本报告基于Jurado、Ludvigson和Ng的经济不确定性指数,探讨了股票收益对经济不确定性暴露(不确定性β)的定价效应。研究发现,厌恶不确定性的投资者要求额外补偿持有负不确定性β股票,愿为正不确定性β股票支付高价。单因子和多因子回归分析均表明不确定性β与未来股票收益显著负相关,且该溢价在经济衰退及高不确定期尤为显著,验证了不确定性溢价的时变特征。此外,不确定性β因子在单只股票与股票组合中均被显著定价,具有稳健的风险调整收益表现 。
研究数据与经济不确定性指数介绍
不确定性β的构建与单因子选股能力
股票特征分析与不确定性β的关联
多因子控制下的不确定性β预测能力(二变量分析)
不确定性溢价的时间序列特征与经济状态关系
不确定性β因子在股票投资组合上的验证
文章主要结论总结
研报后续工作和展望
该报告基于国外市场数据,通过实证分析发现:
这份报告意在揭示投资者如何通过观察股票对未来经济不确定性敏感程度获得潜在超额收益,并为后续探讨A股市场应用提供理论与实证基础。
报告开篇指出2021年市场震荡不定,不确定性上升,投资者面临选股困难。基于Merton (1973) 的经典理论,投资者会对未来消费和投资机会的不确定性进行对冲,该理论暗示未来不确定性状态已被市场价格。文章因此切入经济不确定性指数对股票收益的影响,提炼出不确定性β(股票收益对经济不确定性的敏感度)作为核心风险暴露因子。
重点强调了市场存在收益与不确定性β负相关的现象,且投资者对负不确定性β的股票要求更高风险补偿,而对正不确定性β的股票支付溢价。
股票数据:涵盖1972年7月至2014年12月在NYSE、Amex、Nasdaq交易的普通股,排除价格低于5美元或高于1,000美元的股票,使用CRSP数据库日月度数据,剔除退市偏差。
经济不确定性指数:采用Jurado、Ludvigson和Ng (2015) 开发的宏观经济不确定性指数(UNCm、UNCq、UNCy),基于多个宏观经济系列的条件方差聚合而成,反映未来不可预测部分的波动性。图1显示了1个月、3个月和12个月领先的经济不确定性指数,呈现周期性波动,高峰出现在经济衰退期(如2008年金融危机)
基于滚动60个月窗口法,将个股超额收益对经济不确定性指数及市场风险因子(MKT)、规模(SMB)、账面市值(HML)、动量(UMD)、流动性(LIQ)、投资(I/A)、盈利能力(ROE)等Fama-French及其他因子进行多因子回归,得到每月的不确定性β。
回归模型如下:
Ri,t=αi,t+βi,tUNC⋅UNCt+∑βi,tfactors⋅factorst+εi,t其中特别抽取 βUNC 表征与经济不确定性风险暴露的敏感度。
表1详细介绍了所包含的所有常见风险因子的定义和来源,涵盖了市场因子、企业规模、账面价比、动量、流动性、投资成长指标及盈利能力指标等。
将每月依据上一期计算的不确定性β排序成10个等分组,最低组股票为负β,最高组为正β。
发现不确定性β越低(负),组合平均超额收益与α越高,反之正β组收益较低。
使用四个因子模型(分别控制不同风险因子组合)进行调整后,负β组依旧产生显著正阿尔法,整体十组间的收益差异显著,尤其是做多负β和做空正β的“High-Low”组合具有年化风险调整回报6%左右。
这体现了投资者不确定性厌恶倾向:需额外补偿持有负不确定性β的高风险股票,愿为正不确定性β股票支付溢价(接受较低回报)。
图2详细数据展示了不同等权和价值加权权重下,各分组超额收益及多因子模型调整后的α,均呈现上述趋势,且统计显著性良好。
通过Fama和MacBeth截面回归,分析不确定性β与股票特征间关系。
发现:高不确定性β股票趋向为大盘、成长性、流动性好、波动率高的公司,带有高市场β、高偏度(COSKEW)和高投资(I/A)特征。
低不确定性β的股票则往往为小盘、价值型、低流动性、低偏度和低投资的股票。
进一步控制所有变量后,流动性(ILLIQ)、共偏度(COSKEW)和投资(I/A)仍与不确定性β显著相关。
详见图3,列出了不确定性β对众多特征因子的回归系数及统计显著性,体现了不确定性β作为一个复合风险因子的特征维度。
设计双变量组合,先分市场β组,再在同市场β组内根据不确定性β排序,构造清洁分组,控制市场β影响。
类似地控制规模、账面市值、动量、短期逆转、流动性、共偏度、特异性波动率、分析师分散度、盈利能力等因子。
发现控制其他因子后,高低不确定性β组合间的月度α差依然在-0.30%到-0.46%之间,统计显著。
Fama-MacBeth截面回归进一步验证:不确定性β的回归系数显著为负(约-0.253,t值-2.52),即不确定性β与未来股票回报负相关,且控制行业效应对结论无实质影响。
相关回归结果详见图4和图5。
通过与芝加哥联储全国活动指数(CF-NAI)比较发现,不确定性β的斜率系数月度均值与CF-NAI走势高度吻合,呈现正相关(0.43,t=2.69)。
在经济衰退期(CF-NAI负值)和高不确定性时期,不确定性溢价明显放大,负不确定性β股票表现更差,正不确定性β股票表现更好。
在高不确定期,不确定性β最高低组合回报差可达-0.70%每月,低不确定期约为-0.33%每月,显示其时变特征。
图6展现了不确定性β斜率系数与CF-NAI的移动平均对比曲线。
使用Kenneth French数据库中的49个行业投资组合和349个规模账面、规模投资等双变量组合,估算组合层面不确定性β。
按不确定性β排序构建投资组合,结果显示控制常见风险因子后,高低β组合收益差依然负且显著。
表明不确定性β因子不仅在单一股票层面,在组合层面也有效。
图7详细列出了按不同不确定性指数(月、季度、年)预测视角下,对组合排序的各组表现及统计值。
报告系统论证了:
本报告本质为实证研究论文解读,未直接涉及具体企业估值模型(如DCF或P/E估值)的构建,但通过因子模型检验了经济不确定性风险因子在股票收益中的溢价存在,强调了此风险因子作为市场定价机制的有效补充。
采用的多因子模型包括Fama-French三因子/五因子模型、Carhart动量因子、流动性因子、盈利能力因子等(详见表1、表2),这些模型对控制其他传统风险暴露后仍显著发现不确定性β的影响,显示不确定性β作为新的风险或风格因子,能够解释股票超额收益的横截面变异。
报告中明确风险提示:分析基于海外市场历史数据,当前及未来市场环境若发生巨大变化,模型可能失效。
经济不确定性本身存在高度波动和不可预测风险,因此基于不确定性β因子的投资策略需要关注宏观经济环境、政策变动等潜在外部冲击风险。
另外,该因子度量依赖复杂的宏观时间序列条件波动率估计,数据质量和计算方法可能对结果有一定影响。
未明确提出具体的缓解策略,但其时变性的发现提醒投资者周期性动态调整策略以应对经济周期变化风险更为关键。
报告基于美国资本市场长时间序列数据,虽然方法严谨,结果稳健,但不同市场(如A股)结构和机制差异可能影响因子表现,跨市场外推需谨慎。
经济不确定性指数自身建立依赖于历史宏观经济数据和模型假设,可能无法完全捕捉未来不同形态的经济不确定性(如突发疫情、地缘冲突)。
不确定性β作为复合风险因子,和传统因子(市场β、规模、价值等)存在交叉关联,尽管多因子回归已控制,但存在潜在共线问题。
未来研究潜力包括深入探讨宏观经济不确定性对特定行业或风格的差异影响,以及结合行为投资理论探讨投资者对不确定性溢价的心理机制。
本篇招商定量“琢璞系列”报告全面梳理了Bali, Brown和Tang(2017)关于经济不确定性在股票收益横截面中定价的研究。其核心发现有:
经济不确定性指数(Jurado, Ludvigson, Ng 2015)有效总结宏观经济中未来不可预测波动,反映市场整体不确定性水平。
通过多因子回归估计股票对该指数的风险暴露(不确定性β),揭示负β股票通常风险更大且投资者要求更高回报补偿;正β股票则因受到投资者青睐定价更高。
实证显示,不确定性β构建的买低卖高等权和价值加权投资组合在1977-2014年期间年化带来约6%的超额回报,具有稳健的风险调整收益表现。
控制传统风险因子(规模、账面价值、动量、流动性、投资、盈利能力等),不确定性β的预测能力依然显著,体现其作为独立风险因子的价值。
在经济衰退与高不确定时期,不确定性溢价明显加大,反映了风险厌恶的时变性和宏观经济周期关联性。
不确定性β不仅在单只股票层面有效,在各类股票组合(行业组合、规模账面组合等)层面同样适用,显示良好的普适性和实用性。
报告最后针对国内投资者及A股市场提出基于该框架的未来研究方向,期待测试该因子在本土市场的有效性。
结合图表数据和多元回归结果,经济不确定性作为决定股票风险溢价的新兴因子,在投资组合构建和风险管理中具有重要参考价值。投资者可关注该因子的周期性表现,在不同经济环境下动态调整资产配置策略,以期获得超越市场的风险调整收益。
综上,该报告不仅系统复制了经济不确定性β在股票横截面定价的实证成果,同时切实连接投资实践,为投资者提供了新的风险因子视角及选股策略骨架,其方法严谨,结果稳健,且具有较强理论及现实指导意义。
该报告解读基于招商证券已发布研究内容,仅供参考;投资有风险,决策需谨慎。
招商定量·琢璞系列 | 经济不确定性是否在股票收益中被定价?.pdf