政策不確定性的市場(chǎng)效應(yīng):基于錯(cuò)誤定價(jià)視角

摘要：中國經(jīng)濟(jì)轉(zhuǎn)型過程中，政府通過制定和實(shí)施經(jīng)濟(jì)政策對(duì)經(jīng)濟(jì)發(fā)展發(fā)揮積極推動(dòng)作用，但政策調(diào)整潛在的不確定性可能對(duì)資產(chǎn)價(jià)格產(chǎn)生影響。采用2003—2020年滬深A(yù)股上市公司季度數(shù)據(jù)實(shí)證研究政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響及其作用機(jī)制。結(jié)果表明，政策不確定性上升總體上傾向于修正股票錯(cuò)誤定價(jià)，且高估樣本和低估樣本呈現(xiàn)明顯的非對(duì)稱性：政策不確定性上升將修正高估股票的錯(cuò)誤定價(jià)，而加劇低估股票的錯(cuò)誤定價(jià)。投資者情緒和市值管理是主要作用機(jī)制，且投資者情緒機(jī)制占主導(dǎo)作用。進(jìn)一步考察異質(zhì)性的結(jié)果表明，政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響主要表現(xiàn)在2007年之后、民營企業(yè)和規(guī)模較小的企業(yè);貨幣和財(cái)政兩類內(nèi)部政策不確定性均會(huì)增大高估股票的錯(cuò)誤定價(jià)程度，減小低估股票的錯(cuò)誤定價(jià)程度，而貿(mào)易和匯率與資本項(xiàng)目兩類外部政策不確定性的影響則相反。因此，需要充分認(rèn)識(shí)預(yù)期管理在金融市場(chǎng)監(jiān)管中的重要性，關(guān)注政策不確定性對(duì)資產(chǎn)錯(cuò)誤定價(jià)的影響;科學(xué)制定經(jīng)濟(jì)政策調(diào)整的時(shí)間窗口，降低政策變動(dòng)潛在的不確定性，緩解其對(duì)資產(chǎn)價(jià)格的影響。

關(guān)鍵詞：政策不確定性;股票錯(cuò)誤定價(jià);投資者情緒;市值管理

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1002-2848-2024（04）-0055-18

一、問題提出

理清政府與市場(chǎng)之間關(guān)系是現(xiàn)代經(jīng)濟(jì)社會(huì)發(fā)展中最基本且極其重要的話題，細(xì)致考察兩者之間關(guān)系亦是經(jīng)濟(jì)學(xué)界關(guān)注的核心問題。在中國經(jīng)濟(jì)轉(zhuǎn)型過程中，市場(chǎng)越發(fā)在資源配置中起到?jīng)Q定性作用，政府通過制定和實(shí)施經(jīng)濟(jì)政策發(fā)揮積極作用，經(jīng)濟(jì)政策與市場(chǎng)主體之間發(fā)生頻繁的互動(dòng)。特別是在經(jīng)濟(jì)面臨下滑風(fēng)險(xiǎn)的時(shí)候，政府更傾向于通過出臺(tái)政策以保障經(jīng)濟(jì)平穩(wěn)運(yùn)行，例如，2009年中國為應(yīng)對(duì)國際金融危機(jī)推出“四萬億元”刺激計(jì)劃，2014年以來為應(yīng)對(duì)經(jīng)濟(jì)進(jìn)入“新常態(tài)”增速放緩開啟供給側(cè)結(jié)構(gòu)性改革，以及2020年以來為應(yīng)對(duì)新冠病毒感染疫情沖擊的防控和復(fù)工政策等。值得關(guān)注的是，受到自身特征和外部環(huán)境的影響，經(jīng)濟(jì)政策往往會(huì)不斷調(diào)整。政策變動(dòng)一方面為未來經(jīng)濟(jì)發(fā)展注入動(dòng)力，另一方面則可能引發(fā)經(jīng)濟(jì)個(gè)體對(duì)未來政策變化無法預(yù)知的不確定性，包括政策變化的可能性、頻率、內(nèi)容以及執(zhí)行方式等。這些政策與經(jīng)濟(jì)行為主體之間的互動(dòng)為考察政府與市場(chǎng)之間關(guān)系提供了可能的場(chǎng)景。

基于股票市場(chǎng)的運(yùn)行特點(diǎn)，經(jīng)濟(jì)政策變動(dòng)通常被視為影響股票價(jià)格走勢(shì)的決定性力量，其會(huì)通過影響企業(yè)管理層和市場(chǎng)投資者預(yù)期以及相應(yīng)決策行為引發(fā)資產(chǎn)價(jià)格變動(dòng)[1]。具體而言，股票價(jià)格變動(dòng)一方面受到政策頒布自身的影響，另一方面受到政策變動(dòng)潛在不確定性的影響。政策不確定性使得投資者無法事前對(duì)政策內(nèi)容及效果形成準(zhǔn)確的預(yù)期，進(jìn)而影響市場(chǎng)走勢(shì)。根據(jù)有效市場(chǎng)假說理論，股票價(jià)格總是能夠充分反映股票的內(nèi)在價(jià)值，而在現(xiàn)實(shí)市場(chǎng)上，股票價(jià)格往往對(duì)其內(nèi)在價(jià)值出現(xiàn)偏離，借鑒現(xiàn)有的研究思路[2-3]，本文將這一偏離部分定義為錯(cuò)誤定價(jià)①。當(dāng)股票價(jià)格高于內(nèi)在價(jià)值時(shí)，錯(cuò)誤定價(jià)表現(xiàn)為股價(jià)高估;當(dāng)股票價(jià)格低于內(nèi)在價(jià)值時(shí)，錯(cuò)誤定價(jià)表現(xiàn)為股價(jià)低估?；诖?，錯(cuò)誤定價(jià)是股票市場(chǎng)價(jià)格重要的組成部分，那么，政策不確定性對(duì)股票價(jià)格的影響主要體現(xiàn)在兩個(gè)方面：一是通過影響企業(yè)經(jīng)營活動(dòng)以及未來現(xiàn)金流影響股票的內(nèi)在價(jià)值，二是通過影響投資者情緒以及企業(yè)管理者對(duì)市場(chǎng)的反應(yīng)等非經(jīng)營因素影響錯(cuò)誤定價(jià)。需要說明的是，錯(cuò)誤定價(jià)會(huì)對(duì)股票市場(chǎng)運(yùn)行產(chǎn)生諸多負(fù)面影響，其會(huì)降低股票市場(chǎng)的資源配置效率，導(dǎo)致企業(yè)和市場(chǎng)投資者遭受損失，甚至?xí)?duì)金融體系穩(wěn)定性以及整個(gè)經(jīng)濟(jì)運(yùn)行產(chǎn)生嚴(yán)重沖擊。既有文獻(xiàn)大多關(guān)注政策不確定性對(duì)股價(jià)波動(dòng)的影響[1]，以及對(duì)企業(yè)投資[4]、融資[5]和現(xiàn)金持有[6]等經(jīng)營行為的影響，而鮮有學(xué)者關(guān)注政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響。這便派生出一系列值得思考的問題：政策不確定性是否會(huì)影響股票錯(cuò)誤定價(jià)？ 主要的作用機(jī)制是什么？ 對(duì)不同類型企業(yè)的影響是否存在差異？ 探討這些問題對(duì)全面和深入分析政策不確定性對(duì)資產(chǎn)價(jià)格的影響以及科學(xué)制定金融市場(chǎng)監(jiān)管政策具有重要的理論價(jià)值和現(xiàn)實(shí)意義。

中國的股票市場(chǎng)往往被視為“政策市”，受政策變動(dòng)的影響尤為明顯，為探究政府與市場(chǎng)之間關(guān)系提供了理想的實(shí)驗(yàn)環(huán)境。本文采用2003—2020年滬深A(yù)股上市公司季度數(shù)據(jù)實(shí)證研究政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響及其作用機(jī)制。與現(xiàn)有研究相比，本文的貢獻(xiàn)主要體現(xiàn)在三個(gè)方面。首先，拓展了經(jīng)濟(jì)政策不確定性的市場(chǎng)效應(yīng)研究文獻(xiàn)。一方面，現(xiàn)有文獻(xiàn)考察了政策變化對(duì)股價(jià)波動(dòng)的影響[1，4，7]，發(fā)現(xiàn)經(jīng)濟(jì)政策變化會(huì)加劇股市波動(dòng)，提高股票風(fēng)險(xiǎn)溢價(jià)。另一方面，現(xiàn)有文獻(xiàn)關(guān)注政策不確定性對(duì)金融市場(chǎng)風(fēng)險(xiǎn)的影響[8-10]，發(fā)現(xiàn)政策不確定性上升會(huì)加劇債券市場(chǎng)風(fēng)險(xiǎn)傳染、股票市場(chǎng)風(fēng)險(xiǎn)溢出和股票市場(chǎng)對(duì)外匯市場(chǎng)風(fēng)險(xiǎn)溢出。此外，現(xiàn)有文獻(xiàn)研究發(fā)現(xiàn)政策不確定上升會(huì)提高股價(jià)同步性，降低股票市場(chǎng)定價(jià)效率以及減小首次公開發(fā)行（IPO）首日的收益率[11-12]。在上述文獻(xiàn)基礎(chǔ)上，本文從股票錯(cuò)誤定價(jià)視角考察政策不確定性對(duì)資產(chǎn)價(jià)格的影響，拓展了政策不確定性與資產(chǎn)價(jià)格之間關(guān)系的研究。其次，豐富了股票錯(cuò)誤定價(jià)影響因素的研究文獻(xiàn)。既有文獻(xiàn)側(cè)重于從噪聲交易、投資者情緒、機(jī)構(gòu)投資者持股等市場(chǎng)投資者行為視角考察股票錯(cuò)誤定價(jià)的形成機(jī)制[13-15]，發(fā)現(xiàn)信息不對(duì)稱導(dǎo)致市場(chǎng)中出現(xiàn)大量噪聲交易，形成持續(xù)疊加的非理性情緒，引發(fā)股票價(jià)格“超漲超跌”，造成股票錯(cuò)誤定價(jià)。此外，已有文獻(xiàn)從退市制度、信息披露、賣空限制、IPO管制和金融科技等金融制度和監(jiān)管視角探討導(dǎo)致股票錯(cuò)誤定價(jià)問題的根源[16-18]，但尚未涉及政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響。最后，揭示了政策不確定性影響股票錯(cuò)誤定價(jià)的內(nèi)在機(jī)制，為探討政府與市場(chǎng)之間關(guān)系提供了新的微觀視角。在現(xiàn)有研究的基礎(chǔ)上，本文基于市場(chǎng)投資者情緒的被動(dòng)影響和企業(yè)市值管理的主動(dòng)調(diào)整兩個(gè)視角探討政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響機(jī)制，并區(qū)分高估樣本和低估樣本識(shí)別政策不確定性對(duì)股票錯(cuò)誤定價(jià)影響的主導(dǎo)機(jī)制，增進(jìn)了政策不確定性對(duì)資產(chǎn)價(jià)格影響的理解，同時(shí)深化了宏觀經(jīng)濟(jì)政策與微觀企業(yè)行為領(lǐng)域的研究。

二、經(jīng)驗(yàn)事實(shí)與理論分析

（一）經(jīng)驗(yàn)事實(shí)

1.股票錯(cuò)誤定價(jià)的變動(dòng)趨勢(shì)

事實(shí)1：股票市場(chǎng)普遍存在錯(cuò)誤定價(jià)，且股票錯(cuò)誤定價(jià)呈現(xiàn)一定的波動(dòng)性。

事實(shí)1是根據(jù)2003—2020年上市公司股票錯(cuò)誤定價(jià)的測(cè)算結(jié)果整理得到的。如圖1所示，在樣本期間，股票錯(cuò)誤定價(jià)（絕對(duì)值）的季度均值和中位數(shù)均明顯大于0.10，說明上市公司的股票價(jià)格與內(nèi)在價(jià)值之間長期存在偏離，并出現(xiàn)一定的波動(dòng)，特別是在2015年出現(xiàn)異常波動(dòng)。

事實(shí)2：分樣本來看，高估股票的平均錯(cuò)誤定價(jià)幅度大于低估股票。

事實(shí)2是根據(jù)股票錯(cuò)誤定價(jià)方向?qū)θ珮颖具M(jìn)行分組統(tǒng)計(jì)得到的。股票高估定價(jià)的變化情況如圖2（a）所示，股票出現(xiàn)較大幅度的高估定價(jià)，并出現(xiàn)較大的波動(dòng)，特別在2015年出現(xiàn)了異常波動(dòng)。股票低估定價(jià)的變化情況如圖2（b）所示，股票低估定價(jià)的幅度和波動(dòng)性均較小。比較圖2（a）和圖2（b）可知，股票高估定價(jià)與低估定價(jià)存在明顯差異，前者的幅度和波動(dòng)性均大于后者。

2.政策不確定性與股票錯(cuò)誤定價(jià)之間的關(guān)系

事實(shí)3：政策不確定性指數(shù)與股票錯(cuò)誤定價(jià)之間總體上呈現(xiàn)負(fù)相關(guān)關(guān)系。

事實(shí)3是將政策不確定性指數(shù)與全樣本股票錯(cuò)誤（a）股票高估錯(cuò)誤定價(jià)定價(jià)合并統(tǒng)計(jì)得到的。如圖3所示，政策不確定性與股票錯(cuò)誤定價(jià)之間總體上呈現(xiàn)反向變動(dòng)趨勢(shì)，且具有明顯的時(shí)變特征：2003—2006年，政策不確定性指數(shù)出現(xiàn)下降，而股票錯(cuò)誤定價(jià)幅度上升;2007—2012年，受到國際金融危機(jī)的影響，政策不確定性指數(shù)明顯上升，后可能隨著“四萬億元”投資計(jì)劃出臺(tái)而下降，而股票錯(cuò)誤定價(jià)則出現(xiàn)先下降后上升的變化態(tài)勢(shì);2013—2020年，隨著經(jīng)濟(jì)進(jìn)入增速放緩的“新常態(tài)”階段，政策不確定性在下降之后快速上升，而股票錯(cuò)誤定價(jià)則出現(xiàn)上升之后快速下降的大幅波動(dòng)。

事實(shí)4：分樣本來看，政策不確定性指數(shù)與股票高估錯(cuò)誤定價(jià)之間呈現(xiàn)反向變化關(guān)系，而與股票低估錯(cuò)誤定價(jià)之間呈現(xiàn)同向變化關(guān)系。

事實(shí)4是將政策不確定性指數(shù)分別與高估和低估兩個(gè)子樣本股票錯(cuò)誤定價(jià)合并統(tǒng)計(jì)得到的。政策不確定性指數(shù)與股票高估錯(cuò)誤定價(jià)之間的關(guān)系如圖4（a）所示，除了在2003—2005年出現(xiàn)同步下降外，兩者在其他大多年份均呈現(xiàn)此消彼長的反向變化趨勢(shì)。而在低估股票樣本下則相反，如圖4（b）所示，兩者在2003—2005年出現(xiàn)反向變化，而在其他大多年份均出現(xiàn)明顯的同向變動(dòng)趨勢(shì)。

（二）理論分析

1.基于投資者情緒的被動(dòng)影響

現(xiàn)有研究認(rèn)為，投資者情緒是影響股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)因子之一，投資者情緒變化會(huì)直接影響到投資者行為決策，進(jìn)而導(dǎo)致股市波動(dòng)[7，10]?，F(xiàn)實(shí)股票市場(chǎng)上時(shí)刻充斥著濃厚的樂觀和悲觀兩種投資者情緒，兩種情緒均會(huì)對(duì)股票價(jià)格波動(dòng)產(chǎn)生影響。在樂觀市場(chǎng)情緒下，潛在的投資者會(huì)選擇進(jìn)入市場(chǎng)和買入更多股票，推動(dòng)股票價(jià)格持續(xù)上漲，很可能導(dǎo)致股票價(jià)格對(duì)其內(nèi)在價(jià)值向上偏離，出現(xiàn)股價(jià)高估;而在悲觀市場(chǎng)情緒下，投資者會(huì)選擇紛紛拋售股票，甚至退出市場(chǎng)，造成股票價(jià)格持續(xù)下降和面臨崩盤風(fēng)險(xiǎn)，很可能導(dǎo)致股票價(jià)格對(duì)其內(nèi)在價(jià)值向下偏離，出現(xiàn)股價(jià)低估。市場(chǎng)投資者具有不確定性厭惡，當(dāng)面臨經(jīng)濟(jì)政策不確定性上升時(shí)，無論在樂觀還是悲觀的市場(chǎng)情緒下，投資者都會(huì)選擇更為謹(jǐn)慎的投資決策，勢(shì)必會(huì)引發(fā)股票錯(cuò)誤定價(jià)出現(xiàn)變化。具體而言，隨著經(jīng)濟(jì)政策不確定性上升，謹(jǐn)慎的投資決策將抑制市場(chǎng)投資者情緒，促使樂觀情緒降溫，悲觀情緒進(jìn)一步蔓延。樂觀情緒下降將減小由其引致的股價(jià)高估水平，使得高估股價(jià)向內(nèi)在價(jià)值回復(fù);悲觀情緒持續(xù)蔓延將提高由其導(dǎo)致的股價(jià)低估水平，使得股價(jià)出現(xiàn)更大幅度的向下偏離。換言之，政策不確定性上升將通過抑制投資者情緒，修正高估股價(jià)的錯(cuò)誤定價(jià)，加劇低估股價(jià)的錯(cuò)誤定價(jià)，對(duì)總體股票錯(cuò)誤定價(jià)的影響則不明確，具體取決于兩者的綜合?；诖?，本文提出如下研究假說：

H1：隨著政策不確定性上升，市場(chǎng)總體投資者情緒下降，進(jìn)而修正高估股價(jià)企業(yè)的錯(cuò)誤定價(jià)，加劇低估股價(jià)企業(yè)的錯(cuò)誤定價(jià)。

2.基于企業(yè)市值管理的主動(dòng)調(diào)整

經(jīng)濟(jì)政策不確定性會(huì)影響企業(yè)管理層對(duì)市場(chǎng)投資者行為的預(yù)期，從而調(diào)整自身的決策行為?，F(xiàn)有研究表明，政策不確定性會(huì)加劇股市波動(dòng)[1，7]，勢(shì)必會(huì)影響股票價(jià)格偏離其內(nèi)在價(jià)值的錯(cuò)誤定價(jià)。股票錯(cuò)誤定價(jià)可能給企業(yè)經(jīng)營帶來諸多不良影響：當(dāng)股價(jià)出現(xiàn)持續(xù)低估時(shí)，企業(yè)將面臨較高的再融資成本以及被惡意收購的潛在風(fēng)險(xiǎn);當(dāng)股價(jià)出現(xiàn)高估時(shí)，企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)將增大。此時(shí)，面對(duì)政策不確定性上升對(duì)股票市場(chǎng)的沖擊，企業(yè)管理層傾向于啟動(dòng)市值管理來保障企業(yè)的市場(chǎng)價(jià)值不會(huì)嚴(yán)重偏離其內(nèi)在價(jià)值[19]。

市值管理實(shí)質(zhì)上是企業(yè)管理層采取一系列措施主動(dòng)參與資本市場(chǎng)互動(dòng)進(jìn)而提升企業(yè)價(jià)值的過程。針對(duì)市場(chǎng)價(jià)值與內(nèi)在價(jià)值之間的差異，企業(yè)管理層會(huì)選擇相機(jī)而動(dòng)的市值管理措施。一般來說，股價(jià)高估促使企業(yè)的再融資成本降低和抵御其他企業(yè)的惡性收購，往往有利于企業(yè)實(shí)現(xiàn)企業(yè)市場(chǎng)價(jià)值提升，企業(yè)管理層對(duì)股價(jià)高估具有較高的容忍度;而股價(jià)低估則不利于企業(yè)價(jià)值的實(shí)現(xiàn)，企業(yè)管理層傾向于采取措施來修正股價(jià)低估水平。因此，企業(yè)管理層將嚴(yán)格限制股價(jià)出現(xiàn)低估，而在一定程度上有動(dòng)機(jī)維持股價(jià)高估，即市值管理具體體現(xiàn)為“維持高估、修正低估”。當(dāng)股價(jià)出現(xiàn)高估時(shí)，企業(yè)管理層可以利用企業(yè)的估值優(yōu)勢(shì)，相機(jī)選擇實(shí)施再融資、并購等措施，降低融資成本，實(shí)現(xiàn)市場(chǎng)價(jià)值和內(nèi)在價(jià)值的同步提升，進(jìn)而傾向維持股價(jià)適度水平的高估;當(dāng)股價(jià)出現(xiàn)低估時(shí)，企業(yè)管理層將采取諸如增加內(nèi)部人持股、股票回購和投資者關(guān)系管理等措施向市場(chǎng)傳遞積極信息，限制股價(jià)繼續(xù)下跌，進(jìn)而修正股價(jià)低估錯(cuò)誤定價(jià)。政策不確定性上升可能通過促發(fā)企業(yè)管理層實(shí)施市值管理修正低估錯(cuò)誤定價(jià)，而維持高估錯(cuò)誤定價(jià)?；谝陨戏治?，本文提出如下研究假說：

H2：隨著政策不確定性上升，企業(yè)管理層將更有動(dòng)機(jī)采取市值管理措施，具體表現(xiàn)為，股價(jià)低估時(shí)修正錯(cuò)誤定價(jià)，股價(jià)高估時(shí)維持錯(cuò)誤定價(jià)。

3.政策不確定性對(duì)股票錯(cuò)誤定價(jià)的綜合影響

根據(jù)以上分析可知，在投資者情緒和市值管理兩個(gè)作用機(jī)制下，政策不確定性對(duì)高估和低估股票錯(cuò)誤定價(jià)的影響方向恰好相反，凈效應(yīng)取決于兩者的綜合。比如，在股價(jià)高估情形下，若投資者情緒機(jī)制相對(duì)于市值管理機(jī)制占主導(dǎo)，則政策不確定性上升將會(huì)減小高估股票錯(cuò)誤定價(jià)，反之則相反。而在股價(jià)低估情形下，若投資者情緒機(jī)制占主導(dǎo)，則政策不確定性上升將加劇低估股票錯(cuò)誤定價(jià)，反之亦然。政策不確定性對(duì)股票錯(cuò)誤定價(jià)的總體影響則取決于高估和低估兩種情形凈效應(yīng)的綜合。政策不確定性對(duì)股票錯(cuò)誤定價(jià)影響機(jī)理如圖5所示。

綜上可知，政策不確定性對(duì)高估和低估股票錯(cuò)誤定價(jià)的影響均不確定，進(jìn)而對(duì)總體股票錯(cuò)誤定價(jià)的影響也不確定。基于此，本文提出兩個(gè)競爭性研究假說：

H3a：隨著政策不確定性上升，股票總體錯(cuò)誤定價(jià)水平將縮小。

H3b：隨著政策不確定性上升，股票總體錯(cuò)誤定價(jià)水平將擴(kuò)大。

三、數(shù)據(jù)與變量

（一）數(shù)據(jù)來源

本文選取2003—2020年中國滬深A(yù)股上市公司季度數(shù)據(jù)作為研究樣本，數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫。按照如下原則對(duì)初始樣本做出篩選：剔除金融類行業(yè)公司;剔除 ST 或*ST公司;剔除觀測(cè)數(shù)據(jù)小于連續(xù)兩年的公司;剔除同時(shí)發(fā)行A股、B股、H 股及其他外資股的公司;剔除主要變量缺失和出現(xiàn)異常的公司。此外，為了避免異常值對(duì)研究結(jié)論的影響，將所有變量進(jìn)行1%和99%的縮尾（Winsorize）處理，得到3 736家上市公司的131 911個(gè)“企業(yè)—季度”樣本觀測(cè)值。

（二）變量選擇

1.股票錯(cuò)誤定價(jià)

股票錯(cuò)誤定價(jià)（mp）是本文關(guān)注的關(guān)鍵變量，現(xiàn)有文獻(xiàn)主要采用三種方式度量。一是相對(duì)估值法[20]。將市值賬面比和Tobin’s Q作為代理變量來衡量股票錯(cuò)誤定價(jià)，這些變量除包含股票錯(cuò)誤定價(jià)外，還會(huì)反映企業(yè)投資機(jī)會(huì)和債務(wù)懸置等，用于度量股票錯(cuò)誤定價(jià)可能不精確。二是剩余收益模型估值法[21]。利用時(shí)間序列回歸方法估計(jì)收益方程組，采用得到的擬合值表示內(nèi)在價(jià)值，然后將股票價(jià)格與內(nèi)在價(jià)值之差定義為錯(cuò)誤定價(jià)?？紤]到潛在通貨膨脹的影響以及分析師預(yù)測(cè)精度問題，這一度量方式可能存在一定的偏差。三是市值賬面比分解和回歸估值法[2-3]。首先對(duì)企業(yè)市值賬面比進(jìn)行分解，回歸估計(jì)得到的擬合值作為內(nèi)在價(jià)值，采用股票價(jià)格與內(nèi)在價(jià)值之差衡量錯(cuò)誤定價(jià)。該方法選取了較為全面的潛在影響變量來估算股票內(nèi)在價(jià)值，具有一定的合理性，但考慮到股票內(nèi)在價(jià)值受到企業(yè)內(nèi)部及外部復(fù)雜因素的影響，這一度量方法仍存在改進(jìn)空間。

本文借鑒Rhodes-Kropf等[2-3]的測(cè)算思路，將市值賬面比分解成表示股票未來成長機(jī)會(huì)的真實(shí)價(jià)值和錯(cuò)誤定價(jià)兩個(gè)部分。采用M 、B 和V 分別表示股票的市場(chǎng)價(jià)值、賬面價(jià)值和內(nèi)在價(jià)值，將市值賬面比（M/B）分解為：

M/B =M/V ×V/B （1）

其中，M/V 衡量股票錯(cuò)誤定價(jià)，V/B 表示企業(yè)未來的成長機(jī)會(huì)。對(duì)式（1）兩邊取對(duì)數(shù)，采用m、b 和v 分別表示lnM 、lnB 和lnV，得到：

m -b=（m -v）+ （v-b） （2）

在理想條件下，市場(chǎng)能夠完美地預(yù)測(cè)企業(yè)未來的成長機(jī)會(huì)、貼現(xiàn)率和現(xiàn)金流，企業(yè)的內(nèi)在價(jià)值能夠被完全測(cè)度，不會(huì)存在定價(jià)偏誤，m -b 總與v-b 相等，即m -v=0。而現(xiàn)實(shí)市場(chǎng)上存在諸多影響股票價(jià)格的因素，企業(yè)的內(nèi)在價(jià)值不能被完全精確地表現(xiàn)出來，導(dǎo)致股票價(jià)格與內(nèi)在價(jià)值出現(xiàn)偏離，即m -v 不等于0。因此，采用m -v 來衡量股票錯(cuò)誤定價(jià)。

首先，分季度分行業(yè)估計(jì)企業(yè)的內(nèi)在價(jià)值?？紤]到股票內(nèi)在價(jià)值會(huì)受到諸多因素的影響，構(gòu)建如下回歸模型：

mit =α0jt +α1jtbit +α2jtln（NI）+it +α3jtI（<0）ln（NI）+it +α4jtlevit +εit （3）

其中，i、j 和t 分別表示企業(yè)、行業(yè)和季度;mit 為市場(chǎng)價(jià)值，采用非流通股賬面價(jià)值與流通股市場(chǎng)價(jià)值之和來表示;bit 為企業(yè)賬面價(jià)值，采用企業(yè)總資產(chǎn)來表示;ln（NI）+it 表示凈利潤的絕對(duì)值（取對(duì)數(shù)）;I（<0）表示凈利潤為負(fù)時(shí)的指示函數(shù)（當(dāng)NI≥0時(shí)，I=0，反之則I=1）;levit 表示杠桿率，由總負(fù)債除以總資產(chǎn)計(jì)算得到。

其次，估算企業(yè)的內(nèi)在價(jià)值。一是通過估計(jì)式（3）得到行業(yè)回歸系數(shù)α^jt ，將各企業(yè)所在行業(yè)每期的回歸系數(shù)進(jìn)行平均，得到回歸系數(shù)平均值α-j ，α-j =Σtα^jt/Tj 。二是將平均回歸系數(shù)代入下式得到擬合值，即企業(yè)各期的內(nèi)在價(jià)值為：

v（θit;α-j）=α-0j +α-1jbit +α-2jln（NI）+it +α-3jI（<0）ln（NI）+it +α-4jlevit （4）

最后，計(jì)算得到股票錯(cuò)誤定價(jià)為：mpit =mit -v（θit;α-j） （5）

股票錯(cuò)誤定價(jià)可能的方向有兩個(gè)：當(dāng)股價(jià)大于內(nèi)在價(jià)值，即m-v>0時(shí)，股票價(jià)格出現(xiàn)高估（mpo）;反之，股票價(jià)格出現(xiàn)低估（mpu）。為了便于表述，將估算結(jié)果取絕對(duì)值來度量股票錯(cuò)誤定價(jià)（mp）。mp越大，表示股票價(jià)格偏離內(nèi)在價(jià)值的幅度越大。

2.經(jīng)濟(jì)政策不確定性

現(xiàn)有文獻(xiàn)對(duì)經(jīng)濟(jì)政策不確定性的度量主要采用兩種方法。一是利用政治選舉或官員變更等特定政治事件作為政策不確定性的代理變量[4，22]，但這一度量方式存在時(shí)間不連續(xù)的問題，可能導(dǎo)致研究結(jié)果存在偏差。二是通過文本數(shù)據(jù)構(gòu)建經(jīng)濟(jì)政策不確定性指數(shù)。Baker等[23]利用文本挖掘技術(shù)對(duì)中國香港發(fā)行的《南華早報(bào)》（South China Morning Post）上與政策不確定性相關(guān)的關(guān)鍵詞進(jìn)行搜索和提取，以1995年1月為基期進(jìn)行指數(shù)化構(gòu)建中國經(jīng)濟(jì)政策不確定性月度指數(shù)（下稱BBD-EPU指數(shù)）。該指數(shù)相對(duì)成熟，得到了廣泛的認(rèn)可和應(yīng)用[5，7，24]。此外，Huang等[25]參考Baker等[23]的思路，利用在中國發(fā)行的10種報(bào)紙構(gòu)建經(jīng)濟(jì)政策不確定性指數(shù)（下稱HL-EPU指數(shù)），該指數(shù)使用了各地區(qū)的報(bào)紙文本數(shù)據(jù)，能夠較為準(zhǔn)確地體現(xiàn)中國經(jīng)濟(jì)政策變動(dòng)的現(xiàn)實(shí)情況。

本文采取季度數(shù)據(jù)進(jìn)行實(shí)證分析，參考Gulen等[24]的處理方法，使用每個(gè)季度最后一個(gè)月的政策不確定指數(shù)（PUL）作為當(dāng)季政策不確定性的衡量指標(biāo)。同時(shí)，采用月度政策不確定性指數(shù)的簡單算數(shù)平均得到的季度政策不確定性指數(shù)（PUS）和月份加權(quán)平均得到的季度政策不確定性指數(shù)（PUW ）進(jìn)行穩(wěn)健性檢驗(yàn)。兩者的具體測(cè)算公式如下：

PUS =（EPUm +EPUm-1+EPUm-2）/3 （6）

PUW =（3×EPUm +2×EPUm-1+EPUm-2）/6 （7）

其中，EPUm 表示月份m 的政策不確定性指數(shù)。在下文的實(shí)證過程中，首先采用BBD-EPU三類指數(shù)（BUL、BUS 和BUW）進(jìn)行估計(jì)，然后基于HL-EPU三類指數(shù)（HUL、HUS 和HUW ）進(jìn)行穩(wěn)健性檢驗(yàn)。

3.其他變量

參考現(xiàn)有文獻(xiàn)[5，18-19]選擇如下控制變量：企業(yè)規(guī)模（siz），用企業(yè)總資產(chǎn)對(duì)數(shù)值表示;總資產(chǎn)負(fù)債率（lev），用總負(fù)債/總資產(chǎn)計(jì)算得到;上市時(shí)間（age），用當(dāng)期季度-上市季度+1計(jì)算得到;資產(chǎn)收益率（ROA），由利潤/總資產(chǎn)計(jì)算得到;成長性（gth），采用營業(yè)收入的增長率表示;經(jīng)營活動(dòng)現(xiàn)金流（cah），由經(jīng)營活動(dòng)現(xiàn)金流量凈額除以總資產(chǎn)計(jì)算得到;股權(quán)集中度（con），用前十大股東持股比例占總股本的比重表示;企業(yè)所有制類型，具體包括國有及國有控股（sta）、民營（pri）和外資及其他（oth）三種類型。在下文的機(jī)制檢驗(yàn)中，選擇投資者情緒（STM ）和市值管理（MVM ）作為中介變量。其中，投資者情緒采用易志高等[26]和趙汝為等[27]分別構(gòu)建的投資者情緒指數(shù)ICS 和ISI 來表示;參考李旎等[19]的研究，市值管理由經(jīng)市場(chǎng)調(diào)整的季度回報(bào)率（MVR）以及季度標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化的季度回報(bào)率（MVS）表示。

主要變量的描述性統(tǒng)計(jì)結(jié)果如表1所示。在樣本期間，剔除時(shí)間趨勢(shì)的股票錯(cuò)誤定價(jià)的均值為0.305，在“企業(yè)—季度”層面上存在較大差異，最小值為0.001，最大值為3.262。基于三種方法構(gòu)建的BBD-EPU指數(shù)和HL-EPU指數(shù)構(gòu)建的季度政策不確定性指數(shù)（取對(duì)數(shù)）的均數(shù)和中位數(shù)均較為一致，相應(yīng)的均值分別約為5.46和4.85，且在季度層面上的標(biāo)準(zhǔn)差分別約為0.85和0.23。樣本中有41.8%為國有及國有控股企業(yè)，50.5%為民營企業(yè)。

四、政策不確定性與股票錯(cuò)誤定價(jià)：經(jīng)驗(yàn)證據(jù)

（一）計(jì)量模型

為考察經(jīng)濟(jì)政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響，參考Gulen等[24]的研究思路，構(gòu)建如下計(jì)量模型：

mpi，j，t =α+βEPUt +Xi，j，tγ'+ηi +ηj +ηj ×ηt +εi，j，t （8）

其中，下標(biāo)i、j 和t 分別表示企業(yè)、行業(yè)和季度;mpi，j，t 表示股票錯(cuò)誤定價(jià);EPUt 表示經(jīng)濟(jì)政策不確定性，是本文關(guān)注的核心解釋變量?？紤]到缺失重要變量會(huì)帶來估計(jì)偏誤，控制企業(yè)層面的變量Xi，j，t;ηi 表示企業(yè)固定效應(yīng)，用于控制不隨時(shí)間變化的企業(yè)特征的潛在影響;ηj 表示行業(yè)固定效應(yīng)，用于控制不隨時(shí)間變化的行業(yè)特征的影響;ηj ×ηt 用于控制隨時(shí)間變化的行業(yè)因素的影響;εi，j，t 為隨機(jī)擾動(dòng)項(xiàng)。

（二）實(shí)證結(jié)果與分析

1.基準(zhǔn)回歸結(jié)果

采用面板數(shù)據(jù)固定效應(yīng)估計(jì)模型的回歸結(jié)果見表2。首先，考察采用BBD-EPU指數(shù)的估計(jì)結(jié)果，如第（1）～（3）列所示。第（1）列的結(jié)果表明，在控制了企業(yè)特征變量，企業(yè)、行業(yè)以及行業(yè)與季度交叉固定效應(yīng)后，lnBUL 系數(shù)為負(fù)，且通過了1%水平的顯著性檢驗(yàn)，初步表明政策不確定性與股票錯(cuò)誤定價(jià)之間存在著顯著的負(fù)相關(guān)關(guān)系。進(jìn)一步考察lnBUS 和lnBUW 的估計(jì)結(jié)果，分別見第（2）（3）列。lnBUS 和lnBUW 的系數(shù)在1%的水平上顯著為負(fù)，這表明政策不確定性對(duì)股票錯(cuò)誤定價(jià)具有顯著的負(fù)向影響，進(jìn)而為研究假說H3a提供了證據(jù)支持。控制變量的系數(shù)大多符合預(yù)期，企業(yè)規(guī)模、股權(quán)集中度和企業(yè)成長性的系數(shù)均為負(fù)，且通過了1%水平的顯著性檢驗(yàn);資產(chǎn)收益率的系數(shù)為正，且在5%水平上顯著;上市年限、杠桿率和經(jīng)營活動(dòng)現(xiàn)金的系數(shù)大多不顯著。

為了驗(yàn)證上述結(jié)果的穩(wěn)健性，進(jìn)一步采取HL-EPU指數(shù)對(duì)式（8）進(jìn)行重新回歸，估計(jì)結(jié)果見第（4）～（6）列。在控制了企業(yè)特征變量和企業(yè)、行業(yè)以及行業(yè)與季度交叉固定效應(yīng)后，lnHUL、lnHUS 和lnHUW的系數(shù)均在1%的水平上顯著為負(fù)，再次表明政策不確定性對(duì)股票錯(cuò)誤定價(jià)總體上具有負(fù)向影響，即政策不確定性上升總體上會(huì)對(duì)股票錯(cuò)誤定價(jià)起到修正作用，為研究假說H3a提供了證據(jù)支持。綜上，經(jīng)濟(jì)政策不確定性總體上會(huì)對(duì)股票錯(cuò)誤定價(jià)有顯著的負(fù)向影響，并且實(shí)證結(jié)果具有較強(qiáng)的穩(wěn)健性。

2.區(qū)分錯(cuò)誤定價(jià)方向的回歸結(jié)果

結(jié)合經(jīng)驗(yàn)事實(shí)和理論分析，政策不確定性對(duì)高估和低估兩類股票錯(cuò)誤定價(jià)的影響存在差異。為了清楚地捕捉這些差異，以下將區(qū)分高估和低估兩種錯(cuò)誤定價(jià)類型進(jìn)一步探討政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響，回歸結(jié)果見表3。

基于BBD-EPU指數(shù)的估計(jì)結(jié)果見第（1）～（4）列。其中，第（1）（3）列報(bào)告了高估樣本的估計(jì)結(jié)果。結(jié)果顯示，在控制了企業(yè)特征變量以及企業(yè)、行業(yè)以及行業(yè)與季度交叉固定效應(yīng)后，lnBUL 和lnBUS 的系數(shù)均為負(fù)且通過了1%水平的顯著性檢驗(yàn)，初步表明政策不確定性上升會(huì)顯著減小高估股票的正向錯(cuò)誤定價(jià)。第（2）（4）列報(bào)告了低估樣本的估計(jì)結(jié)果，lnBUL 和lnBUS 的系數(shù)均為正，且在1%的水平上顯著。結(jié)果表明，政策不確定性上升會(huì)顯著增大低估股票的負(fù)向錯(cuò)誤定價(jià)。這說明政策不確定性對(duì)高估和低估兩類股票錯(cuò)誤定價(jià)的影響具有顯著的非對(duì)稱性：當(dāng)股價(jià)出現(xiàn)高估時(shí)，政策不確定性上升會(huì)減小正向股票錯(cuò)誤定價(jià)，促使股票價(jià)格趨于內(nèi)在價(jià)值的修正;當(dāng)股價(jià)出現(xiàn)低估時(shí)，政策不確定性上升則會(huì)增大股票的負(fù)向錯(cuò)誤定價(jià)，加劇股價(jià)低估幅度。從系數(shù)規(guī)模上看，政策不確定性對(duì)高估股票錯(cuò)誤定價(jià)的修正作用大于其對(duì)低估股票錯(cuò)誤定價(jià)的加劇作用，故總效應(yīng)體現(xiàn)為政策不確定與股票錯(cuò)誤定價(jià)之間呈現(xiàn)負(fù)相關(guān)關(guān)系，進(jìn)而通過區(qū)分樣本對(duì)以上全樣本基準(zhǔn)估計(jì)結(jié)果提供了解釋。

為了驗(yàn)證上述結(jié)果的穩(wěn)健性，進(jìn)一步采取HL-EPU指數(shù)進(jìn)行回歸，估計(jì)結(jié)果見第（5）～（8）列。在高估樣本下，估計(jì)結(jié)果見第（5）（7）列，lnHUL 和lnHUS 的系數(shù)均為負(fù)，且通過了1%水平的顯著性檢驗(yàn)，進(jìn)一步表明政策不確定性對(duì)高估股票錯(cuò)誤定價(jià)具有顯著的負(fù)向影響;在低估樣本下，第（6）（8）列的估計(jì)結(jié)果表明，lnHUL 和lnHUS 的系數(shù)均為正，且在1%的水平上顯著，進(jìn)一步表明政策不確定性對(duì)低估股票錯(cuò)誤定價(jià)具有顯著的正向影響。綜上，政策不確定性上升會(huì)修正高估股票錯(cuò)誤定價(jià)，而加劇低估股票錯(cuò)誤定價(jià)，且在系數(shù)規(guī)模上前者大于后者，即政策不確定性總體上會(huì)減小股票錯(cuò)誤定價(jià)，實(shí)證結(jié)果具有較強(qiáng)的穩(wěn)健性。

3.基于內(nèi)生性問題的再檢驗(yàn)

從邏輯關(guān)系上講，以上政策不確定性與股票錯(cuò)誤定價(jià)之間關(guān)系的估計(jì)結(jié)果可能存在內(nèi)生性問題。一是遺漏變量造成的估計(jì)偏誤。比如，地方政府出臺(tái)一系列經(jīng)濟(jì)發(fā)展政策等無法觀測(cè)的變量可能同時(shí)影響政策不確定性和股票錯(cuò)誤定價(jià)。盡管已經(jīng)在基準(zhǔn)回歸方程式（8）中控制了一系列潛在影響的企業(yè)特征變量和行業(yè)—季度固定效應(yīng)，在一定程度上控制了企業(yè)和行業(yè)方面的差異性特征，但是在理論上仍然可能存在無法加以有效控制的遺漏變量。二是反向因果問題，政策不確定性對(duì)于單個(gè)微觀企業(yè)而言可能是相對(duì)外生的，但由于政府部門頻繁出臺(tái)和變更經(jīng)濟(jì)政策依據(jù)的是微觀企業(yè)的整體表現(xiàn)，而A股上市公司樣本在一定程度上代表著企業(yè)的整體發(fā)展?fàn)顩r，因而仍可能存在反向因果問題。當(dāng)出現(xiàn)兩者之一情形時(shí)，以上估計(jì)結(jié)果將是不一致的。針對(duì)上述可能導(dǎo)致的內(nèi)生性問題，下面首先通過排除宏觀經(jīng)濟(jì)不確定性來克服遺漏變量帶來的估計(jì)偏誤，然后利用工具變量法緩解潛在的反向因果內(nèi)生性問題，同時(shí)也可以在一定程度上緩解遺漏變量問題。

第一，排除宏觀經(jīng)濟(jì)不確定性的影響。股票錯(cuò)誤定價(jià)可能是由于宏觀經(jīng)濟(jì)不確定性而非政策不確定性引起的，或者宏觀經(jīng)濟(jì)不確定性可能同時(shí)影響政策不確定性和股票錯(cuò)誤定價(jià)，因此，模型未控制宏觀經(jīng)濟(jì)不確定性可能會(huì)帶來遺漏變量的內(nèi)生性問題。為了緩解這種擔(dān)憂，本文在回歸方程中加入宏觀經(jīng)濟(jì)不確定性（MEU）。采用王霞等[28]基于實(shí)時(shí)碎尾數(shù)據(jù)構(gòu)造的宏觀經(jīng)濟(jì)不確定性指數(shù)（日數(shù)據(jù)），并運(yùn)用與政策不確定性指數(shù)相同的方法構(gòu)建季度宏觀經(jīng)濟(jì)不確定性，估計(jì)結(jié)果見表4。政策不確定性上升會(huì)修正高估股票的錯(cuò)誤定價(jià)，加劇低估股票的錯(cuò)誤定價(jià)，且在系數(shù)規(guī)模上前者大于后者，進(jìn)而表明以上實(shí)證結(jié)果具有較強(qiáng)的穩(wěn)健性。

第二，采用工具變量再檢驗(yàn)。按照構(gòu)建工具變量的邏輯，需要尋找到一個(gè)僅與中國經(jīng)濟(jì)政策不確定性相聯(lián)系，而又不會(huì)直接影響股票錯(cuò)誤定價(jià)的外生變量作為工具變量。為此，借鑒李力等[29]的做法，采用其他新興經(jīng)濟(jì)體（巴西、俄羅斯和印度）的經(jīng)濟(jì)政策不確定性作為一組工具變量（分別表示為BUB、BUR 和BUI）進(jìn)行兩階段最小二乘回歸分析①。在全球化背景下，這些新興經(jīng)濟(jì)體與中國處于相似的發(fā)展階段，具有一定的政策聯(lián)系，滿足相關(guān)性條件;同時(shí)，三個(gè)國家與中國在貿(mào)易和金融方面互動(dòng)較少，其政策不確定性不會(huì)直接對(duì)中國股票市場(chǎng)價(jià)格產(chǎn)生影響，滿足外生性條件。工具變量的估計(jì)結(jié)果②表明，政策不確定性上升會(huì)修正高估股票錯(cuò)誤定價(jià)，而加劇低估股票錯(cuò)誤定價(jià)，且在系數(shù)規(guī)模上前者大于后者，進(jìn)而表明上述實(shí)證結(jié)果具有較強(qiáng)的穩(wěn)健性。綜上而言，使用工具變量在一定程度上緩解了遺漏變量或反向因果關(guān)系等潛在內(nèi)生性問題，表明政策不確定性與股票錯(cuò)誤定價(jià)之間具有穩(wěn)健的負(fù)向關(guān)系，再一次為研究假說H3a提供了證據(jù)支持。

4.穩(wěn)健性檢驗(yàn)

第一，替換被解釋變量的度量方式。借鑒游家興等[21]的思路，通過估計(jì)剩余收益估值模型推算出企業(yè)內(nèi)在價(jià)值，將股票價(jià)格與內(nèi)在價(jià)值之差衡量錯(cuò)誤定價(jià)水平（mpr）。替換回歸方程式（8）中的mp，估計(jì)結(jié)果再次表明以上估計(jì)結(jié)果具有較強(qiáng)的穩(wěn)健性。

第二，變更樣本范圍。考慮到外部沖擊和股價(jià)異常波動(dòng)可能對(duì)估計(jì)結(jié)果產(chǎn)生重要影響，剔除異常年份樣本進(jìn)行穩(wěn)健性檢驗(yàn)：一是剔除國際金融危機(jī)沖擊較為嚴(yán)重的2007年和2008年樣本，二是剔除股票市場(chǎng)出現(xiàn)異常波動(dòng)的2015年樣本。估計(jì)結(jié)果表明以上結(jié)果具有較強(qiáng)的穩(wěn)健性。

第三，替換估計(jì)方法。考慮到股票錯(cuò)誤定價(jià)潛在的動(dòng)態(tài)變化特征，進(jìn)一步在式（8）中加入股票錯(cuò)誤定價(jià)的一期滯后項(xiàng)，得到如下動(dòng)態(tài)面板數(shù)據(jù)模型：

mpi，j，t =α+β-1mpi，j，t-1+β1EPUt +Xi，j，tγ'+ηi +ηj +ηj ×ηt +εi，j，t （9）

采用兩步法系統(tǒng)廣義矩方法（GMM）的估計(jì)結(jié)果顯示，在所有的方程中，股票錯(cuò)誤定價(jià)一期滯后項(xiàng)的系數(shù)均在1%的水平上顯著為正，表明股票錯(cuò)誤定價(jià)具有顯著的正向序列相關(guān)性。全樣本估計(jì)結(jié)果顯示，lnBUS 和lnHUS 的系數(shù)均在1%的水平上顯著為負(fù)，再次表明政策不確定性上升會(huì)顯著減小總體股票的錯(cuò)誤定價(jià)，再一次為研究假說H3a提供了證據(jù)支持。進(jìn)一步分析分樣本的估計(jì)結(jié)果，在高估樣本下，lnBUS 和lnHUS 的系數(shù)均為負(fù)，且通過了1%水平的顯著性檢驗(yàn);在低估樣本下，lnBUS 和lnHUS的系數(shù)均在1%的水平上顯著為正，再一次表明政策不確定性上升會(huì)修正高估股票的錯(cuò)誤定價(jià)，而加劇低估股票的錯(cuò)誤定價(jià)。在考慮股票錯(cuò)誤定價(jià)潛在的動(dòng)態(tài)變化特征情形下，以上估計(jì)結(jié)果仍具有較強(qiáng)的穩(wěn)健性，進(jìn)而佐證了研究假說H3a。

五、政策不確定性與股票錯(cuò)誤定價(jià)：機(jī)制檢驗(yàn)

（一）計(jì)量模型與變量

1.計(jì)量模型

參考Acemoglu等[30]的研究思路，采用依次檢驗(yàn)法進(jìn)行中介效應(yīng)檢驗(yàn)，分兩步進(jìn)行。

首先，考察政策不確定性對(duì)中介變量的影響，構(gòu)建如下計(jì)量模型：

medi，j，t =α+β1EPUt +Xi，j，tγ'+ηi +ηj +ηj ×ηt +εi，j，t （10）

其中，medi，j，t 為中介變量，具體包括投資者情緒（SMT）和市值管理（MVM ）。

然后，在基準(zhǔn)回歸方程式（8）的基礎(chǔ)上加入中介變量，得到如下計(jì)量模型：

mpi，j，t =α+β1EPUt +β2medi，j，t +Xi，j，tγ'+ηi +ηj +ηj ×ηt +εi，j，t （11）

下文將在式（10）（11）的基礎(chǔ)上進(jìn)行如下識(shí)別策略：若式（10）中的β1 和式（11）中的β2 均顯著，同時(shí)式（11）中的β1 不顯著，說明存在完全中介效應(yīng);若式（11）中的β1 仍顯著，但是在系數(shù)規(guī)模和顯著性上比式（8）估計(jì)系數(shù)出現(xiàn)下降，則存在不完全中介效應(yīng)。

2.中介變量

（1）市場(chǎng)投資者情緒（STM ），采用易志高等[26-27]構(gòu)建的投資者情緒指數(shù)。易志高等[26]選取封閉式基金折價(jià)、交易量、IPO數(shù)量及上市首日收益、消費(fèi)者信心指數(shù)、新增投資者開戶數(shù)以及宏觀經(jīng)濟(jì)變量，采用主成分分析法，構(gòu)建了中國股票市場(chǎng)投資者情緒綜合指數(shù)（ICS）。趙汝為等[27]在其基礎(chǔ)上進(jìn)一步完善，構(gòu)建了投資者情緒指數(shù)（ISI）。ICS 和ISI 均得到了認(rèn)可和應(yīng)用，從2003年開始以月度形式在CSMAR數(shù)據(jù)庫持續(xù)更新。為了與其他季度變量相匹配，通過簡單平均得到季度投資者情緒指數(shù)。

（2）市值管理（MVR），借鑒李旎等[19]的做法，采用經(jīng)市場(chǎng)調(diào)整的股票季度回報(bào)率衡量。企業(yè)越重視市值管理，股價(jià)越可能持續(xù)上漲①。考慮到有效的市值管理旨在促進(jìn)股價(jià)平穩(wěn)上漲，以下采用經(jīng)上一季度股票回報(bào)率的標(biāo)準(zhǔn)差進(jìn)行標(biāo)準(zhǔn)化的股票回報(bào)率（MVS）作為替代變量進(jìn)行穩(wěn)健性檢驗(yàn)。

（二）機(jī)制檢驗(yàn)

1.投資者情緒

（1）政策不確定性與投資者情緒。首先實(shí)證分析政策不確定性對(duì)投資者情緒的影響，估計(jì)結(jié)果見表5②。第（1）～（3）列報(bào)告了ICS 度量投資者情緒的估計(jì)結(jié)果。在總樣本、高估樣本和低估樣本下，lnBUS 的系數(shù)均在1%的水平上顯著為負(fù)。這表明政策不確定性對(duì)投資者情緒具有顯著的負(fù)向影響，即政策不確定性上升會(huì)抑制投資者的樂觀情緒，導(dǎo)致其悲觀情緒進(jìn)一步蔓延，進(jìn)而為研究假說H1提供了證據(jù)支持。第（4）～（6）列為ISI 度量投資者情緒的估計(jì)結(jié)果。在總樣本、高估樣本和低估樣本下，lnBUS 的系數(shù)均為負(fù)，且在1%的水平上顯著，進(jìn)一步表明政策不確定性對(duì)投資者情緒具有顯著的負(fù)向影響，并且這一估計(jì)結(jié)果具有較強(qiáng)的穩(wěn)健性。

（2）投資者情緒與股票錯(cuò)誤定價(jià)。在基準(zhǔn)回歸方程式（8）中加入投資者情緒指標(biāo)。表5第（7）～（9）列報(bào)告了ICS 的估計(jì)結(jié)果。在控制了企業(yè)特征變量和企業(yè)、行業(yè)以及行業(yè)與季度交叉固定效應(yīng)之后，第（7）列全樣本的估計(jì)結(jié)果顯示，lnBUS 的系數(shù)在1%的水平上顯著為負(fù)，與基準(zhǔn)回歸結(jié)果表現(xiàn)一致，且絕對(duì)規(guī)模較表2的估計(jì)系數(shù)出現(xiàn)下降;lnICS 的系數(shù)在1%的水平上顯著為正，這表明在控制了政策不確定性的情形下，投資者情緒對(duì)股票錯(cuò)誤定價(jià)具有顯著的正向影響，為研究假說H1提供了證據(jù)支持。第（8）和（9）列分別展示了高估樣本與低估樣本的估計(jì)結(jié)果，lnBUS 的系數(shù)分別為負(fù)和正，且均通過了1%水平的顯著性檢驗(yàn)，且絕對(duì)規(guī)模相較表3的系數(shù)有所減小。lnICS 的系數(shù)分別為正和負(fù)，均在1%的水平上顯著，這說明在考慮政策不確定性的情形下，投資者情緒升高會(huì)顯著加劇高估股票的錯(cuò)誤定價(jià)，而修正低估股票的錯(cuò)誤定價(jià)。由于lnBUS 的系數(shù)減小，但仍然顯著，表明存在不完全中介效應(yīng)，即政策不確定性上升將可能引發(fā)投資者情緒下降，進(jìn)而減小高估股票的正向錯(cuò)誤定價(jià)和增大低估股票的負(fù)向錯(cuò)誤定價(jià)。為了檢驗(yàn)估計(jì)結(jié)果的穩(wěn)健性，進(jìn)一步采用ISI 作為投資者情緒的代理變量，估計(jì)結(jié)果在表5第（10）～（12）列展示。在全樣本、高估樣本和低估樣本下，lnBUS 的系數(shù)分別為負(fù)、負(fù)和正，且在1%的水平上顯著，較基準(zhǔn)回歸系數(shù)出現(xiàn)明顯下降;lnISI 的系數(shù)分別為正、正和負(fù)，且均通過了1%水平的顯著性檢驗(yàn)。

綜上所述，在全部股票、高估股票和低估股票三個(gè)樣本下，lnBUS 系數(shù)均與基準(zhǔn)回歸結(jié)果的符號(hào)一致，且絕對(duì)規(guī)模明顯減小，同時(shí)，ICS 和ISI 兩個(gè)度量投資者情緒的變量均在1%的水平上顯著?；谥薪樾?yīng)檢驗(yàn)法得出，政策不確定性上升會(huì)通過影響投資者情緒對(duì)股票錯(cuò)誤定價(jià)產(chǎn)生影響：在高估樣本下，政策不確定性上升會(huì)顯著抑制市場(chǎng)投資者高漲的樂觀情緒，修正股票錯(cuò)誤定價(jià);在低估樣本下，政策不確定性上升會(huì)顯著加劇市場(chǎng)投資者的悲觀情緒，增大股票錯(cuò)誤定價(jià)，進(jìn)而為研究假說H1提供了證據(jù)支持。

2.市值管理

（1）政策不確定性與市場(chǎng)管理。首先考察政策不確定性對(duì)市值管理影響，估計(jì)結(jié)果見表6。第（1）～（3）列報(bào)告了MVR 度量市值管理的估計(jì)結(jié)果。在全樣本下，lnBUS 的系數(shù)為正，且通過了1%水平的顯著性檢驗(yàn)。這表明政策不確定性上升會(huì)激勵(lì)企業(yè)管理層進(jìn)行市值管理。在高估樣本下，lnBUS 的系數(shù)為負(fù)，但不顯著，表明當(dāng)股價(jià)出現(xiàn)高估時(shí)，政策不確定性上升不會(huì)對(duì)企業(yè)管理層市值管理產(chǎn)生顯著影響。在低估樣本下，lnBUS 的系數(shù)在1%水平上顯著為正，表明當(dāng)股價(jià)出現(xiàn)低估時(shí)，政策不確定性上升將促使企業(yè)管理層實(shí)施市值管理，即政策不確定性上升促使企業(yè)傾向于維持股價(jià)高估和修正股價(jià)低估，進(jìn)而為研究假說H2提供了證據(jù)支持。第（4）～（6）列為MVS 度量企業(yè)市值管理的估計(jì)結(jié)果。結(jié)果顯示，lnBUS 的系數(shù)在全樣本和低估樣本下均在1%水平上顯著為正，而在高估樣本下仍然不顯著為負(fù)，進(jìn)一步表明政策不確定性上升對(duì)企業(yè)管理層市值管理的促進(jìn)作用主要體現(xiàn)在低估樣本，說明上述實(shí)證結(jié)果具有較強(qiáng)的穩(wěn)健性。

（2）市值管理與股票錯(cuò)誤定價(jià)。在基準(zhǔn)回歸方程式（8）中加入市值管理進(jìn)行中介效應(yīng)檢驗(yàn)，表6第（7）～（9）列報(bào)告了MVR 的估計(jì)結(jié)果。第（7）列全樣本的估計(jì)結(jié)果顯示，lnBUS 的系數(shù)為負(fù)，且通過了1%水平的顯著性檢驗(yàn)，與基準(zhǔn)回歸表現(xiàn)一致，且在絕對(duì)值上相較表2的系數(shù)出現(xiàn)下降;MVR 的系數(shù)在1%的水平上顯著為正，表明在控制政策不確定性的情形下，市值管理總體上對(duì)股票錯(cuò)誤定價(jià)具有顯著的正向作用。第（8）（9）列分別展示了高估樣本與低估樣本的估計(jì)結(jié)果，lnBUS 的系數(shù)分別為負(fù)和正，且均在1%的水平上顯著，且絕對(duì)規(guī)模相較表3的估計(jì)系數(shù)有所減小。MVR 的系數(shù)分別為正和負(fù)，且均通過了1%水平的顯著性檢驗(yàn)，這表明在考慮政策不確定性的情形下，市值管理會(huì)加劇高估股票的錯(cuò)誤定價(jià)，而修正低估股票的錯(cuò)誤定價(jià)，為研究假說H2提供了證據(jù)支持。值得關(guān)注的是，MVR 的系數(shù)在高估樣本下明顯大于在低估樣本下，故而在全樣本下顯著為正。

進(jìn)一步采用MVS 度量市值管理進(jìn)行穩(wěn)健性檢驗(yàn)，估計(jì)結(jié)果見第（10）～（12）列。在全樣本、高估樣本和低估樣本下，lnBUS 的系數(shù)分別為負(fù)、負(fù)和正，均通過了1%水平的顯著性檢驗(yàn)，且絕對(duì)規(guī)模較基準(zhǔn)回歸系數(shù)明顯下降;MVS 的系數(shù)分別為正、正和負(fù)，且在1%的水平上顯著?？梢?，本文關(guān)注的政策不確定性和市值管理的系數(shù)在符號(hào)和規(guī)模均與以上估計(jì)結(jié)果未出現(xiàn)明顯差異，表明以上結(jié)果具有較強(qiáng)的穩(wěn)健性，進(jìn)一步為研究假說H2提供了證據(jù)支持①。

六、考慮異質(zhì)性的進(jìn)一步分析

考慮到政策不確定性與股票錯(cuò)誤定價(jià)之間的關(guān)系在不同時(shí)期、地區(qū)和企業(yè)之間可能存在明顯差異，以及不同類型政策不確定性也會(huì)對(duì)股票錯(cuò)誤定價(jià)產(chǎn)生不同的影響，以下將區(qū)分時(shí)段、地區(qū)和企業(yè)類型三個(gè)方面考察兩者之間關(guān)系的異質(zhì)性，并探討不同類型政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響。

（一）時(shí)空異質(zhì)性

以及不同類型政策不確定性也會(huì)對(duì)股票錯(cuò)誤定價(jià)產(chǎn)生不同的影響，以下將區(qū)分時(shí)段、地區(qū)和企業(yè)類型三個(gè)方面考察兩者之間關(guān)系的異質(zhì)性，并探討不同類型政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響。

（一）時(shí)空異質(zhì)性

結(jié)合時(shí)代背景變化，2005年中國股票市場(chǎng)開啟股權(quán)分置改革，于2006年進(jìn)入高峰;為應(yīng)對(duì)2008年國際金融危機(jī)沖擊，政府相繼推出和實(shí)施以“四萬億元”為主的投資刺激計(jì)劃，且在2011年之后完成和退出。因此，本文以2006年和2012年為界限，分別考察2003—2006年、2007—2012年和2013—2020年三個(gè)時(shí)期下政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響①。

首先，考察2003—2006年樣本的估計(jì)結(jié)果表明，lnBUS 的系數(shù)在高估樣本和低估樣本下分別為正和負(fù)，且通過了1%水平的顯著性檢驗(yàn)，表明政策不確定性上升會(huì)增大高估股票的錯(cuò)誤定價(jià)，修正低估股票的錯(cuò)誤定價(jià)。這可能與當(dāng)時(shí)股權(quán)分置的制度背景有關(guān)，政府對(duì)股票市場(chǎng)的干預(yù)較多，股票市場(chǎng)的投機(jī)性很強(qiáng)。根據(jù)以上機(jī)制分析可知，在這一樣本期間，相較于投資者情緒，市值管理在政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響中起主導(dǎo)作用。然后，考察2007—2012年樣本的估計(jì)結(jié)果表明，lnBUS 的系數(shù)在高估樣本和低估樣本下分別為負(fù)和正，且均在1%的水平上顯著，表明政策不確定性上升會(huì)修正高估股票的錯(cuò)誤定價(jià)，加劇低估股票的錯(cuò)誤定價(jià)。最后，考察2013—2020年樣本的估計(jì)結(jié)果顯示，lnBUS 在高估樣本和低估樣本下分別為負(fù)和正，且在1%的水平上顯著，同樣表明政策不確定性上升會(huì)修正高估股票的錯(cuò)誤定價(jià)，加劇低估股票的錯(cuò)誤定價(jià)。根據(jù)以上的機(jī)制分析可以推斷，在2007年之后，相比市值管理，投資者情緒機(jī)制在政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響中起到主導(dǎo)作用。

2.分地區(qū)

考慮到各地區(qū)的經(jīng)濟(jì)發(fā)展基礎(chǔ)及其對(duì)政策變動(dòng)的反映存在差異，可能影響政策不確定性與股票錯(cuò)誤定價(jià)之間的關(guān)系，按照企業(yè)注冊(cè)地所在省份劃分為東部、西部、中部地區(qū)②，探討政策不確定性對(duì)股票錯(cuò)誤定價(jià)影響在空間上的異質(zhì)性。估計(jì)結(jié)果表明，對(duì)于東部、中部和西部地區(qū)的企業(yè)而言，lnBUS 在高估樣本下的系數(shù)均為負(fù)，且通過了1%水平的顯著性檢驗(yàn)，而在低估樣本下的系數(shù)均在1%的水平上顯著為正。這表明政策不確定性會(huì)修正高估股票的錯(cuò)誤定價(jià)，加劇低估股票的錯(cuò)誤定價(jià)，且在東部、中部和西部樣本并未呈現(xiàn)明顯差異。

（二）企業(yè)異質(zhì)性

1.分企業(yè)所有制

中國企業(yè)具有多元化的所有制類型，政策不確定性對(duì)不同類型企業(yè)股票錯(cuò)誤定價(jià)的影響可能存在差異。根據(jù)企業(yè)注冊(cè)的所有制類型將全樣本分為國有、民營和外資及其他企業(yè)三種類型，本文探討政策不確定性對(duì)股票錯(cuò)誤定價(jià)影響在所有制類型上的異質(zhì)性。估計(jì)結(jié)果顯示，對(duì)于國有及國有控股企業(yè)、民營企業(yè)和外資及其他企業(yè)，lnBUS 在高估樣本下的系數(shù)均為負(fù)，且通過了1%水平的顯著性檢驗(yàn)，而在低估樣本下的系數(shù)均在1%的水平上顯著為正。從系數(shù)規(guī)模上來看，無論高估樣本，還是低估樣本，lnBUS 在民營企業(yè)下的系數(shù)均大于國有及國有控股企業(yè)和外企及其他企業(yè)樣本的系數(shù)，后兩者相差不大。這表明相較于國有及國有控股和外資及其他企業(yè)，政策不確定性對(duì)民營企業(yè)股票錯(cuò)誤定價(jià)的影響更大，可能與民營企業(yè)更容易受到政策不確定性影響有關(guān)。

2.分企業(yè)規(guī)模

企業(yè)資產(chǎn)或市值規(guī)模通常是影響股價(jià)波動(dòng)的重要因素，政策不確定性對(duì)不同資產(chǎn)規(guī)模企業(yè)股票錯(cuò)誤定價(jià)的影響可能存在差異。本文按照同一年份企業(yè)資產(chǎn)規(guī)模的中位數(shù)將全樣本分為兩組：資產(chǎn)規(guī)模大于中位數(shù)的企業(yè)定義為較高規(guī)模企業(yè)，其他為較低規(guī)模企業(yè)，考察政策不確定性對(duì)股票錯(cuò)誤定價(jià)在資產(chǎn)規(guī)模上的異質(zhì)性。估計(jì)結(jié)果表明，在較大規(guī)模企業(yè)樣本下，lnBUS 的系數(shù)在高估樣本為負(fù)，在低估樣本為正，且均通過了1%水平的顯著性檢驗(yàn);在較低規(guī)模企業(yè)樣本下，lnBUS 的系數(shù)在高估樣本為負(fù)，在低估樣本為正，且均在1%的水平上顯著。這表明在兩類規(guī)模的企業(yè)樣本下，政策不確定性均會(huì)修正高估股票的錯(cuò)誤定價(jià)，加劇低估股票的錯(cuò)誤定價(jià)。從系數(shù)規(guī)模上看，政策不確定性對(duì)較小規(guī)模企業(yè)股票錯(cuò)誤定價(jià)影響的系數(shù)無論在高估樣本還是低估樣本均大于較大規(guī)模企業(yè)，即政策不確定性對(duì)較小規(guī)模企業(yè)股票錯(cuò)誤定價(jià)的影響更大。

3.分企業(yè)業(yè)績

理論上，股票價(jià)格體現(xiàn)為企業(yè)未來股利的貼現(xiàn)值之和，而股利發(fā)放取決于企業(yè)業(yè)績，故股票價(jià)格變動(dòng)與企業(yè)經(jīng)營業(yè)績緊密相關(guān)，政策不確定性對(duì)不同業(yè)績企業(yè)股票錯(cuò)誤定價(jià)的影響可能存在差異。本文按照同一年份企業(yè)資產(chǎn)回報(bào)率的中位數(shù)將全樣本分為兩組：經(jīng)營業(yè)績大于中位數(shù)的企業(yè)定義為較高業(yè)績企業(yè)，其他為較低業(yè)績企業(yè)，考察政策不確定性對(duì)企業(yè)股票錯(cuò)誤定價(jià)的影響在經(jīng)營業(yè)績上的異質(zhì)性。估計(jì)結(jié)果表明，在較高業(yè)績企業(yè)樣本下，lnBUS 的系數(shù)在高估樣本為負(fù)，在低估樣本為正，且均通過了1%水平的顯著性檢驗(yàn);在較低業(yè)績企業(yè)樣本下，lnBUS 的系數(shù)在高估樣本為負(fù)，在低估樣本為正，且均在1%水平上顯著。從系數(shù)規(guī)模上看，政策不確定性對(duì)較高業(yè)績企業(yè)的高估股票錯(cuò)誤定價(jià)具有更大的負(fù)向影響，而對(duì)較低業(yè)績企業(yè)的低估股票錯(cuò)誤定價(jià)的正向影響更大。

（三）政策不確定性類型

Huang等[25]根據(jù)不同的政策類型分別編制了貨幣政策不確定性指數(shù)（MPU）、財(cái)政政策不確定性指數(shù)（FPU）、貿(mào)易政策不確定性指數(shù)（TPU）和匯率與資本項(xiàng)目不確定性指數(shù)（ECPU），其中，前兩者涉及內(nèi)部政策不確定性，后兩者涉及外部政策不確定性。這為探討不同類型的政策不確定性對(duì)股票錯(cuò)誤定價(jià)影響的異質(zhì)性提供了必要的數(shù)據(jù)。下面將基準(zhǔn)回歸方程式（8）中的EPU 分別替換為上述四類政策不確定性指數(shù)，分別考察不同類型政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響。

首先，分析兩類內(nèi)部政策不確定性的估計(jì)結(jié)果。貨幣政策不確定性指數(shù)的估計(jì)結(jié)果表明，lnMPU 的系數(shù)在全樣本下為正，但不顯著，在高估樣本和低估樣本下分別為正和負(fù)，且均在1%的水平上顯著。這表明貨幣政策不確定性上升會(huì)增大高估股票的錯(cuò)誤定價(jià)，修正低估股票的錯(cuò)誤定價(jià)，而對(duì)總體樣本的影響則不顯著。財(cái)政政策不確定性指數(shù)的估計(jì)結(jié)果顯示，lnFPU 的系數(shù)在全樣本為負(fù)，且通過了1%水平的顯著性檢驗(yàn)，表明財(cái)政政策不確定性上升會(huì)減小總體股票錯(cuò)誤定價(jià)，進(jìn)一步分析得到，在高估樣本和低估樣本分別為正和負(fù)，且均在1%水平上顯著。這表明財(cái)政政策不確定性會(huì)加劇高估股票的錯(cuò)誤定價(jià)，修正低估股票的錯(cuò)誤定價(jià)。

其次，分析兩類外部政策不確定性的估計(jì)結(jié)果。貿(mào)易政策不確定性指數(shù)的估計(jì)結(jié)果表明，lnTPU 的系數(shù)在全樣本下為正，且通過了1%水平的顯著性檢驗(yàn)，表明貿(mào)易政策不確定性上升會(huì)增大總體股票錯(cuò)誤定價(jià)。進(jìn)一步分析得到，lnTPU 的系數(shù)在高估樣本和低估樣本下分別為負(fù)和正，且均在1%的水平上顯著。這表明貿(mào)易政策不確定性會(huì)修正高估股票的錯(cuò)誤定價(jià)，加劇低估股票的錯(cuò)誤定價(jià)。匯率與資本項(xiàng)目政策不確定性指數(shù)的估計(jì)結(jié)果顯示，lnECPU 的系數(shù)在全樣本下為負(fù)，但不顯著，在高估樣本和低估樣本下分別為負(fù)和正，且均通過了1%水平的顯著性檢驗(yàn)。這表明匯率和資本項(xiàng)目政策不確定性上升會(huì)修正高估股票的錯(cuò)誤定價(jià)，進(jìn)一步加劇了低估股票的錯(cuò)誤定價(jià)，而對(duì)總體股票錯(cuò)誤定價(jià)的影響則不顯著。

七、結(jié)論與政策啟示

如何理清政府和市場(chǎng)之間的關(guān)系是中國經(jīng)濟(jì)轉(zhuǎn)型過程中面臨的核心問題。政府通過制定和實(shí)施經(jīng)濟(jì)政策調(diào)節(jié)經(jīng)濟(jì)運(yùn)行。為了更好地適應(yīng)外部環(huán)境變化，政策往往會(huì)不斷調(diào)整。政策變動(dòng)本身會(huì)對(duì)股票價(jià)格產(chǎn)生影響，更重要的是政策變動(dòng)可能引發(fā)的不確定性影響。政策不確定性對(duì)股票價(jià)格的影響主要涉及內(nèi)在價(jià)值和偏離內(nèi)在價(jià)值的錯(cuò)誤定價(jià)兩部分。既有文獻(xiàn)主要關(guān)注政策不確定性對(duì)企業(yè)經(jīng)營等決定股票內(nèi)在價(jià)值因素的影響，較少關(guān)注其對(duì)股票錯(cuò)誤定價(jià)的影響。股票錯(cuò)誤定價(jià)對(duì)資源配置效率的影響舉足輕重，政策不確定性如何影響股票錯(cuò)誤定價(jià)是值得深入關(guān)注的問題。

中國的股票市場(chǎng)往往被視為具有明顯的“政策市”特征，受政策變動(dòng)的影響尤為明顯，為探究政府與市場(chǎng)之間關(guān)系提供了理想的實(shí)驗(yàn)環(huán)境。本文采用2003—2020年滬深A(yù)股上市公司季度數(shù)據(jù)實(shí)證分析政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響及作用機(jī)制。結(jié)果表明，政策不確定性上升總體上會(huì)修正股票錯(cuò)誤定價(jià)，且在高估樣本和低估樣本下具有明顯的非對(duì)稱性：政策不確定性上升會(huì)修正高估股票的錯(cuò)誤定價(jià)，而加劇低估股票的錯(cuò)誤定價(jià)?？紤]內(nèi)生性問題、替換關(guān)鍵變量和剔除異常波動(dòng)樣本的穩(wěn)健性檢驗(yàn)均得到一致的結(jié)果。機(jī)制檢驗(yàn)表明，投資者情緒和市值管理是政策不確定性影響股票錯(cuò)誤定價(jià)的主要機(jī)制，并且無論在高估樣本還是低估樣本下，投資者情緒機(jī)制均占主導(dǎo)作用。進(jìn)一步考察異質(zhì)性的結(jié)果表明，政策不確定性對(duì)股票錯(cuò)誤定價(jià)的影響主要表現(xiàn)在2007年之后、民營企業(yè)和規(guī)模較小企業(yè)，且東、中、西部地區(qū)的企業(yè)之間未出現(xiàn)顯著差異;貨幣和財(cái)政兩類內(nèi)部政策不確定性均會(huì)增大高估股票的錯(cuò)誤定價(jià)和減小低估股票的錯(cuò)誤定價(jià)，而貿(mào)易和匯率與資本項(xiàng)目兩類外部政策不確定性則相反。

本文為全面和深入探討政策不確定性對(duì)股票價(jià)格的影響以及為理清政府與市場(chǎng)之間的關(guān)系提供了新的微觀視角。研究結(jié)論具有三個(gè)方面政策啟示。第一，充分認(rèn)識(shí)到預(yù)期管理在金融監(jiān)管中的重要性。金融市場(chǎng)監(jiān)管本質(zhì)上是預(yù)期管理，監(jiān)管主體要出臺(tái)明確且有針對(duì)性的監(jiān)管政策，引導(dǎo)投資者對(duì)未來政策變動(dòng)的預(yù)期，減少政策變動(dòng)潛在的不確定性，在形成穩(wěn)定預(yù)期的前提下方可保障政策有效實(shí)施。第二，更為全面地關(guān)注政策不確定性對(duì)資產(chǎn)價(jià)格的影響。經(jīng)濟(jì)政策變動(dòng)本身會(huì)對(duì)資產(chǎn)價(jià)格產(chǎn)生影響，更為重要的可能是政策變動(dòng)引發(fā)不確定性的影響。政府在進(jìn)行政策調(diào)整時(shí)需要更加全面地關(guān)注潛在不確定性對(duì)資產(chǎn)價(jià)格，特別是對(duì)資產(chǎn)錯(cuò)誤定價(jià)的影響。第三，科學(xué)制定政策調(diào)整的時(shí)間窗口。政府在出臺(tái)和調(diào)整經(jīng)濟(jì)政策時(shí)面臨的重要問題是如何選擇時(shí)間窗口?？紤]到政策調(diào)整潛在的不確定性對(duì)股票錯(cuò)誤定價(jià)的影響，選擇在市場(chǎng)投資者情緒高漲時(shí)進(jìn)行政策調(diào)整會(huì)起到促使樂觀情緒降溫的作用，避開市場(chǎng)投資者情緒悲觀或低沉的時(shí)候，以期降低政策變動(dòng)對(duì)金融市場(chǎng)的負(fù)向沖擊。

參考文獻(xiàn)：

[1] 陳國進(jìn)，張潤澤，趙向琴. 經(jīng)濟(jì)政策不確定性與股票風(fēng)險(xiǎn)特征[J]. 管理科學(xué)學(xué)報(bào)，2018（4）：1-27.

[2] RHODES-KROPF M， ROBINSON D T， VISWANATHAN S. Valuation waves and merger activity： the empirical evidence[J]. Journal of Financial Economics， 2005，77（3）： 561-603.

[3] 陸蓉，何婧，崔曉蕾.資本市場(chǎng)錯(cuò)誤定價(jià)與產(chǎn)業(yè)結(jié)構(gòu)調(diào)整[J].經(jīng)濟(jì)研究，2017（11）：104-118.

[4] 賈倩，孔祥，孫錚. 政策不確定性與企業(yè)投資行為：基于省級(jí)地方官員變更的實(shí)證檢驗(yàn)[J]. 財(cái)經(jīng)研究，2013（2）：81-91.

[5] 宮汝凱，徐悅星，王大中. 經(jīng)濟(jì)政策不確定性與企業(yè)杠桿率[J]. 金融研究，2019（10）：59-78.

[6] 王紅建，李青原，邢斐. 經(jīng)濟(jì)政策不確定性、現(xiàn)金持有水平及其市場(chǎng)價(jià)值[J].金融研究，2014（9）：53-68.

[7] 林建浩，陳良源，田磊.貨幣政策不確定性是中國股票市場(chǎng)的定價(jià)因子嗎？ [J].經(jīng)濟(jì)學(xué)（季刊）， 2021（4）：1275-1300.

[8] BERNAL O， GNABO J Y， GUILMIN G. Economic policy uncertainty and risk spillovers in the Eurozone[J].Journal of International Money & Finance， 2016， 65： 24-45.

[9] TSAI I C. The source of global stock market risk： a viewpoint of economic policy uncertainty[J].Economic Modelling，2017，60：122-131.

[10]楊子暉，陳里璇，陳雨恬.經(jīng)濟(jì)政策不確定性與系統(tǒng)性金融風(fēng)險(xiǎn)的跨市場(chǎng)傳染：基于非線性網(wǎng)絡(luò)關(guān)聯(lián)的研究[J].經(jīng)濟(jì)研究，2020（1）：65-81.

[11]王曉宇，楊云紅.經(jīng)濟(jì)政策不確定性如何影響股價(jià)同步性：基于有限關(guān)注視角[J].經(jīng)濟(jì)科學(xué)， 2021（5）：99-113.

[12]朱宏泉，劉曉倩，李亞靜. 經(jīng)濟(jì)政策不確定性對(duì)A 股IPO 抑價(jià)的影響研究[J].系統(tǒng)工程理論與實(shí)踐，2021（5）：1197-1210.

[13] DE LONG J B， SHLEIFER A， SUMMERS L H，et al. Noise trader risk in financial markets[J].Journal of Political Economy， 1990， 98（4）： 703-738.

[14] BEER F， HAMDI B， ZOUAOUI M. Investors’ sentiment and accruals anomaly： European evidence[J].Journal of Applied Accounting Research， 2018，19（4）： 500-517.

[15]林祺.資本市場(chǎng)效率與資產(chǎn)增長異象：源于“錯(cuò)誤定價(jià)”還是“風(fēng)險(xiǎn)”[J].財(cái)貿(mào)經(jīng)濟(jì)，2016（2）：55-70.

[16]李遠(yuǎn)鵬，牛建軍. 退市監(jiān)管與應(yīng)計(jì)異象[J].管理世界，2007（5）：125-132.

[17]李科，徐龍炳，朱偉驊.賣空限制與股票錯(cuò)誤定價(jià)：融資融券制度的證據(jù)[J].經(jīng)濟(jì)研究，2014（10）：165-178.

[18]賴曉冰，岳書敬.金融科技發(fā)展如何影響股票錯(cuò)誤定價(jià)？ [J].經(jīng)濟(jì)學(xué)報(bào)，2023（1）：85-124.

[19]李旎，蔡貴龍，鄭國堅(jiān).企業(yè)成長的螺旋：市值管理與企業(yè)投資決策[J].會(huì)計(jì)研究，2018（10）：66-72.

[20] BERGER P G， OFEK E. Diversification’s effect on firm value[J]. Journal of Financial Economics， 1995， 37（1）： 39-65.

[21]游家興，吳靜. 沉默的螺旋：媒體情緒與資產(chǎn)誤定價(jià)[J].經(jīng)濟(jì)研究，2012（7）：141-152.

[22] JULIO B， YOOK Y. Political uncertainty and corporate investment cycles[J].Journal of Finance， 2012， 67（1）： 45-83.

[23] BAKER S R， BLOOM N， DAVIS S. J. Measuring economic policy uncertainty[J]. Quarterly Journal of Economics，2016， 131（4）： 1593-1636.

[24] GULEN H， ION M. Policy uncertainty and corporate investment[J]. The Review of Financial Studies， 2016， 29（3）： 523-564.

[25] HUANG Y， LUK P. Measuring economic policy uncertainty in China[J]. China Economic Review， 2019，59（2）： 1-18.

[26]易志高，茅寧.中國股市投資者情緒測(cè)量研究：CICSI的構(gòu)建[J].金融研究，2009（11）：174-184.

[27]趙汝為，熊熊，沈德華.投資者情緒與股價(jià)崩盤風(fēng)險(xiǎn)：來自中國市場(chǎng)的經(jīng)驗(yàn)證據(jù)[J].管理評(píng)論，2019（3）：50-60.

[28]王霞，鄭挺國.基于實(shí)時(shí)信息流的中國宏觀經(jīng)濟(jì)不確定性測(cè)度[J].經(jīng)濟(jì)研究，2020（10）：55-71.

[29] 李力，宮蕾，王博.經(jīng)濟(jì)政策不確定性沖擊與股市波動(dòng)率：來自宏觀與微觀兩個(gè)層面的經(jīng)驗(yàn)證據(jù)[J].金融學(xué)季刊，2018（4）：94-126.

[30] ACEMOGLU D， JOHNSON S， ROBINSON J A. Reversal of fortune： geography and institutions in the making of the modern world income distribution[J]. Quarterly Journal of Economics， 2002， 107（4）： 1231-1294.

[本刊相關(guān)文獻(xiàn)鏈接]

[1] 徐鳳敏，馬杰傲，景奎.ESG觀點(diǎn)與股票市場(chǎng)定價(jià)：來自AI語言模型和新聞文本的證據(jù)[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2023（6）：29-43.

[2] 張光利，秦麗華，王營.IPO風(fēng)險(xiǎn)因素審核問詢的信息價(jià)值分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2023（6）：110-122.

[3] 譚小芬，王欣康，張碧瓊.跨境資本異常波動(dòng)的風(fēng)險(xiǎn)預(yù)警：基于機(jī)器學(xué)習(xí)視角[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2023（2）：13-27.

[4] 原雪梅，徐巖，劉坤.新興經(jīng)濟(jì)體經(jīng)濟(jì)政策不確定性對(duì)資本外流波動(dòng)性的動(dòng)態(tài)傳遞效應(yīng)[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2022（5）：68-83.

[5] 方意，邵稚權(quán).全國社?；鸬墓善蓖顿Y對(duì)我國股市波動(dòng)風(fēng)險(xiǎn)影響研究[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2022（4）：59-75.

[6] 石陽，劉瑞明，袁鈺瑩.停牌時(shí)間長度與股票市場(chǎng)有效性：基于“偽停牌匹配方法”的驗(yàn)證[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2022（3）：70-82.

[7] 付璠潔，蔣藝翅，姚樹潔.股價(jià)崩盤預(yù)期風(fēng)險(xiǎn)與企業(yè)投資動(dòng)態(tài)關(guān)系[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2020（5）：64-73.

[8] 薛英杰，汪勇，尹玉剛.中國跨境ETF的價(jià)格偏離：情緒驅(qū)動(dòng)還是信息驅(qū)動(dòng)？ [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2020（1）：10-24.

[9] 孫婧雯，張曉嵐，張超.股票流動(dòng)性、機(jī)構(gòu)投資者與企業(yè)并購[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2019（2）：108-121.

[10]王向楠.金融綜合經(jīng)營的風(fēng)險(xiǎn)效應(yīng)研究：基于中國股市的數(shù)據(jù)[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2019（2）：39-50.

[11]張倩肖，馮雷.宏觀經(jīng)濟(jì)政策不確定性與企業(yè)技術(shù)創(chuàng)新：基于我國上市公司的經(jīng)驗(yàn)證據(jù)[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2018（4）：48-57.

編輯：鄭雅妮，高原

基金項(xiàng)目：國家自然科學(xué)基金面上項(xiàng)目“網(wǎng)絡(luò)環(huán)境下雙邊市場(chǎng)的交易機(jī)制設(shè)計(jì)研究”（71873028）;上海市浦江人才計(jì)劃“數(shù)字經(jīng)濟(jì)時(shí)代下的要素收入分配研究”（21PJC001）。