空氣質量、投資者情緒與股票收益率

陳 康，江嘉駿，劉 琦，李 欣

1 西南財經大學 中國金融研究中心，成都 611130 2 復旦大學 經濟學院，上海 200433 3 北京大學 光華管理學院，北京 100871 4 泰康資產管理有限責任公司，北京 100033

引言

心理學研究證實，當人們暴露在被污染的空氣中，對事物的評價會產生負向的偏差[1-2]，空氣質量差使人們產生悲觀情緒。根據現代行為金融學的理論，投資者情緒顯著影響他們的交易行為。悲觀情緒導致投資者對事物的負面評價上升，更加厭惡風險，并且交易意愿下降[3]。因此，當空氣質量較差時，投資者情緒變得悲觀，對本地股票的估值下降，交易意愿下降，股票收益率降低。中國鮮有研究探討空氣質量與股票市場收益率的關系。郭永濟等[3]利用2006年至2013年上海的數據研究空氣質量對上證滬企指數的影響，發現空氣質量對股票收益率有負向影響。但上述研究只用上海一個城市的數據驗證空氣污染的影響，無法排除城市的固定特征對研究結論產生的內生性干擾，該研究結果說服力有限。

本研究探討如果排除城市固定特征帶來的內生性干擾，空氣質量是否還會影響股票收益率。更重要的，空氣質量是通過增加投資者的悲觀情緒影響股票收益率，還是通過降低投資者的交易意愿影響股票收益率。本研究進一步探討空氣質量影響股票收益率的具體機制，為環境影響資產價格的研究提供新的證據。

1相關研究評述

天氣對股票市場影響的相關研究由來已久，但學術界并沒有達成一致的結論。

一些研究結果支持天氣狀況對股票收益率的影響，并且將這種影響歸因于投資者情緒的變化。一方面，基于心理學的研究證實環境確實影響投資者的情緒，如糟糕的天氣使人們產生悲觀情緒[1-2]。另一方面，基于金融學的許多經驗證據證明投資者情緒與股票收益的關系。BAKER et al.[4]探討投資者情緒對于股票收益率的橫截面效應，發現當投資者情緒較低時，小市值股票、成長型股票、高波動率股票、虧損的股票和不分紅的股票將有顯著的高收益率；當投資者情緒較高時，這類股票則有明顯的低收益率。在中國市場上，也有研究證明投資者情緒對資產價格有顯著影響，不同情緒的變化影響交易主體對資產的買賣行為[5-7]。王美今等[8]以中國資本市場數據為研究樣本，發現投資者情緒的變化顯著影響滬深兩市的股票收益率，并通過風險獎勵影響收益率；金雪軍等[9]和程琬蕓等[10]分別通過文本挖掘方法提取投資者情緒指數，并且驗證了投資者情緒對股票收益率的正向影響；許啟發等[11]使用中文文本情感分析法，從新浪微博的文本中提取出網絡情緒時間序列，發現網絡情緒能夠預測股市收益的尾部特征。

從情緒的角度，SAUNDERS[12]最早研究天氣與股票市場收益率的關系，發現紐約證券交易所的股票收益率與紐約當地云層覆蓋率有很強的相關關系，而這種關系通過紐約證券交易所里的交易員們的情緒進行傳導；LOUGHRAN et al.[13]對SAUNDERS[12]的研究進行改進，因為紐約證券交易所接受來自全美國甚至世界各地的交易指令，如果投資者的情緒又受到日照時長的影響，紐約的云層覆蓋率就不是一個很好的衡量投資者情緒的變量。根據本地偏好理論，投資者更加愿意本土投資，納斯達克交易所上市的公司規模較小，更容易受到當地投資者的關注，LOUGHRAN et al.[13]最終選取納斯達克股票注冊地的天氣狀況進行研究，同樣發現日照與股票收益率的正相關關系。中國的研究中，儀垂林等[14]的研究發現，濕度和風速等變量確實能影響投資者情緒，從而影響上證綜合指數收益。

有學者認為天氣具有很強的季節效應，沒有辦法將天氣影響股票收益率的情緒效應和季節效應剝離，并且情緒對風險偏好的改變也無法捕捉，因此所謂的天氣對股票市場的影響可能并不存在。JACOBSEN et al.[15]對已有研究結果產生質疑，他們承認雖然股市在夏天和秋天的收益率水平顯著低于冬天和春天，但并不是由于季節性情緒波動或者氣溫的原因造成的，并通過引入5月效應和萬圣節效應等簡單的季節性因素解釋這一異象。類似地，KELLY et al.[16]認為沒有證據表明情緒的改變直接影響風險喜好，也就是說連接天氣與股票收益的關系并不成立。在中國，陸靜[17]的分析表明，除溫度和極端天氣以外的其他天氣指標只對投資者情緒產生影響，但無法傳導到股票收益率。

本研究認為，由于不同的投資者對同樣的天氣可能存在不同的偏好，如有的投資者可能更喜歡陽光充足，有的投資者更喜歡細雨綿綿，即使同一種天氣，對投資者情緒的影響方向也不同，因此很難單向地去看某一種天氣因素對股票市場的影響。而空氣污染作為一種負情緒效應的環境因子[2]，對所有投資者客體情緒影響的方向都更為一致，因此更適合用空氣質量檢驗環境因素對股票市場的影響。

已有研究也分析過空氣質量與股票收益率的關系，認為空氣質量越差，股票的收益率越低，但這些研究受限于樣本數據的過度集中或研究方法的設計，大都表現出一定的局限性。LEVY et al.[18]利用空氣質量指數AQI和美國四大股票交易所指數收益率數據，研究發現空氣質量“不健康”日的股票收益率明顯低于“健康”日的股票收益率，驗證了空氣質量與股票收益率的負相關關系，并發現這種關系隨污染地與股票交易所距離的增加而逐漸減弱。美中不足的是，兩組數據數量相差懸殊，在2 594個交易數據中只有不足2%屬于“不健康”組，這在一定程度上削弱了結果的有效性。與本研究相近的還有郭永濟等[3]的研究，但他們僅使用2006年至2013年上海的空氣質量數據研究其對股票市場的影響，沿用國外的研究思路，探討作為交易所所在地的上海其空氣質量對上證滬企的影響，也有一定的局限性，因為中國的股票交易并不是做市商交易，股票價格的形成由全國各地的投資者交易得到。同時，該研究僅用上海一個城市的數據驗證空氣污染的影響，無法排除城市的固定特征對研究結論產生的內生性干擾，研究結果難以具有很強的說服力。

與已有研究不同，本研究基于本地偏好理論，利用中國各大城市的空氣質量面板數據，檢驗環境對股票市場的影響。由于信息不對稱、投資者的有限關注和模糊性厭惡等原因[19-21]，投資者往往更多地配置自己更了解和更具信息優勢的資產，更多地配置本地的股票，即所謂的本地偏好。已有大量研究證明投資者的交易具有很強的本地偏好[22]，但由于一般很難得到公司層面的股票交易數據，即很難判斷一只股票的投資者群體中本地投資者占比多少，要直接的證明公司股票更多地被本地投資者交易相對困難。在中國，黃福廣等[23]和張學勇等[24]研究中國的風險投資，發現風險資本投資存在明顯的本地偏好；董大勇等[25]最早計算股票的本地偏好，實證結果表明股票論壇中投資者加入本地股票信息交流的概率更大；HUANG et al.[26]利用東方財富股吧論壇的數據，用IP識別方法判斷發帖人所在地，研究結果也證實本地偏好的確存在。不止是中小投資者這類散戶，機構投資者也存在本地偏好現象，張誼浩等[27]利用中國開放式股票型基金為研究對象，發現基金有持續的本地偏好現象，并且集中體現于對治理水平較好、透明度較低、信息不對稱程度較高的上市公司；楊曉蘭等[28]通過IP識別和文本分析方法證明，當本地投資者情緒較高時，本地關注對股票收益率的影響更大。

因此，基于本地偏好的效應，本地空氣質量的高低對本地投資者情緒產生影響，進而對本地股票收益率產生影響。本研究以同一城市為注冊地的上市公司股票構建每個城市的股票組合，利用中國各大城市的空氣質量面板數據進行實證分析，相對于已有研究，至少具有兩點優勢。首先，可以充分利用中國空氣質量污染日較多的大樣本特征得到更有效的結果；其次，也可以將空氣質量數據匹配到全國各地的投資者，形成城市和日度頻率的面板數據。本研究認為，一方面可以充分利用數據的橫截面特征檢驗不同的空氣質量對股票收益率的影響，另一方面也可以利用日度數據的高頻特征剝離季節等其他因素對股票市場的影響，并進一步對空氣質量影響股票收益率的具體機制進行分析。

2研究假設

基于已有研究，本研究認為空氣質量可能通過影響投資者情緒而影響股票收益率。當人們暴露在污染的空氣中，對事物的評價更偏負面[1]，較差的空氣質量使人們悲觀情緒上升。有相關的醫學研究發現，暴露在污染的空氣中可能使人體中的腎上腺皮質醇激素增加，造成代謝紊亂，降低人們冒險的欲望，改變人們的風險偏好[29]。根據現代行為金融學理論，投資者情緒顯著影響投資者的交易行為。悲觀情緒導致投資者對事物的負面評價上升，更加厭惡風險，并且交易意愿下降[3]。

因此，如果某個城市當日空氣質量較差(即空氣質量指數AQI較高)，當地投資者的負面情緒會增加。根據本地偏好理論[27-28]，本地投資者往往更多的配置本地公司的股票。這就導致當某個城市空氣質量較差時，本地投資者情緒變得悲觀，對本地公司的股票估值下降，交易意愿下降，從而使本地公司的股票收益率整體降低。如果以該城市所有公司的股票構建股票組合(以下簡稱股票組合)，可以發現空氣質量指數越高，股票組合的收益率越低。因此，本研究提出假設。

H1空氣質量指數與股票收益率負相關，當日空氣質量越差的城市，其股票組合的收益率越低。

與郭永濟等[3]的研究不同，本研究探討空氣質量對股票收益率影響的具體機制，空氣質量通過情緒影響股票收益率可能有增加投資者悲觀情緒和降低投資者交易意愿兩種機制。

(1)根據ROTTON[1]的研究，當人們暴露在污染空氣中，對事物的評價產生負向的偏差，空氣質量差使本地投資者產生悲觀情緒，因此下調對股票的估值。如果因為空氣質量改變了投資者的悲觀情緒，當空氣質量變差時，本地投資者變得更悲觀，與沒有遭遇空氣污染的外地投資者相比，他們對同一家公司未來前景的預期更悲觀，從而導致本地投資者與非本地投資者意見分歧加大。如果本地投資者與非本地投資者意見分歧加大，本地投資者的股票換手率上升[30]。因此，如果增加悲觀情緒的機制，某城市的空氣質量越差，該城市所有上市公司構成的股票組合的換手率上升。因此，本研究提出假設。

H2當日空氣質量越差的城市，投資者悲觀情緒越高，股票組合的換手率越高。

(2)由于空氣質量差對人造成煩躁、悲觀、注意力不集中、焦慮等負面情緒和影響[2]，并且污染空氣增加腎上腺皮質醇激素，降低人們的風險偏好[29]，當本地投資者遭遇空氣污染時，他們傾向于不愿意交易而退出市場，從而使市場流動性下降，股票價格下降。如果因為空氣質量差使投資者產生焦慮和煩躁等負面情緒而降低其交易意愿，使遭遇空氣污染的本地投資者減少交易甚至退出市場，投資者交易數量的減少導致股票流動性相應降低，因此市場要求更高的預期收益補償流動性風險，導致當日股價下跌[31]。因此，如果降低交易意愿的機制，某城市的空氣質量越差，該城市所有上市公司構成的股票組合的流動性降低。因此，本研究提出假設。

H3當日空氣質量越差的城市，投資者參與交易意愿越低，股票組合的流動性越低。

3樣本和數據描述

3.1樣本選擇

本研究選擇的樣本包括由中華人民共和國生態環境部(原中華人民共和國環境保護部，下同)公布的2014年全國各個重點地級城市空氣質量日度數據和CSMAR數據庫提供的股票日度交易數據，股票的股本結構、機構持股比例等基本信息和相關財務數據來自Wind數據庫。

選擇2014年至2015年作為樣本的研究區間，主要理由如下。

(1)從2014年開始中華人民共和國生態環境部公布并使用空氣質量指數(air quality index,AQI)作為空氣質量檢測的指標，在這之前使用空氣污染指數(air pollution index,API)作為檢測指標。與AQI相比，API的弱勢主要表現在主要污染源PM2.5數據缺失，從而造成空氣質量檢測結果的偏誤，而AQI更為全面地反映了空氣質量的真實情況[32]。為了更加準確地反映真實的空氣質量狀況，本研究選取2014年1月1日至2015年12月31日作為研究區間。

(2)空氣質量對投資者情緒的影響與投資者對空氣質量的關注度有關。近年來，人們越來越關注空氣質量，已有研究大都用百度搜索指數測量關注度[33]。由空氣、空氣質量和PM2.5的百度搜索指數趨勢可知，從2013年下半年開始，公眾才對空氣質量有較為顯著的關注，2013年上半年以前的關注度明顯偏低，而過低的關注度很難對情緒產生明顯的影響。這也從另一個角度說明本研究區間的有效性。

本研究剔除上市不滿1年的股票，因為在中國股票的換手率與IPO期間高度相關，本研究要求樣本公司必須上市滿1年。剔除機構持股比例、總資產、所有者權益和銷售收入為負數的樣本，得到注冊地為255個城市的2 460只股票樣本，255個城市來自全國31個省份。為了防止極端值對檢驗結果的影響，本研究對所有關鍵指標進行1%雙邊的winsorize處理。

本研究以上市公司注冊地所在地級市為基礎單位構建股票組合，Wind數據庫提供了所有上市公司注冊地的信息，通過與最新的國家統計局行政區劃代碼比對，將所有股票的注冊地統一為地級市級別，即行政代碼前4位，如130200為河北省唐山市，得到255個城市的股票組合日度數據。

以行政代碼為唯一識別變量連接中華人民共和國生態環境部的空氣質量日度數據，剔除注冊地當日沒有空氣質量數據的樣本，剔除全年觀測值少于30個交易日的股票組合，最終得到31個省份252個城市的股票組合日度數據，共90 827個觀測值。

3.2變量定義和描述

3.2.1主要被解釋變量

(1)股票收益率，采用CSMAR考慮現金紅利的股票日收益率數據，然后根據無風險利率計算得到股票的超額收益率，稱之為股票日收益率。按流通市值將股票日收益率加權平均得到股票組合的超額收益率，稱之為組合收益率。

(2)投資者意見分歧，主要采用換手率作為投資者意見分歧的測量指標。由于投資者意見分歧不宜直接測量，已有研究通常采用換手率間接測量投資者意見分歧，并認為股票換手率越高，投資者意見分歧越大，如李科等[34]的研究。國外學者經常采用日成交量占總發行股數的百分比計算換手率。考慮到中國存在的非流通股現象，本研究以流通A股股數替代總發行股數。因此，本研究中用股票每日的交易量除以當前流通A股股數計算股票的日換手率，用流通市值為權重加權日換手率得到股票組合的換手率，稱為組合換手率。

(3)流動性，采用Amihud測度[35]測量股票流動性，計算方法為股票日成交量除以日收益率百分比的絕對值。該數值越大，表明產生單位股價變動需要更大的交易量，說明流動性更好。梁麗珍等[36]認為，在中國市場上，用該指標測量股票流動性是最佳的。用流通市值為權重加權日流動性得到股票組合的流動性，稱為組合流動性。

3.2.2主要解釋變量

AQI考評的污染物為二氧化硫、二氧化氮、可吸入顆粒物(PM10)、細顆粒物(PM2.5)、臭氧和一氧化碳等6項。AQI共分6級，1級為優，2級為良，3級為輕度污染，4級為中度污染，5級為重度污染，6級為嚴重污染，對應的指數分別為0～50、51～100、101～150、151～200、201～300和大于300共6檔。

根據本研究選取的研究區間，主要解釋變量選擇中華人民共和國生態環境部提供的各城市日度AQI和AQI的污染級別。在主檢驗中，本研究采用AQI(除以100標準化)作為解釋變量。在穩健性檢驗中考慮AQI污染級別的變動，如優良轉成嚴重污染時是否對投資者行為產生更顯著的影響，本研究定義空氣級別變量Air_Lev。主要解釋變量及對人體健康影響情況的對應關系見表1。

表1空氣質量指數定義Table 1AQI Definition

3.2.3主要控制變量

(1)Fama-French3因子+動量因子

本研究利用經典的Fama-French3因子變量建立股票收益率模型。FAMA et al.[37]最先提出一個投資組合的超額收益率可以由3個風險暴露因子來解釋，分別為市場風險溢價因子、市值因子和賬面市值比因子。除這3個因子外，動量也是解釋收益率的很重要的一個因子[38-39]。BARROSO et al.[40]的研究表明，與市場、價值或規模因素相比，動量為投資者提供了最高的夏普比率。而在中國，高秋明等[39]利用1994年至2011年中國A股市場股票收益率數據檢驗動量效應，發現當持有期為1周～3周時，中國A股市場存在穩定的動量收益率。因此，本研究在收益率的回歸模型中加入收益率的滯后項測量動量因子。

(2)機構投資者比例

機構投資者比例即機構投資者持有股份占股票流通股本數量的比例。已有研究發現，以個人投資者為主體的證券市場的換手率一般比以機構投資者為主體的證券市場的換手率低，其原因在于機構投資者往往較散戶相對理性一些，不容易受市場消息等情緒因素的影響。GERVAIS et al.[41]通過復雜而嚴謹的數學推導和一系列嚴苛的假設，證明職業生涯早期缺乏經驗的投資者容易過度自信，傾向于更加頻繁的交易，換手率也越高。因此，機構投資者比例是換手率的一個重要的控制變量，即機構投資者比例越高，換手率越低。

(3)流通市值

本研究將每個城市所有股票的流通市值平均值作為該城市股票組合的流通市值。MERTON[42]研究流通市值對于交易量的影響，認為投資者傾向于持有熟悉的股票，意味著高流通市值的公司擁有更多樣化的投資者，進而導致更活躍的交易行為，因而流通市值高的股票換手率應該更高。HONG et al.[43]的理論模型表明，高流通市值的股票需要有更大程度的意見分歧程度才能產生投機性的交易，流通市值與股票換手率負相關；張崢等[44]采用1994年至2003年的A股市場數據，發現股票換手率與流通市值相關。本研究認為這兩種機制都可能存在，無論哪種機制占優，流通市值都是一個很重要的控制變量。

(4)市值賬面價值比

市值賬面價值比等于股票總市值除以資產負債表普通股權益價值。張崢等[44]從投機性泡沫理論出發，推論并驗證股票換手率與市值賬面價值比呈現一定的正相關關系。其背后的邏輯為，換手率與股票價格投機性泡沫的大小正相關，高換手率的股票投機性泡沫大，即股價高估程度高，而市值賬面價值比一般用來測量這一高估程度。此外，市值賬面價值比也測量投資者對公司未來的看好程度，市值賬面價值比越高，交易可能越活躍，同樣導致更高的換手率。由于市值賬面價值比的回歸系數數量級很小，本研究將市值賬面價值比統一除以100得到標準化的市值賬面價值比。

(5)滬深300成分股比例

如果股票屬于滬深300成分股，則換手率相對會低一些。首先，成分股通常為大盤股，不容易拉升，換手率較低。其次，成分股一般機構配置比例會較高，因此可能更多的由機構投資者主導，同樣導致換手率低。因此，本研究采用股票組合中滬深300成分股的數量占股票組合中的公司總數的比例測量股票組合的成分股比重，滬深300成分股比例越高，換手率可能越低。

表2給出本研究用到的主要變量和相關定義，除空氣質量外，所有變量均為分城市組合的市值加權平均數據。并且，在后文所有回歸結果中，本研究用(-k)表示第k階滯后項，如AQI(-1)表示滯后1期的AQI指數。

3.3主要變量的描述性統計

表3給出本研究主要變量的描述性統計結果。由表3可知，股票組合的平均組合收益率為-0.435%，標準差為3.419%，中位數為-0.365%。組合換手率的均值為3.127%，標準差為2.343%，中位數為2.561%，組合換手率呈現出“左端厚尾”的現象，大部分的組合換手率都低于平均值。組合換手率的最大值為24.945%，表明不同的股票組合換手率的差異較大。組合換手率日均變化率僅為0.005%，表現出很強的序列相關。組合流動性平均為3.114，而日均變化為1.036，其時間序列上的變化幅度比換手率大。

252個樣本城市全年平均的AQI為86.900(表中數據為標準AQI除以100得到)，中位數為75，從全國平均看，空氣質量大多集中在良性級別，接近輕度污染水平。機構投資者持股比例的均值為0.062，最小值為0.001，最大值為0.550，差異較大。所有股票組合中屬于滬深300成分股的比例平均為0.246。

將所有觀測值按AQI大小分為10組，表4給出各組中主要變量的均值。由表4可以知，AQI隨著組別的增加，從34.693的優級別逐漸增加到197.673的中度污染級別。主要的控制變量依然保持穩定，如流通市值基本穩定在23左右；股票組合的收益率、換手率和流動性均表現出遞減的趨勢；空氣質量最好組的收益率為-0.305%，換手率為3.556%，流動性為3.262。而空氣質量最差的組收益率為-0.455%，換手率為2.448%，流動性為2.702。這說明空氣質量的下降可能會降低股票組合的收益率，同時換手率和流動性都下降，收益率下降的原因可能是H3中提出的途徑，即投資者受影響，退出市場，交易意愿下降，從而表現為換手率和流動性雙低。

4實證結果和分析

4.1空氣質量對股票收益率的影響

4.1.1分城市檢驗結果

參考LOUGHRAN et al.[13]的方法，首先對每個城市進行時間序列回歸，按照以下回歸式估計空氣質量對組合收益率的影響，即

Reti,t=αi+βAQI,iAQIi,t+βrm,iRisPret+βsmb,iSMBt+

βhml,iHMLt+βlas,iRet(-1)i,t-1+εi,t

(1)

其中，i為城市，t為時間；αi為截距項；β為對應各變量的回歸系數；εi,t為殘差項。模型中加入市場組合風險溢價因子、市值因子、賬面市值比因子和股票組合收益率的滯后項控制風險和動量效應，根據H1，本研究期望βAQI,i為負，即說明空氣質量越差，股票的收益率越低。

表2變量定義Table 2Definition of Variables

表3描述性統計結果Table 3Results for Descriptive Statistics

表4組合收益率、組合換手率、組合流動性與AQI的分組關系Table 4Relationships between Portfolio Return,Turnover, Liquidity and AQI by Group

空氣質量不僅對收益率有影響，也可能與收益率的正負有關，為了驗證這種可能，本研究分城市進行logistic估計，即

(2)

其中，P(Reti,t>0)為收益率為正的概率，Coni,t為控制變量，γAQI,i為AQIi,t回歸系數，ρi為控制變量系數。γAQI,i為負表示AQI與股票收益率負相關，即空氣質量越差，收益率為正的概率越小。

表5的第5列和第6列給出logistic模型估計的邊際效應(γAQI,i)和z統計量。在252個城市中，有171個城市的系數為負，占總數的67.857%；有20個城市的系數顯著為負，占總數的7.937%。γAQI,i的平均數為-0.039，即AQI每升高100點，股票組合上漲的概率就減少3.900%；對應的平均z值為-0.397。與OLS回歸的計算類似，252個系數中僅出現不超過81個為正的概率小于0.010，在logistic回歸中，AQI系數也在1%水平上顯著為負。

分城市的檢驗結果表明，空氣質量與股票組合的收益率有負向的關系。但這里本研究假設組合之間AQI的影響是獨立的，且沒有控制其他與收益率和空氣質量都有關的變量，因此需要聯合檢驗所有城

市的AQI系數，并加入相關控制變量。

4.1.2面板回歸結果

利用數據的面板結構，可以包括更多控制變量，考慮城市之間的相關性，本研究首先估計隨機效應面板模型，即

Reti,t=α+βAQIi,t+ui+ηi,t

(3)

其中，α為截距項，β為AQI的回歸系數，ui為個體的隨機效應，ηi,t為殘差項。考慮到同一城市的收益率殘差可能存在序列自相關性，在估計時本研究采用聚類在城市的穩健標準差(Peterson調整)，即在估計協方差矩陣時，允許同一城市的觀測存在相關性。表6第2列給出回歸結果，AQI的系數為-0.084，在1%水平上顯著，說明AQI平均每增加100點，股票組合的收益率會降低0.084%，復合到每個月(20個交易日)減少1.600%。空氣質量有很強的季節性，如冬季北方地區集中供暖使空氣質量變差，不同季節的風向形成不同的大氣擴散條件也會使空氣質量有季節性[45]。因此，為了排除空氣質量只是捕捉季節效應，本研究在表6第3列回歸中加入月份作為控制變量。同時在每周內，空氣質量也可能呈現周期性，這與工作日汽車尾氣、工廠排放周期有關，而股票收益率也可能存在周內的周期性。為了控制這種可能，本研究加入周內固定效應。回歸結果表明，AQI的系數依舊在1%水平上顯著為負，且數值增大，AQI每增加100，月復合收益率下降2.700%。

空氣質量與股票組合的收益率負相關也可能是由于每個城市的行業特征差異所致。如平均來說，華北地區空氣質量較差，因當地的企業多為制造業和重工業；廣東空氣質量相對較好，因當地企業多為高新產業。因此，空氣質量與收益率的負相關性可能只是捕捉了不同產業股票收益率的相對差異。為了排除這種可能，表6第4列加入市場風險溢價因子以及流通市值、市值賬面價值比和收益率3個變量的滯后項，以控制市場風險溢價、規模、價值和動量效應，回歸結果表明AQI系數的數值大小和顯著性變化不大。

為了檢驗空氣質量對股票收益率影響的持續時間，表6第5列加入滯后1期和滯后2期的空氣指數。

表5分城市OLS和Logistic回歸結果Table 5OLS and Logistic Regression Results for Different Cities

表6城市面板數據OLS回歸結果Table 6OLS Regression Results for City Panel Data

注：括號內數據為穩健標準誤。***為在1%水平上顯著，**為在5%水平上顯著，*為在10%水平上顯著；變量后括號內數據表示滯后，如AQI(-1)為上一日AQI；回歸中控制變量有部分缺失值導致觀測值存在差異；下同。

加入滯后項后，當期AQI對收益率影響的顯著性和數值大小沒有明顯變化。滯后1期和滯后2期的AQI對收益率的影響都不顯著，說明空氣質量對組合收益率的影響是短期的，最多持續一天。

為進一步驗證不同模型設定下結果的有效性，本研究分別進行面板固定效應、固定效應面板調整標準差和Fama-MacBeth回歸。在固定效應面板調整標準差回歸中，本研究允許殘差在城市間存在當期相關和異方差，并且在同一城市有序列自相關。在Fama-MacBeth回歸中，本研究對估計標準差進行滯后20期的Newey調整。回歸結果見表6的后3列，可以看到，在不同的模型設定下，AQI系數的方向和顯著性都沒有很大的改變。

與分城市分析類似，本研究對面板數據也進行logistic回歸，結果見表7。單變量回歸中，AQI的系數顯著為負，每增加100點，當日組合收益率為正的可能性就下降3.500%。類似于OLS回歸，加入月份和周內固定效應以及股票特征控制變量后，結果依然存在。唯一與OLS回歸不同的是，在加入AQI的滯后項后，滯后2期的AQI對股價漲跌方向也有顯著影響，但統計和經濟顯著性都比同期AQI弱。

4.1.3蒙特卡洛模擬檢驗

盡管控制了季節效應、股票組合特征和城市固定效應，空氣質量還是有可能恰好與某個無法被觀測到的、與組合收益率負相關的因素耦合，從而表現為空氣質量與組合收益率有負相關關系。為了排除這種可能，本研究使用蒙特卡洛模擬方法，進行安慰劑檢驗。本研究將AQI指標隨機打亂，重新估計AQI系數，計算t統計量。重復1 000次后，計算其中有多少次AQI的顯著性優于真實數據，將這個比例記為z，若z小于0.050，說明本研究結果在5%顯著水平上通過z檢驗。表8給出z檢驗的結果。結果表明，在z檢驗下，AQI的顯著性基本沒有變化。可見，AQI與組合收益率的負相關性不是由于巧合導致的。

表7城市面板數據logistic回歸結果Table 7Logistic Regression Results for City Panel Data

綜上所述，本研究認為空氣質量與股票組合的收益率負相關，空氣污染越嚴重的城市，當日本地股票的收益率越低，這一結果在控制了各類季節因素、股票特征和城市固定效應后依然存在，而且這一影響是短期的，最多持續一天時間。H1得到驗證。

4.2空氣質量對投資者交易行為的影響

4.2.1空氣質量對換手率的影響

為了進一步探究空氣質量對股票收益率影響的機制，根據前文提出的研究假設，本研究認為空氣質量可能通過兩種機制影響本地投資者交易行為，進而影響股票組合的收益率。一方面，差的空氣質量可能增加投資者悲觀情緒，降低股票組合的收益率；另一方面，差的空氣質量也可能通過降低投資者的交易意愿而降低股票組合的收益率。如果是增加悲觀情緒的機制，則導致空氣質量差時本地投資者產生悲觀情緒，下調對股票的估值，而與非本地投資者意見分歧加大。有研究表明，用換手率測量意見分歧，當意見分歧加大時，換手率應上升[46]。因此，在第1種機制下，預期空氣質量越差，換手率越高。為檢驗這一影響機制，本研究建立回歸模型探討空氣質量與股票換手率的關系，即

Turi,t=θ0+θ1AQIi,t+θ2Coni,t+ξi,t

(4)

表8蒙特卡洛模擬結果Table 8Results for Monte Carlo Simulation

注：圓括號中數據為t值，方括號中數據為z值。

其中，θ0為截距項，θ1和θ2為回歸系數，ξi,t為殘差項。控制變量包括上一日的組合換手率(Tur(-1))、股票組合中機構投資者比例、滬深300成分股比例、流通市值和市值賬面價值比等，市值賬面價值比取滯后1個季度的數據得到。因為中國股市常有的“追漲殺跌”等現象[47]，本研究預期上一日換手率高的股票在當日還會延續，因此組合換手率在時間趨勢上可能有高度的序列相關；預期機構投資者比例越高的股票組合，換手率越低。如果θ1顯著為正，表明空氣質量指數與組合換手率正相關，本地投資者與非本地投資者意見分歧加大，本地投資者對股票估值的下降使均衡價格下降，同期收益率下降。為了控制回歸中殘差相關性，所有的回歸檢驗都采用聚類在城市的穩健方差估計，回歸結果見表9。

由表9可知，第2列AQI的回歸系數在1%水平上顯著為負，AQI每上升100點，股票組合的換手率降低0.521%，這與第1種機制的預期不符。在第3列控制時間固定效應后，AQI對組合換手率的影響程度降低，但方向和顯著性不變。第4列的回歸模型中加入機構投資者比例、滬深300成分股比例、流通市值、市值賬面價值比等控制變量，AQI系數為-0.042，即AQI每上升100點，對應組合換手率下降0.042%。第5列加入AQI滯后項后，當日AQI影響基本不變，還有所增強，滯后1日的AQI系數在1%水平上顯著為正，說明空氣質量對組合換手率的影響是十分短期的，過后還會出現反轉。

表9空氣質量對組合換手率的回歸結果Table 9Regression Results for Air Quality on Portfolio Turnover

注：括號內的數據為聚類在城市的穩健標準誤，下同。

表9中，股票組合上一日的組合換手率的系數都顯著為正，表明換手率存在高度的序列相關過程，上一日的換手率越高，當日的換手率也越高，即存在所謂的“慣性”效應。基于此，在表9的第6列和第7列中，本研究將換手率做一階差分后再進行回歸，發現關于空氣質量的回歸結果也類似，空氣質量越差，相對于上一日的組合換手率，當日的組合換手率更低。

表9中，InsHol的系數顯著為負，即機構投資者持股比例越高，股票的換手率越低。行為金融領域有很多關于個人投資者過度自信而交易過多的研究，證明個人投資者相對于機構投資者交易更為頻繁。HSRat的系數顯著為負，說明權重股的換手率低。Ret(-1)的系數顯著為正，也驗證了中國股市“追漲殺跌”的現象，高收益率的股票換手率也越高，交易越活躍。

以上結果與本研究提出的空氣質量對收益率的第1種影響機制不符，說明空氣質量變差并沒有使本地投資者改變對股價的預期，從而與非本地投資者產生更多意見分歧、更多地交易。綜合來看，H2沒有得到驗證。相反的，在空氣質量差時，股票組合的換手率更低，這暗示本研究有可能是由于第2種影響機制，即本地投資者由于空氣質量差造成的負面情緒而退出市場，不進行交易。為了檢驗這一影響機制，本研究考察空氣質量對股票流動性的影響。

4.2.2空氣質量對流動性的影響

H3表明，由于空氣質量差使人產生煩躁、悲觀、注意力不集中等負面情緒，本地投資者可能退出市場，不進行交易。一般來說流動性與參與交易的投資者數量正相關，如果投資者數量減少，則流動性會相應降低。因此，本研究通過考察空氣質量對流動性的影響驗證H3提出的影響機制。

已有研究對流動性有許多不同的測量方式，常用的有Amihud測度[35]、Pastor-Stambaugh(P-S)測度[48]

和λ測度[49]等。梁麗珍等[36]發現，在中國市場，Amihud測度能更好地測量股票流動性。因此，本研究使用Amihud測度測量流動性，在穩健性檢驗中，本研究使用其他測量方式重復以下實證檢驗。

與換手率的回歸類似，本研究用以下模型研究空氣質量與流動性的關系，即

Liqi,t=μ0+μ1AQIi,t+μ2Coni,t+υi,t

(5)

其中，μ0為截距項，μ1和μ2為回歸系數，υi,t為殘差項。用股票組合加權平均的日度Amihud測度測量Liqi,t，為了控制流動性的序列自相關性，在回歸中加入上一日的流動性指標。回歸結果見表10。

表10空氣質量對組合流動性的回歸結果Table 10Regression Results for Air Quality on Portfolio Liquidity

表10中，第2列AQI的回歸系數在1%水平上顯著為負，AQI每上升100點，股票組合的流動性下降0.394，相對于全樣本均值(3.114)下降了12.653%，這與第2種影響機制相符。

在第3列加入時間固定效應后，AQI對股票組合流動性的影響程度略有減少，但方向和顯著性不變。第4列的回歸模型中加入上一日的流動性、機構投資者比例、滬深300成分股比例、流通市值、市值賬面價值比等控制變量，AQI系數為-0.114，即AQI每上升100點，對應股票組合流動性相對于樣本均值下降3.661%。第5列加入AQI滯后項后，當期AQI影響基本不變，滯后期的AQI系數均不顯著，說明空氣質量對流動性的影響也是短期的。

表10中，Liq(-1)對當日也有顯著影響，系數均為0.184，存在一定序列相關，但不如換手率的持續性高。為了控制序列相關可能帶來的影響，類似于換手率的處理，在表10第6列和第7列中，本研究將流動性做一階差分后再進行回歸，發現關于空氣質量的回歸結果也類似，空氣質量越差，相對于上一日流動性指標，當日流動性更差。

以上結果與H3中空氣質量對收益率的第2種影響機制相符。在空氣質量差時，本地投資者退出市場，交易意愿降低，導致本地股票組合的流動性惡化。因此，市場要求更高的預期收益率來補償流動性風險，導致當期股價下跌。H3得到驗證。

5穩健性檢驗

5.1指標變化檢驗

為了考察空氣質量對股票收益率和交易影響的非線性，本研究對AQI取自然對數，對主要結果重新進行檢驗。在重新對股票組合的收益率、換手率和流動性做回歸檢驗后，檢驗結果與上文結果類似。

表11剔除4個大城市樣本后主要回歸結果Table 11Main Regression Results after Excluding Samples of the Big Four Cities

空氣質量在級別發生變化時對人情緒的影響應該更為顯著，如由100增長到150，空氣質量保持輕度污染，而由150增長到200，則由輕度污染變為中度污染，對人情緒的影響是不同的。本研究使用空氣質量級別重做回歸，回歸結果類似。

此外，對換手率和流動性有許多不同的測量指標，本研究選取不同定義方式重做分析，結果也類似。

5.2子樣本檢驗

北京、上海、深圳和廣州4個城市股票數量較多，本研究剔除這4個城市的樣本，進行穩健性檢驗，回歸結果見表11。考慮到北京作為首都可能受到的關注更高，表11中第2列、第4列和第6列為單獨剔除北京樣本的回歸結果，第3列、第5列和第7列為剔除北京、上海、深圳、廣州4個城市樣本的回歸結果。在剔除大城市樣本之后，主要結果都保持不變。

6結論

本研究利用空氣質量作為外生的環境變化，從投資者情緒的視角研究空氣質量對股票收益率的影響，并進一步驗證空氣質量是通過降低本地投資者交易意愿而不是增加其悲觀情緒影響股票收益率。研究結果表明，①通過分城市檢驗、面板回歸和蒙特卡洛模擬等方法，發現空氣質量指數與股票收益率負相關。平均來看，空氣質量越差的城市，股票收益率越低。在控制一系列季節因素、公司特征、城市固定效應后，研究結果依然不變，并且該結果也不是由北京和上海等幾個主要城市驅動的。②本研究發現空氣質量對股票市場的影響是短效的，兩天前或者更早的空氣質量不會影響股票收益率，這與已有研究[50]一致，說明空氣質量對股票市場的影響更有可能通過投資者情緒影響投資者的交易行為。③本研究進一步探討空氣質量對投資者交易行為的兩種影響機制，通過考察空氣質量對股票組合換手率的影響，發現空氣質量通過增加投資者的悲觀情緒而下調股票估值的機制并不存在。但是空氣質量越差，股票的流動性越低，說明空氣質量更有可能是使投資者產生憂愁和焦慮的情緒而降低交易意愿，交易意愿的降低惡化了股票流動性，導致當日股票價格下跌。

本研究使用全國所有城市的AQI數據驗證空氣質量對股票收益率的負向影響，并檢驗空氣質量通過投資者情緒影響股票市場的機制。與已有研究相比，本研究充分控制城市固定效應，更好地解決了內生性問題。已有研究大多使用API指數[3]，API指數不包含PM2.5的數據，并不能全面反映空氣質量的真實情況[32]，本研究采用AQI數據表征空氣質量，使數據和結果更具說服力。本研究結果對實踐的啟示在于，投資者的行為并不是完全理性的，環境的因素往往也會對投資者的交易產生影響，因此環境也可作為資產價格的一個因子發揮作用。

本研究也存在一些缺陷和不足。①由于個人交易賬戶數據的不可得性，本研究無法直接檢驗本地的股票更多地由本地投資者所持有，只能基于現有實際經驗以及理論和實證研究結果進行推斷，這難免使研究結論有一定的局限性；②由于數據可得性較差，本研究只能選用公司注冊地構建分城市的股票組合，但部分上市公司的注冊地可能與其主營業務所在地不在同一個城市或者該上市公司是一個全國性無差異的公司，導致該公司股票的本地投資者并不在其注冊地，這也會對研究結果的穩健性產生一定影響。后續研究可進一步加大數據的可得性，以期獲得一個更為穩健的結果。