穹頂之下的投資機(jī)會(huì)——抗霾題材股票投資依據(jù)的實(shí)證分析

鄒嘉成

(天津財(cái)經(jīng)大學(xué)，天津 300222)

一、引言

由于近幾年來強(qiáng)霾天氣頻發(fā)，抗霾行業(yè)被普遍認(rèn)為是熱門的朝陽行業(yè)，許多投資者都希望搭上這一產(chǎn)業(yè)成長的快車。要做到“下注于賽道，而非賽馬”，就要構(gòu)建分散化的投資組合，來分散各企業(yè)的財(cái)務(wù)和信用風(fēng)險(xiǎn)。這樣的投資組合理論上只受到中觀的行業(yè)發(fā)展?fàn)顩r和宏觀的系統(tǒng)性風(fēng)險(xiǎn)的影響，其中宏觀因素可以方便地用股指收益率來描述，比較困難的是描述行業(yè)動(dòng)向的中觀變量。本文提出，對(duì)于抗霾題材股票，可以采用空氣污染問題的客觀嚴(yán)重程度和投資者對(duì)于空氣污染問題的主觀關(guān)注程度兩個(gè)變量作為中觀層面的影響因素，并利用代理變量進(jìn)行實(shí)證檢驗(yàn)。

抗霾題材股票的投資者還有的采用的是事件驅(qū)動(dòng)策略，這是因?yàn)榭諝馕廴驹趷夯瘯r(shí)會(huì)迅速成為輿論熱點(diǎn)，可能會(huì)引起相關(guān)股價(jià)波動(dòng)。因此本文采用事件分析的方法，對(duì)抗霾題材股票在空氣污染重大公眾事件發(fā)生時(shí)進(jìn)行超額收益檢測。

二、研究假設(shè)

H1:所選的抗霾題材股票投資組合分散了公司層面的非系統(tǒng)風(fēng)險(xiǎn)

根據(jù)馬氏資產(chǎn)組合理論的分離定理，風(fēng)險(xiǎn)證券的最優(yōu)投資組合是市場組合，即按各股總市值分配投資權(quán)重1。因此我們在按照各股每日總市值進(jìn)行加權(quán)計(jì)算得出的抗霾題材投資組合已經(jīng)充分分散了各個(gè)公司的信用和經(jīng)營風(fēng)險(xiǎn)，其收益率應(yīng)該主要受到中觀和宏觀變量的影響。

H2:重點(diǎn)污染城市的空氣質(zhì)量是影響抗霾題材股票的公共宏觀變量

由于A股市場上市公司信息披露不夠迅速和準(zhǔn)確，許多投資者依賴公共的宏觀社會(huì)和經(jīng)濟(jì)信息進(jìn)行決策2。對(duì)于某一個(gè)行業(yè)，可能有特殊宏觀變量對(duì)非系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生影響。本文假設(shè)空氣質(zhì)量對(duì)抗霾題材股票的收益率有影響，并通過編制的重點(diǎn)污染城市空氣質(zhì)量指數(shù)(NAQI)實(shí)證分析。

H3:百度指數(shù)可作為投資者關(guān)注度的有效代理變量

在過往研究中，投資者關(guān)注常常作為一個(gè)定性分析的部分，因?yàn)檩浾撾y以度量，但網(wǎng)絡(luò)這一新興媒體具有實(shí)時(shí)記錄閱讀數(shù)據(jù)的優(yōu)良特性。已有研究指出，百度指數(shù)可以作為投資者關(guān)注度的有效代理變量進(jìn)行股票市場的實(shí)證研究3。

三、樣本選擇和變量定義

(一)被解釋變量:抗霾題材投資組合日收益率

A股市場的抗霾題材股票可以分為空氣除塵(“除塵”)、污染檢測儀器(“儀器”)、煤炭脫硫脫硝(“潔煤”)、口罩與空氣凈化(“防護(hù)”)和防呼吸道疾病醫(yī)藥(“醫(yī)藥”)五個(gè)子題材。為了分散信用和經(jīng)營風(fēng)險(xiǎn)，在每個(gè)題材選取兩支業(yè)績突出、交易活躍的股票，如表1。

表1 樣本股篩選

在數(shù)據(jù)搜集過程中，發(fā)現(xiàn)樣本股之一國電清新停牌天數(shù)過多，因此予以剔除。本文從RESSET數(shù)據(jù)庫中獲取了其余9只股票在2014年1月1日至2014年12月31日的日收盤價(jià)。對(duì)于缺失值利用滑動(dòng)平均補(bǔ)充，利用總市值進(jìn)行加權(quán)，并計(jì)算對(duì)數(shù)收益率，得到被解釋變量的最終序列RSTK。這一過程如流程1所示:

流程1 編制抗霾投資組合全年加權(quán)收益率

(二)解釋變量I:全國重點(diǎn)污染城市空氣質(zhì)量加權(quán)指數(shù)

環(huán)保部數(shù)據(jù)中心網(wǎng)站每日公布的全國各個(gè)城市空氣質(zhì)量指數(shù)(AQI)為我們進(jìn)行定量分析空氣污染情況提供了可靠的數(shù)據(jù)來源，本文抓取該網(wǎng)站形成了原始數(shù)據(jù)庫?？紤]到抗霾產(chǎn)業(yè)的需求來源，因此將空氣污染較輕的城市剔除;考慮到實(shí)證研究的數(shù)據(jù)需要，因此將觀測量較少的城市剔除。這一篩選過程如表2所示。

表2 剔除空氣污染較輕和觀測值較少的城市

由于空氣污染大多由工業(yè)生產(chǎn)導(dǎo)致，因此本文采用2013年各城市第二產(chǎn)業(yè)增加值作為權(quán)重每日加權(quán)，得到NAQI的時(shí)間序列。

(三)解釋變量II:百度指數(shù)

百度指數(shù)是以網(wǎng)民在百度的搜索量為數(shù)據(jù)基礎(chǔ)，以關(guān)鍵詞為統(tǒng)計(jì)對(duì)象，計(jì)算出關(guān)鍵詞在百度搜索頻次的加權(quán)和4。本文收集了“空氣污染指數(shù)”“空氣治理概念股”“霧霾”“霧霾概念龍頭股”4個(gè)關(guān)鍵詞的百度指數(shù)。

如果同時(shí)使用這四個(gè)百度指數(shù)作為解釋變量，顯然將存在共線性。因此首先利用Granger因果檢驗(yàn)篩選能最有力地解釋抗霾股收益率的關(guān)鍵詞:

表3 利用Granger因果檢驗(yàn)篩選關(guān)鍵詞

“空氣污染指數(shù)”“霧霾”兩個(gè)關(guān)鍵詞通過Granger因果檢驗(yàn)。但由于空氣污染指數(shù)是本文的另一解釋變量，因此選取“空氣污染指數(shù)”百度指數(shù)可更好地控制變量，并實(shí)現(xiàn)主客觀量度的對(duì)應(yīng)。

(四)解釋變量III:滬深300指數(shù)日收益率

為了研究空氣污染對(duì)于抗霾題材的影響，筆者選用了被認(rèn)為能準(zhǔn)確捕捉市場整體變化趨勢的滬深300指數(shù)引入模型，以剔除系統(tǒng)性風(fēng)險(xiǎn)。

四、實(shí)證模型和結(jié)果分析

(一)帶滯后項(xiàng)的ARCH模型

由于信息傳導(dǎo)有滯后性，筆者首先利用ARMAX模型對(duì)被解釋變量進(jìn)行擬合回歸，如果在殘差序列檢驗(yàn)時(shí)發(fā)現(xiàn)有ARCH效應(yīng)，則只需通過添加方差方程即可修正為帶滯后項(xiàng)的ARCH模型。這一建模思路的優(yōu)點(diǎn)是邏輯明晰，操作簡單。

1.模型準(zhǔn)備工作

(1)去量綱化:模型中RSTK和RHS是無量綱的相對(duì)量。為保持量綱一致，將百度指數(shù)序列和空氣質(zhì)量指數(shù)序列取對(duì)數(shù)得到無量綱相對(duì)量。

(2)平穩(wěn)性檢驗(yàn):利用ADF單位根檢驗(yàn)，所有變量均為平穩(wěn)的時(shí)間序列，因此可以用B－J法構(gòu)建ARMAX模型。

(3)模型設(shè)定選擇:考慮到全體變量都是無量綱相對(duì)量，因此采用加法模型設(shè)立回歸方程:

2.參數(shù)估計(jì)和定階

在參數(shù)估計(jì)過程中首先注意到的一點(diǎn)就是無論如何調(diào)整模型，LBD項(xiàng)的伴隨概率均高于0.3，因此將這一解釋變量剔除。然后利用EViews進(jìn)行參數(shù)估計(jì)，對(duì)于所有通過t檢驗(yàn)和F檢驗(yàn)的模型匯總?cè)缦?

表4 ARMAX模型定階

我們本著AIC最小化的原則從滿足參數(shù)檢驗(yàn)的模型中篩選。根據(jù)上表中的數(shù)據(jù)，帶有AR(2)滯后項(xiàng)的模型AIC最小，同時(shí)這一模型中LNAQI的t檢驗(yàn)通過。因此選定此模型作為最終回歸模型。模型回歸式如下:

3.模型檢驗(yàn)

表5 殘差序列白噪聲檢驗(yàn)

(1)殘差序列的白噪聲檢驗(yàn)

利用EViews的自相關(guān)檢驗(yàn)功能，我們計(jì)算出殘差序列的Q統(tǒng)計(jì)量和伴隨概率如表5。因此在5%的置信區(qū)間下，殘差序列是白噪聲過程，模型解釋充分。

(2)ARCH效應(yīng)檢驗(yàn)

表6 殘差LM檢驗(yàn)

為觀察ARCH效應(yīng)，作出殘差的時(shí)序圖如圖1，可以發(fā)現(xiàn)7～10月波幅較小，2～3月和11～12月波幅較大，因此可能存在ARCH效應(yīng)，需進(jìn)行LM檢驗(yàn)。通過殘差平方FAC系數(shù)選定階數(shù)P=3。該檢驗(yàn)的結(jié)果如表6，因此殘差序列有ARCH效應(yīng)，模型必須進(jìn)一步修正。

4.模型修正

根據(jù)定階計(jì)算可知不存在多階ARCH效應(yīng)，因此先在模型中加入ARCH(1)項(xiàng)。經(jīng)計(jì)算，ARCH(1)模型的參數(shù)統(tǒng)計(jì)檢驗(yàn)性質(zhì)優(yōu)良:

表7 ARCH模型參數(shù)估計(jì)結(jié)果

因此選用帶滯后項(xiàng)的自回歸條件異方差模型作為最終模型，參數(shù)估計(jì)結(jié)果為:

可簡要概括為百度指數(shù)不是長期影響變量，空氣質(zhì)量是長期影響變量且有滯后性。

(二)事件分析法

事件驅(qū)動(dòng)策略要求選取超額收益率最大的投資股票，因此并不要求投資于風(fēng)險(xiǎn)分散化的投資組合。

圖2 百度指數(shù)時(shí)序圖

1.事件提出

為了科學(xué)地篩選事件，筆者通過百度指數(shù)的偏離正常值作為標(biāo)準(zhǔn)來篩選事件。百度指數(shù)的時(shí)序圖如圖3所示，直觀上看出在2014年內(nèi)，有2月末和10月兩次出現(xiàn)明顯偏離正常值的現(xiàn)象。為了更嚴(yán)謹(jǐn)準(zhǔn)確地確定事件發(fā)生的起點(diǎn)和終點(diǎn)，本文利用流程2定義了“重大輿論事件”的范圍。

流程2 利用百度指數(shù)判斷重大輿論事件期間

圖1 殘差序列時(shí)序圖

經(jīng)過與媒體報(bào)道核對(duì)，發(fā)現(xiàn)用這一標(biāo)準(zhǔn)篩選出的兩個(gè)時(shí)間段確實(shí)都對(duì)應(yīng)相關(guān)輿論事件，信息匯總為表8。

表8 事件信息匯總

2.選定窗口期和預(yù)測期

窗口期至少應(yīng)該包含事件發(fā)生的時(shí)間段。由于這些空氣污染事件是漸進(jìn)發(fā)生的，可能有敏銳的投資者作出領(lǐng)先判斷，因此應(yīng)以事件起點(diǎn)為0點(diǎn)對(duì)稱地選擇窗口期。為確保預(yù)測的效果，本文采用窗口期之前30日作為預(yù)測期。

表9 確定事件預(yù)測期和窗口期

3.利用窗口期進(jìn)行預(yù)測

目前研究對(duì)于預(yù)測期收益率的預(yù)測通常采用市場收益法，即運(yùn)用資本資產(chǎn)定價(jià)模型，假定證券的日常收益率由市場組合的收益率決定:

本文采用滬深300指數(shù)作為市場組合，通過OLS估計(jì)構(gòu)建各個(gè)股票的收益率與滬深300指數(shù)之間的回歸方程，以此作為預(yù)測窗口期日常收益率的依據(jù)。

4.計(jì)算窗口期超額收益

事件驅(qū)動(dòng)策略的投資追求的是在事件發(fā)生時(shí)的超額收益，因此本文定義超額收益率(AR)為實(shí)際收益率與日常收益率之差。由于事件驅(qū)動(dòng)投資者一般采用事件發(fā)生的窗口期為投資周期，因此我們需要計(jì)算投資組合在窗口期內(nèi)的累計(jì)超額收益率(CAR)。為了將事件的作用突出地體現(xiàn)出來，規(guī)定事件起點(diǎn)為第0天，定義每天與第0天的CAR之差為相對(duì)累計(jì)超額收益率(ReCAR)。流程3總結(jié)了ReCAR的這一系列計(jì)算過程。

流程3 ReCAR的計(jì)算過程

需要注意的是，事件2的第0日是十一黃金周后的10月8日，因此這一事件的窗口期并不包含事前分析階段。根據(jù)計(jì)算結(jié)果作出事件1、事件2的ReCAR時(shí)序圖，如圖3－1、圖3－2所示:

通過這兩張圖可以觀察到，在事件發(fā)生后均有數(shù)只股票未表現(xiàn)出明顯的正向累計(jì)超額收益。

有研究結(jié)果提出，事件驅(qū)動(dòng)策略的投資效果與公司業(yè)務(wù)分散度有關(guān)。因此，筆者剔除了樣本股中的三只集團(tuán)股股票:格力電器、巨化股份和龍頭股份。這三家公司經(jīng)營范圍廣泛，抗霧霾產(chǎn)品并不占公司主營業(yè)務(wù)收入的絕對(duì)地位。正是由于這種經(jīng)營特點(diǎn)，使得它們無法表現(xiàn)出明顯的超額收益。

圖3－1 事件1窗口期各股ReCAR時(shí)序圖

圖3－2 事件2窗口期各股ReCAR時(shí)序圖

剔除這三只股票后樣本股的事件窗口期累計(jì)超額收益率如圖4－1、圖4－2所示:

圖4－1 事件1窗口期剔除集團(tuán)股各股ReCAR時(shí)序圖

圖4－2 事件2窗口期剔除集團(tuán)股各股ReCAR時(shí)序圖

從圖可以看出，每次事件發(fā)生后的5日內(nèi)，在6只樣本股中5只表現(xiàn)出了明顯的累計(jì)超額收益率。接下來，市場經(jīng)過對(duì)信息的充分反應(yīng)，在5日后超額收益回調(diào)。因此可以認(rèn)為，經(jīng)過剔除集團(tuán)股的抗霾題材股票可以利用事件驅(qū)動(dòng)的投資策略獲得超額收益。

五、結(jié)論

通過時(shí)間序列回歸，本文得出了空氣污染程度對(duì)抗霾題材股票收益率有長期影響、投資者關(guān)注度對(duì)收益率無長期影響的結(jié)論，說明市場按照空氣污染引起的客觀需求評(píng)價(jià)抗霾產(chǎn)業(yè)的長期發(fā)展前景，而不將社會(huì)輿論對(duì)于空氣污染問題的關(guān)注度作為主要標(biāo)準(zhǔn);還發(fā)現(xiàn)空氣污染程度對(duì)于抗霾題材股票的收益率的影響具有滯后性。

通過事件分析法，本文證實(shí)了在重大污染事件發(fā)生時(shí)，剔除集團(tuán)股的抗霾股存在超額收益，但這種超額收益會(huì)隨著市場理性回調(diào)而迅速消失。同時(shí)，本文提出了利用百度指數(shù)進(jìn)行定量篩選事件的方法。百度指數(shù)時(shí)間序列能一定程度上反映社會(huì)輿論對(duì)于事件的關(guān)注度，可以用于捕捉事件的窗口期，增強(qiáng)了事件驅(qū)動(dòng)策略的可操作性。

［1］［美］博迪.投資學(xué)［M］.機(jī)械工業(yè)出版社，2001.

［2］陳曙亮.中國證券市場行業(yè)系統(tǒng)性風(fēng)險(xiǎn)和羊群效應(yīng)研究［D］.復(fù)旦大學(xué)碩士學(xué)位論文，2008.

［3］俞慶進(jìn)，張兵.投資者有限關(guān)注與股票收益［J］.金融研究，2012，8.

［4］百度.名詞解釋－搜索指數(shù)［Z］.http://index.baidu.com/Helper/tpl=help＆word=#wmean.