经济政策不确定性影响股票收益吗？

杨露萍 饶阳

摘   要：本文利用Baker等基于新闻文本分析量化得到的经济政策不确定性指数，研究了经济政策不确定性在截面定价上对单个资产和资产组合的影响。研究结果表明，具有低不确定β的股票是小型、高流动性、低资产增长率和低估值的股票，同时具有较高的短期逆转和较低的动量;不确定性厌恶的投资者持有不确定性β为负的股票时要求额外的补偿，不确定β最低的投资组合比最高的投资组合有更高收益。

关键词：经济政策不确定性;股票收益;多因子模型;投资组合测试

DOI：10.3969/j.issn.1003-9031.2020.12.002

中圖分类号：F832.48             文献标识码：A           文章编号：1003-9031（2020）12-0009-07

一、引言及文献综述

政府决策者可以在财政、监管或货币政策方面产生不确定性，我们称之为经济政策不确定性（EPU）。Baker et al.（2013）指出，在宏观层面，政策不确定性的增加预示着投资、产出和就业的下降;在公司层面，政策不确定性增加了股价波动。高效稳定的股市对于产业发展和经济增长都是不可或缺的，而经济政策不确定性会影响投资决策，进而传导到股票价格，研究其对股市收益的影响具有重要意义。

纵观国内外文献，大多学者认为政策不确定性对股票价格存在影响。王晓娟（2015）等人研究发现经济政策不确定性与股票收益存在长期均衡关系，且两者相关性呈上升趋势。Xiong（2018）等研究发现，EPU的绝对变化对股票市场收益率有显著影响，且对沪市和国有企业的影响更大。林建浩（2014）等发现EPU提高了预期回报率、降低了当期回报，但并没有充足依据表明其是中国股票市场的已定价风险因子。汪弘等（2018）通过时间序列分析发现EPU对未来三个月的股市收益具有显著正影响，且验证了EPU确实是A股的定价因子。

政策不确定性在横截面上的作用效果存在差异。Pastor et al.（2012）建立一般均衡模型，其预测股票价格将在政策不确定性增加时下跌，尤其是对政策变化更敏感的公司。Brogaard et al.（2015）研究发现EPU的一个标准差增长可以预测未来三个月收益1.5%的增长。此外，EPU的残差在Fama-French的25个规模-动量投资组合中获得显著负风险溢价。Bali et al.（2017）研究发现，与不确定度最高的股票相比，不确定度最低的十分之一组股票经风险调整后的年化回报率高6%，这种不确定性溢价是由具有负（正）不确定性贝塔系数的股票表现好（差）所驱动的。

受上述研究启发，本文探究了经济不确定性在个股和投资组合的横截面定价中的作用，并借助前景理论和ICAPM模型对其中的理论机制进行解释。

二、理论框架

（一）ICAPM模型

Merton（1973）通过使用连续时间模型扩展了资本资产定价模型并提出了跨期资本资产定价模型（ICAPM）。相比于CAPM模型，ICAPM模型额外考虑了投资机会参数变化的风险和消费品价格风险。因此，在ICAPM框架下，投资者在多期经济中对风险证券的需求除了马科维茨静态最优投资组合中的均值方差成分，还包括规避投资机会集和消费不利冲击的需求。这显示了与消费和投资机会相关联的状态变量已经反映在了资本市场中，因此资产和这些状态变量的协方差是和其预期收益相关的。

与Merton（1973）&Campbell（1993;1996）看法一致，我们认为经济不确定性的增加是投资机会集的不利变化。由于经济不确定性的增加会让投资者对未来的变化感到忧虑，减少了他们的消费和投资需求，这样他们就可以省下更多钱来对冲未来经济可能出现的衰退。为了对冲这种不利的转变，投资者倾向于持有与经济不确定性协方差较大的股票。这是因为在存在正的跨时间相关性的情况下，经济不确定性的增加将提高这些股票的回报。因此，当经济不确定性增加时，尽管投资者的最优消费和未来投资机会减少了，但通过增加与经济不确定性正相关的股票的回报，投资者可以获得更强的财富效应，从而弥补这种损失。因此，通过跨期对冲需求，投资者愿意持有与经济不确定性协方差较大的股票，对于不确定性较大的股票，他们愿意支付较高的价格，接受较低的回报。

（二）基于前景理论的解释

除了ICAPM框架外，负不确定性溢价理论上也可以从不确定性厌恶和偏好的角度进行解释。Ellsberg（1961）的实验证据表明，风险和不确定性之间的区别有经验意义，因为人们更喜欢根据已知的而不是未知或模糊的概率采取行动。将不确定性与二阶风险厌恶联系起来的研究表明，投资者不仅关心资产收益的均值和方差，还关心影响未来收益分布事件的不确定性。Bernanke（1983）研究发现消费者和投资者对经济状况的不确定性可能阻碍经济复苏和增长，当消费者和投资者感觉到经济中存在更高的不确定性时，他们不愿做出支出和投资决定。

不确定性对资产定价影响的研究表明，当投资者不确定支配市场收益的正确概率规律时，为了持有市场投资组合，他们会要求更高的溢价。另一种可能的解释是，如果投资者对经济不确定性的偏好或预期足够分散，而经济不确定性又足够高，那么对经济不确定性有较高厌恶的投资者可能会停止或减少对股票的参与。由于这种有限的参与，不确定性系数低的股票只有对经济不确定性偏好或对经济不确定性厌恶程度较低的投资者持有，因此对具有较低不确定性的股票就要求较高的不确定性溢价。

三、研究设计与数据描述

（一）研究设计

首先，对于样本中每只股票的月度数据，在控制了市场（Rm）、规模（SMB）、账面市值比（HML）、动量（UMD）、流动性（PS）、投资（RMW）和盈利能力（CMA）之后，本文通过股票超额收益对EPU的回归估计了不确定性β，其后对样本按βEPU排序并分组测试EPU在股票截面定价中的异质性。

（二）数据来源与数据描述

1.经济不确定性指数EPU。本文使用Baker et al.（2013）基于新闻构造的EPU指数来衡量中国经济的不确定性，该指标是与经济政策不确定相关新闻占比、即将到期的税收条款和关于政府购买和通胀的预测分歧三项指标的加权平均值，能较好度量中国经济政策不确定性。

2.截面收益预测指标。参考Fama-French（1992，1993，2000）的因子模型框架，我们采用市场、规模、账面市值比、动量、流动性、投資和盈利因素的七因子模型开展研究，股票样本为1995年1月—2019年12月在上交所、深交所交易的所有A股及创业板。

个股月度超额收益Ri为考虑现金红利再投资的月个股回报率减去当月无风险收益率（三月期国库券收益率）。超额市场回报Rm为各市场考虑现金红利再投资的月回报率减去无风险收益率。账面市值比HML为高账面市值比组合和低账面市值比组合的月收益率之差;盈利能力因子RMW为高盈利股票组合和低盈利组合的月收益率之差;投资模式因子CMA为低投资比例股票组合和高投资比例股票组合的月收益率之差，组合月收益率的计算均采用流通市值加权。本文采用Pastor and Stambaugh（2003）提出的指标度量市场非流动性;动量因子MOM为前n个月累积收益大于零的所有股票组合加权收益率—前n个月累积收益小于零所有股票组合加权收益率，本文采用三月期动量因子数据。

3.个股特征指标。本文以对股票收益率与成交金额的比率衡量股票在月的非流动性ILLIQ，以分析师对股票预测的EPS与实际差值除以实际EPS的绝对值表示分析师预测准确度PRE，以股票在一月内最高的5次日收益率平均值衡量对彩票类股票的需求MAX，以股票前11个月累计收益并表示动量MOM，以股票前1个月收益衡量短期逆转REV。此外，我们还选取流通市值、账面市值比、净资产收益率、总资产收益率作为模型控制变量。

四、实证结果

（一）经济政策不确定？茁和股票收益的投资组合测试

根据式（1），我们估计了个股对经济不确定性的敞口，同时我们基于个股的不确定性？茁值对其进行排序和划分，组合1包含拥有最低？茁EPU的个股，组合10包含拥有最高？茁EPU的个股（见表1）。表1为通过？茁EPU划分的股票数量相同的投资组合的不确定性？茁平均值、投资组合超额收益以及？琢值的算术平均值，从组合1到组合10，月度平均超额收益从2.22%下降至1.38%，即组合1比组合10多产生0.84%的月收益和10.8%的年收益。从模型的风险调整收益？琢来看，拥有最高不确定性？茁的10%股票和拥有最低不确定性？茁的10%股票之间的风险调整差异为24.19%，且？琢随着的增加逐渐减小是由低不确定性？茁的股票较好的市场表现和高不确定性？茁较差的市场表现共同导致的，此结果与过往研究风险与不确定性的文献一致。

（二）经济政策不确定？茁与股票收益的Fama and Macbeth测试

根据式（2），本文分别测试了？茁EPU对股票当期收益和未来1个月、3个月、12个月和24个月收益的影响。结果显示，？茁EPU在短期A股收益没有显著影响，且随系数增大，EPU变得显著，EPU最低的组合1将比？茁EPU最高的组合10多产生5.47%的年化收益。

（三）经济政策不确定？茁的特征分析

基于式（3）进行横截面回归分析，我们研究了低？茁EPU和高？茁EPU股票在不确定性维度之外的个体特征。结果显示，？茁、股票彩票特征、对数市值、PS非流动性指标、动量系数显著为正，账面市值比、分析师预测准确度、短期逆转系数显著为负，ROE系数为正但不显著，与以往文献研究结果一致。因此，具有高？茁EPU的股票是大型、低流动性、高资产增长率和高估值的股票，同时具有较低的短期逆转和较高的动量;具有低？茁EPU的股票时小型、高流动性、低资产增长率和低估值的股票，同时具有较高的短期逆转和较低的动量。

（四）行业风险溢价检验

本文根据证监会2012年修订的《上市公司行业分类指引》对每个行业中股票的经济政策不确定风险溢价进行了测试。

由表2可知，仅部分行业存在显著的风险调整收益，具体而言，仅采矿业、制造业、批发和零售业、信息传输、软件和信息技术服务业、租赁和商务服务业、水利、环境和公共设施管理业存在显著且相比于其他行业更大的风险调整收益，说明行业并不是导致风险调整收益的主要变量。此外，我们注意到？茁EPU显著定价的行业，普遍获得显著的风险调整收益？琢。对个股经济不确定性敞口和风险调整收益进行相关分析，发现两者呈显著负相关关系且相关系数高达-0.81，进一步证明了？茁EPU是风险调整收益的定价因子。

五、结论与启示

（一）结论

本文利用Baker等（2013）基于新闻文本分析量化得到的经济政策不确定性指数研究了经济政策不确定性在截面定价上对单个资产和资产组合的影响，并在前景理论和ICAPM模型的框架内阐述了理论机制。本文研究发现具有低？茁EPU的股票是小型、高流动性、低资产增长率和低估值的股票，且具有较高的短期逆转和较低的动量，这部分股票拥有更高的风险调整收益和更好的市场表现。

（二）启示

一是经济政策高不确定性会导致股票收益降低，投资者“用脚投票”使企业在二级市场融资受阻，对经济增长造成负面影响。近两年在中美贸易冲突不断的背景下，我国经济政策不确定性一路走高，政府应该在制定和推行政策时尽量保持政策的稳定性及前后一致性，以此对企业和个人的预期进行引导以稳定经济增长。二是对投资者而言，选择长期持有低？茁EPU的股票比持有高？茁EPU的股票可以获得更多超额收益。

（责任编辑：王艳）

参考文献：

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

[21]林建浩，李幸，李歡.中国经济政策不确定性与资产定价关系实证研究[J].中国管理科学，2014（S1）：222-226.

[22]汪弘，宋登辉，陈立慧.经济政策不确定性与股票收益[J].金融学季刊，2018（4）：1-20.

[23]王晓娟，郭守亭，岳晓.经济政策不确定性和股票收益的联动性——基于子样本滚动窗口估计法的研究[J].学习与实践，2015（5）：26-32.

[24]钟献兵.金融资产配置与企业杠杆率：兼论货币政策与经济政策不确定条件下的异质性[J]. 区域金融研究，2018（10）.