何慧珠

一、引言

股票市場(chǎng)的優(yōu)化資源配置功能，是通過一級(jí)市場(chǎng)籌資、二級(jí)市場(chǎng)股票的流動(dòng)來實(shí)現(xiàn)的，投資者通過及時(shí)披露的各種信息，選擇成長(zhǎng)性好、盈利潛力大的股票進(jìn)行投資，使資金逐漸流向效益好、發(fā)展前景好的企業(yè)，推動(dòng)其股價(jià)逐步上揚(yáng)，為該公司利用股票市場(chǎng)進(jìn)行資本擴(kuò)張?zhí)峁┝己玫倪\(yùn)作環(huán)境。

中國(guó)近幾年的環(huán)境問題備受國(guó)內(nèi)外關(guān)注，尤其是空氣污染問題已是刻不容緩。基于空氣質(zhì)量指數(shù)的統(tǒng)計(jì)是以地區(qū)為界劃分的，選定萬得省份指數(shù)這一個(gè)區(qū)域劃分指數(shù)，對(duì)各主要城市的空氣質(zhì)量數(shù)據(jù)進(jìn)行分析，研究其是否對(duì)省份指數(shù)的收益率、振幅產(chǎn)生不同程度的影響，為投資者決策提供更具價(jià)值的建議。

二、文獻(xiàn)綜述

（一）空氣質(zhì)量對(duì)股票指標(biāo)的作用機(jī)制

1.空氣污染和行為

空氣質(zhì)量影響人們的行為，Tom Chang等（2016）發(fā)現(xiàn)較高的空氣污染水平會(huì)通過減少工人每天完工的電話數(shù)量來降低工人的生產(chǎn)力且高技能人群的污染負(fù)面影響可能更大。鄭思齊、張曉楠等（2016）研究了北京市PM2.5濃度對(duì)城市居民外出就餐的影響，發(fā)現(xiàn)空氣污染會(huì)降低居民的外出就餐頻率和滿意度。

2.情緒與股票交易

消極情緒會(huì)使得投資者降低風(fēng)險(xiǎn)容忍度，進(jìn)而采取消極的投資策略，造成低股票收益率。PAUL C.TETLOCK（2007）發(fā)現(xiàn)高價(jià)值的媒體悲觀會(huì)對(duì)市場(chǎng)價(jià)格產(chǎn)生向下的壓力。相鵬、耿柳娜、周可新（2017）認(rèn)為空氣污染的不良效應(yīng)認(rèn)知功能影響、消極情緒、行為影響。特別的，空氣污染引發(fā)的消極情緒可能致使股票投資者的行為與決策趨向保守,造成低股票收益率。

（二）當(dāng)?shù)匦?yīng)

考慮到天氣對(duì)當(dāng)?shù)毓墒械挠绊?，就有學(xué)者發(fā)現(xiàn)空氣污染狀況的屬地效應(yīng)：Tamir Levy,Joseph Yagil（2011）發(fā)現(xiàn)空氣污染與股票收益負(fù)相關(guān)，當(dāng)證券交易所距離污染地越遠(yuǎn)，這個(gè)負(fù)相關(guān)性就越弱。空氣污染會(huì)影響當(dāng)?shù)赝顿Y者在遠(yuǎn)離污染地的證券交易所的投資。Huang（2017）發(fā)現(xiàn)當(dāng)?shù)氐腜M2.5和北京的PM2.5對(duì)重污染企業(yè)的股票收益有顯著的負(fù)面影響，這也對(duì)上海證券交易所環(huán)保型企業(yè)的股票收益產(chǎn)生了積極的影響。

（三）文獻(xiàn)評(píng)述

文章基于社會(huì)關(guān)注話題空氣質(zhì)量這一獨(dú)特視角來解釋股票市場(chǎng)收益率、振幅的變動(dòng)，介于空氣質(zhì)量指數(shù)的衡量是一個(gè)區(qū)域概念，故選用萬得的省份綜合指數(shù)作為研究的因變量。

在研究角度方面，現(xiàn)有的研究衡量空氣質(zhì)量基本上是用統(tǒng)一的指標(biāo)，要么用某個(gè)重點(diǎn)城市，如要么是計(jì)算出一個(gè)全國(guó)的指標(biāo)，如楊磊(2016)。文章劃分不同區(qū)域的空氣質(zhì)量，并用省份指數(shù)與其一一對(duì)應(yīng)；在研究方法方面，現(xiàn)有的研究基本選用的是線性回歸分析或者是Logit模型，把空氣質(zhì)量作為虛擬變量，簡(jiǎn)單地用空氣質(zhì)量好壞作為研究變量來衡量股票交易情況，這樣可能會(huì)造成臨界點(diǎn)的誤差，而文章選用分位數(shù)回歸方法；在研究思路方面，之前的學(xué)者立足于空氣質(zhì)量對(duì)股票交易的總體影響，而空氣質(zhì)量作為影響股票交易的變量可能不是影響很大，所以文章研究對(duì)其尾部數(shù)據(jù)的影響，從而使得結(jié)論更具說服力。

三、數(shù)據(jù)來源、模型及方法

（一）數(shù)據(jù)來源

文章首先通過空氣質(zhì)量分別與31個(gè)省份組合，選出百度搜索結(jié)果最多的10個(gè)省份，這是基于趙龍凱（2013）的研究?？諝赓|(zhì)量指數(shù)取自來自https://www.aqistudy.cn/網(wǎng)站的歷史AQI指數(shù)；十大省份指數(shù)取自WIND資訊2013年12月6日到2017年12月29日的對(duì)應(yīng)省份綜合指數(shù)的日交易數(shù)據(jù)的周數(shù)據(jù)，包括最高、最低點(diǎn)位、收盤價(jià)、成交量等。

十個(gè)省份的主要城市的空氣質(zhì)量指數(shù)、省份綜合指數(shù)的收益率與振幅的描述性統(tǒng)計(jì)結(jié)果如下：

（二）分位數(shù)回歸模型

設(shè)隨機(jī)變量X的分布函數(shù)為F，對(duì)任意0＜￡＜1,稱：

F-1(￡）=inf{x:F(x)≥￡}

為X的￡-分位數(shù)。一般我們所說的中位數(shù)就是0.5-分位數(shù)；還有四分位數(shù)，分別是第一四分位數(shù)0.25-分位數(shù)，第二四分位數(shù)0.5-分位數(shù)，以此類推。

如果用經(jīng)驗(yàn)分布函數(shù)Fn(x)=n-1代替上面判決理論問題中的分布函數(shù)F，則得到結(jié)果稱為樣本分位數(shù)。

隨機(jī)變量X的經(jīng)驗(yàn)分布函數(shù)為：

四、實(shí)證研究

為了避免不同省份對(duì)不同的空氣指數(shù)的敏感程度不同造成的影響，選用分位數(shù)法，分位數(shù)回歸提供了回歸變量X和因變量Y的分位數(shù)之間線性關(guān)系的估計(jì)方法。因?yàn)槭畟€(gè)省份的研究方法相似，只是數(shù)據(jù)的差異，所以本文以北京綜合指數(shù)為例，進(jìn)行具體的研究過程的展示。

（一）平穩(wěn)性檢驗(yàn)

ADF序列平穩(wěn)性檢驗(yàn)結(jié)果如下：

表2 十大省份相關(guān)指數(shù)的ADF檢驗(yàn)結(jié)果匯總

經(jīng)過單位根檢驗(yàn)，發(fā)現(xiàn)北京市、河北省、內(nèi)蒙古、山西省的空氣質(zhì)量指數(shù)、省份綜合指數(shù)的收益率與振幅都是平穩(wěn)序列。然而，天津市、河南省、黑龍江、吉林省、江蘇省、遼寧省這些省份或直轄市的指數(shù)的振幅不是平穩(wěn)序列，但是其差分序列是平穩(wěn)的。

通過觀察北京市空氣質(zhì)量指數(shù)分別與北京綜合指數(shù)收益率、振幅、交易量的時(shí)間序列圖，可以看出收益率與振幅對(duì)AQI指數(shù)的極端值有一定的解釋度，所以接下來重點(diǎn)研究空氣質(zhì)量對(duì)股票指數(shù)交易的影響。

（二）分布特征與分位數(shù)回歸的選擇

為了觀察指數(shù)收益率與振幅的分布特征，從Eviews得出的直方圖與核密度曲線合并圖中可以看出分布都是單峰的,且呈高峰厚尾特征。

當(dāng)數(shù)據(jù)出現(xiàn)尖峰或厚尾的分布、存在顯著的異方差等情況，最小二乘估計(jì)將不再具有優(yōu)良性質(zhì)，且穩(wěn)健性非常差。分位數(shù)回歸系數(shù)估計(jì)結(jié)果比OLS估計(jì)更穩(wěn)健，而且，分位數(shù)回歸對(duì)誤差項(xiàng)并不要求很強(qiáng)的假設(shè)條件，因此對(duì)于非正態(tài)分布而言，分位數(shù)回歸系數(shù)估計(jì)量則更加穩(wěn)健?？梢苑治鼋忉屪兞咳绾斡绊懕唤忉屪兞康闹形粩?shù)、分位數(shù)等。不同分位數(shù)下的回歸系數(shù)估計(jì)量常常不同，即解釋變量對(duì)不同水平被解釋變量的影響不同。

（三）系數(shù)分位數(shù)回歸檢驗(yàn)

文章擬對(duì)一系列分位數(shù)回歸的回歸系數(shù)進(jìn)行聯(lián)合檢驗(yàn)，比如通過檢驗(yàn)不同分位數(shù)模型的斜率是否相等來判斷一個(gè)模型是否具有位移特征，這便是系數(shù)分位數(shù)回歸分析。

回歸結(jié)果顯示：北京市綜合指數(shù)的收益率隨分位數(shù)增大，自變量x1的系數(shù)的分位數(shù)回歸估計(jì)值呈先逐漸增大后逐漸減小的趨勢(shì)，就其絕對(duì)值而言，在上下尾處空氣質(zhì)量指數(shù)的影響程度最大，同樣的截距項(xiàng)也是如此。即當(dāng)AQI比較小，即北京的空氣質(zhì)量較好時(shí)，北京市綜合指數(shù)收益率會(huì)有較為明顯的上漲。

類似的，北京綜合指數(shù)的振幅隨AQI指數(shù)分位數(shù)增大，自變量x1的系數(shù)的估計(jì)值的絕對(duì)值有很明顯增大的趨勢(shì)，即上下尾處空氣質(zhì)量指數(shù)的影響程度最大。這就說明了當(dāng)AQI比較高時(shí)，即北京的空氣質(zhì)量較差時(shí)，北京市綜合指數(shù)振幅會(huì)有較為明顯的下降，這可能是霧霾天氣影響了投資者心情，使得資本市場(chǎng)交易變得不活躍。

同理，天津綜合指數(shù)收益率在空氣質(zhì)量較好的時(shí)候，即分位數(shù)=0.1時(shí)，空氣質(zhì)量指數(shù)對(duì)股票收益率的影響幅度為1.468045，但在高尾部分沒有并不顯著；而其振幅在高尾部分，即空氣質(zhì)量較差時(shí)，分位數(shù)=0.9時(shí)，天津綜合指數(shù)的振幅顯著下降，影響程度為-0.830733。

河南綜合指數(shù)的振幅的差分在空氣質(zhì)量變好時(shí)，即低尾處，分位數(shù)=0.1時(shí)，受AQI指數(shù)差分影響顯著，影響程度約為0.418341；內(nèi)蒙古綜合指數(shù)的振幅的差分在空氣質(zhì)量變好較壞時(shí)，即低尾處，分位數(shù)=0.1時(shí)，受AQI指數(shù)差分影響顯著，影響程度約為-0.297193，在空氣質(zhì)量變差較快時(shí)，分位數(shù)=0.9時(shí)，影響程度為-0.451870，高低尾處影響顯著，且高尾處影響更大；江蘇綜合指數(shù)的振幅的差分，在空氣質(zhì)量變好的情況下比空氣質(zhì)量變差的情況，空氣質(zhì)量指數(shù)對(duì)其影響更大；山西綜合指數(shù)的振幅在空氣質(zhì)量指數(shù)處于分位數(shù)0.8-0.9時(shí)，受其影響顯著，分別為-0.570269和-1.091727。

遼寧綜合指數(shù)收益率在空氣質(zhì)量較差時(shí)，即分位數(shù)=0.8時(shí)，受AQI指數(shù)的影響程度為0.738520，但是當(dāng)分位數(shù)=0.9時(shí)，其影響并不顯著。

文章還發(fā)現(xiàn)，研究的空氣質(zhì)量最受關(guān)注的十大城市中，河北省、吉林、內(nèi)蒙古的收益率和振幅在AQI指數(shù)處于高尾與低尾時(shí)影響并不顯著。

五、結(jié)論與建議

在空氣質(zhì)量指數(shù)處于極端值，即高尾或者低尾時(shí)，對(duì)股票交易產(chǎn)生顯著影響。調(diào)查的十個(gè)城市中有六個(gè)城市在高尾處，股票振幅易受空氣質(zhì)量指數(shù)顯著影響，且是反向變動(dòng)關(guān)系，其中山西受影響最大?？赡苁巧轿髯鳛槊禾看笫?，煤炭又是最大的空氣污染源之一，其股票市場(chǎng)交易的活躍程度自然受空氣質(zhì)量影響較大。北京、天津和遼寧在低尾處，股票收益率與空氣質(zhì)量指數(shù)呈正向變動(dòng)關(guān)系，在樣本期內(nèi)北京和天津股票市場(chǎng)的收益率與空氣質(zhì)量的正向聯(lián)動(dòng)關(guān)系更大，即空氣質(zhì)量好的時(shí)候，空氣質(zhì)量的變動(dòng)對(duì)股票指數(shù)收益率影響更大，證實(shí)了北京、天津的金融市場(chǎng)較為發(fā)達(dá)，而且空氣質(zhì)量最受關(guān)注，其對(duì)股票交易產(chǎn)生了實(shí)質(zhì)影響。空氣質(zhì)量與股票交易的聯(lián)動(dòng)性一方面有助于金融投資者應(yīng)對(duì)空氣質(zhì)量波動(dòng)，靈活調(diào)整投資組合策略，合理做出恰當(dāng)?shù)耐顿Y策略；另一方面也有利于政策制定者和投資者自覺的保護(hù)環(huán)境，提高所在城市的空氣質(zhì)量，提升資本市場(chǎng)實(shí)現(xiàn)資源有效配置的作用。

參考文獻(xiàn)：

[1]陸靜.中國(guó)股票市場(chǎng)天氣效應(yīng)的實(shí)證研究[J].中國(guó)軟科學(xué),2011，(06):65-78.

[2]Lepori G M.Air pollution and stock returns:Evidence from a natural experiment[J].Journal of Empirical Finance,2016,（35）:25-42.

[3]Chang T,Graff Zivin J,Gross T,et al.Particulate pollution and the productivity of pear packers[J].American Economic Journal:Economic Policy,2016,8(3):141-69.

[4]鄭思齊,張曉楠,宋志達(dá)等.空氣污染對(duì)城市居民戶外活動(dòng)的影響機(jī)制:利用點(diǎn)評(píng)網(wǎng)外出就餐數(shù)據(jù)的實(shí)證研究[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,56(1):89-96.

[5]Wu X,Chen S,Guo J,et al.Effect of air pollution on the stock yield of heavy pollution enterprises in China's key control cities[J].Journal of Cleaner Production,2018,170:399-406.

[6]相鵬,耿柳娜,周可新等.空氣污染的不良效應(yīng)及理論模型:環(huán)境心理學(xué)的視角[J].心理科學(xué)進(jìn)展,2017,25(4):691-700.

[7]陸靜.中國(guó)股票市場(chǎng)天氣效應(yīng)的實(shí)證研究 [J].中國(guó)軟科學(xué),2011，(06):65-78.

[8]Levy T,Yagil J.Air pollution and stock returns in the US[J].Journal of Economic Psychology,2011,32(3):374-383.

[9]Huang X.PM2.5,Investor Sentiment,and Stock Returns[J].DEStech Transactions on Engineering and Technology Research,2017(icaenm).ISBN:978-1-60595-436-3.

[10]郭永濟(jì),張誼浩.空氣質(zhì)量會(huì)影響股票市場(chǎng)嗎?[J].金融研究,2016，（02）:71-85.

[11]萬孝園,陳欣.霧霾對(duì)中國(guó)股市收益的影響 [J].投資研究,2016，(01):81-94.

[12]楊磊.霧霾天氣與股票收益影響的實(shí)證研究[D].西南財(cái)經(jīng)大學(xué),2016.

[13]趙龍凱,陸子昱,王致遠(yuǎn).眾里尋“股”千百度———股票收益率與百度搜索量關(guān)系的實(shí)證探究 [J].金融研究,2013，（04）:183-195.

[14]謝珺怡.空氣質(zhì)量指數(shù)（AQI）對(duì)中國(guó)股票市場(chǎng)影響的研究[J].當(dāng)?shù)亟?jīng)濟(jì),2016,(20):124-125.

[15]陳曉春,黃媛.國(guó)際原油市場(chǎng)與股票市場(chǎng)的聯(lián)動(dòng)關(guān)系研究——基于分位數(shù)回歸的經(jīng)驗(yàn)證據(jù)[J].財(cái)經(jīng)理論與實(shí)踐,2017,38(5):53-58.