穹頂之下的投資機會——抗霾題材股票投資依據的實證分析

鄒嘉成

(天津財經大學，天津 300222)

一、引言

由于近幾年來強霾天氣頻發，抗霾行業被普遍認為是熱門的朝陽行業，許多投資者都希望搭上這一產業成長的快車。要做到“下注于賽道，而非賽馬”，就要構建分散化的投資組合，來分散各企業的財務和信用風險。這樣的投資組合理論上只受到中觀的行業發展狀況和宏觀的系統性風險的影響，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動向的中觀變量。本文提出，對于抗霾題材股票，可以采用空氣污染問題的客觀嚴重程度和投資者對于空氣污染問題的主觀關注程度兩個變量作為中觀層面的影響因素，并利用代理變量進行實證檢驗。

抗霾題材股票的投資者還有的采用的是事件驅動策略，這是因為空氣污染在惡化時會迅速成為輿論熱點，可能會引起相關股價波動。因此本文采用事件分析的方法，對抗霾題材股票在空氣污染重大公眾事件發生時進行超額收益檢測。

二、研究假設

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風險

根據馬氏資產組合理論的分離定理，風險證券的最優投資組合是市場組合，即按各股總市值分配投資權重1。因此我們在按照各股每日總市值進行加權計算得出的抗霾題材投資組合已經充分分散了各個公司的信用和經營風險，其收益率應該主要受到中觀和宏觀變量的影響。

H2:重點污染城市的空氣質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確，許多投資者依賴公共的宏觀社會和經濟信息進行決策2。對于某一個行業，可能有特殊宏觀變量對非系統性風險產生影響。本文假設空氣質量對抗霾題材股票的收益率有影響，并通過編制的重點污染城市空氣質量指數(NAQI)實證分析。

H3:百度指數可作為投資者關注度的有效代理變量

在過往研究中，投資者關注常常作為一個定性分析的部分，因為輿論難以度量，但網絡這一新興媒體具有實時記錄閱讀數據的優良特性。已有研究指出，百度指數可以作為投資者關注度的有效代理變量進行股票市場的實證研究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”)和防呼吸道疾病醫藥(“醫藥”)五個子題材。為了分散信用和經營風險，在每個題材選取兩支業績突出、交易活躍的股票，如表1。

表1 樣本股篩選

在數據搜集過程中，發現樣本股之一國電清新停牌天數過多，因此予以剔除。本文從RESSET數據庫中獲取了其余9只股票在2014年1月1日至2014年12月31日的日收盤價。對于缺失值利用滑動平均補充，利用總市值進行加權，并計算對數收益率，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收益率

(二)解釋變量I:全國重點污染城市空氣質量加權指數

環保部數據中心網站每日公布的全國各個城市空氣質量指數(AQI)為我們進行定量分析空氣污染情況提供了可靠的數據來源，本文抓取該網站形成了原始數據庫?？紤]到抗霾產業的需求來源，因此將空氣污染較輕的城市剔除;考慮到實證研究的數據需要，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生產導致，因此本文采用2013年各城市第二產業增加值作為權重每日加權，得到NAQI的時間序列。

(三)解釋變量II:百度指數

百度指數是以網民在百度的搜索量為數據基礎，以關鍵詞為統計對象，計算出關鍵詞在百度搜索頻次的加權和4。本文收集了“空氣污染指數”“空氣治理概念股”“霧霾”“霧霾概念龍頭股”4個關鍵詞的百度指數。

如果同時使用這四個百度指數作為解釋變量，顯然將存在共線性。因此首先利用Granger因果檢驗篩選能最有力地解釋抗霾股收益率的關鍵詞:

表3 利用Granger因果檢驗篩選關鍵詞

“空氣污染指數”“霧霾”兩個關鍵詞通過Granger因果檢驗。但由于空氣污染指數是本文的另一解釋變量，因此選取“空氣污染指數”百度指數可更好地控制變量，并實現主客觀量度的對應。

(四)解釋變量III:滬深300指數日收益率

為了研究空氣污染對于抗霾題材的影響，筆者選用了被認為能準確捕捉市場整體變化趨勢的滬深300指數引入模型，以剔除系統性風險。

四、實證模型和結果分析

(一)帶滯后項的ARCH模型

由于信息傳導有滯后性，筆者首先利用ARMAX模型對被解釋變量進行擬合回歸，如果在殘差序列檢驗時發現有ARCH效應，則只需通過添加方差方程即可修正為帶滯后項的ARCH模型。這一建模思路的優點是邏輯明晰，操作簡單。

1.模型準備工作

(1)去量綱化:模型中RSTK和RHS是無量綱的相對量。為保持量綱一致，將百度指數序列和空氣質量指數序列取對數得到無量綱相對量。

(2)平穩性檢驗:利用ADF單位根檢驗，所有變量均為平穩的時間序列，因此可以用B－J法構建ARMAX模型。

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

2.參數估計和定階

在參數估計過程中首先注意到的一點就是無論如何調整模型，LBD項的伴隨概率均高于0.3，因此將這一解釋變量剔除。然后利用EViews進行參數估計，對于所有通過t檢驗和F檢驗的模型匯總如下:

表4 ARMAX模型定階

我們本著AIC最小化的原則從滿足參數檢驗的模型中篩選。根據上表中的數據，帶有AR(2)滯后項的模型AIC最小，同時這一模型中LNAQI的t檢驗通過。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

表5 殘差序列白噪聲檢驗

(1)殘差序列的白噪聲檢驗

利用EViews的自相關檢驗功能，我們計算出殘差序列的Q統計量和伴隨概率如表5。因此在5%的置信區間下，殘差序列是白噪聲過程，模型解釋充分。

(2)ARCH效應檢驗

表6 殘差LM檢驗

為觀察ARCH效應，作出殘差的時序圖如圖1，可以發現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，需進行LM檢驗。通過殘差平方FAC系數選定階數P=3。該檢驗的結果如表6，因此殘差序列有ARCH效應，模型必須進一步修正。

4.模型修正

根據定階計算可知不存在多階ARCH效應，因此先在模型中加入ARCH(1)項。經計算，ARCH(1)模型的參數統計檢驗性質優良:

表7 ARCH模型參數估計結果

因此選用帶滯后項的自回歸條件異方差模型作為最終模型，參數估計結果為:

可簡要概括為百度指數不是長期影響變量，空氣質量是長期影響變量且有滯后性。

(二)事件分析法

事件驅動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險分散化的投資組合。

圖2 百度指數時序圖

1.事件提出

為了科學地篩選事件，筆者通過百度指數的偏離正常值作為標準來篩選事件。百度指數的時序圖如圖3所示，直觀上看出在2014年內，有2月末和10月兩次出現明顯偏離正常值的現象。為了更嚴謹準確地確定事件發生的起點和終點，本文利用流程2定義了“重大輿論事件”的范圍。

流程2 利用百度指數判斷重大輿論事件期間

圖1 殘差序列時序圖

經過與媒體報道核對，發現用這一標準篩選出的兩個時間段確實都對應相關輿論事件，信息匯總為表8。

表8 事件信息匯總

2.選定窗口期和預測期

窗口期至少應該包含事件發生的時間段。由于這些空氣污染事件是漸進發生的，可能有敏銳的投資者作出領先判斷，因此應以事件起點為0點對稱地選擇窗口期。為確保預測的效果，本文采用窗口期之前30日作為預測期。

表9 確定事件預測期和窗口期

3.利用窗口期進行預測

目前研究對于預測期收益率的預測通常采用市場收益法，即運用資本資產定價模型，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指數作為市場組合，通過OLS估計構建各個股票的收益率與滬深300指數之間的回歸方程，以此作為預測窗口期日常收益率的依據。

4.計算窗口期超額收益

事件驅動策略的投資追求的是在事件發生時的超額收益，因此本文定義超額收益率(AR)為實際收益率與日常收益率之差。由于事件驅動投資者一般采用事件發生的窗口期為投資周期，因此我們需要計算投資組合在窗口期內的累計超額收益率(CAR)。為了將事件的作用突出地體現出來，規定事件起點為第0天，定義每天與第0天的CAR之差為相對累計超額收益率(ReCAR)。流程3總結了ReCAR的這一系列計算過程。

流程3 ReCAR的計算過程

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。根據計算結果作出事件1、事件2的ReCAR時序圖，如圖3－1、圖3－2所示:

通過這兩張圖可以觀察到，在事件發生后均有數只股票未表現出明顯的正向累計超額收益。

有研究結果提出，事件驅動策略的投資效果與公司業務分散度有關。因此，筆者剔除了樣本股中的三只集團股股票:格力電器、巨化股份和龍頭股份。這三家公司經營范圍廣泛，抗霧霾產品并不占公司主營業務收入的絕對地位。正是由于這種經營特點，使得它們無法表現出明顯的超額收益。

圖3－1 事件1窗口期各股ReCAR時序圖

圖3－2 事件2窗口期各股ReCAR時序圖

剔除這三只股票后樣本股的事件窗口期累計超額收益率如圖4－1、圖4－2所示:

圖4－1 事件1窗口期剔除集團股各股ReCAR時序圖

圖4－2 事件2窗口期剔除集團股各股ReCAR時序圖

從圖可以看出，每次事件發生后的5日內，在6只樣本股中5只表現出了明顯的累計超額收益率。接下來，市場經過對信息的充分反應，在5日后超額收益回調。因此可以認為，經過剔除集團股的抗霾題材股票可以利用事件驅動的投資策略獲得超額收益。

五、結論

通過時間序列回歸，本文得出了空氣污染程度對抗霾題材股票收益率有長期影響、投資者關注度對收益率無長期影響的結論，說明市場按照空氣污染引起的客觀需求評價抗霾產業的長期發展前景，而不將社會輿論對于空氣污染問題的關注度作為主要標準;還發現空氣污染程度對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，本文證實了在重大污染事件發生時，剔除集團股的抗霾股存在超額收益，但這種超額收益會隨著市場理性回調而迅速消失。同時，本文提出了利用百度指數進行定量篩選事件的方法。百度指數時間序列能一定程度上反映社會輿論對于事件的關注度，可以用于捕捉事件的窗口期，增強了事件驅動策略的可操作性。

［1］［美］博迪.投資學［M］.機械工業出版社，2001.

［2］陳曙亮.中國證券市場行業系統性風險和羊群效應研究［D］.復旦大學碩士學位論文，2008.

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

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