邢紅衛(wèi) ， 王漢瑛

（1.山西大學(xué) 管理與決策研究所，山西 太原 030006；2.山西財(cái)經(jīng)大學(xué) 工商管理學(xué)院，山西 太原 030006）

一、 引 言

經(jīng)濟(jì)政策對經(jīng)濟(jì)運(yùn)行具有舉足輕重的影響。近年來，為了應(yīng)對復(fù)雜多變的經(jīng)濟(jì)形勢，推動經(jīng)濟(jì)轉(zhuǎn)型高質(zhì)量發(fā)展，我國積極發(fā)揮經(jīng)濟(jì)政策的宏觀調(diào)控作用。然而在提升國民經(jīng)濟(jì)整體效能的同時(shí)，經(jīng)濟(jì)政策的不確定性也在持續(xù)加劇。據(jù)Huang和Luk（2020）發(fā)布的經(jīng)濟(jì)政策不確定性指數(shù)，2014年后我國經(jīng)濟(jì)政策不確定性呈幾何級增加①2000–2014年經(jīng)濟(jì)政策不確定性指數(shù)平均為118，2015–2016年經(jīng)濟(jì)政策不確定性指數(shù)平均為273，2017–2018年經(jīng)濟(jì)政策不確定性指數(shù)平均為412。。根據(jù)Merton（1973）的跨期資本資產(chǎn)定價(jià)模型，當(dāng)投資和消費(fèi)機(jī)會集中受到市場狀態(tài)的隨機(jī)沖擊時(shí)，投資者有動機(jī)進(jìn)行對沖。因此，經(jīng)濟(jì)政策作為能夠從多種渠道影響市場狀態(tài)的重要因素，經(jīng)濟(jì)政策不確定性對資產(chǎn)價(jià)格的決定作用愈來愈強(qiáng)。由于經(jīng)濟(jì)政策與時(shí)俱進(jìn)，不可重復(fù)，因而經(jīng)濟(jì)政策的變化不存在先驗(yàn)信息，無法以概率分布來衡量。大多數(shù)研究通過映射資產(chǎn)收益對經(jīng)濟(jì)政策不確定性的暴露，進(jìn)而分析經(jīng)濟(jì)政策不確定性暴露對資產(chǎn)預(yù)期收益的影響。

依據(jù)經(jīng)典資產(chǎn)定價(jià)理論，投資者的風(fēng)險(xiǎn)厭惡是內(nèi)生和恒定的，承擔(dān)暴露高的資產(chǎn)風(fēng)險(xiǎn)會要求高的預(yù)期收益，因而經(jīng)濟(jì)政策不確定性暴露應(yīng)當(dāng)有正的風(fēng)險(xiǎn)溢價(jià)（Kelly等，2016；陳國進(jìn)等，2017）。然而，前景理論表明投資者的風(fēng)險(xiǎn)態(tài)度是外生和條件依賴的，當(dāng)獲利時(shí)傾向于規(guī)避風(fēng)險(xiǎn)，賣出資產(chǎn)而獲得確定收益；當(dāng)虧損時(shí)則傾向于追求風(fēng)險(xiǎn)，繼續(xù)持有資產(chǎn)。當(dāng)經(jīng)濟(jì)政策不確定性加劇時(shí)，經(jīng)濟(jì)政策不確定性暴露為正的資產(chǎn)價(jià)格也呈上漲趨勢，因此投資者基于不確定性規(guī)避會在未來賣出或減持此類資產(chǎn)，從而在市場出清條件下使經(jīng)濟(jì)政策不確定性暴露有負(fù)的風(fēng)險(xiǎn)溢價(jià)。已有研究也表明，由于投資行為不可逆，當(dāng)經(jīng)濟(jì)政策不確定性加劇時(shí)，投資者出于審慎會減少或推遲投資，從而導(dǎo)致資產(chǎn)預(yù)期收益下降（Gulen和Ion，2016；Bali等，2017）。由于經(jīng)濟(jì)政策不確定性不可觀測，當(dāng)前研究主要集中于經(jīng)濟(jì)政策不確定性影響資產(chǎn)價(jià)格的理論分析（Pástor和Veronesi，2012；Drechsler，2013；陳國進(jìn)等，2017），對經(jīng)濟(jì)政策不確定性風(fēng)險(xiǎn)溢價(jià)的實(shí)證檢驗(yàn)較少，更鮮有文獻(xiàn)探究經(jīng)濟(jì)政策不確定性產(chǎn)生負(fù)向溢價(jià)的內(nèi)在機(jī)理。

本文以中國股票市場作為實(shí)證研究對象，以每個(gè)月股票日收益對經(jīng)濟(jì)政策不確定性的回歸系數(shù)作為經(jīng)濟(jì)政策不確定性貝塔，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性貝塔會產(chǎn)生穩(wěn)定的負(fù)向溢價(jià)。以股票月收益判斷投資者獲得的是確定的收益還是虧損，發(fā)現(xiàn)當(dāng)月內(nèi)的經(jīng)濟(jì)政策不確定性呈加劇趨勢時(shí)，經(jīng)濟(jì)政策不確定性貝塔較高的股票月收益為正，并且其經(jīng)濟(jì)政策不確定性貝塔與下個(gè)月收益之間存在顯著的負(fù)向關(guān)系；而經(jīng)濟(jì)政策不確定性貝塔較低的股票月收益為負(fù)，但其經(jīng)濟(jì)政策不確定性貝塔與下個(gè)月收益之間并不存在顯著關(guān)系。因此，“確定效應(yīng)”是經(jīng)濟(jì)政策不確定性貝塔產(chǎn)生負(fù)向溢價(jià)的主要原因。盡管實(shí)際中投資者總是利用經(jīng)濟(jì)政策實(shí)現(xiàn)套利交易，經(jīng)濟(jì)政策不確定性可能會使依賴于經(jīng)濟(jì)政策的套利交易產(chǎn)生風(fēng)險(xiǎn)，然而控制套利風(fēng)險(xiǎn)后經(jīng)濟(jì)政策不確定性貝塔的負(fù)向溢價(jià)依然顯著。進(jìn)一步研究表明，以經(jīng)濟(jì)政策不確定性貝塔構(gòu)建定價(jià)因子，發(fā)現(xiàn)包含F(xiàn)F3因子、盈利因子和經(jīng)濟(jì)政策不確定性因子的五因子模型在中國股票市場具有更好的定價(jià)效率。

本文的主要貢獻(xiàn)為：第一，以往研究經(jīng)濟(jì)政策不確定性對資產(chǎn)價(jià)格的影響主要從理論方面或從宏觀層面進(jìn)行分析，本文通過微觀層面的實(shí)證檢驗(yàn)，揭示經(jīng)濟(jì)政策不確定性貝塔會產(chǎn)生負(fù)向溢價(jià)，彌補(bǔ)了當(dāng)前關(guān)于經(jīng)濟(jì)政策不確定性相關(guān)研究的經(jīng)驗(yàn)證據(jù)。第二，與以往研究局限于分析經(jīng)濟(jì)政策不確定性的經(jīng)濟(jì)后果相比，本文進(jìn)一步剖析經(jīng)濟(jì)政策不確定性貝塔產(chǎn)生負(fù)向溢價(jià)的內(nèi)在機(jī)理，有助于理解經(jīng)濟(jì)政策不確定性的風(fēng)險(xiǎn)內(nèi)涵。第三，與對成熟發(fā)達(dá)市場進(jìn)行研究相比，本文選擇投資者非理性交易特征依然明顯和經(jīng)濟(jì)政策不確定性呈現(xiàn)加劇趨勢的中國股票市場，在更為理想的環(huán)境下檢驗(yàn)經(jīng)濟(jì)政策不確定性貝塔的負(fù)向溢價(jià)來自于投資者的“確定效應(yīng)”。本文的研究表明，面對后疫情時(shí)代經(jīng)濟(jì)環(huán)境深刻變化的挑戰(zhàn)，在宏觀審慎框架下加強(qiáng)宏觀政策的連貫性、穩(wěn)定性和可持續(xù)性，以及考慮經(jīng)濟(jì)轉(zhuǎn)型過程中各產(chǎn)業(yè)政策之間的統(tǒng)籌協(xié)調(diào)，有助于保護(hù)投資者利益，維護(hù)金融市場穩(wěn)定。

二、 文獻(xiàn)綜述

市場參與者面臨的經(jīng)濟(jì)不確定性包括宏觀經(jīng)濟(jì)基本面的不確定性、參與者對未來預(yù)期的不確定性、經(jīng)濟(jì)政策不確定性，以及難以用概率分布描述的奈特式不確定性，如政治沖突、貿(mào)易爭端等。經(jīng)濟(jì)不確定性無法直接觀察，針對經(jīng)濟(jì)不確定性這四方面的特點(diǎn)，當(dāng)前主要有四類測量方法：第一類是基于宏觀經(jīng)濟(jì)指標(biāo)在橫截面上的差異性。以橫截面上股票月度收益的標(biāo)準(zhǔn)差、企業(yè)季度利潤增長率的標(biāo)準(zhǔn)差、不同分析師預(yù)測的未來一年GDP增長率的標(biāo)準(zhǔn)差、不同行業(yè)之間全要素生產(chǎn)率增長率的標(biāo)準(zhǔn)差的加權(quán)和度量經(jīng)濟(jì)不確定（Bloom，2009）。第二類是基于宏觀經(jīng)濟(jì)和金融財(cái)務(wù)信息的不可預(yù)期性。估計(jì)一系列宏觀經(jīng)濟(jì)指標(biāo)自回歸模型的殘差序列，以殘差波動率的加權(quán)和第一主成分作為經(jīng)濟(jì)不確定性（Schwert，1989；Bali等，2014）；先利用主成分分析方法提取宏觀經(jīng)濟(jì)和金融財(cái)務(wù)指標(biāo)的共同因子，然后以自回歸模型估計(jì)每個(gè)因子的殘差序列，以殘差波動率的加權(quán)和作為經(jīng)濟(jì)不確定性（Jurado等，2015；黃卓等，2018）。還有一些文獻(xiàn)以期權(quán)已實(shí)現(xiàn)收益波動率與期權(quán)隱含波動率之差（Bali和Zhou，2016），以企業(yè)債券與國債的收益率之差作為經(jīng)濟(jì)不確定性（Bachmann等，2013）。第三類是基于新聞媒體對經(jīng)濟(jì)政策的報(bào)道。利用文本分析法搜索報(bào)刊中包含關(guān)鍵詞“經(jīng)濟(jì)”“政策”“不確定性”出現(xiàn)的頻次，依據(jù)文章頻次計(jì)算經(jīng)濟(jì)政策不確定性（Baker等，2016；Huang和Luk，2020）。第四類是基于市場參與者對經(jīng)濟(jì)不確定性反饋的調(diào)查。由于市場參與者對偶發(fā)性事件的感知具有主觀性，因而通過企業(yè)或金融機(jī)構(gòu)對于宏觀經(jīng)濟(jì)預(yù)期的調(diào)查數(shù)據(jù)，計(jì)算預(yù)期誤差作為經(jīng)濟(jì)不確定性（Bachmann等，2013；Ozturk和Sheng，2018；Bloom等，2018）。

經(jīng)濟(jì)政策不確定性可以通過多個(gè)渠道對資產(chǎn)價(jià)格產(chǎn)生影響，比如投資者的財(cái)富、風(fēng)險(xiǎn)偏好、交易成本、通貨膨脹和利率等，因此屬于潛在的系統(tǒng)性風(fēng)險(xiǎn)維度。Wachter（2013）表明時(shí)變的外部環(huán)境不確定性可以很好地解釋市場風(fēng)險(xiǎn)，鄧可斌等（2018）和陳國進(jìn)等（2018）也表明忽略經(jīng)濟(jì)政策的市場模型會顯著低估系統(tǒng)性風(fēng)險(xiǎn)，即經(jīng)濟(jì)政策不確定性會增加系統(tǒng)性風(fēng)險(xiǎn)。Pástor和Veronesi（2013）指出經(jīng)濟(jì)政策不確定性不僅會使股票市場的波動率增加，而且會使股票波動率之間的相關(guān)性增強(qiáng)，這種效果在經(jīng)濟(jì)環(huán)境惡劣的時(shí)候更加明顯。因而Liu和Zhang（2015）、雷立坤等（2018）將經(jīng)濟(jì)政策不確定性加入市場波動率預(yù)測模型，表明能顯著提高模型的預(yù)測效果。依據(jù)資產(chǎn)定價(jià)理論，經(jīng)濟(jì)政策不確定性風(fēng)險(xiǎn)暴露應(yīng)該有正的風(fēng)險(xiǎn)溢價(jià)。Kelly等（2016）發(fā)現(xiàn)如果期權(quán)的合約期內(nèi)有政治事件沖擊，那么為了對沖政治不確定性產(chǎn)生的風(fēng)險(xiǎn)，該期權(quán)的價(jià)格會顯著提高，尤其在經(jīng)濟(jì)不景氣和政治不確定性高的時(shí)候更明顯。陳國進(jìn)等（2017）表明經(jīng)濟(jì)政策不確定性會同時(shí)影響股票價(jià)格和隨機(jī)貼現(xiàn)因子，且隨著政策不確定性的提高，股票預(yù)期收益也會提高。

然而，經(jīng)濟(jì)政策不確定性可能會提高投資者的損失厭惡，從而影響投資決策（Kahneman和Tversky，1979）。Pástor和Veronesi（2012）通過建立一個(gè)包含經(jīng)濟(jì)政策不確定性的一般均衡模型，表明股票價(jià)格在政策改變時(shí)會下降，而且經(jīng)濟(jì)政策不確定性越高，股價(jià)下降幅度越大。Aramonte（2014）以期權(quán)隱含波動率在宏觀政策頒布前后的變化度量經(jīng)濟(jì)政策不確定性，也發(fā)現(xiàn)經(jīng)濟(jì)不確定性會產(chǎn)生負(fù)向風(fēng)險(xiǎn)溢價(jià)。在實(shí)證研究方面，Gulen和Ion（2016）表明由于投資行為的不可逆性，當(dāng)經(jīng)濟(jì)不確定性增加時(shí)，投資者出于審慎會傾向于減少或推遲投資，從而使資產(chǎn)預(yù)期收益下降。Bali等（2017）發(fā)現(xiàn)宏觀經(jīng)濟(jì)不確定性對股票收益具有負(fù)向預(yù)測能力，Tan和Ma（2017）發(fā)現(xiàn)宏觀經(jīng)濟(jì)不確定性對大宗商品價(jià)格也有負(fù)向預(yù)測作用。關(guān)于我國經(jīng)濟(jì)政策不確定性的測量指標(biāo)較少，大多使用Baker等（2016）的經(jīng)濟(jì)政策不確定性指數(shù)分析其對公司投資決策和財(cái)務(wù)狀況的影響，如李鳳羽和史永東（2016）、王朝陽等（2018）。李鳳羽和史永東（2016）發(fā)現(xiàn)在經(jīng)濟(jì)政策不確定性增加時(shí)，企業(yè)會放棄投資機(jī)會而持有更多的現(xiàn)金，王朝陽等（2018）則表明經(jīng)濟(jì)政策不確定性會降低企業(yè)資本結(jié)構(gòu)調(diào)整的速度。

綜上所述，當(dāng)前關(guān)于經(jīng)濟(jì)政策不確定性風(fēng)險(xiǎn)溢價(jià)的研究結(jié)論尚未達(dá)成一致，而且受限于針對我國經(jīng)濟(jì)政策不確定性的測量指標(biāo)出現(xiàn)較晚、相應(yīng)的實(shí)證研究相對較少，缺乏分析經(jīng)濟(jì)政策不確定性在個(gè)股橫截面收益中的定價(jià)能力。因此，本文以個(gè)股收益對經(jīng)濟(jì)政策不確定性的回歸系數(shù)貝塔作為股票對經(jīng)濟(jì)政策不確定性的風(fēng)險(xiǎn)暴露，分析經(jīng)濟(jì)政策不確定性貝塔的風(fēng)險(xiǎn)溢價(jià)及其產(chǎn)生機(jī)理，為拓展資產(chǎn)定價(jià)和風(fēng)險(xiǎn)管理理論提供豐富的經(jīng)驗(yàn)證據(jù)。

三、 變量與樣本選擇

（一）經(jīng)濟(jì)政策不確定性貝塔

由于經(jīng)濟(jì)政策的頒布和實(shí)施一般都會以新聞媒體作為傳達(dá)手段，新聞的時(shí)效性也要求媒體實(shí)時(shí)跟蹤和報(bào)道經(jīng)濟(jì)政策的最新動態(tài)，因而對新聞媒體進(jìn)行挖掘成為提取經(jīng)濟(jì)政策不確定性的有效手段。盡管Baker等（2016）基于中國香港《南華早報(bào)》文本分析得到了中國經(jīng)濟(jì)政策不確定性，然而基于單份報(bào)刊分析的文本可能會受到記者或編輯主觀選擇性偏差的影響，而忽略一些重要的經(jīng)濟(jì)政策（Ozturk和Sheng，2018）。因此，本文選擇Huang和Luk（2020）依據(jù)新聞報(bào)刊得到的日度中國經(jīng)濟(jì)政策不確定性指數(shù)。他們參照Baker等（2016）的方法，選取中國內(nèi)地《北京青年報(bào)》《廣州日報(bào)》等10份報(bào)紙，利用文本分析法搜索文章中包含關(guān)鍵詞“經(jīng)濟(jì)”“政策”“不確定性”出現(xiàn)的頻次，然后計(jì)算經(jīng)濟(jì)政策不確定性指數(shù)，并且采用另外114份中國報(bào)紙進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果顯示受媒體選擇性偏差的影響很小。與以往的測量指標(biāo)相比，本文選擇的中國經(jīng)濟(jì)政策不確定性指數(shù)基于更全面的調(diào)查范圍，研究結(jié)論具有更好的穩(wěn)健性。

在每個(gè)月，以股票日收益與無風(fēng)險(xiǎn)收益的差對經(jīng)濟(jì)政策不確定性指數(shù)（economic policy uncertainty，EPU）進(jìn)行回歸，并且以市場風(fēng)險(xiǎn)因子（MKT）、市值因子（SMB）、賬面市值比因子（HML）、動量因子（UMD）、盈利因子（RMW）和投資因子（CMA）作為控制變量，

其中，Ri,t是 股票日收益，rf,t是無風(fēng)險(xiǎn)收益， αi,t是 回歸常數(shù)項(xiàng)，分別是經(jīng)濟(jì)政策不確定性、市場風(fēng)險(xiǎn)因子、市值因子、賬面市值比因子、動量因子、盈利因子和投資因子的回歸系數(shù)， εi,t是 回歸殘差項(xiàng)。將經(jīng)濟(jì)政策不確定性的回歸系數(shù)作為股票對經(jīng)濟(jì)政策不確定性的風(fēng)險(xiǎn)暴露，風(fēng)險(xiǎn)暴露高的股票應(yīng)該要求高的回報(bào)，反之風(fēng)險(xiǎn)暴露低的股票應(yīng)該要求低的回報(bào)。

（二）其他變量

以股票當(dāng)月最后一個(gè)交易日的收盤價(jià)作為當(dāng)月價(jià)格，以交易金額的自然對數(shù)值作為股票的交易量，以流通市值的自然對數(shù)值作為股票的規(guī)模。以月內(nèi)日數(shù)據(jù)回歸CAPM模型得到股票的市場貝塔，以月內(nèi)日數(shù)據(jù)回歸FF5模型，將回歸殘差序列的標(biāo)準(zhǔn)差作為股票的特質(zhì)波動率。為了保證模型參數(shù)估計(jì)的有效性，剔除股票月內(nèi)交易日少于10天的當(dāng)月數(shù)據(jù)。以上一個(gè)月的收益衡量收益短期反轉(zhuǎn)的程度，以股票t-6至t-2的累積收益作為股票t月的動量指標(biāo)，以Amihud（2002）的測度作為流動性指標(biāo)，以機(jī)構(gòu)持股比例（IO）衡量股票被非理性交易的程度。

（三）樣本選擇

本文選擇中國滬深兩市除創(chuàng)業(yè)板之外的所有A股作為研究對象，個(gè)股和市場因子數(shù)據(jù)均來自國泰安CSMAR數(shù)據(jù)庫。由于Huang和Luk（2020）的經(jīng)濟(jì)政策不確定性指數(shù)從2000年1月才開始測量，因此本文的樣本期選擇從2000年1月1日至2018年6月30日。在我們的樣本期內(nèi)，中國經(jīng)濟(jì)政策不確定性顯著加?。ㄈ鐖D1所示）。在2015年6月之前經(jīng)濟(jì)政策不確定性較低，經(jīng)濟(jì)政策不確定性指數(shù)的平均值為90.6。在2015年7月我國股票市場第二次“股災(zāi)”爆發(fā)后，經(jīng)濟(jì)政策不確定性指數(shù)的平均值達(dá)到192.4。在相同樣本期內(nèi)，上證綜指波動劇烈，然而并沒有呈現(xiàn)出隨經(jīng)濟(jì)政策不確定性加劇而上升的趨勢，而且與經(jīng)濟(jì)政策不確定性的相關(guān)系數(shù)僅有?0.017，因此經(jīng)濟(jì)政策不確定性與市場波動反饋不同的信息①在相同樣本期內(nèi)，上證綜指波動率分別在2001年“股市大辯論”、2008年“股災(zāi)”和2015年“股災(zāi)”期間出現(xiàn)三次波峰。2001年“股市大辯論”是指 “海歸派”認(rèn)為中國股市應(yīng)該擠泡沫，或推倒重來，重建完美股市；“本土派”則對前者的觀點(diǎn)予以嚴(yán)厲反駁，這次大辯論對市場走勢和監(jiān)管政策出臺都影響巨大。盡管股票市場被認(rèn)為是實(shí)體經(jīng)濟(jì)的“晴雨表”，然而由于中國股票市場尚未發(fā)展到強(qiáng)式有效階段，因而股票市場波動并不能完全反映經(jīng)濟(jì)政策不確定性的信息。反過來，經(jīng)濟(jì)政策的出臺和頒布針對財(cái)政收支、通貨膨脹、產(chǎn)業(yè)調(diào)整以及收入分配等諸多方面，而不僅僅為了應(yīng)對資本市場的健康發(fā)展，因而經(jīng)濟(jì)政策不確定性也并不完全由股市波動所引發(fā)。。此外，中國股票市場非理性投資特征依然明顯，有助于檢驗(yàn)經(jīng)濟(jì)政策不確定性貝塔溢價(jià)究竟是來自理性定價(jià)框架下的風(fēng)險(xiǎn)補(bǔ)償，還是來自非理性框架下的確定效應(yīng)。據(jù)深圳證券交易所披露的《2018年個(gè)人投資者狀況調(diào)查報(bào)告》，50萬元以下的中小投資者占比為80.0%，交易頻繁，一周內(nèi)交易若干次的投資者占比為46.4%，并且45.3%的投資者在虧損時(shí)不及時(shí)采用止損策略。

圖1 經(jīng)濟(jì)政策不確定性指數(shù)和上證綜指收益波動率

四、 經(jīng)濟(jì)政策不確定性貝塔的風(fēng)險(xiǎn)溢價(jià)

（一）經(jīng)濟(jì)政策不確定性貝塔的組合分析

構(gòu)建經(jīng)濟(jì)政策不確定性貝塔組合，分析組合的預(yù)期收益，檢驗(yàn)經(jīng)濟(jì)政策不確定性貝塔是否能夠產(chǎn)生風(fēng)險(xiǎn)溢價(jià)。將所有股票按照經(jīng)濟(jì)政策不確定性貝塔構(gòu)建5分位組合，以流通市值加權(quán)計(jì)算組合的經(jīng)濟(jì)政策不確定性貝塔，并分別以流通市值加權(quán)和算術(shù)平均加權(quán)持有組合1個(gè)月，檢驗(yàn)組合預(yù)期收益之間是否存在顯著差異。為了剔除系統(tǒng)性風(fēng)險(xiǎn)溢價(jià)對組合預(yù)期收益的影響，以同期的系統(tǒng)性風(fēng)險(xiǎn)因子對組合預(yù)期收益進(jìn)行回歸，分析5個(gè)組合的回歸截距項(xiàng)alpha之間是否具有顯著差異，并進(jìn)行Newey-West-t統(tǒng)計(jì)檢驗(yàn)，結(jié)果如表1所示。

表1 經(jīng)濟(jì)政策不確定性貝塔的組合分析

組合的經(jīng)濟(jì)政策不確定性貝塔之間表現(xiàn)出較大的差異和不同的方向，正的貝塔表明組合收益對經(jīng)濟(jì)政策不確定性具有正向的風(fēng)險(xiǎn)暴露，反之表明組合收益對經(jīng)濟(jì)政策不確定性具有負(fù)向的風(fēng)險(xiǎn)暴露。低 βEPU組合的經(jīng)濟(jì)政策不確定性貝塔為?3.54，高 βEPU組合的經(jīng)濟(jì)政策不確定性貝塔為3.50。以流通市值加權(quán)計(jì)算每個(gè)組合的預(yù)期收益，低 βEPU組合的預(yù)期收益為1.00%，高 βEPU組合的預(yù)期收益為0.67%，低 βEPU組合與高 βEPU組合之間存在?0.32%的預(yù)期收益之差，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?4.53，即低的經(jīng)濟(jì)政策不確定性貝塔具有高的風(fēng)險(xiǎn)溢價(jià)，而高的經(jīng)濟(jì)政策不確定性貝塔具有低的風(fēng)險(xiǎn)溢價(jià)。以Fama和French（1993）的市場因子、規(guī)模因子和賬面市值比因子過濾組合預(yù)期收益中的系統(tǒng)性風(fēng)險(xiǎn)溢價(jià)，低 βEPU組合的截距項(xiàng)為0.38%，而高βEPU組合的截距項(xiàng)為?0.01%，高、低 βEPU組合之間依然存在?0.39%的差異，且相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?4.90。如果以FF三因子和Carhart（1997）的動量因子過濾組合預(yù)期收益中的系統(tǒng)性風(fēng)險(xiǎn)溢價(jià)，高、低 βEPU組合的截距項(xiàng)之差為?0.45%，且統(tǒng)計(jì)檢驗(yàn)顯著。進(jìn)而以包含盈利因子和投資因子的Fama和French（2015）五因子模型，以及加入動量因子的六因子模型過濾組合預(yù)期收益中的系統(tǒng)性風(fēng)險(xiǎn)溢價(jià)，高、低 βEPU組合的截距項(xiàng)之差依然顯著為負(fù)。以算術(shù)平均計(jì)算每個(gè)組合的預(yù)期收益，低的經(jīng)濟(jì)政策不確定性貝塔同樣具有高的風(fēng)險(xiǎn)溢價(jià)，而高的經(jīng)濟(jì)政策不確定性貝塔具有低的風(fēng)險(xiǎn)溢價(jià)。以系統(tǒng)性風(fēng)險(xiǎn)因子過濾組合的預(yù)期收益，等權(quán)計(jì)算的高、低βEPU組合截距項(xiàng)同樣顯著為負(fù)。因此，經(jīng)濟(jì)政策不確定性貝塔能夠顯著地負(fù)向預(yù)期股票收益。由于FF三因子、FF和Carhart四因子、FF五因子、FF和Carhart六因子模型對組合預(yù)期收益回歸后的截距項(xiàng)結(jié)果相類似，因此本文此后以FF五因子作為基準(zhǔn)模型。

（二）經(jīng)濟(jì)政策不確定性貝塔的橫截面回歸分析

股票收益對于經(jīng)濟(jì)政策不確定性的暴露程度可能受到股票其他特征的影響，因此首先對經(jīng)濟(jì)政策不確定性貝塔和股票其他特征進(jìn)行橫截面相關(guān)性檢驗(yàn)。在每個(gè)橫截面計(jì)算股票的經(jīng)濟(jì)政策不確定性貝塔（βEPU）和股票其他特征的相關(guān)系數(shù)，并且在時(shí)間序列上檢驗(yàn)其顯著性，結(jié)果如表2所示，括號內(nèi)為相應(yīng)的Newey-West-t統(tǒng)計(jì)量（Newey和West，1987）。價(jià)格（PRICE）、交易量（VOLU）與βEPU之間存在顯著的負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)分別為?0.036和?0.010，相應(yīng)的Newey-West-t統(tǒng)計(jì)量分別為?8.880和?2.285。βEPU與規(guī)模（SIZE）、貝塔（BETA）、短期反轉(zhuǎn)（REV）、動量（MOM）、換手率（TUR）、非流動性（ILLIQ）和機(jī)構(gòu)持股比例（IO）之間并不存在顯著的相關(guān)性。

表2 經(jīng)濟(jì)政策不確定性貝塔與股票其他特征的橫截面相關(guān)性分析

二維投資組合無法同時(shí)控制多個(gè)特征對股票預(yù)期收益的影響，因此以βEPU及其他控制變量對股票預(yù)期收益進(jìn)行Fama-MacBeth橫截面回歸，并進(jìn)行時(shí)間序列上的Newey-West-t統(tǒng)計(jì)檢驗(yàn)。

其中，Ri,t+1表 示股票在t+1期的收益，表示股票在t期的經(jīng)濟(jì)政策不確定性貝塔，Controlsi,t表示股票在t期的控制變量，包括價(jià)格（PRICE）、交易量（VOLU）、規(guī)模（SIZE）、貝塔（BETA）、短期反轉(zhuǎn)（REV）、動量（MOM）、換手率（TUR）、非流動性（ILLIQ）和機(jī)構(gòu)持股比例（IO）。 γ0,t是橫截面回歸的常數(shù)項(xiàng)， γ1,t是 經(jīng)濟(jì)政策不確定性貝塔的回歸系數(shù)， γ2,t是 控制變量的回歸系數(shù)， εi,t+1是橫截面回歸的殘差項(xiàng)。

根據(jù)控制變量的選取，設(shè)計(jì)了11個(gè)回歸模型，結(jié)果如表3所示。在模型1，首先以經(jīng)濟(jì)政策不確定性貝塔βEPU對股票預(yù)期收益進(jìn)行回歸，經(jīng)濟(jì)政策不確定性貝塔的系數(shù)為?0.007，相應(yīng)的Newey-West-t統(tǒng)計(jì)量（見括號內(nèi)）為?2.969，表明經(jīng)濟(jì)政策不確定性貝塔能夠顯著地負(fù)向預(yù)測股票收益。在模型2至模型10，分別以價(jià)格（PRICE）、交易量（VOLU）、規(guī)模（SIZE）、貝塔（BETA）、短期反轉(zhuǎn)（REV）、動量（MOM）、換手率（TUR）、非流動性（ILLIQ）和機(jī)構(gòu)持股比例（IO）作為橫截面回歸的控制變量，經(jīng)濟(jì)政策不確定性貝塔的系數(shù)依然顯著為負(fù)，表明經(jīng)濟(jì)政策不確定性貝塔對股票收益的負(fù)向預(yù)測能力具有穩(wěn)健性。尤其值得注意的是，當(dāng)經(jīng)濟(jì)政策不確定性高時(shí)，投資者可能對高βEPU的股票產(chǎn)生過度反應(yīng)，從而使得t+1期的收益發(fā)生反轉(zhuǎn)，導(dǎo)致βEPU與股票預(yù)期收益之間的負(fù)向關(guān)系。然而在控制t期收益后，βEPU的負(fù)向溢價(jià)依然存在，則意味著βEPU與股票預(yù)期收益之間的負(fù)向關(guān)系并不是由投資者過度反應(yīng)所致。對于模型11，將所有控制變量加入橫截面回歸模型，βEPU的系數(shù)為?0.005，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?2.304，結(jié)果依然穩(wěn)健。由此，經(jīng)濟(jì)政策不確定性貝塔與股票預(yù)期收益之間存在穩(wěn)定的負(fù)向關(guān)系。

表3 經(jīng)濟(jì)政策不確定性貝塔對股票預(yù)期收益的橫截面回歸分析

（三）基于行業(yè)與股權(quán)性質(zhì)的穩(wěn)健性檢驗(yàn)

首先，我國發(fā)布和實(shí)施經(jīng)濟(jì)政策很大程度上旨在推動產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和升級，因而在行業(yè)之間存在明顯差異。按照證監(jiān)會于2012年發(fā)布的行業(yè)分類標(biāo)準(zhǔn)，剔除樣本太少的居民服務(wù)、修理和其他服務(wù)業(yè)與教育業(yè)，本文樣本共包括17個(gè)行業(yè)。其次，由于股權(quán)性質(zhì)不同，當(dāng)國家政策制定部門發(fā)布和實(shí)施經(jīng)濟(jì)政策時(shí)，上市公司對經(jīng)濟(jì)政策不確定性會產(chǎn)生不同的反應(yīng)，如國有企業(yè)改革政策、民營經(jīng)濟(jì)扶持政策、外資企業(yè)優(yōu)惠政策等會對股權(quán)性質(zhì)不同的股票產(chǎn)生異質(zhì)性影響。本文按照股權(quán)性質(zhì)將上市公司分為國有企業(yè)、民營企業(yè)、外資企業(yè)及其他企業(yè)三類。

接下來，我們控制股票的行業(yè)屬性和股權(quán)性質(zhì)，重復(fù)表3中經(jīng)濟(jì)政策不確定性貝塔與股票預(yù)期收益的橫截面回歸分析，結(jié)果如表4所示。在模型1中，控制股票的行業(yè)屬性，發(fā)現(xiàn)βEPU的系數(shù)為?0.007，相應(yīng)的Newey-West-t統(tǒng)計(jì)量（見括號內(nèi)）為?3.028。在模型2中，在控制股票行業(yè)屬性的基礎(chǔ)上，加入價(jià)格（PRICE）、交易量（VOLU）、規(guī)模（SIZE）、貝塔（BETA）、短期反轉(zhuǎn)（REV）、動量（MOM）、換手率（TUR）、非流動性（ILLIQ）和機(jī)構(gòu)持股比例（IO）作為橫截面回歸的控制變量，βEPU的系數(shù)為?0.004，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?2.283。結(jié)果表明，控制股票的行業(yè)屬性后，經(jīng)濟(jì)政策不確定性貝塔與股票預(yù)期收益之間的負(fù)向關(guān)系依然穩(wěn)定，表明經(jīng)濟(jì)政策不確定性貝塔的負(fù)向溢價(jià)并不具有行業(yè)聚集性。在模型3中，控制公司的股權(quán)性質(zhì)，βEPU的系數(shù)為?0.007，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?3.005。模型4加入股票的其他特征作為控制變量，經(jīng)濟(jì)政策不確定性貝塔與股票預(yù)期收益之間的負(fù)向關(guān)系依然穩(wěn)定。

表4 行業(yè)屬性和股權(quán)性質(zhì)對經(jīng)濟(jì)政策不確定性貝塔溢價(jià)的影響

五、 負(fù)向溢價(jià)的機(jī)理分析

（一）基于確定效應(yīng)的分析

前景理論表明投資者的風(fēng)險(xiǎn)態(tài)度是條件依賴的。面對獲利時(shí)傾向于規(guī)避風(fēng)險(xiǎn)，并且賣出資產(chǎn)，獲得確定收益，稱之為“確定效應(yīng)”；而面對虧損時(shí)傾向于追求風(fēng)險(xiǎn)，并且繼續(xù)持有以待其變，稱之為“反射效應(yīng)”。（1）由于經(jīng)濟(jì)政策不確定性貝塔是股票收益對當(dāng)期經(jīng)濟(jì)政策不確定性的回歸系數(shù)，當(dāng)月內(nèi)經(jīng)濟(jì)政策不確定性呈加劇趨勢時(shí)，正的經(jīng)濟(jì)政策不確定性貝塔意味著當(dāng)月股票收益上漲。同時(shí)，經(jīng)濟(jì)政策不確定性的加劇使得研判信息的難度和風(fēng)險(xiǎn)預(yù)期的干擾增加，持有該股票的投資者傾向于“落袋為安”，因而在下個(gè)月賣出股票以獲得確定的收益，從而使股票預(yù)期收益降低，并且貝塔系數(shù)越為正，預(yù)期收益越低，即經(jīng)濟(jì)政策不確定性貝塔負(fù)向預(yù)測股票收益。相反，負(fù)的經(jīng)濟(jì)政策不確定性貝塔意味著當(dāng)月股票收益下跌，賣出該股票會獲得確定的損失，持有該股票的投資者在確定的損失和繼續(xù)持有之間傾向于繼續(xù)持有。（2）當(dāng)經(jīng)濟(jì)政策不確定性減弱時(shí)，負(fù)的經(jīng)濟(jì)政策不確定性貝塔意味著這一時(shí)期內(nèi)的股票收益為正。依據(jù)“確定效應(yīng)”，持有該股票的投資者傾向于賣出股票以獲得確定的收益，從而使得股票預(yù)期收益降低，并且貝塔系數(shù)越為負(fù)，預(yù)期收益越低，即經(jīng)濟(jì)政策不確定性貝塔正向預(yù)測股票收益。相反，正的經(jīng)濟(jì)政策不確定性貝塔意味著股票在這一時(shí)期內(nèi)的收益為負(fù)，依據(jù)“反射效應(yīng)”，持有該股票的投資者面對確定的損失傾向于繼續(xù)持有。

本文按照月內(nèi)經(jīng)濟(jì)政策不確定性的變化趨勢，將經(jīng)濟(jì)政策不確定性劃分為加劇和減弱兩個(gè)情形，并且以月收益區(qū)分持有該股票的投資者是獲利還是虧損，檢驗(yàn)當(dāng)月股票盈虧以及經(jīng)濟(jì)政策不確定性貝塔與股票預(yù)期收益的關(guān)系，結(jié)果如表5所示。在經(jīng)濟(jì)政策不確定性加劇時(shí)（ ΔEPUt>0） ，獲利股票（Ri,t>0）的經(jīng)濟(jì)政策不確定性貝塔與預(yù)期收益的橫截面回歸系數(shù)為?0.013，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?3.473，表明在經(jīng)濟(jì)政策不確定性加劇時(shí)，獲利的投資者會賣出對經(jīng)濟(jì)政策不確定性正向暴露的股票，從而使經(jīng)濟(jì)政策不確定性產(chǎn)生負(fù)向溢價(jià)。同時(shí)，虧損股票（Ri,t<0）的經(jīng)濟(jì)政策不確定性貝塔與預(yù)期收益的橫截面回歸系數(shù)為0.004，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為1.142，經(jīng)濟(jì)政策不確定性貝塔的負(fù)向溢價(jià)統(tǒng)計(jì)不顯著。

在經(jīng)濟(jì)政策不確定性減弱時(shí)（ ΔEPUt<0），無論是對于獲利的股票還是虧損的股票，經(jīng)濟(jì)政策不確定性貝塔均不存在顯著的負(fù)向溢價(jià)。對于獲利的股票（Ri,t>0），經(jīng)濟(jì)政策不確定性貝塔與預(yù)期收益橫截面回歸的系數(shù)為0.006，且在10%水平下顯著，表明在經(jīng)濟(jì)政策不確定性減弱時(shí)，獲利的投資者會賣出對經(jīng)濟(jì)政策不確定性負(fù)向暴露的股票，使得經(jīng)濟(jì)政策不確定性貝塔與預(yù)期收益之間呈現(xiàn)正向關(guān)系。對于虧損的股票（Ri,t<0），經(jīng)濟(jì)政策不確定性貝塔與預(yù)期收益之間不存在顯著關(guān)系。綜上，獲利的投資者為了規(guī)避不確定性風(fēng)險(xiǎn)，賣出經(jīng)濟(jì)政策不確定性貝塔較高的股票，即“確定效應(yīng)”是經(jīng)濟(jì)政策不確定性貝塔產(chǎn)生負(fù)向溢價(jià)的原因。

表5 經(jīng)濟(jì)政策不確定性和盈虧維度下βEPU的收益預(yù)測能力

（二）基于套利風(fēng)險(xiǎn)的分析

經(jīng)濟(jì)政策不確定性貝塔能夠預(yù)期股票收益，而且具有穩(wěn)定的負(fù)向溢價(jià)，這顯然不符合資產(chǎn)定價(jià)理論“高風(fēng)險(xiǎn)具有高收益”的風(fēng)險(xiǎn)補(bǔ)償邏輯。投資者往往利用經(jīng)濟(jì)政策利好或利空進(jìn)行套利交易，進(jìn)而獲得較高的回報(bào)。然而，經(jīng)濟(jì)政策的不確定性可能會影響投資者對套利機(jī)會的評價(jià)和判斷，從而給依賴經(jīng)濟(jì)政策的套利交易帶來風(fēng)險(xiǎn)，因此假設(shè)經(jīng)濟(jì)政策不確定性貝塔是套利風(fēng)險(xiǎn)之一。

Stambaugh等（2015）、Cao和Han（2016）表明，特質(zhì)波動率作為資產(chǎn)定價(jià)模型無法解釋的異常收益的波動率，表示投資者利用異常收益進(jìn)行套利交易的風(fēng)險(xiǎn)。因此，本文以特質(zhì)波動率作為套利風(fēng)險(xiǎn)的代理指標(biāo)，解釋經(jīng)濟(jì)政策不確定性貝塔的負(fù)向溢價(jià)。參考Ang等（2006，2009）的方法，以股票月內(nèi)日收益中FF五因子模型無法解釋的收益殘差的標(biāo)準(zhǔn)差來度量股票的特質(zhì)波動率。以特質(zhì)波動率和βEPU構(gòu)建5×5投資組合，分別以流通市值加權(quán)和等權(quán)持有組合1個(gè)月?？刂铺刭|(zhì)波動率對βEPU組合預(yù)期收益的影響，檢驗(yàn)高、低βEPU組合在持有期的收益是否存在負(fù)向差異，以及FF5模型回歸組合預(yù)期收益后常數(shù)項(xiàng)是否存在顯著的負(fù)向差異，結(jié)果如表6所示。

表6 控制特質(zhì)波動率后經(jīng)濟(jì)政策不確定性貝塔的組合分析

以流通市值加權(quán)計(jì)算組合的預(yù)期收益，并且控制特質(zhì)波動率對組合預(yù)期收益的影響，高、低βEPU組合預(yù)期收益的差為?0.368，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?5.008，差異依然顯著為負(fù)。以FF5因子模型過濾組合收益中的系統(tǒng)性風(fēng)險(xiǎn)溢價(jià)，高、低βEPU組合預(yù)期收益的常數(shù)項(xiàng)之差為?0.280，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?4.614，負(fù)向差異同樣顯著。以等權(quán)計(jì)算組合的預(yù)期收益，并且控制特質(zhì)波動率對組合預(yù)期收益的影響，高、低βEPU組合預(yù)期收益的差為?0.3133，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?5.741，差異依然顯著為負(fù)。以FF5因子模型過濾組合收益中的系統(tǒng)性風(fēng)險(xiǎn)溢價(jià)，高、低βEPU組合預(yù)期收益的常數(shù)項(xiàng)之差為?0.084，相應(yīng)的Newey-West-t統(tǒng)計(jì)量為?5.687，結(jié)果都顯著為負(fù)，因此套利風(fēng)險(xiǎn)并不能解釋經(jīng)濟(jì)政策不確定性貝塔與股票預(yù)期收益的負(fù)向關(guān)系。

六、 經(jīng)濟(jì)政策不確定性貝塔的定價(jià)能力

由于經(jīng)濟(jì)政策不確定性貝塔對股票收益具有穩(wěn)定的負(fù)向預(yù)測能力，因此按照Fama和French（1993，2015）的方法，買多經(jīng)濟(jì)政策不確定性貝塔低的組合，同時(shí)賣空經(jīng)濟(jì)政策不確定性貝塔高的組合，以買多—賣空獲得的套利收益定義經(jīng)濟(jì)政策不確定性因子（robust minus sensitive，RMS）。參照邢紅衛(wèi)等（2017），我們按照過去一個(gè)月以模型（1）估計(jì)的βEPU，以三種劃分方式形成股票組合，并且持有組合一個(gè)月來構(gòu)建經(jīng)濟(jì)政策不確定性因子：（1）將股票分為βEPU較低的20%股票、βEPU居中的60%股票和βEPU較高的20%股票，買多βEPU較低的20%股票組合的同時(shí)賣空βEPU較高的20%股票組合（RMS20-20）；（2）將股票分為βEPU較低的30%股票、βEPU居中的40%股票和βEPU較高的30%股票，買多βEPU較低的30%股票組合的同時(shí)賣空βEPU較高的30%股票組合（RMS30-30）；（3）將股票分為βEPU較低的40%股票、βEPU居中的20%股票和βEPU較高的40%股票，買多βEPU較低的40%股票組合的同時(shí)賣空βEPU較高的40%股票組合（RMS40-40）。

首先，分析三種方式定義的經(jīng)濟(jì)政策不確定性因子與市場風(fēng)險(xiǎn)因子（MKT）、市值因子（SMB）、賬面市值比因子（HML）、動量因子（UMD）、盈利因子（RMW）、投資因子（CMA）的基本統(tǒng)計(jì)量，結(jié)果如表7的Panel A所示。三種方式定義的經(jīng)濟(jì)政策不確定性因子的均值分別為0.003，0.004，0.003，表明經(jīng)濟(jì)政策不確定性因子具有正的風(fēng)險(xiǎn)價(jià)格，且高于賬面市值比因子、動量因子、盈利因子和投資因子。三種方式定義的經(jīng)濟(jì)政策不確定性因子有基本相同的均值，標(biāo)準(zhǔn)差也小于其他六個(gè)因子，表明經(jīng)濟(jì)政策不確定性因子的風(fēng)險(xiǎn)價(jià)格具有較好的穩(wěn)定性。其次，分析經(jīng)濟(jì)政策不確定性因子與其他六個(gè)因子之間的相關(guān)性，結(jié)果如Panel B所示，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性因子與其他六個(gè)因子有較低的相關(guān)性。由于三種方式定義的經(jīng)濟(jì)政策不確定性因子具有相似的統(tǒng)計(jì)特征，后文使用RMS30-30定義的經(jīng)濟(jì)政策不確定性因子，且省去下標(biāo)。

表7 經(jīng)濟(jì)政策不確定性因子與其他定價(jià)因子的基本統(tǒng)計(jì)分析

以經(jīng)濟(jì)政策不確定性因子（RMS）和其他六個(gè)因子互為因變量進(jìn)行回歸，檢驗(yàn)定價(jià)因子的冗余性，結(jié)果如表8所示。以經(jīng)濟(jì)政策不確定性因子作為因變量，回歸的截距項(xiàng)為0.003，且統(tǒng)計(jì)檢驗(yàn)（括號內(nèi)）顯著，表明經(jīng)濟(jì)政策不確定性因子并不能被其他六個(gè)因子完全解釋。以市場風(fēng)險(xiǎn)因子作為因變量，回歸的截距項(xiàng)為0.005，且統(tǒng)計(jì)檢驗(yàn)不顯著，同時(shí)經(jīng)濟(jì)政策不確定性因子回歸系數(shù)的t統(tǒng)計(jì)量為1.080，因此經(jīng)濟(jì)政策不確定性因子對市場風(fēng)險(xiǎn)因子不具有解釋作用，而其他五個(gè)因子能夠解釋市場風(fēng)險(xiǎn)因子。以市值因子作為因變量，回歸的截距項(xiàng)為0.008，且統(tǒng)計(jì)檢驗(yàn)顯著，而經(jīng)濟(jì)政策不確定性因子回歸系數(shù)的統(tǒng)計(jì)量為0.700，表明經(jīng)濟(jì)政策不確定性因子也不能解釋市值因子。以賬面市值比因子作為因變量，截距項(xiàng)和經(jīng)濟(jì)政策不確定性因子的系數(shù)都顯著，表明經(jīng)濟(jì)政策不確定性因子與其他因子不能完全解釋賬面市值比因子。分別以動量因子和投資因子作為因變量，回歸的截距項(xiàng)不顯著而經(jīng)濟(jì)政策不確定性因子和其他因子的系數(shù)都顯著，表明經(jīng)濟(jì)政策不確定性因子與其他因子能夠完全解釋動量因子和投資因子。以盈利因子作為因變量，回歸的截距項(xiàng)為0.005，且統(tǒng)計(jì)檢驗(yàn)顯著，而經(jīng)濟(jì)政策不確定性因子回歸系數(shù)的統(tǒng)計(jì)量為0.485，表明經(jīng)濟(jì)政策不確定性因子也不能解釋盈利因子。因此，在我們考慮的六個(gè)因子基礎(chǔ)上加入經(jīng)濟(jì)政策不確定性因子后，動量因子和投資因子都成為了冗余因子。

表8 定價(jià)因子輪流作為因變量的回歸分析

續(xù)表8 定價(jià)因子輪流作為因變量的回歸分析

為了比較不同因子的定價(jià)能力，在每個(gè)月分別按照規(guī)模（SIZE）和動量（MOM）、規(guī)模和非流動性（ILLIQ）、動量和非流動性構(gòu)建獨(dú)立5×5組合，以包含不同因子的定價(jià)模型對組合收益進(jìn)行時(shí)間序列回歸。依據(jù)Fama和French（2015）評價(jià)模型定價(jià)效率的方法，選擇GRS聯(lián)合檢驗(yàn)統(tǒng)計(jì)量（Gibbons等，1989）、組合收益回歸截距項(xiàng)絕對值的平均值 |ad|、 截距項(xiàng)絕對值的平均值 |ad|與組合收益偏離平均收益的偏差 |τd|之 比（其中是組合d收益的時(shí)間序列平均值，是的算術(shù)平均值）、模型擬合的均方誤差（mean square error，MSE）和調(diào)整R2為標(biāo)準(zhǔn)檢驗(yàn)?zāi)Ｐ偷亩▋r(jià)效率，結(jié)果如表9所示。

表9 經(jīng)濟(jì)政策不確定性因子的定價(jià)效率

在Panel A，對于5×5規(guī)模和動量組合（SIZE-MOM），包含F(xiàn)F3因子、盈利因子和經(jīng)濟(jì)政策不確定性因子的定價(jià)模型的GRS統(tǒng)計(jì)量為1.885， |ad|為 0.002， |ad|/|τd|為0.554，MSE為0.001，調(diào)整R2為0.943，與其他模型相比，有更小的定價(jià)誤差和更好的擬合程度，表明有更好的定價(jià)效率。在Panel B和Panel C，對于5×5規(guī)模和非流動性組合（SIZE-ILLIQ）、5×5動量和非流動性組合（MOM-ILLIQ），無論是反映收益未被解釋程度的GPS統(tǒng)計(jì)量、 |ad|和 |ad|/|τd|，還是反映模型擬合優(yōu)度的MSE和R2，包含F(xiàn)F3因子、盈利因子和經(jīng)濟(jì)政策不確定性因子的定價(jià)模型都表現(xiàn)出更好的定價(jià)效率。

七、 結(jié)論與啟示

面對當(dāng)前復(fù)雜嚴(yán)峻的國際形勢、艱巨繁重的國內(nèi)改革和穩(wěn)定發(fā)展任務(wù)，特別是新冠肺炎疫情的嚴(yán)重沖擊，既要發(fā)揮經(jīng)濟(jì)政策在化資源配置、刺激市場信心等方面的宏觀調(diào)控功效，更要關(guān)注經(jīng)濟(jì)政策不確定性所產(chǎn)生的經(jīng)濟(jì)后果。本文選擇我國股票市場作為實(shí)證研究對象，將股票收益對經(jīng)濟(jì)政策不確定性回歸的系數(shù)貝塔作為經(jīng)濟(jì)政策不確定性的風(fēng)險(xiǎn)暴露。依據(jù)資產(chǎn)定價(jià)理論，經(jīng)濟(jì)政策不確定性貝塔應(yīng)該要求正的風(fēng)險(xiǎn)補(bǔ)償，然而實(shí)證結(jié)果卻表明經(jīng)濟(jì)政策不確定性貝塔會產(chǎn)生顯著的負(fù)向溢價(jià)，并且這一結(jié)果不能夠被股票的其他特征、行業(yè)和股權(quán)性質(zhì)所解釋，所以投資者并不能從經(jīng)濟(jì)政策不確定性的風(fēng)險(xiǎn)暴露中獲得風(fēng)險(xiǎn)補(bǔ)償。

我們發(fā)現(xiàn)當(dāng)經(jīng)濟(jì)政策不確定性加劇時(shí)，獲利的投資者為了規(guī)避不確定性，會減少投資對經(jīng)濟(jì)政策不確定性正向暴露的股票，從而使其產(chǎn)生低的預(yù)期收益，因此經(jīng)濟(jì)政策不確定性貝塔的負(fù)向溢價(jià)是由投資者在經(jīng)濟(jì)政策不確定性加劇時(shí)的“確定效應(yīng)”所致。我國股票市場常被視為“政策市”，投資者也往往利用經(jīng)濟(jì)政策進(jìn)行套利交易，而經(jīng)濟(jì)政策的不確定性可能會給這種套利交易帶來風(fēng)險(xiǎn)，因而經(jīng)濟(jì)政策不確定性可能屬于套利風(fēng)險(xiǎn)的某個(gè)維度。然而我們的研究結(jié)果表明控制套利風(fēng)險(xiǎn)也不能消除經(jīng)濟(jì)政策不確定性貝塔的負(fù)向溢價(jià)，可見投資者并不輕易選擇對經(jīng)濟(jì)政策不確定性敏感的股票作為套利交易對象。進(jìn)一步，以經(jīng)濟(jì)政策不確定性貝塔構(gòu)建定價(jià)因子，發(fā)現(xiàn)包含F(xiàn)F3因子、盈利因子和經(jīng)濟(jì)政策不確定性因子的五因子模型在中國股票市場具有更好的定價(jià)效率，驗(yàn)證了經(jīng)濟(jì)政策不確定性在資產(chǎn)橫截面收益中的定價(jià)能力。

我們的研究表明經(jīng)濟(jì)政策具有“雙刃劍”作用。長久以來，積極的經(jīng)濟(jì)政策已經(jīng)在優(yōu)化資源配置、防范化解系統(tǒng)性金融風(fēng)險(xiǎn)以及加快經(jīng)濟(jì)體結(jié)構(gòu)性改革等方面展現(xiàn)出顯著成效。然而在國際經(jīng)濟(jì)環(huán)境大變革的背景下，更應(yīng)關(guān)注經(jīng)濟(jì)政策的二階矩層面。高的經(jīng)濟(jì)政策不確定性會產(chǎn)生負(fù)面的經(jīng)濟(jì)后果，不利于引導(dǎo)投資者恢復(fù)信心和維護(hù)金融市場穩(wěn)定。面對全球防疫形勢嚴(yán)峻、地緣政治關(guān)系緊張、國際貿(mào)易爭端升級等諸多挑戰(zhàn)，有必要在宏觀審慎框架下保持經(jīng)濟(jì)政策的連續(xù)性、穩(wěn)定性和可持續(xù)性。經(jīng)濟(jì)政策在頒布上要適時(shí)適度，在操作上要精準(zhǔn)有效，在持續(xù)加大支持力度的同時(shí)保證投資者群體的信心和活力，為維護(hù)金融市場流動性和深化供給側(cè)結(jié)構(gòu)性改革提供穩(wěn)定的政策環(huán)境。