摘要：中國經(jīng)濟轉型過程中，政府通過制定和實施經(jīng)濟政策對經(jīng)濟發(fā)展發(fā)揮積極推動作用，但政策調整潛在的不確定性可能對資產(chǎn)價格產(chǎn)生影響。采用2003—2020年滬深A股上市公司季度數(shù)據(jù)實證研究政策不確定性對股票錯誤定價的影響及其作用機制。結果表明，政策不確定性上升總體上傾向于修正股票錯誤定價，且高估樣本和低估樣本呈現(xiàn)明顯的非對稱性：政策不確定性上升將修正高估股票的錯誤定價，而加劇低估股票的錯誤定價。投資者情緒和市值管理是主要作用機制，且投資者情緒機制占主導作用。進一步考察異質性的結果表明，政策不確定性對股票錯誤定價的影響主要表現(xiàn)在2007年之后、民營企業(yè)和規(guī)模較小的企業(yè);貨幣和財政兩類內部政策不確定性均會增大高估股票的錯誤定價程度，減小低估股票的錯誤定價程度，而貿易和匯率與資本項目兩類外部政策不確定性的影響則相反。因此，需要充分認識預期管理在金融市場監(jiān)管中的重要性，關注政策不確定性對資產(chǎn)錯誤定價的影響;科學制定經(jīng)濟政策調整的時間窗口，降低政策變動潛在的不確定性，緩解其對資產(chǎn)價格的影響。

關鍵詞：政策不確定性;股票錯誤定價;投資者情緒;市值管理

文獻標識碼：A 文章編號：1002-2848-2024（04）-0055-18

一、問題提出

理清政府與市場之間關系是現(xiàn)代經(jīng)濟社會發(fā)展中最基本且極其重要的話題，細致考察兩者之間關系亦是經(jīng)濟學界關注的核心問題。在中國經(jīng)濟轉型過程中，市場越發(fā)在資源配置中起到?jīng)Q定性作用，政府通過制定和實施經(jīng)濟政策發(fā)揮積極作用，經(jīng)濟政策與市場主體之間發(fā)生頻繁的互動。特別是在經(jīng)濟面臨下滑風險的時候，政府更傾向于通過出臺政策以保障經(jīng)濟平穩(wěn)運行，例如，2009年中國為應對國際金融危機推出“四萬億元”刺激計劃，2014年以來為應對經(jīng)濟進入“新常態(tài)”增速放緩開啟供給側結構性改革，以及2020年以來為應對新冠病毒感染疫情沖擊的防控和復工政策等。值得關注的是，受到自身特征和外部環(huán)境的影響，經(jīng)濟政策往往會不斷調整。政策變動一方面為未來經(jīng)濟發(fā)展注入動力，另一方面則可能引發(fā)經(jīng)濟個體對未來政策變化無法預知的不確定性，包括政策變化的可能性、頻率、內容以及執(zhí)行方式等。這些政策與經(jīng)濟行為主體之間的互動為考察政府與市場之間關系提供了可能的場景。

基于股票市場的運行特點，經(jīng)濟政策變動通常被視為影響股票價格走勢的決定性力量，其會通過影響企業(yè)管理層和市場投資者預期以及相應決策行為引發(fā)資產(chǎn)價格變動[1]。具體而言，股票價格變動一方面受到政策頒布自身的影響，另一方面受到政策變動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政策內容及效果形成準確的預期，進而影響市場走勢。根據(jù)有效市場假說理論，股票價格總是能夠充分反映股票的內在價值，而在現(xiàn)實市場上，股票價格往往對其內在價值出現(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誤定價①。當股票價格高于內在價值時，錯誤定價表現(xiàn)為股價高估;當股票價格低于內在價值時，錯誤定價表現(xiàn)為股價低估?；诖?，錯誤定價是股票市場價格重要的組成部分，那么，政策不確定性對股票價格的影響主要體現(xiàn)在兩個方面：一是通過影響企業(yè)經(jīng)營活動以及未來現(xiàn)金流影響股票的內在價值，二是通過影響投資者情緒以及企業(yè)管理者對市場的反應等非經(jīng)營因素影響錯誤定價。需要說明的是，錯誤定價會對股票市場運行產(chǎn)生諸多負面影響，其會降低股票市場的資源配置效率，導致企業(yè)和市場投資者遭受損失，甚至會對金融體系穩(wěn)定性以及整個經(jīng)濟運行產(chǎn)生嚴重沖擊。既有文獻大多關注政策不確定性對股價波動的影響[1]，以及對企業(yè)投資[4]、融資[5]和現(xiàn)金持有[6]等經(jīng)營行為的影響，而鮮有學者關注政策不確定性對股票錯誤定價的影響。這便派生出一系列值得思考的問題：政策不確定性是否會影響股票錯誤定價？ 主要的作用機制是什么？ 對不同類型企業(yè)的影響是否存在差異？ 探討這些問題對全面和深入分析政策不確定性對資產(chǎn)價格的影響以及科學制定金融市場監(jiān)管政策具有重要的理論價值和現(xiàn)實意義。

中國的股票市場往往被視為“政策市”，受政策變動的影響尤為明顯，為探究政府與市場之間關系提供了理想的實驗環(huán)境。本文采用2003—2020年滬深A股上市公司季度數(shù)據(jù)實證研究政策不確定性對股票錯誤定價的影響及其作用機制。與現(xiàn)有研究相比，本文的貢獻主要體現(xiàn)在三個方面。首先，拓展了經(jīng)濟政策不確定性的市場效應研究文獻。一方面，現(xiàn)有文獻考察了政策變化對股價波動的影響[1，4，7]，發(fā)現(xiàn)經(jīng)濟政策變化會加劇股市波動，提高股票風險溢價。另一方面，現(xiàn)有文獻關注政策不確定性對金融市場風險的影響[8-10]，發(fā)現(xiàn)政策不確定性上升會加劇債券市場風險傳染、股票市場風險溢出和股票市場對外匯市場風險溢出。此外，現(xiàn)有文獻研究發(fā)現(xiàn)政策不確定上升會提高股價同步性，降低股票市場定價效率以及減小首次公開發(fā)行（IPO）首日的收益率[11-12]。在上述文獻基礎上，本文從股票錯誤定價視角考察政策不確定性對資產(chǎn)價格的影響，拓展了政策不確定性與資產(chǎn)價格之間關系的研究。其次，豐富了股票錯誤定價影響因素的研究文獻。既有文獻側重于從噪聲交易、投資者情緒、機構投資者持股等市場投資者行為視角考察股票錯誤定價的形成機制[13-15]，發(fā)現(xiàn)信息不對稱導致市場中出現(xiàn)大量噪聲交易，形成持續(xù)疊加的非理性情緒，引發(fā)股票價格“超漲超跌”，造成股票錯誤定價。此外，已有文獻從退市制度、信息披露、賣空限制、IPO管制和金融科技等金融制度和監(jiān)管視角探討導致股票錯誤定價問題的根源[16-18]，但尚未涉及政策不確定性對股票錯誤定價的影響。最后，揭示了政策不確定性影響股票錯誤定價的內在機制，為探討政府與市場之間關系提供了新的微觀視角。在現(xiàn)有研究的基礎上，本文基于市場投資者情緒的被動影響和企業(yè)市值管理的主動調整兩個視角探討政策不確定性對股票錯誤定價的影響機制，并區(qū)分高估樣本和低估樣本識別政策不確定性對股票錯誤定價影響的主導機制，增進了政策不確定性對資產(chǎn)價格影響的理解，同時深化了宏觀經(jīng)濟政策與微觀企業(yè)行為領域的研究。

二、經(jīng)驗事實與理論分析

（一）經(jīng)驗事實

1.股票錯誤定價的變動趨勢

事實1：股票市場普遍存在錯誤定價，且股票錯誤定價呈現(xiàn)一定的波動性。

事實1是根據(jù)2003—2020年上市公司股票錯誤定價的測算結果整理得到的。如圖1所示，在樣本期間，股票錯誤定價（絕對值）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格與內在價值之間長期存在偏離，并出現(xiàn)一定的波動，特別是在2015年出現(xiàn)異常波動。

事實2：分樣本來看，高估股票的平均錯誤定價幅度大于低估股票。

事實2是根據(jù)股票錯誤定價方向對全樣本進行分組統(tǒng)計得到的。股票高估定價的變化情況如圖2（a）所示，股票出現(xiàn)較大幅度的高估定價，并出現(xiàn)較大的波動，特別在2015年出現(xiàn)了異常波動。股票低估定價的變化情況如圖2（b）所示，股票低估定價的幅度和波動性均較小。比較圖2（a）和圖2（b）可知，股票高估定價與低估定價存在明顯差異，前者的幅度和波動性均大于后者。

2.政策不確定性與股票錯誤定價之間的關系

事實3：政策不確定性指數(shù)與股票錯誤定價之間總體上呈現(xiàn)負相關關系。

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

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

事實4是將政策不確定性指數(shù)分別與高估和低估兩個子樣本股票錯誤定價合并統(tǒng)計得到的。政策不確定性指數(shù)與股票高估錯誤定價之間的關系如圖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。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)明顯的同向變動趨勢。

（二）理論分析

1.基于投資者情緒的被動影響

現(xiàn)有研究認為，投資者情緒是影響股票市場的系統(tǒng)性風險因子之一，投資者情緒變化會直接影響到投資者行為決策，進而導致股市波動[7，10]?，F(xiàn)實股票市場上時刻充斥著濃厚的樂觀和悲觀兩種投資者情緒，兩種情緒均會對股票價格波動產(chǎn)生影響。在樂觀市場情緒下，潛在的投資者會選擇進入市場和買入更多股票，推動股票價格持續(xù)上漲，很可能導致股票價格對其內在價值向上偏離，出現(xiàn)股價高估;而在悲觀市場情緒下，投資者會選擇紛紛拋售股票，甚至退出市場，造成股票價格持續(xù)下降和面臨崩盤風險，很可能導致股票價格對其內在價值向下偏離，出現(xiàn)股價低估。市場投資者具有不確定性厭惡，當面臨經(jīng)濟政策不確定性上升時，無論在樂觀還是悲觀的市場情緒下，投資者都會選擇更為謹慎的投資決策，勢必會引發(fā)股票錯誤定價出現(xiàn)變化。具體而言，隨著經(jīng)濟政策不確定性上升，謹慎的投資決策將抑制市場投資者情緒，促使樂觀情緒降溫，悲觀情緒進一步蔓延。樂觀情緒下降將減小由其引致的股價高估水平，使得高估股價向內在價值回復;悲觀情緒持續(xù)蔓延將提高由其導致的股價低估水平，使得股價出現(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，修正高估股價的錯誤定價，加劇低估股價的錯誤定價，對總體股票錯誤定價的影響則不明確，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，市場總體投資者情緒下降，進而修正高估股價企業(yè)的錯誤定價，加劇低估股價企業(yè)的錯誤定價。

2.基于企業(yè)市值管理的主動調整

經(jīng)濟政策不確定性會影響企業(yè)管理層對市場投資者行為的預期，從而調整自身的決策行為?，F(xiàn)有研究表明，政策不確定性會加劇股市波動[1，7]，勢必會影響股票價格偏離其內在價值的錯誤定價。股票錯誤定價可能給企業(yè)經(jīng)營帶來諸多不良影響：當股價出現(xiàn)持續(xù)低估時，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險;當股價出現(xiàn)高估時，企業(yè)股價崩盤風險將增大。此時，面對政策不確定性上升對股票市場的沖擊，企業(yè)管理層傾向于啟動市值管理來保障企業(yè)的市場價值不會嚴重偏離其內在價值[19]。

市值管理實質上是企業(yè)管理層采取一系列措施主動參與資本市場互動進而提升企業(yè)價值的過程。針對市場價值與內在價值之間的差異，企業(yè)管理層會選擇相機而動的市值管理措施。一般來說，股價高估促使企業(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)實現(xiàn)企業(yè)市場價值提升，企業(yè)管理層對股價高估具有較高的容忍度;而股價低估則不利于企業(yè)價值的實現(xiàn)，企業(yè)管理層傾向于采取措施來修正股價低估水平。因此，企業(yè)管理層將嚴格限制股價出現(xiàn)低估，而在一定程度上有動機維持股價高估，即市值管理具體體現(xiàn)為“維持高估、修正低估”。當股價出現(xiàn)高估時，企業(yè)管理層可以利用企業(yè)的估值優(yōu)勢，相機選擇實施再融資、并購等措施，降低融資成本，實現(xiàn)市場價值和內在價值的同步提升，進而傾向維持股價適度水平的高估;當股價出現(xiàn)低估時，企業(yè)管理層將采取諸如增加內部人持股、股票回購和投資者關系管理等措施向市場傳遞積極信息，限制股價繼續(xù)下跌，進而修正股價低估錯誤定價。政策不確定性上升可能通過促發(fā)企業(yè)管理層實施市值管理修正低估錯誤定價，而維持高估錯誤定價?；谝陨戏治觯疚奶岢鋈缦卵芯考僬f：

H2：隨著政策不確定性上升，企業(yè)管理層將更有動機采取市值管理措施，具體表現(xiàn)為，股價低估時修正錯誤定價，股價高估時維持錯誤定價。

3.政策不確定性對股票錯誤定價的綜合影響

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

綜上可知，政策不確定性對高估和低估股票錯誤定價的影響均不確定，進而對總體股票錯誤定價的影響也不確定?；诖耍疚奶岢鰞蓚€競爭性研究假說：

H3a：隨著政策不確定性上升，股票總體錯誤定價水平將縮小。

H3b：隨著政策不確定性上升，股票總體錯誤定價水平將擴大。

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;剔除觀測數(shù)據(jù)小于連續(xù)兩年的公司;剔除同時發(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，為了避免異常值對研究結論的影響，將所有變量進行1%和99%的縮尾（Winsorize）處理，得到3 736家上市公司的131 911個“企業(yè)—季度”樣本觀測值。

（二）變量選擇

1.股票錯誤定價

股票錯誤定價（mp）是本文關注的關鍵變量，現(xiàn)有文獻主要采用三種方式度量。一是相對估值法[20]。將市值賬面比和Tobin’s Q作為代理變量來衡量股票錯誤定價，這些變量除包含股票錯誤定價外，還會反映企業(yè)投資機會和債務懸置等，用于度量股票錯誤定價可能不精確。二是剩余收益模型估值法[21]。利用時間序列回歸方法估計收益方程組，采用得到的擬合值表示內在價值，然后將股票價格與內在價值之差定義為錯誤定價?？紤]到潛在通貨膨脹的影響以及分析師預測精度問題，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]。首先對企業(yè)市值賬面比進行分解，回歸估計得到的擬合值作為內在價值，采用股票價格與內在價值之差衡量錯誤定價。該方法選取了較為全面的潛在影響變量來估算股票內在價值，具有一定的合理性，但考慮到股票內在價值受到企業(yè)內部及外部復雜因素的影響，這一度量方法仍存在改進空間。

本文借鑒Rhodes-Kropf等[2-3]的測算思路，將市值賬面比分解成表示股票未來成長機會的真實價值和錯誤定價兩個部分。采用M 、B 和V 分別表示股票的市場價值、賬面價值和內在價值，將市值賬面比（M/B）分解為：

M/B =M/V ×V/B （1）

其中，M/V 衡量股票錯誤定價，V/B 表示企業(yè)未來的成長機會。對式（1）兩邊取對數(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，市場能夠完美地預測企業(yè)未來的成長機會、貼現(xiàn)率和現(xiàn)金流，企業(yè)的內在價值能夠被完全測度，不會存在定價偏誤，m -b 總與v-b 相等，即m -v=0。而現(xiàn)實市場上存在諸多影響股票價格的因素，企業(yè)的內在價值不能被完全精確地表現(xiàn)出來，導致股票價格與內在價值出現(xiàn)偏離，即m -v 不等于0。因此，采用m -v 來衡量股票錯誤定價。

首先，分季度分行業(yè)估計企業(yè)的內在價值?？紤]到股票內在價值會受到諸多因素的影響，構建如下回歸模型：

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 為市場價值，采用非流通股賬面價值與流通股市場價值之和來表示;bit 為企業(yè)賬面價值，采用企業(yè)總資產(chǎn)來表示;ln（NI）+it 表示凈利潤的絕對值（取對數(shù)）;I（<0）表示凈利潤為負時的指示函數(shù)（當NI≥0時，I=0，反之則I=1）;levit 表示杠桿率，由總負債除以總資產(chǎn)計算得到。

其次，估算企業(yè)的內在價值。一是通過估計式（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)各期的內在價值為：

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

最后，計算得到股票錯誤定價為：mpit =mit -v（θit;α-j） （5）

股票錯誤定價可能的方向有兩個：當股價大于內在價值，即m-v>0時，股票價格出現(xiàn)高估（mpo）;反之，股票價格出現(xiàn)低估（mpu）。為了便于表述，將估算結果取絕對值來度量股票錯誤定價（mp）。mp越大，表示股票價格偏離內在價值的幅度越大。

2.經(jīng)濟政策不確定性

現(xiàn)有文獻對經(jīng)濟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間不連續(xù)的問題，可能導致研究結果存在偏差。二是通過文本數(shù)據(jù)構建經(jīng)濟政策不確定性指數(shù)。Baker等[23]利用文本挖掘技術對中國香港發(fā)行的《南華早報》（South China Morning Post）上與政策不確定性相關的關鍵詞進行搜索和提取，以1995年1月為基期進行指數(shù)化構建中國經(jīng)濟政策不確定性月度指數(shù)（下稱BBD-EPU指數(shù)）。該指數(shù)相對成熟，得到了廣泛的認可和應用[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種報紙構建經(jīng)濟政策不確定性指數(shù)（下稱HL-EPU指數(shù)），該指數(shù)使用了各地區(qū)的報紙文本數(shù)據(jù)，能夠較為準確地體現(xiàn)中國經(jīng)濟政策變動的現(xiàn)實情況。

本文采取季度數(shù)據(jù)進行實證分析，參考Gulen等[24]的處理方法，使用每個季度最后一個月的政策不確定指數(shù)（PUL）作為當季政策不確定性的衡量指標。同時，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）和月份加權平均得到的季度政策不確定性指數(shù)（PUW ）進行穩(wěn)健性檢驗。兩者的具體測算公式如下：

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)。在下文的實證過程中，首先采用BBD-EPU三類指數(shù)（BUL、BUS 和BUW）進行估計，然后基于HL-EPU三類指數(shù)（HUL、HUS 和HUW ）進行穩(wěn)健性檢驗。

3.其他變量

參考現(xiàn)有文獻[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)對數(shù)值表示;總資產(chǎn)負債率（lev），用總負債/總資產(chǎn)計算得到;上市時間（age），用當期季度-上市季度+1計算得到;資產(chǎn)收益率（ROA），由利潤/總資產(chǎn)計算得到;成長性（gth），采用營業(yè)收入的增長率表示;經(jīng)營活動現(xiàn)金流（cah），由經(jīng)營活動現(xiàn)金流量凈額除以總資產(chǎn)計算得到;股權集中度（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。在下文的機制檢驗中，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)市場調整的季度回報率（MVR）以及季度標準差標準化的季度回報率（MVS）表示。

主要變量的描述性統(tǒng)計結果如表1所示。在樣本期間，剔除時間趨勢的股票錯誤定價的均值為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?；谌N方法構建的BBD-EPU指數(shù)和HL-EPU指數(shù)構建的季度政策不確定性指數(shù)（取對數(shù)）的均數(shù)和中位數(shù)均較為一致，相應的均值分別約為5.46和4.85，且在季度層面上的標準差分別約為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誤定價：經(jīng)驗證據(jù)

（一）計量模型

為考察經(jīng)濟政策不確定性對股票錯誤定價的影響，參考Gulen等[24]的研究思路，構建如下計量模型：

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

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

（二）實證結果與分析

1.基準回歸結果

采用面板數(shù)據(jù)固定效應估計模型的回歸結果見表2。首先，考察采用BBD-EPU指數(shù)的估計結果，如第（1）～（3）列所示。第（1）列的結果表明，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后，lnBUL 系數(shù)為負，且通過了1%水平的顯著性檢驗，初步表明政策不確定性與股票錯誤定價之間存在著顯著的負相關關系。進一步考察lnBUS 和lnBUW 的估計結果，分別見第（2）（3）列。lnBUS 和lnBUW 的系數(shù)在1%的水平上顯著為負，這表明政策不確定性對股票錯誤定價具有顯著的負向影響，進而為研究假說H3a提供了證據(jù)支持?？刂谱兞康南禂?shù)大多符合預期，企業(yè)規(guī)模、股權集中度和企業(yè)成長性的系數(shù)均為負，且通過了1%水平的顯著性檢驗;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)營活動現(xiàn)金的系數(shù)大多不顯著。

為了驗證上述結果的穩(wěn)健性，進一步采取HL-EPU指數(shù)對式（8）進行重新回歸，估計結果見第（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后，lnHUL、lnHUS 和lnHUW的系數(shù)均在1%的水平上顯著為負，再次表明政策不確定性對股票錯誤定價總體上具有負向影響，即政策不確定性上升總體上會對股票錯誤定價起到修正作用，為研究假說H3a提供了證據(jù)支持。綜上，經(jīng)濟政策不確定性總體上會對股票錯誤定價有顯著的負向影響，并且實證結果具有較強的穩(wěn)健性。

2.區(qū)分錯誤定價方向的回歸結果

結合經(jīng)驗事實和理論分析，政策不確定性對高估和低估兩類股票錯誤定價的影響存在差異。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誤定價類型進一步探討政策不確定性對股票錯誤定價的影響，回歸結果見表3。

基于BBD-EPU指數(shù)的估計結果見第（1）～（4）列。其中，第（1）（3）列報告了高估樣本的估計結果。結果顯示，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后，lnBUL 和lnBUS 的系數(shù)均為負且通過了1%水平的顯著性檢驗，初步表明政策不確定性上升會顯著減小高估股票的正向錯誤定價。第（2）（4）列報告了低估樣本的估計結果，lnBUL 和lnBUS 的系數(shù)均為正，且在1%的水平上顯著。結果表明，政策不確定性上升會顯著增大低估股票的負向錯誤定價。這說明政策不確定性對高估和低估兩類股票錯誤定價的影響具有顯著的非對稱性：當股價出現(xiàn)高估時，政策不確定性上升會減小正向股票錯誤定價，促使股票價格趨于內在價值的修正;當股價出現(xiàn)低估時，政策不確定性上升則會增大股票的負向錯誤定價，加劇股價低估幅度。從系數(shù)規(guī)模上看，政策不確定性對高估股票錯誤定價的修正作用大于其對低估股票錯誤定價的加劇作用，故總效應體現(xiàn)為政策不確定與股票錯誤定價之間呈現(xiàn)負相關關系，進而通過區(qū)分樣本對以上全樣本基準估計結果提供了解釋。

為了驗證上述結果的穩(wěn)健性，進一步采取HL-EPU指數(shù)進行回歸，估計結果見第（5）～（8）列。在高估樣本下，估計結果見第（5）（7）列，lnHUL 和lnHUS 的系數(shù)均為負，且通過了1%水平的顯著性檢驗，進一步表明政策不確定性對高估股票錯誤定價具有顯著的負向影響;在低估樣本下，第（6）（8）列的估計結果表明，lnHUL 和lnHUS 的系數(shù)均為正，且在1%的水平上顯著，進一步表明政策不確定性對低估股票錯誤定價具有顯著的正向影響。綜上，政策不確定性上升會修正高估股票錯誤定價，而加劇低估股票錯誤定價，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減小股票錯誤定價，實證結果具有較強的穩(wěn)健性。

3.基于內生性問題的再檢驗

從邏輯關系上講，以上政策不確定性與股票錯誤定價之間關系的估計結果可能存在內生性問題。一是遺漏變量造成的估計偏誤。比如，地方政府出臺一系列經(jīng)濟發(fā)展政策等無法觀測的變量可能同時影響政策不確定性和股票錯誤定價。盡管已經(jīng)在基準回歸方程式（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，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，政策不確定性對于單個微觀企業(yè)而言可能是相對外生的，但由于政府部門頻繁出臺和變更經(jīng)濟政策依據(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)展狀況，因而仍可能存在反向因果問題。當出現(xiàn)兩者之一情形時，以上估計結果將是不一致的。針對上述可能導致的內生性問題，下面首先通過排除宏觀經(jīng)濟不確定性來克服遺漏變量帶來的估計偏誤，然后利用工具變量法緩解潛在的反向因果內生性問題，同時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)濟不確定性的影響。股票錯誤定價可能是由于宏觀經(jīng)濟不確定性而非政策不確定性引起的，或者宏觀經(jīng)濟不確定性可能同時影響政策不確定性和股票錯誤定價，因此，模型未控制宏觀經(jīng)濟不確定性可能會帶來遺漏變量的內生性問題。為了緩解這種擔憂，本文在回歸方程中加入宏觀經(jīng)濟不確定性（MEU）。采用王霞等[28]基于實時碎尾數(shù)據(jù)構造的宏觀經(jīng)濟不確定性指數(shù)（日數(shù)據(jù)），并運用與政策不確定性指數(shù)相同的方法構建季度宏觀經(jīng)濟不確定性，估計結果見表4。政策不確定性上升會修正高估股票的錯誤定價，加劇低估股票的錯誤定價，且在系數(shù)規(guī)模上前者大于后者，進而表明以上實證結果具有較強的穩(wěn)健性。

第二，采用工具變量再檢驗。按照構建工具變量的邏輯，需要尋找到一個僅與中國經(jīng)濟政策不確定性相聯(lián)系，而又不會直接影響股票錯誤定價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)濟體（巴西、俄羅斯和印度）的經(jīng)濟政策不確定性作為一組工具變量（分別表示為BUB、BUR 和BUI）進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，滿足相關性條件;同時，三個國家與中國在貿易和金融方面互動較少，其政策不確定性不會直接對中國股票市場價格產(chǎn)生影響，滿足外生性條件。工具變量的估計結果②表明，政策不確定性上升會修正高估股票錯誤定價，而加劇低估股票錯誤定價，且在系數(shù)規(guī)模上前者大于后者，進而表明上述實證結果具有較強的穩(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系等潛在內生性問題，表明政策不確定性與股票錯誤定價之間具有穩(wěn)健的負向關系，再一次為研究假說H3a提供了證據(jù)支持。

4.穩(wěn)健性檢驗

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

第二，變更樣本范圍?？紤]到外部沖擊和股價異常波動可能對估計結果產(chǎn)生重要影響，剔除異常年份樣本進行穩(wěn)健性檢驗：一是剔除國際金融危機沖擊較為嚴重的2007年和2008年樣本，二是剔除股票市場出現(xiàn)異常波動的2015年樣本。估計結果表明以上結果具有較強的穩(wěn)健性。

第三，替換估計方法?？紤]到股票錯誤定價潛在的動態(tài)變化特征，進一步在式（8）中加入股票錯誤定價的一期滯后項，得到如下動態(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）的估計結果顯示，在所有的方程中，股票錯誤定價一期滯后項的系數(shù)均在1%的水平上顯著為正，表明股票錯誤定價具有顯著的正向序列相關性。全樣本估計結果顯示，lnBUS 和lnHUS 的系數(shù)均在1%的水平上顯著為負，再次表明政策不確定性上升會顯著減小總體股票的錯誤定價，再一次為研究假說H3a提供了證據(jù)支持。進一步分析分樣本的估計結果，在高估樣本下，lnBUS 和lnHUS 的系數(shù)均為負，且通過了1%水平的顯著性檢驗;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修正高估股票的錯誤定價，而加劇低估股票的錯誤定價。在考慮股票錯誤定價潛在的動態(tài)變化特征情形下，以上估計結果仍具有較強的穩(wěn)健性，進而佐證了研究假說H3a。

五、政策不確定性與股票錯誤定價：機制檢驗

（一）計量模型與變量

1.計量模型

參考Acemoglu等[30]的研究思路，采用依次檢驗法進行中介效應檢驗，分兩步進行。

首先，考察政策不確定性對中介變量的影響，構建如下計量模型：

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，在基準回歸方程式（8）的基礎上加入中介變量，得到如下計量模型：

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）的基礎上進行如下識別策略：若式（10）中的β1 和式（11）中的β2 均顯著，同時式（11）中的β1 不顯著，說明存在完全中介效應;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）估計系數(shù)出現(xiàn)下降，則存在不完全中介效應。

2.中介變量

（1）市場投資者情緒（STM ），采用易志高等[26-27]構建的投資者情緒指數(shù)。易志高等[26]選取封閉式基金折價、交易量、IPO數(shù)量及上市首日收益、消費者信心指數(shù)、新增投資者開戶數(shù)以及宏觀經(jīng)濟變量，采用主成分分析法，構建了中國股票市場投資者情緒綜合指數(shù)（ICS）。趙汝為等[27]在其基礎上進一步完善，構建了投資者情緒指數(shù)（ISI）。ICS 和ISI 均得到了認可和應用，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)市場調整的股票季度回報率衡量。企業(yè)越重視市值管理，股價越可能持續(xù)上漲①?？紤]到有效的市值管理旨在促進股價平穩(wěn)上漲，以下采用經(jīng)上一季度股票回報率的標準差進行標準化的股票回報率（MVS）作為替代變量進行穩(wěn)健性檢驗。

（二）機制檢驗

1.投資者情緒

（1）政策不確定性與投資者情緒。首先實證分析政策不確定性對投資者情緒的影響，估計結果見表5②。第（1）～（3）列報告了ICS 度量投資者情緒的估計結果。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。這表明政策不確定性對投資者情緒具有顯著的負向影響，即政策不確定性上升會抑制投資者的樂觀情緒，導致其悲觀情緒進一步蔓延，進而為研究假說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結果。在總樣本、高估樣本和低估樣本下，lnBUS 的系數(shù)均為負，且在1%的水平上顯著，進一步表明政策不確定性對投資者情緒具有顯著的負向影響，并且這一估計結果具有較強的穩(wěn)健性。

（2）投資者情緒與股票錯誤定價。在基準回歸方程式（8）中加入投資者情緒指標。表5第（7）～（9）列報告了ICS 的估計結果。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之后，第（7）列全樣本的估計結果顯示，lnBUS 的系數(shù)在1%的水平上顯著為負，與基準回歸結果表現(xiàn)一致，且絕對規(guī)模較表2的估計系數(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，投資者情緒對股票錯誤定價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結果，lnBUS 的系數(shù)分別為負和正，且均通過了1%水平的顯著性檢驗，且絕對規(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，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，投資者情緒升高會顯著加劇高估股票的錯誤定價，而修正低估股票的錯誤定價。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，即政策不確定性上升將可能引發(fā)投資者情緒下降，進而減小高估股票的正向錯誤定價和增大低估股票的負向錯誤定價。為了檢驗估計結果的穩(wěn)健性，進一步采用ISI 作為投資者情緒的代理變量，估計結果在表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、負和正，且在1%的水平上顯著，較基準回歸系數(shù)出現(xiàn)明顯下降;lnISI 的系數(shù)分別為正、正和負，且均通過了1%水平的顯著性檢驗。

綜上所述，在全部股票、高估股票和低估股票三個樣本下，lnBUS 系數(shù)均與基準回歸結果的符號一致，且絕對規(guī)模明顯減小，同時，ICS 和ISI 兩個度量投資者情緒的變量均在1%的水平上顯著?；谥薪樾獧z驗法得出，政策不確定性上升會通過影響投資者情緒對股票錯誤定價產(chǎn)生影響：在高估樣本下，政策不確定性上升會顯著抑制市場投資者高漲的樂觀情緒，修正股票錯誤定價;在低估樣本下，政策不確定性上升會顯著加劇市場投資者的悲觀情緒，增大股票錯誤定價，進而為研究假說H1提供了證據(jù)支持。

2.市值管理

（1）政策不確定性與市場管理。首先考察政策不確定性對市值管理影響，估計結果見表6。第（1）～（3）列報告了MVR 度量市值管理的估計結果。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。這表明政策不確定性上升會激勵企業(yè)管理層進行市值管理。在高估樣本下，lnBUS 的系數(shù)為負，但不顯著，表明當股價出現(xiàn)高估時，政策不確定性上升不會對企業(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，表明當股價出現(xiàn)低估時，政策不確定性上升將促使企業(yè)管理層實施市值管理，即政策不確定性上升促使企業(yè)傾向于維持股價高估和修正股價低估，進而為研究假說H2提供了證據(jù)支持。第（4）～（6）列為MVS 度量企業(yè)市值管理的估計結果。結果顯示，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，進一步表明政策不確定性上升對企業(yè)管理層市值管理的促進作用主要體現(xiàn)在低估樣本，說明上述實證結果具有較強的穩(wěn)健性。

（2）市值管理與股票錯誤定價。在基準回歸方程式（8）中加入市值管理進行中介效應檢驗，表6第（7）～（9）列報告了MVR 的估計結果。第（7）列全樣本的估計結果顯示，lnBUS 的系數(shù)為負，且通過了1%水平的顯著性檢驗，與基準回歸表現(xiàn)一致，且在絕對值上相較表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，市值管理總體上對股票錯誤定價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結果，lnBUS 的系數(shù)分別為負和正，且均在1%的水平上顯著，且絕對規(guī)模相較表3的估計系數(shù)有所減小。MVR 的系數(shù)分別為正和負，且均通過了1%水平的顯著性檢驗，這表明在考慮政策不確定性的情形下，市值管理會加劇高估股票的錯誤定價，而修正低估股票的錯誤定價，為研究假說H2提供了證據(jù)支持。值得關注的是，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。

進一步采用MVS 度量市值管理進行穩(wěn)健性檢驗，估計結果見第（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、負和正，均通過了1%水平的顯著性檢驗，且絕對規(guī)模較基準回歸系數(shù)明顯下降;MVS 的系數(shù)分別為正、正和負，且在1%的水平上顯著?？梢?，本文關注的政策不確定性和市值管理的系數(shù)在符號和規(guī)模均與以上估計結果未出現(xiàn)明顯差異，表明以上結果具有較強的穩(wěn)健性，進一步為研究假說H2提供了證據(jù)支持①。

六、考慮異質性的進一步分析

考慮到政策不確定性與股票錯誤定價之間的關系在不同時期、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對股票錯誤定價產(chǎn)生不同的影響，以下將區(qū)分時段、地區(qū)和企業(yè)類型三個方面考察兩者之間關系的異質性，并探討不同類型政策不確定性對股票錯誤定價的影響。

（一）時空異質性

以及不同類型政策不確定性也會對股票錯誤定價產(chǎn)生不同的影響，以下將區(qū)分時段、地區(qū)和企業(yè)類型三個方面考察兩者之間關系的異質性，并探討不同類型政策不確定性對股票錯誤定價的影響。

（一）時空異質性

結合時代背景變化，2005年中國股票市場開啟股權分置改革，于2006年進入高峰;為應對2008年國際金融危機沖擊，政府相繼推出和實施以“四萬億元”為主的投資刺激計劃，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年三個時期下政策不確定性對股票錯誤定價的影響①。

首先，考察2003—2006年樣本的估計結果表明，lnBUS 的系數(shù)在高估樣本和低估樣本下分別為正和負，且通過了1%水平的顯著性檢驗，表明政策不確定性上升會增大高估股票的錯誤定價，修正低估股票的錯誤定價。這可能與當時股權分置的制度背景有關，政府對股票市場的干預較多，股票市場的投機性很強。根據(jù)以上機制分析可知，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股票錯誤定價的影響中起主導作用。然后，考察2007—2012年樣本的估計結果表明，lnBUS 的系數(shù)在高估樣本和低估樣本下分別為負和正，且均在1%的水平上顯著，表明政策不確定性上升會修正高估股票的錯誤定價，加劇低估股票的錯誤定價。最后，考察2013—2020年樣本的估計結果顯示，lnBUS 在高估樣本和低估樣本下分別為負和正，且在1%的水平上顯著，同樣表明政策不確定性上升會修正高估股票的錯誤定價，加劇低估股票的錯誤定價。根據(jù)以上的機制分析可以推斷，在2007年之后，相比市值管理，投資者情緒機制在政策不確定性對股票錯誤定價的影響中起到主導作用。

2.分地區(qū)

考慮到各地區(qū)的經(jīng)濟發(fā)展基礎及其對政策變動的反映存在差異，可能影響政策不確定性與股票錯誤定價之間的關系，按照企業(yè)注冊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股票錯誤定價影響在空間上的異質性。估計結果表明，對于東部、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，且通過了1%水平的顯著性檢驗，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修正高估股票的錯誤定價，加劇低估股票的錯誤定價，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，政策不確定性對不同類型企業(yè)股票錯誤定價的影響可能存在差異。根據(jù)企業(yè)注冊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股票錯誤定價影響在所有制類型上的異質性。估計結果顯示，對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，且通過了1%水平的顯著性檢驗，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)，政策不確定性對民營企業(yè)股票錯誤定價的影響更大，可能與民營企業(yè)更容易受到政策不確定性影響有關。

2.分企業(yè)規(guī)模

企業(yè)資產(chǎn)或市值規(guī)模通常是影響股價波動的重要因素，政策不確定性對不同資產(chǎn)規(guī)模企業(yè)股票錯誤定價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股票錯誤定價在資產(chǎn)規(guī)模上的異質性。估計結果表明，在較大規(guī)模企業(yè)樣本下，lnBUS 的系數(shù)在高估樣本為負，在低估樣本為正，且均通過了1%水平的顯著性檢驗;在較低規(guī)模企業(yè)樣本下，lnBUS 的系數(shù)在高估樣本為負，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，政策不確定性均會修正高估股票的錯誤定價，加劇低估股票的錯誤定價。從系數(shù)規(guī)模上看，政策不確定性對較小規(guī)模企業(yè)股票錯誤定價影響的系數(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)，即政策不確定性對較小規(guī)模企業(yè)股票錯誤定價的影響更大。

3.分企業(yè)業(yè)績

理論上，股票價格體現(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，故股票價格變動與企業(yè)經(jīng)營業(yè)績緊密相關，政策不確定性對不同業(yè)績企業(yè)股票錯誤定價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企業(yè)股票錯誤定價的影響在經(jīng)營業(yè)績上的異質性。估計結果表明，在較高業(yè)績企業(yè)樣本下，lnBUS 的系數(shù)在高估樣本為負，在低估樣本為正，且均通過了1%水平的顯著性檢驗;在較低業(yè)績企業(yè)樣本下，lnBUS 的系數(shù)在高估樣本為負，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，政策不確定性對較高業(yè)績企業(yè)的高估股票錯誤定價具有更大的負向影響，而對較低業(yè)績企業(yè)的低估股票錯誤定價的正向影響更大。

（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）、財政政策不確定性指數(shù)（FPU）、貿易政策不確定性指數(shù)（TPU）和匯率與資本項目不確定性指數(shù)（ECPU），其中，前兩者涉及內部政策不確定性，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股票錯誤定價影響的異質性提供了必要的數(shù)據(jù)。下面將基準回歸方程式（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股票錯誤定價的影響。

首先，分析兩類內部政策不確定性的估計結果。貨幣政策不確定性指數(shù)的估計結果表明，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，且均在1%的水平上顯著。這表明貨幣政策不確定性上升會增大高估股票的錯誤定價，修正低估股票的錯誤定價，而對總體樣本的影響則不顯著。財政政策不確定性指數(shù)的估計結果顯示，lnFPU 的系數(shù)在全樣本為負，且通過了1%水平的顯著性檢驗，表明財政政策不確定性上升會減小總體股票錯誤定價，進一步分析得到，在高估樣本和低估樣本分別為正和負，且均在1%水平上顯著。這表明財政政策不確定性會加劇高估股票的錯誤定價，修正低估股票的錯誤定價。

其次，分析兩類外部政策不確定性的估計結果。貿易政策不確定性指數(shù)的估計結果表明，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，表明貿易政策不確定性上升會增大總體股票錯誤定價。進一步分析得到，lnTPU 的系數(shù)在高估樣本和低估樣本下分別為負和正，且均在1%的水平上顯著。這表明貿易政策不確定性會修正高估股票的錯誤定價，加劇低估股票的錯誤定價。匯率與資本項目政策不確定性指數(shù)的估計結果顯示，lnECPU 的系數(shù)在全樣本下為負，但不顯著，在高估樣本和低估樣本下分別為負和正，且均通過了1%水平的顯著性檢驗。這表明匯率和資本項目政策不確定性上升會修正高估股票的錯誤定價，進一步加劇了低估股票的錯誤定價，而對總體股票錯誤定價的影響則不顯著。

七、結論與政策啟示

如何理清政府和市場之間的關系是中國經(jīng)濟轉型過程中面臨的核心問題。政府通過制定和實施經(jīng)濟政策調節(jié)經(jīng)濟運行。為了更好地適應外部環(huán)境變化，政策往往會不斷調整。政策變動本身會對股票價格產(chǎn)生影響，更重要的是政策變動可能引發(fā)的不確定性影響。政策不確定性對股票價格的影響主要涉及內在價值和偏離內在價值的錯誤定價兩部分。既有文獻主要關注政策不確定性對企業(yè)經(jīng)營等決定股票內在價值因素的影響，較少關注其對股票錯誤定價的影響。股票錯誤定價對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誤定價是值得深入關注的問題。

中國的股票市場往往被視為具有明顯的“政策市”特征，受政策變動的影響尤為明顯，為探究政府與市場之間關系提供了理想的實驗環(huán)境。本文采用2003—2020年滬深A股上市公司季度數(shù)據(jù)實證分析政策不確定性對股票錯誤定價的影響及作用機制。結果表明，政策不確定性上升總體上會修正股票錯誤定價，且在高估樣本和低估樣本下具有明顯的非對稱性：政策不確定性上升會修正高估股票的錯誤定價，而加劇低估股票的錯誤定價?？紤]內生性問題、替換關鍵變量和剔除異常波動樣本的穩(wěn)健性檢驗均得到一致的結果。機制檢驗表明，投資者情緒和市值管理是政策不確定性影響股票錯誤定價的主要機制，并且無論在高估樣本還是低估樣本下，投資者情緒機制均占主導作用。進一步考察異質性的結果表明，政策不確定性對股票錯誤定價的影響主要表現(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;貨幣和財政兩類內部政策不確定性均會增大高估股票的錯誤定價和減小低估股票的錯誤定價，而貿易和匯率與資本項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股票價格的影響以及為理清政府與市場之間的關系提供了新的微觀視角。研究結論具有三個方面政策啟示。第一，充分認識到預期管理在金融監(jiān)管中的重要性。金融市場監(jiān)管本質上是預期管理，監(jiān)管主體要出臺明確且有針對性的監(jiān)管政策，引導投資者對未來政策變動的預期，減少政策變動潛在的不確定性，在形成穩(wěn)定預期的前提下方可保障政策有效實施。第二，更為全面地關注政策不確定性對資產(chǎn)價格的影響。經(jīng)濟政策變動本身會對資產(chǎn)價格產(chǎn)生影響，更為重要的可能是政策變動引發(fā)不確定性的影響。政府在進行政策調整時需要更加全面地關注潛在不確定性對資產(chǎn)價格，特別是對資產(chǎn)錯誤定價的影響。第三，科學制定政策調整的時間窗口。政府在出臺和調整經(jīng)濟政策時面臨的重要問題是如何選擇時間窗口。考慮到政策調整潛在的不確定性對股票錯誤定價的影響，選擇在市場投資者情緒高漲時進行政策調整會起到促使樂觀情緒降溫的作用，避開市場投資者情緒悲觀或低沉的時候，以期降低政策變動對金融市場的負向沖擊。

參考文獻：

[1] 陳國進，張潤澤，趙向琴. 經(jīng)濟政策不確定性與股票風險特征[J]. 管理科學學報，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.資本市場錯誤定價與產(chǎn)業(yè)結構調整[J].經(jīng)濟研究，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：基于省級地方官員變更的實證檢驗[J]. 財經(jīng)研究，2013（2）：81-91.

[5] 宮汝凱，徐悅星，王大中. 經(jīng)濟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)濟政策不確定性、現(xiàn)金持有水平及其市場價值[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的定價因子嗎？ [J].經(jīng)濟學（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)濟政策不確定性與系統(tǒng)性金融風險的跨市場傳染：基于非線性網(wǎng)絡關聯(lián)的研究[J].經(jīng)濟研究，2020（1）：65-81.

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

[12]朱宏泉，劉曉倩，李亞靜. 經(jīng)濟政策不確定性對A 股IPO 抑價的影響研究[J].系統(tǒng)工程理論與實踐，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.資本市場效率與資產(chǎn)增長異象：源于“錯誤定價”還是“風險”[J].財貿經(jīng)濟，2016（2）：55-70.

[16]李遠鵬，牛建軍. 退市監(jiān)管與應計異象[J].管理世界，2007（5）：125-132.

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

[18]賴曉冰，岳書敬.金融科技發(fā)展如何影響股票錯誤定價？ [J].經(jīng)濟學報，2023（1）：85-124.

[19]李旎，蔡貴龍，鄭國堅.企業(yè)成長的螺旋：市值管理與企業(yè)投資決策[J].會計研究，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[J].經(jīng)濟研究，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量研究：CICSI的構建[J].金融研究，2009（11）：174-184.

[27]趙汝為，熊熊，沈德華.投資者情緒與股價崩盤風險：來自中國市場的經(jīng)驗證據(jù)[J].管理評論，2019（3）：50-60.

[28]王霞，鄭挺國.基于實時信息流的中國宏觀經(jīng)濟不確定性測度[J].經(jīng)濟研究，2020（10）：55-71.

[29] 李力，宮蕾，王博.經(jīng)濟政策不確定性沖擊與股市波動率：來自宏觀與微觀兩個層面的經(jīng)驗證據(jù)[J].金融學季刊，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.

[本刊相關文獻鏈接]

[1] 徐鳳敏，馬杰傲，景奎.ESG觀點與股票市場定價：來自AI語言模型和新聞文本的證據(jù)[J].當代經(jīng)濟科學，2023（6）：29-43.

[2] 張光利，秦麗華，王營.IPO風險因素審核問詢的信息價值分析[J].當代經(jīng)濟科學，2023（6）：110-122.

[3] 譚小芬，王欣康，張碧瓊.跨境資本異常波動的風險預警：基于機器學習視角[J].當代經(jīng)濟科學，2023（2）：13-27.

[4] 原雪梅，徐巖，劉坤.新興經(jīng)濟體經(jīng)濟政策不確定性對資本外流波動性的動態(tài)傳遞效應[J].當代經(jīng)濟科學，2022（5）：68-83.

[5] 方意，邵稚權.全國社?；鸬墓善蓖顿Y對我國股市波動風險影響研究[J].當代經(jīng)濟科學，2022（4）：59-75.

[6] 石陽，劉瑞明，袁鈺瑩.停牌時間長度與股票市場有效性：基于“偽停牌匹配方法”的驗證[J].當代經(jīng)濟科學，2022（3）：70-82.

[7] 付璠潔，蔣藝翅，姚樹潔.股價崩盤預期風險與企業(yè)投資動態(tài)關系[J].當代經(jīng)濟科學，2020（5）：64-73.

[8] 薛英杰，汪勇，尹玉剛.中國跨境ETF的價格偏離：情緒驅動還是信息驅動？ [J].當代經(jīng)濟科學，2020（1）：10-24.

[9] 孫婧雯，張曉嵐，張超.股票流動性、機構投資者與企業(yè)并購[J].當代經(jīng)濟科學，2019（2）：108-121.

[10]王向楠.金融綜合經(jīng)營的風險效應研究：基于中國股市的數(shù)據(jù)[J].當代經(jīng)濟科學，2019（2）：39-50.

[11]張倩肖，馮雷.宏觀經(jīng)濟政策不確定性與企業(yè)技術創(chuàng)新：基于我國上市公司的經(jīng)驗證據(jù)[J].當代經(jīng)濟科學，2018（4）：48-57.

編輯：鄭雅妮，高原

基金項目：國家自然科學基金面上項目“網(wǎng)絡環(huán)境下雙邊市場的交易機制設計研究”（71873028）;上海市浦江人才計劃“數(shù)字經(jīng)濟時代下的要素收入分配研究”（21PJC001）。