2016）[3]發(fā)現(xiàn)，僅在交易大廳進(jìn)行交易時(shí)這種效應(yīng)才存在。但目前我國使用較廣的是電子交易，該技術(shù)使訂單不局限于交易所附近，而是來自全國各地的投資者，因此，研究空氣污染與股票收益率的關(guān)系時(shí)需要根據(jù)公司所在地或投資者所在地來具體分析。根據(jù)本地偏好理論，投資者由于受其有限的注意力及信息不對(duì)稱等因素影響，往往會(huì)更多地配置自己熟悉的資產(chǎn)，即投資者更偏好于配置本地股票，因此，投資者的投資決策等行為往往更容易受到當(dāng)?shù)匦畔⒌挠绊?。董大勇和肖作平?011）[4]對(duì)投資者本地偏好現(xiàn)象進(jìn)行了研究，發(fā)現(xiàn)比起外省的股票，投資者更喜歡買賣本省的股票，且上市公司的業(yè)務(wù)本地化水平越高，則其被本省網(wǎng)民討論的頻率也越高，說明Ａ股市場個(gè)人投資者過度關(guān)注本地公司，因此，本文按照本地偏好的邏輯將各公司投資者的地理分布假定為公司注冊(cè)地。最后，大多學(xué)者采用多元線性回歸模型及固定效應(yīng)模型等傳統(tǒng)計(jì)量方法研究空氣污染對(duì)股價(jià)的影響（鄧曉和張晗，2019；陳康等，2018；胡秋靈和郭帥，2020）[5-7]。但是這些傳統(tǒng)計(jì)量模型都需要對(duì)模型有清晰的設(shè)定，若模型設(shè)定存在偏誤，則可能會(huì)使其估計(jì)結(jié)果出現(xiàn)不一致問題。而以算法為基礎(chǔ)的機(jī)器學(xué)習(xí)模型則可以較大程度上解決因模型設(shè)定偏誤而帶來的估計(jì)結(jié)果不準(zhǔn)確問題，有助于確定因果效應(yīng)并提高結(jié)論的可信度，但目前國內(nèi)使用機(jī)器學(xué)習(xí)算法來進(jìn)行因果識(shí)別的研究屈指可數(shù)（劉生龍等，2021）[8]，將其應(yīng)用到空氣污染嚴(yán)重對(duì)股票市場影響上的研究則更為稀少。

有鑒于此，本文基于本地偏好理論，以 A 股市場上市公司為研究對(duì)象，采用2014年1月1日—2022年6月30日我國31個(gè)?。ㄗ灾螀^(qū)、直轄市，以下簡稱省份）每日空氣質(zhì)量數(shù)據(jù)及與之匹配的上市公司股票數(shù)據(jù)，使用機(jī)器學(xué)習(xí)中的因果森林模型進(jìn)行空氣污染嚴(yán)重影響股票收益率的因果識(shí)別研究，并使用傳統(tǒng)計(jì)量模型進(jìn)行穩(wěn)健性檢驗(yàn)，以期獲得更可靠的因果推斷結(jié)果。在此基礎(chǔ)上，基于行業(yè)角度分析空氣污染嚴(yán)重對(duì)股票市場影響的異質(zhì)性，從投資者關(guān)注渠道分析空氣污染嚴(yán)重對(duì)股票收益率的影響機(jī)制。本文的貢獻(xiàn)主要表現(xiàn)在：第一，在傳統(tǒng)計(jì)量模型的基礎(chǔ)上，使用機(jī)器學(xué)習(xí)算法進(jìn)行因果識(shí)別研究，為機(jī)器學(xué)習(xí)模型在因果識(shí)別領(lǐng)域的可行性提供了一個(gè)有力的支撐證據(jù)，更好地對(duì)因果推斷相關(guān)研究進(jìn)行補(bǔ)充擴(kuò)展；第二，使用因果識(shí)別方法驗(yàn)證了空氣污染嚴(yán)重確實(shí)會(huì)對(duì)股票市場產(chǎn)生負(fù)面影響，且該影響存在顯著的行業(yè)異質(zhì)性，有利于促進(jìn)企業(yè)主動(dòng)進(jìn)行綠色創(chuàng)新改革，推進(jìn)社會(huì)可持續(xù)發(fā)展；第三，從投資者關(guān)注渠道來分析空氣污染嚴(yán)重對(duì)股票收益率的影響機(jī)制，有助于厘清空氣污染嚴(yán)重與股票市場之間的內(nèi)在關(guān)系和相互影響，為未來相關(guān)研究提供理論依據(jù)與思考方向。

二、文獻(xiàn)回顧與理論假設(shè)

（一）空氣污染嚴(yán)重對(duì)股票收益率的影響

現(xiàn)有研究發(fā)現(xiàn)，空氣污染嚴(yán)重對(duì)股票收益率存在一定的影響。Levy和Yagil（2011）[9]利用美國空氣質(zhì)量數(shù)據(jù)進(jìn)行實(shí)證研究，發(fā)現(xiàn)空氣污染程度的增大會(huì)使美國股票收益率顯著下降。而Li和Peng （2016）[10]則使用其他地區(qū)的數(shù)據(jù)進(jìn)行該研究，發(fā)現(xiàn)這種關(guān)系仍然存在。在此基礎(chǔ)上，學(xué)者們使用不同的模型對(duì)兩者的關(guān)系進(jìn)行進(jìn)一步的實(shí)證檢驗(yàn)，均得出空氣污染嚴(yán)重會(huì)對(duì)股票收益率產(chǎn)生顯著影響的結(jié)論（鄧曉和張晗，2019；李賓等，2021）[5，11]。

此外，有研究表明，高污染行業(yè)的股票投資收益率更容易受到空氣污染嚴(yán)重的影響，與空氣質(zhì)量指數(shù)呈顯著的負(fù)相關(guān)關(guān)系（胡秋靈和郭帥，2020）[7]。不同行業(yè)受到空氣污染影響的敏感性不同，具體表現(xiàn)為空氣污染嚴(yán)重對(duì)不同行業(yè)的股票收益率產(chǎn)生異質(zhì)性影響，如王宇哲和趙靜（2018）[12]通過實(shí)證研究發(fā)現(xiàn)，相比于煤炭、鋼鐵等高污染行業(yè)，公眾對(duì)霧霾的關(guān)注度將會(huì)給環(huán)境治理行業(yè)帶來更高的股票收益。

因此，本文提出以下假設(shè)：

假說1：空氣污染嚴(yán)重對(duì)股票收益率存在負(fù)向影響。

假說2：空氣污染嚴(yán)重會(huì)對(duì)不同行業(yè)的股票收益率產(chǎn)生不同程度的影響。

（二）空氣污染嚴(yán)重對(duì)股票收益率的影響機(jī)制

空氣污染嚴(yán)重會(huì)通過影響投資者關(guān)注進(jìn)而對(duì)股票收益率產(chǎn)生影響。Colicino等（2014）[13]指出當(dāng)空氣處于嚴(yán)重污染時(shí)，人們會(huì)表現(xiàn)出消極的心理反應(yīng)以及不良的生理反應(yīng)，進(jìn)而降低人體在信息處理以及認(rèn)知方面的能力。同時(shí)，由于投資者的關(guān)注度是有限的，根據(jù)注意力認(rèn)知資源理論，個(gè)體對(duì)某一事物的關(guān)注以減少對(duì)其他事物的關(guān)注為代價(jià)。當(dāng)投資者暴露在會(huì)使健康人群普遍出現(xiàn)癥狀的嚴(yán)重空氣污染情況下時(shí)，投資者更多地關(guān)注空氣污染事件上，從而降低對(duì)股票的關(guān)注度，其對(duì)股票相關(guān)有效信息的捕捉受到影響，進(jìn)而對(duì)股票市場交易產(chǎn)生影響（張宗新和王海亮，2013）[14]。Zeidner和Schechter（1988）[15]也提出，人們對(duì)空氣污染嚴(yán)重性的關(guān)注度提高，會(huì)帶來人們投資決策的改變，影響投資行為。張誼浩等（2017）[16]基于滬深300指數(shù)數(shù)據(jù)，采用多元線性回歸模型等多種方法進(jìn)行實(shí)證研究，發(fā)現(xiàn)空氣污染關(guān)注度對(duì)股票市場存在顯著影響，且該影響具有滯后性。

基于以上推論，本文提出以下假設(shè)：

假說3：空氣污染嚴(yán)重會(huì)通過影響投資者關(guān)注進(jìn)而影響股票收益率。

三、實(shí)證策略及數(shù)據(jù)

（一）實(shí)證策略

隨機(jī)森林模型是一種以決策樹模型為基礎(chǔ)的機(jī)器學(xué)習(xí)模型，可以將其簡單理解為以隨機(jī)的方式建立一個(gè)森林，森林由許多決策樹組成且每一棵決策樹之間不存在關(guān)聯(lián)，隨機(jī)森林模型的最終輸出結(jié)果為所有決策樹結(jié)果的均值。其中，決策樹模型采用的原則為最小均方誤差，即對(duì)于任意劃分特征[j]，對(duì)應(yīng)的任意劃分點(diǎn)s兩邊劃分成的數(shù)據(jù)集[D1]和[D2]，使[D1]和[D2]各自集合的均方誤差最小。式（1）為組成隨機(jī)森林的決策樹的表達(dá)式：

[minj，sminYD1Σ?i∈D1j，sYi-YD12+minYD2Σ?i∈D2j，sYi-YD22]（1）

多個(gè)上述的決策樹組成一個(gè)“森林”，即為隨機(jī)森林模型。由于其上述特性，傳統(tǒng)隨機(jī)森林模型具有較好的預(yù)測性能，但在因果識(shí)別領(lǐng)域卻表現(xiàn)較差，最主要的一個(gè)原因?yàn)橐蚬R(shí)別所需要的平均處理效應(yīng)并不能直接在數(shù)據(jù)中表現(xiàn)出來，需要經(jīng)過模型計(jì)算才能獲得，即平均處理效應(yīng)[τx=E[Y1-Y0|Xi=x]]。因此，Athey等（2019）[17]提出了可用于因果識(shí)別的因果森林模型，即廣義隨機(jī)森林模型，該模型在隨機(jī)森林模型的基礎(chǔ)上進(jìn)行了一定的拓展和延伸，在訓(xùn)練樣本時(shí)，先利用一定的方法計(jì)算出每個(gè)個(gè)體的條件平均處理效應(yīng)，隨后再利用傳統(tǒng)隨機(jī)森林模型進(jìn)行回歸，最終獲得總體的條件平均處理效應(yīng)。式（2）為Athey和Wager（2019）[18]利用廣義隨機(jī)森林模型方法獲得的平均處理效應(yīng)的估計(jì)結(jié)果：

[τx=1ni=1nαi（x）（Yi-m-iXi）（Wi-e-iXi）1ni=1nαi（x）（Wi-e-iXi）2]? （2）

其中，[eXi]表示傾向得分，表示在協(xié)變量[Xi]給定的情況下個(gè)體[i]接受處理的概率，[mXi]表示在協(xié)變量[Xi]給定的情況下[Yi]的預(yù)測值，[αi（x）]為適應(yīng)性核函數(shù)。為了避免隨著因果樹生長越來越“茂盛”時(shí)出現(xiàn)“過擬合”現(xiàn)象，本文參照Athey和Imbens（2016）[19]使用的“誠實(shí)估計(jì)”方法進(jìn)行模型估計(jì)。在構(gòu)建廣義隨機(jī)森林模型時(shí)，先構(gòu)造兩個(gè)獨(dú)立的隨機(jī)森林模型分別對(duì)[mXi]和[eXi]進(jìn)行估計(jì)，隨后利用這兩個(gè)隨機(jī)森林進(jìn)行預(yù)測，并基于該預(yù)測結(jié)果用式（2）生成一個(gè)因果森林，即可獲得所需的平均處理效應(yīng)的估計(jì)值。

（二）數(shù)據(jù)及描述性統(tǒng)計(jì)

1. 樣本選擇。本文選擇的樣本包括天氣網(wǎng)（http：//www.tianqihoubao.com）公布的我國31個(gè)省會(huì)城市空氣質(zhì)量指數(shù)（AQI）日度數(shù)據(jù)和同花順數(shù)據(jù)庫提供的A股上市公司的股票日度數(shù)據(jù)。樣本區(qū)間為2014年1月1日—2022年6月30日，選取該樣本區(qū)間主要有兩方面的原因：一方面，在2014年之前我國使用的空氣質(zhì)量檢測指標(biāo)為空氣污染指數(shù)（API），該指數(shù)的主要污染源中沒有PM2.5，而從2014年開始公布并使用的空氣質(zhì)量指數(shù)（AQI）則涵蓋了PM2.5數(shù)據(jù)，使研究結(jié)果更加準(zhǔn)確；另一方面，從2013年底開始百度搜索指數(shù)關(guān)于“空氣質(zhì)量”詞條的搜索量才顯著增多，說明人們對(duì)空氣質(zhì)量的關(guān)注是從2013年底開始普遍增加的。

本文以上市公司注冊(cè)地所在省份作為基礎(chǔ)單位構(gòu)建省級(jí)股票指標(biāo)，采用等權(quán)重方式將各省份股票池內(nèi)每日所有個(gè)股日收益率、總股本等數(shù)據(jù)加權(quán)平均得到省份股票日收益率、省份總股本等數(shù)據(jù)，即將微觀上市公司數(shù)據(jù)按照其所在省份整合為了省級(jí)股票指標(biāo)數(shù)據(jù)。此外，由于股票指標(biāo)數(shù)據(jù)僅限交易日，雖然省級(jí)股票指標(biāo)數(shù)據(jù)與省級(jí)空氣質(zhì)量數(shù)據(jù)的起止時(shí)間相同，但樣本容量卻不相同，因此，需要選擇公共樣本時(shí)間作為研究區(qū)間，本文使用python軟件中的merge函數(shù)按各省份省級(jí)股票指標(biāo)數(shù)據(jù)的日期與其對(duì)應(yīng)省份空氣質(zhì)量數(shù)據(jù)的日期進(jìn)行交集合并，最終得到31個(gè)省份2014年1月1日—2022年6月30日的省級(jí)日度數(shù)據(jù)，共62717個(gè)觀測樣本。

2. 變量及描述性統(tǒng)計(jì)。本文選取股票收益率作為被解釋變量。股票收益率是指投資者投資于股票所獲得的收益總額與原始投資額的比率，采用對(duì)數(shù)收益率的形式。為構(gòu)建分省份股票收益率數(shù)據(jù)，按等權(quán)重將各省份股票池內(nèi)股票每日收益率加權(quán)平均得到其股票組合的每日收益率，稱之為省份收益率。

本文的核心解釋變量為空氣污染嚴(yán)重（treatment）?？諝赓|(zhì)量指數(shù)（AQI）數(shù)值越大，該地區(qū)空氣污染越嚴(yán)重。根據(jù)其數(shù)值范圍大致可分為6個(gè)級(jí)別：0～50 為優(yōu)；51～100為良；101～150為輕度污染；151～200為中度污染；201～300為重度污染；>300為嚴(yán)重污染。我國原環(huán)境保護(hù)部發(fā)布的《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）》指出，當(dāng)AQI指數(shù)大于200時(shí)，健康人群會(huì)普遍出現(xiàn)癥狀，因此，本文定義空氣質(zhì)量指數(shù)大于200時(shí)為出現(xiàn)空氣污染嚴(yán)重事件，將AQI指數(shù)大于200的樣本標(biāo)識(shí)為處理組，treatment取值為1，反之標(biāo)識(shí)為控制組，treatment取值為0。從表1的描述性統(tǒng)計(jì)中可以發(fā)現(xiàn)，處理組樣本占全部樣本的2.6%，說明我國目前的空氣質(zhì)量較為良好，使健康人群普遍出現(xiàn)癥狀的空氣污染嚴(yán)重天數(shù)較少。其中，處理組的平均收益率要顯著低于控制組，可初步判斷空氣污染越嚴(yán)重時(shí)，股票收益率越低，兩者之間存在著負(fù)相關(guān)關(guān)系。

此外，根據(jù)已有研究（鄧曉和張晗，2019；陳康等，2018）[5，6]，選取的控制變量包括上市公司總股本、市盈率、市凈率、市銷率、市現(xiàn)率及股息率。為獲得省級(jí)層面數(shù)據(jù)，控制變量的處理與被解釋變量的處理方法相同，均采用等權(quán)重方式獲得省級(jí)股票指標(biāo)數(shù)據(jù)。為避免極端值的影響，在1%和99%的水平上進(jìn)行了縮尾處理，此外，出于量綱和變量經(jīng)濟(jì)含義的考慮，對(duì)省份總股本指標(biāo)進(jìn)行取對(duì)數(shù)處理。表1中的各指標(biāo)分組t檢驗(yàn)顯示，在各控制變量的處理組和控制組的均值上均出現(xiàn)顯著差異，說明后續(xù)研究需要控制樣本的選擇性偏誤，否則模型的估計(jì)結(jié)果可能會(huì)存在偏誤。

四、實(shí)證分析

（一） 基于因果森林模型的估計(jì)結(jié)果

以算法為基礎(chǔ)的機(jī)器學(xué)習(xí)模型可以較大程度上解決因模型設(shè)定偏誤而帶來的估計(jì)結(jié)果不準(zhǔn)確問題，且因果森林模型還可以較好地解決個(gè)體選擇性偏差問題所帶來的估計(jì)偏誤，有助于確定因果效應(yīng)并提高結(jié)論的可信度。因此，本文采用機(jī)器學(xué)習(xí)算法中的因果森林模型進(jìn)行實(shí)證研究。因果森林中決策樹的數(shù)量對(duì)其性能影響至關(guān)重要（劉敏等，2015）[20]，表2為因果森林在不同數(shù)量的決策樹下的估計(jì)結(jié)果。

從表2中第（1）—（4）列可以看出，隨著基決策樹數(shù)量的增加，空氣污染嚴(yán)重對(duì)股票收益率的平均處理效應(yīng)均在-0.1%左右，而且其標(biāo)準(zhǔn)差均在0.000468左右，變動(dòng)較小，說明本文使用的基決策樹的數(shù)量已經(jīng)達(dá)到準(zhǔn)確度要求。此外，與本文選取的總樣本的平均日收益率0.0268%相比，空氣污染嚴(yán)重對(duì)股票收益率達(dá)到了約4倍的影響力。綜合來說，該實(shí)證結(jié)果表明嚴(yán)重的空氣污染會(huì)降低股票收益率，即驗(yàn)證了假說1。

（二）穩(wěn)健性檢驗(yàn)

1. 更改估計(jì)方法。本文將機(jī)器學(xué)習(xí)模型應(yīng)用到因果識(shí)別領(lǐng)域，該做法目前在國內(nèi)沒有被研究者廣泛接受和使用，且傳統(tǒng)因果識(shí)別方法已經(jīng)發(fā)展出較為成熟的范式，因此，為檢驗(yàn)結(jié)論的可靠性，本文利用傳統(tǒng)線性回歸模型進(jìn)行檢驗(yàn)，包括普通最小二乘法（OLS）和固定效應(yīng)模型（FE）。與普通最小二乘法相比，固定效應(yīng)模型能夠控制不可觀測的個(gè)體特征，能在一定程度上解決因遺漏變量而產(chǎn)生的模型內(nèi)生性問題，具有較好的準(zhǔn)確性。本文使用的固定效應(yīng)模型設(shè)定如下：

[Yi，t=β0+β1treatmenti，t+γXi，t+δi+εi，t]? （3）

其中[Yi，t]表示個(gè)體[i]在時(shí)間[t]的股票收益率，[treatmenti，t]表示個(gè)體[i]在[t]時(shí)期是否處于AQI指數(shù)大于200的嚴(yán)重空氣污染狀態(tài)，其系數(shù)[β1]反映了空氣污染嚴(yán)重對(duì)股票收益率的影響。[Xi，t]代表了個(gè)體的特征，包括上市公司總股本、市盈率、市凈率、市銷率、市現(xiàn)率及股息率。[δi]表示個(gè)體固定效應(yīng)，[εi，t]表示隨機(jī)擾動(dòng)項(xiàng)。

從表3中第（1）列和第（2）列可以看出，兩種模型估計(jì)結(jié)果都顯示空氣污染嚴(yán)重會(huì)對(duì)股票收益率產(chǎn)生顯著的負(fù)面影響。但從上文分析可知，該模型還可能存在個(gè)體選擇性偏差問題所帶來的估計(jì)偏誤，因此，本文進(jìn)一步使用傾向得分匹配方法與固定效應(yīng)模型相結(jié)合的方式（PSM+FE）來進(jìn)行因果識(shí)別，即先采用傾向得分匹配方法將無法匹配的樣本刪除，再進(jìn)行固定效應(yīng)模型估計(jì)，從而縮小兩組間的不平衡程度。該方法的估計(jì)結(jié)果如表3中的第（3）列所示，可以看出在控制了個(gè)體選擇性偏差問題后，空氣污染嚴(yán)重對(duì)股票收益率仍存在顯著負(fù)面影響，說明本文使用因果森林模型獲得的結(jié)論較為可靠。

2. 替換空氣污染嚴(yán)重代理變量。已有研究中部分學(xué)者還選取PM2.5濃度值作為空氣污染嚴(yán)重的代理變量（王俊松，2022）[21]，與AQI指數(shù)相比，PM2.5可以更直觀地表現(xiàn)出空氣污染程度及其對(duì)人體健康的影響。因此，本文使用PM2.5濃度值代替AQI指數(shù)作為空氣污染嚴(yán)重的代理變量，進(jìn)行穩(wěn)健性檢驗(yàn)。參考李賓等（2021）[11]的研究，將PM2.5濃度值大于該地PM2.5濃度均值的樣本標(biāo)識(shí)為處理組，否則標(biāo)識(shí)為控制組。從表4的第（1）列可以看出，該估計(jì)結(jié)果與原模型估計(jì)結(jié)果基本一致，說明本文的研究結(jié)論具有穩(wěn)健性。

3. 控制宏觀經(jīng)濟(jì)影響。股票收益率不僅會(huì)受到微觀層面因素的影響，還會(huì)受到宏觀經(jīng)濟(jì)因素的影響。因此，本文參考劉利等（2021）[22]的研究，對(duì)以下宏觀經(jīng)濟(jì)因素進(jìn)行控制，包括人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)化程度以及城鎮(zhèn)人口比重等。估計(jì)結(jié)果見表4中的第（2）列，該結(jié)果表明在控制了宏觀經(jīng)濟(jì)因素后，空氣污染嚴(yán)重對(duì)股票收益率仍然存在顯著的負(fù)面影響，與原結(jié)論保持一致。

4. 剔除特定樣本?？紤]到股票交易所所在地的上市公司數(shù)量較多，且其經(jīng)濟(jì)發(fā)展較好，受到的關(guān)注更多，本文參考陳康等（2018）[6]的做法，將北京、上海以及廣東省的樣本剔除，進(jìn)行穩(wěn)健性檢驗(yàn)。從表4中的第（3）列可知，該估計(jì)結(jié)果與之前的結(jié)果基本相符，說明本文得到的結(jié)論穩(wěn)健。

（三）異質(zhì)性分析

前文實(shí)證分析表明空氣污染嚴(yán)重對(duì)我國股票市場存在顯著負(fù)向影響，為更進(jìn)一步探究空氣污染嚴(yán)重對(duì)不同行業(yè)的影響是否存在顯著異質(zhì)性，本文結(jié)合最新的證監(jiān)會(huì)行業(yè)分類的一級(jí)分類別，剔除行業(yè)內(nèi)上市公司總數(shù)目少于31家的行業(yè)（包括居民服務(wù)、修理和其他服務(wù)業(yè)，教育行業(yè)，衛(wèi)生和社會(huì)工作行業(yè)，住宿和餐飲業(yè)，綜合行業(yè)）后，使用因果森林方法進(jìn)行分樣本估計(jì)，最終得到14組分樣本的估計(jì)結(jié)果（見表5）。

表5中的估計(jì)結(jié)果顯示，空氣污染嚴(yán)重對(duì)租賃和商務(wù)服務(wù)業(yè)、農(nóng)林牧漁業(yè)、批發(fā)和零售業(yè)、制造業(yè)以及電力熱力燃?xì)饧八a(chǎn)和供應(yīng)業(yè)的股票收益率影響較為顯著，且均為負(fù)向影響。其中，空氣污染嚴(yán)重對(duì)于租賃和商務(wù)服務(wù)業(yè)的影響最大，會(huì)使該行業(yè)的平均股票收益率下降約0.3244%，與本文選取的總樣本的平均日收益率0.0268%相比，空氣污染嚴(yán)重時(shí)租賃和商務(wù)服務(wù)業(yè)達(dá)到了約12倍的影響力。對(duì)于其他幾個(gè)存在顯著影響的行業(yè)，空氣污染嚴(yán)重對(duì)其也達(dá)到了約4～7倍的影響力。由此可見，嚴(yán)重的空氣污染對(duì)各行業(yè)的影響力度都較大，需要引起各行業(yè)的重視。綜合來看，空氣污染嚴(yán)重對(duì)不同行業(yè)的股票收益率存在著不同程度的影響，即驗(yàn)證了假說2。

（四）機(jī)制分析

以上實(shí)證研究證實(shí)了空氣污染嚴(yán)重對(duì)我國股票市場的負(fù)面影響，且空氣污染嚴(yán)重對(duì)不同行業(yè)的股票收益率的影響程度不同。基于因果森林模型的估計(jì)結(jié)果表明，嚴(yán)重的空氣污染會(huì)使股票收益率降低約0.1%。那么，空氣污染嚴(yán)重是通過什么樣的機(jī)制來降低股票收益率呢？本文從投資者關(guān)注度方面進(jìn)行討論，由于投資者的關(guān)注度是有限的，當(dāng)投資者暴露在會(huì)使健康人群普遍出現(xiàn)癥狀的嚴(yán)重空氣污染情況下時(shí)，投資者更多地關(guān)注空氣污染嚴(yán)重情況，從而降低對(duì)股票的關(guān)注度，其對(duì)股票相關(guān)有效信息的捕捉受到影響，進(jìn)而對(duì)股票市場交易產(chǎn)生影響（張宗新等，2013）[14]?；谝陨戏治龊蛿?shù)據(jù)可得性，本文選取以“空氣質(zhì)量”為詞條的百度指數(shù)作為投資者關(guān)注度的代理變量，采用31個(gè)省份的百度指數(shù)數(shù)據(jù)，以驗(yàn)證空氣污染嚴(yán)重對(duì)股票市場產(chǎn)生負(fù)面影響的主要途徑。表6中的Panel A 檢驗(yàn)了投資者關(guān)注對(duì)股票收益率的影響，結(jié)果發(fā)現(xiàn)在加入了控制變量、個(gè)體固定效應(yīng)的情況下，投資者對(duì)空氣質(zhì)量關(guān)注的增加會(huì)使股票收益率下降，說明本文提出的這個(gè)機(jī)制變量可以對(duì)股票收益率產(chǎn)生顯著影響。在表6的Panel B中，本文進(jìn)一步檢驗(yàn)了空氣污染嚴(yán)重對(duì)投資者關(guān)注的影響，以探究空氣污染嚴(yán)重抑制股票收益率的途徑。實(shí)證結(jié)果顯示，嚴(yán)重的空氣污染會(huì)使人們對(duì)空氣質(zhì)量的關(guān)注增加。綜合來看，該實(shí)證結(jié)果驗(yàn)證了假說3，即當(dāng)投資者面對(duì)較為嚴(yán)重的空氣污染時(shí)，會(huì)增加其對(duì)空氣質(zhì)量的關(guān)注，從而使得股票收益率下降。

五、結(jié)論與展望

本文基于2014年1月1日—2022年6月30日中國31個(gè)省份面板數(shù)據(jù)，結(jié)合傳統(tǒng)計(jì)量方法與機(jī)器學(xué)習(xí)方法，實(shí)證檢驗(yàn)了空氣污染嚴(yán)重對(duì)股票收益率的影響。研究發(fā)現(xiàn)，空氣污染嚴(yán)重對(duì)股票收益率存在顯著的負(fù)向作用，相對(duì)于空氣質(zhì)量較好的時(shí)候，空氣污染嚴(yán)重時(shí)，股票收益率會(huì)下降約0.1%。異質(zhì)性研究表明，空氣污染嚴(yán)重對(duì)不同行業(yè)的股票收益率存在著不同程度的影響，其中對(duì)于租賃和商務(wù)服務(wù)業(yè)的影響最大，其次為農(nóng)林牧漁業(yè)、批發(fā)和零售業(yè)、制造業(yè)以及電力熱力燃?xì)饧八a(chǎn)和供應(yīng)業(yè)，其對(duì)租賃和商務(wù)服務(wù)業(yè)達(dá)到了約12倍的影響力，對(duì)于其他幾個(gè)存在顯著影響的行業(yè)也達(dá)到了約4～7倍的影響力。機(jī)制分析表明，空氣污染嚴(yán)重會(huì)顯著增加投資者對(duì)空氣污染的關(guān)注度，減少對(duì)股票的關(guān)注，進(jìn)而降低股票收益率。

本文的研究結(jié)論對(duì)促進(jìn)我國資本市場的發(fā)展具有重要的指導(dǎo)意義。一方面，投資者需要理性地對(duì)待空氣污染嚴(yán)重引發(fā)的社會(huì)熱點(diǎn)問題，從而避免因羊群行為而引起股票市場短期異常波動(dòng)等現(xiàn)象的發(fā)生；另一方面，在我國目前股票市場信息不對(duì)稱的條件下，應(yīng)推動(dòng)約束市場參與者經(jīng)濟(jì)行為規(guī)則的制定，促進(jìn)我國資本市場資源的最優(yōu)配置及效率最大化。此外，行業(yè)異質(zhì)性分析表明，嚴(yán)重的空氣污染對(duì)租賃和商務(wù)服務(wù)業(yè)、農(nóng)林牧漁業(yè)等行業(yè)的影響較大，因此，積極推進(jìn)這些行業(yè)的綠色創(chuàng)新改革十分必要，這不僅是響應(yīng)國家發(fā)展綠色經(jīng)濟(jì)的號(hào)召，更是會(huì)使該行業(yè)獲得更高收益的必要選擇。

參考文獻(xiàn)：

[1]金雪軍，祝宇，楊曉蘭. 網(wǎng)絡(luò)媒體對(duì)股票市場的影響——以東方財(cái)富網(wǎng)股吧為例的實(shí)證研究 [J].新聞與傳播研究，2013，20（12）.

[2]吳慧慧，遲駿.投資者情緒、風(fēng)險(xiǎn)承擔(dān)與股票收益 [J].金融發(fā)展研究，2022，（01）.

[3]Lepori G M. 2016. Air Pollution and Stock Returns： Evidence from a Natural Experiment [J].Journal of Empirical Finance，35.

[4]董大勇，肖作平.證券信息交流家鄉(xiāng)偏誤及其對(duì)股票價(jià)格的影響：來自股票論壇的證據(jù) [J].管理世界，2011，（01）.

[5]鄧曉，張晗.空氣質(zhì)量對(duì)股票市場影響的實(shí)證分析 [J]. 統(tǒng)計(jì)與決策，2019，35（01）.

[6]陳康，江嘉駿，劉琦，李欣.空氣質(zhì)量、投資者情緒與股票收益率 [J].管理科學(xué)，2018，31（06）.

[7]胡秋靈，郭帥.有限關(guān)注下空氣質(zhì)量對(duì)股票投資收益率的影響——來自污染度和地理區(qū)位的差異化驗(yàn)證[J].陜西師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2020，49（04）.

[8]劉生龍，張曉明，楊竺松. 互聯(lián)網(wǎng)使用對(duì)農(nóng)村居民收入的影響 [J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，38（04）.

[9]Levy T，Yagil J. 2011. Air Pollution and Stock Returns in the US [J].Journal of Economic Psychology，32（3）.

[10]Li Q，Peng C H. 2016. The Stock Market Effect of Air Pollution：Evidence from China [J].Applied Economics，48（36）.

[11]李賓，彭牧澤，楊濟(jì)華，曾雅婷. 霧霾降低了企業(yè)投資者信心嗎——基于Ohlson模型的檢驗(yàn) [J].會(huì)計(jì)研究，2021，（10）.

[12]王宇哲，趙靜. “用錢投票”：公眾環(huán)境關(guān)注度對(duì)不同產(chǎn)業(yè)資產(chǎn)價(jià)格的影響 [J].管理世界，2018，34（09）.

[13]Colicino E，Power M C，Cox D G. 2014. Mitochondrial Haplogroups Modify the Effect of Black Carbon on Age-Related Cognitive Impairment [J].Environmental Health，13（1）.

[14]張宗新，王海亮. 投資者情緒、主觀信念調(diào)整與市場波動(dòng) [J]. 金融研究，2013，（04）.

[15]Zeidner M，Shechter M. 1988. Psychological Responses to Air Pollution：Some Personality and Demographic Correlates[J].Journal of Environmental Psychology，8（3）.

[16]張誼浩，任清蓮，汪曉樵. 空氣污染、空氣污染關(guān)注與股票市場 [J].中國經(jīng)濟(jì)問題，2017，（05）.

[17]Athey S，Tibshirani J，Wager S. 2019. Generalized random Forests [J].The Annals of Statistics，47（2）.

[18]Athey S，Wager S. 2019. Estimating Treatment Effects with Causal Forests：An Application [J].Observational Studies，5（2）.

[19]Athey S，Imbens G. 2016. Recursive Partitioning for Heterogeneous Causal Effects [J].Proceedings of the National Academy of Sciences of the United States of America，113（27）.

[20]劉敏，郎榮玲，曹永斌. 隨機(jī)森林中樹的數(shù)量 [J]. 計(jì)算機(jī)工程與應(yīng)用，2015，51（05）.

[21]王俊松. 社交媒體的環(huán)境關(guān)注能改善空氣質(zhì)量嗎？[J].中國環(huán)境管理，2022，14（02）.

[22]劉利，鄧宇宸，吳丹，張偉男，郝千婷，朱琦. 廣東省城市環(huán)境空氣質(zhì)量時(shí)空特征及經(jīng)濟(jì)影響因素分析 [J]. 中國環(huán)境監(jiān)測，2021，37（03）.