炒鞋熱潮的發展歷程及其對鞋類企業股價的影響

李卓凝　林仁文

摘要：本文基于合成控制法，將炒鞋熱潮視為外生沖擊，探究了該沖擊對主要受影響企業Nike的股價的影響。通過分析StockX二手球鞋交易平臺自2012年4月27日至2019年7月19日的交易數據，明確了炒鞋從2015年開始，且Nike是受影響最大的企業。相關分析表明，Nike品牌的二手球鞋交易量與股價存在因果關系，且Nike球鞋的炒作時間要早于整個二手球鞋市場。

關鍵詞：炒鞋;股價;Nike;合成控制法

中圖分類號：F23 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2021.24.040

0引言

炒鞋是當下最新的財富神話。一名大學生，靠炒鞋月入上萬，實現經濟獨立;一位年輕小伙，將買房首付款投入炒鞋，最終全款買房。網上不斷曝出炒鞋致富的故事，引發人們的廣泛關注。

“供不應求”是引發炒鞋熱的根本原因。球鞋品牌商的“饑餓營銷”策略成功抓住了不少球鞋愛好者的心理，但同時也給炒鞋黨創造了投機的機會。為了滿足市場需求，不少商家推出了二手球鞋交易平臺，該平臺的行為模式和證券市場的交易模式極其類似，不僅衍生出K線圖、“鞋期貨”，還互聯網化衍生出“云炒鞋”（劉遠舉， 2019）。筆者認為，球鞋的二手市場可類比為股票的二級市場，二級市場會對一級市場產生影響。同樣，球鞋的二手市場也會在一定程度上影響一手市場，進而體現為股票投資者對于該公司的信心。

目前，已有很多新聞報道分析炒鞋現狀及投機者的心理，但大多數文章僅僅關注該現象的原因，鮮有文章考察該熱潮對于鞋類企業產生的影響。本文將炒鞋熱潮視為一種外生沖擊，通過合成控制法來探究該沖擊是否對鞋類企業的股價產生影響。數據分析表明，受炒鞋影響最大的企業是Nike和Adidas，其余企業受影響很小，本文主要研究對Nike企業的影響，因此將其視為實驗組，其余鞋類企業（除Adidas企業）視為對照組，觀察炒鞋熱潮發生后的股價是否與未受沖擊的股價有明顯差異。

本文的第二部分收集了StockX平臺的二手球鞋交易數據，展示了炒鞋熱潮的發展歷程;第三部分對二手球鞋交易量與受影響鞋企Nike的股價進行了相關性分析;第四部分基于Stata，使用合成控制法探究二者的因果關系;第五部分總結了主要結論，結果表明，炒鞋熱潮對Nike企業的股價有一定影響。

1數據來源及描述

本文的二手球鞋交易數據均來自StockX平臺的所有可見公開數據，該公司于2015年在美國成立，其前身是二手運動鞋交易市場最重要的交易中心Campless，現已成為二手鞋交易領域第一家“獨角獸”公司。秉持著“讓用戶像炒股票一樣交易球鞋”的理念，該平臺搭建了一個交易物品的“股票市場”。用戶可在平臺上看到每一款球鞋的指數，時時查看球鞋價格。為了還原球鞋轉賣交易市場的真實情況，我們此次分析使用了該平臺自2012年4月27日到2019年7月19日共計489萬條交易記錄。數據經去重清洗后，保留了16個運動鞋品牌共343萬條交易記錄。

從圖1可以看出，二手球鞋交易從2012年起初見端倪，隨后幾年呈爆發式增長。上圖列出了四家二手鞋交易量最大的企業，分別是Nike，Adidas，Puma和Asics。其中，Nike二手鞋出現的交易時間最早，且交易量最大（2017年除外）。由圖可知，Nike和Adidas兩家企業幾乎占據了整個二手球鞋交易市場，其他企業交易量較小。我們將Nike作為處理組，即被炒作的品牌，其他品牌（除Adidas外）為對照組，即未被炒作的品牌。為了判斷“炒鞋熱潮”這一外生沖擊發生的具體時間，本文使用Eviews軟件，通過加入虛擬變量，考察2015和2016年前后，二手球鞋交易量（quantity）時間序列的斜率是否發生顯著變化。

Quantity︿=D1+D1*YEAR+C

由Eviews結果可知，2015年前后時間序列的斜率變化更加顯著，R-squared（2015）大于R-squared（2016），因此筆者認為炒鞋熱潮從2015年開始。

2相關分析及因果識別

為了探究Nike二手球鞋交易量和股價的關系，通過Eviews建立如下模型。結果表明，對數函數能夠較好地擬合散點的走勢，在5%顯著水平下，二者呈顯著正相關關系。

stockprice_nike︿=-54.0640+9.3286log （quantitynike）

（-5.32）（10.42）R2=0.95，DW=2.43

根據以上分析，筆者判斷炒鞋熱潮于2015年開始，由于其他品牌受炒鞋熱潮影響較小，我們忽略對其他品牌的影響，只考慮對Nike品牌的影響。將炒鞋熱潮看作是對Nike品牌實施的一項自然實驗，自2015年之后為處理組，其他品牌為對照組，比較處理組和對照組之間的差異，可以估計“炒鞋”對鞋企股價的影響。

為了避免對照組選取時的主觀性和隨意性，以及內生性問題，我們采取合成控制法來構造良好的對照組。該方法根據所有對照組的數據特征對其進行加權，構造出沒有受到外生沖擊的實驗組的狀態。將實際情況與“反事實狀態”進行對比，判斷該外生沖擊是否對實驗組造成影響（劉甲炎、范子英， 2013）。

我們的目標是用其他上市鞋企的加權平均來模擬沒有受到“炒鞋”外生沖擊的Nike的股價，然后與這兩家企業真實的股價進行對比來估計炒鞋熱潮對其股價波動的影響。由于Nike是世界規模較大的球鞋企業，其體量遠大于其他鞋企，為了排除企業規模所造成的影響，僅探究炒鞋這一外生沖擊帶來的后果，本文采取了股票收益率來代替股價。根據合成控制法的思想，我們選擇權重時要使得在炒鞋熱潮開始前，合成Nike（Adidas）各項決定股票收益率的因素和真實Nike盡可能的一致。我們選擇的預測控制變量包括賬面市值比（BM）、市盈率的倒數（E/P）、杠桿率。這些預測變量均為2012-2014年的企業平均值，另外還使用2012、2013與2014年的平均股價收益率作為三個額外的預測變量。研究表明，股票平均收益率與杠桿率（Bhandari， 1988）、市盈率的倒數（Basu， 1983）正相關。此外，Dennis（1980）發現對于美國股票市場而言，股票收益率與賬面市值比有正相關關系。通過分析1963-1990年間的股票，Fama & French（1992）發現，股票收益率與市值、賬面市值比、市盈率及杠桿率有關。