利空消息背后的替代投資機會研究

周愛民 王星馳

(南開大學 金融學院, 天津 300350)

一、引言

伴隨著網絡時代高速發展和新聞媒體普及,人們獲取信息變得更為便捷,導致股價對新聞事件的響應日益敏感。 同時貿易政策和長臂管轄制裁措施日益成為大國競爭的重要手段,從而導致投資市場中利空消息層出不窮。 然而,在這些利空消息的背后,往往蘊藏著潛在的替代投資機會。 A 股市場中的重大利空事件往往會對相關聯的板塊產生顯著影響,特別是處于同一概念或行業的板塊,在利空事件發生時通常會出現幅度不同的暴跌,繼而引發投資者的恐慌性拋售。 面對這種市場反應,專業的機構投資者可能會選擇重新調整其投資組合,以降低受利空消息帶來的風險。 然而,若在重新選股、調倉和行業分析中花費過多的時間,則可能導致時間成本的損失。 對普通股民而言,面對這種市場負面情緒影響,也比較關心利空行業或板塊是否存在著替代投資機會。

以電子煙為例:2022 年3 月11 日,國家煙草專賣局發布了《電子煙管理辦法》禁止銷售除煙草口味外的調味電子煙和可自行添加霧化物的電子煙,不得排他性經營上市銷售的電子煙產品。 此禁令發布后,整個板塊行情應聲下跌,但與此同時,整個傳統煙草概念相關的板塊則迎來了上漲趨勢。 再以受美制裁軍事企業為例:2020 年6 月24 日,特朗普為打壓中國的軍工企業,制裁了包括華為、?？低暤?0 家被認為由中國軍方控制或擁有的用于提供通訊、制造與出口的相關企業。 這對A 股軍工概念板塊可能會造成短期利空,而同時,軍工替代概念的股票則可能成為最佳替代投資股。

本文旨在研究在利空消息發布期間替代投資的可行性,在一定程度上為投資者抵御利空消息帶來的投資風險提供參考依據。 本文將采用事件研究法,探討利空消息對受影響行業及其替代行業之間是否存在負相關關系。 通過分析受利空消息影響和相關替代企業在估計窗口和事件窗口的超額收益率表現,來揭示市場對這些事件的反應。 本研究首先將對利空消息進行分類與梳理,根據消息發出的時間和類型,并結合近年來的市場情況,收集并歸納各類具有影響力且原因不相同的利空事件。 接著,將A 股市場上的企業按行業或板塊進行分類,根據不同的時間節點,討論利空事件對不同行業或板塊的影響。 最后,以需求替代效應和信息傳遞效應理論為基礎,邏輯推斷選出與受影響行業存在競爭關系并可替代其主營業務的行業,分析這些替代行業在利空消息出現時的股價表現。

二、研究假設與實證設計

(一)研究假設

本研究重點關注A 股市場的以下5 對互為替代的10 個行業:(1)電子煙和傳統煙草;(2)塑料制品和可降解塑料;(3)網絡游戲和主機游戲;(4)碳酸飲料和健康飲品;(5)傳統火電和新能源綠電。

研究主要集中在政策限令以及重大利空新聞等利空消息的影響方面,研究數據來源于每個行業在利空消息發布前后約90 天的股市數據,包括日期、開盤價、收盤價、最高價、最低價、成交量和成交額。 研究將首先設置事件斷點、估計窗口與事件窗口。 再通過Hausman 檢驗確定數據的固定效應模型或隨機效應模型,進而運用斷點回歸的方式進行分析。 最后,本文會使用混合面板模型對這10 個行業的總樣本進行綜合分析。

假設1:在利空消息發布后,受影響行業的股票收益率會顯著下降。 根據行為金融學的過度反應理論,市場通常會過度反應所有的公開信息,利空消息會導致投資者對受影響行業的信心下降,從而推動股票價格持續下跌。

假設2:在利空消息發布后,與受影響行業相關的替代投資機會的收益率會顯著上漲。 投資者在尋求風險對沖和利潤最大化的過程中,可能會將資金從受利空消息影響行業轉移到其替代品行業,從而推動替代品行業的股票價格上漲。

假設3:在利空消息發布后,整個市場的平均超額收益不會顯著變化,這主要歸因于受利空消息影響行業的普遍股價下跌與相關替代投資行業投資機會的收益普遍提升之間的此長彼消。 在利空消息發布后,市場的風險厭惡情緒可能增加,導致受影響行業的股票收益率下降。 然而,投資者可能會尋求與受影響行業相關的替代投資機會,以規避風險并獲取收益。 這種替代效應可能導致替代投資機會的收益率上升,這就抵消了受影響行業的股票收益率下降,最終使整個市場的平均超額收益不會顯著變化。

(二)研究方法

本文采用斷點回歸(RDD)方法進行事件分析,這種方法能通過比較價格變量在各利空事件發生前后的變化,來幫助我們檢測出變量之間的因果關系。 據此,我們可以更加準確地識別出不同的投資機會,為投資者提供科學的參考建議。

在本文的實操中,研究者不會對被觀察的變量進行任何干預,而是利用股市中已經存在的利空事件或重大新聞來觀察變量之間的關系,以輔助投資者在購買時的決策。 在數據分析過程中,本文采用固定效應模型(Fixed Effects Model)作為補充方法,以控制一些無法直接觀察的潛在混雜因素,從而在一定程度上減少估計偏差。

1.斷點回歸模型的建立

事件發生當日記為0,事件窗口選為[-7,7]。 如果事件發生在非交易日,則將順延的第一個交易日視為0。 對于第i個樣本公司和第t個時點,我們把超額收益率記為ARi,t,數據使用[-90,-8]區間的股票日收益率來估計超額收益率ARi,t。 其估計方法如下:

其中,預期收益率基于Fama 因子模型計算:

其中,Fj為第j個因子,βj由[-90,-8]的樣本數據經最小二乘法回歸估計獲得。 因此,我們可以計算第i個樣本公司事件窗口期間所有超額收益:

對于窗口內樣本,當超額收益ARi,t大于分界點c時,視為該樣本受到事件影響,否則視為未受到影響。處理狀態可以表示為I(ARi,t>c)。 因此,受到影響的概率是超額收益的函數。

建立斷點回歸模型:

其中,D在事件日前取0,否則取1。

如果估計系數δ統計顯著,表明事件對公司股價的影響是顯著的。

2.固定效應模型的選擇

在本文研究中,如只使用單一的OLS 回歸模型,會存在異質性的問題,即每個個體都具有自己的特征和影響因素,這些因素在單一的OLS 模型中是無法被控制的。 例如在研究股票的收益率時,不同公司的業績、管理團隊、市場環境等因素會對其收益率產生影響,但這些因素不是直接可以觀測到的。 若使用單一的OLS 回歸模型來研究這市場價格的走勢,可能會忽略掉許多個體不可觀測的異質性因素。 而這些因素都是不同的個體之間所具有的獨特特征,無法被單一的OLS 模型所控制。 固定效應模型(簡稱FE 模型)是面板數據分析中常用的一種模型,可以通過固定個體效應來控制個體不可觀測的異質性,使研究結果更可靠。 如果利空事件或政策限令會影響不同公司、不同行業的股票價格,這時候采用FE 模型可以更好地控制各公司、各行業之間的差異。 隨著面板數據的增加,FE 模型的效果會更理想。 因此,本文選擇FE 模型來評估和分析數據。

3. Hausman 檢驗與模型估計

FE 模型是一種控制個體不可觀測異質性的面板數據回歸模型。 它通過引入個體固定效應來消除個體特定的不可觀測因素對回歸結果的影響。 在FE 模型中,個體固定效應被視為常數,與解釋變量無關,但FE 模型的缺點是它忽略了時間不變的個體差異,不能估計個體差異的系數,只能估計自變量對因變量的平均影響。 因此,我們需要引入Hausman 檢驗,用于比較兩個估計量的差異性,并判斷FE 模型和隨機效應模型(簡稱RE 模型)哪個更合適。

在面板數據中,個體的特征不同,而且還存在隨機因素的影響,因此FE 模型和RE 模型都可以用來控制個體的不可觀測異質性。 Hausman 檢驗的目的是確定哪種模型能更好地控制個體異質性和隨機性因素。如果Hausman 檢驗結果顯示FE 模型更好,那么FE 模型就是更適合的模型。 更具體地說,Hausman 檢驗的基本理念是比較FE 模型和RE 模型的估計結果之間的差異。 如果FE 模型的估計結果偏誤很小,則FE 模型比較適用;如果FE 模型的估計結果偏誤較大,那么RE 模型則比較適用,因為它可以更好地控制隨機效應的影響。

在后續受影響行業和替代品行業的研究中,使用FE 模型和Hausman 檢驗可以幫助我們更好地控制不可觀測因素對研究結果的影響,并獲得更可靠的結果。 這兩種方法可以在面板數據分析中被廣泛應用,特別是在經濟學和金融學領域。 因此,在研究中選取合適的模型和方法非常重要,可有效提高研究結果的可靠性和可信度。

考慮到以上所述,以式(4)為基礎,殘差ui,t可以分解出僅隨個體變動而不隨時間變動的部分αi和僅隨時間變動不隨個體變動的部分λt:

不隨時間變動的αi和不隨個體變動的λi,可能引起內生性問題而導致估計偏誤。 因此,我們考慮固定效應估計FE 或隨機效應估計RE,以減弱個體差異的可能影響。 為判斷兩種估計方式中哪一種更合適,我們進行Hausman 檢驗。

假定δFE為固定效應估計的系數,δRE隨機效應估計的系數。 原假設為:

如果固定效應估計和隨機效應估計沒有顯著差異,隨機效應估計更加有效,應選擇隨機效應估計。反之,應選擇固定效應估計。 Hausman 檢驗的估計量計算如下所示:

其中:

在原假設成立下:

說明個體效應與隨機誤差項之間不存在相關關系,那么隨機效應模型是一個無偏估計器。 通常情況下,在進行Hausman 檢驗時,若在顯著性水平為0.05的情況下被拒絕,說明個體效應與隨機誤差項之間存在相關關系,那么隨機效應模型就不再是一個無偏估計器。 在這種情況下,固定效應模型可能更加適合。

4. 定義估計窗口與事件窗口

估計窗口和事件窗口是在事件研究法中經常使用的概念。 對于本文研究的課題而言,此概念可以結合RDD 斷點回歸模型一起使用,對于研究超額收益率顯著問題上,效果會更好。

總的來說,估計窗口是指一個時間段,通常在事件發生之前,用于估計正常情況下的收益或者波動性。 事件窗口則是圍繞事件發生的一個時間段,研究者會觀察事件窗口內股票收益或者波動性的異常變化,以判斷事件對市場的影響。 對于研究利空消息所帶來的投資機會,通過設定估計窗口和事件窗口,研究者可以比較在利空消息公布前后股票的收益情況,進而分析這些消息對行業或者個股的影響。 這有助于投資者在利空消息出現時,發現對照行業的超額收益情況,并更好地抓住潛在的投資機會。

如圖1 所述:t=0 代表利空事件發生日。t=T1+1到t=T2代表事件窗口,t=T0+1 到t=T1代表估計窗口,t=T2+1 到t=T3表示事后窗口。 其中,T0、T1、T2和T3分別為事件日前后的時間。

圖1 時間窗口的描述

為了對選中企業的平均超額收益和超額收益的波動率進行分析,我們需要設置估計窗口和事件窗口。 使用事件窗口和估計窗口的好處在于可以在時間上對不同的事件和期間進行對比,從而更準確地測量和估計因素對股票超額波動率和超額收益的影響。比如,在研究利空消息背后的替代機會時,可以通過設置事件窗口和估計窗口,將利空事件和其后的替代機會作為事件和非事件時期進行對比,從而更好地測量替代品對于股票價格的影響。

對于后續我們需要應用的RDD 斷點回歸模型來說,設置事件窗口和估計窗口可以幫助確定利空消息的事件時間點,并將其作為斷點進行分析,從而更準確地估計替代機會對于股票價格的影響;而對于Hausman 檢驗來說,設置事件窗口和估計窗口可以幫助確定個體固定效應和隨機效應模型的選擇,并提高檢驗的精度和可靠性。

通過確立窗口生成時間序列圖,其中事件窗口代表研究中所定義的時間段,該時間段通常是針對利空事件或限制政策的具體時間范圍。 例如,如果研究的是電子煙或塑料制品的政策限令對股票市場的影響,那么事件窗口可能是政策實施前后的一段時間。

在本研究中,我們設定了以下時間窗口:估計窗口約為事件發生日前的第90 天至第30 天(即t-90 至t-30),以及一個更靈活的估計窗口,限定在事件發生日前的第60 天至第10 天(即t-60 至t-10)。 事件窗口為事件發生日前的第7 天至事件發生日后的第7 天(即t-7 至t+7)。 此外,通常情況下我們不會使用t-30 至t-7 的時間區間,而將其視為觀察窗口。 這樣的設定允許我們更加準確地評估利空事件的影響,在某些情況下可能會對觀察窗口進行微調。

此外,分析事件窗口中的超額收益率具有重要意義,因為它有助于深入了解企業相對于市場綜合水平(上證指數)的實際表現。 在研究利空消息背后的替代投資機會時,超額收益率能提供有關公司表現的信息,因此可以作為斷點回歸模型中的一個控制變量,以確保分析結果的準確性和可靠性。 同時,超額收益率還有助于確定估計窗口和事件窗口的大小,進而影響最終結果的準確性。 因此,分析超額收益率旨在更全面地了解研究對象,確保研究的準確性和可靠性,為進一步分析提供堅實基礎。

(三)數據來源與選取邏輯

本文所使用的數據均來源于東方財富網、萬得數據庫、Yahoo Finance。 我們仔細篩選了10 行業中曾出現過重大利空新聞或政策禁令的關鍵時間節點。 同時,根據各行業的特性,我們挑選了與其替代品概念緊密相關的股票進行對照分析。

1.電子煙與傳統煙草行業

2022 年3 月11 日,國家煙草專賣局發布了《電子煙管理辦法》禁止銷售除煙草口味外的調味電子煙和可自行添加霧化物的電子煙,不得排他性經營上市銷售的電子煙產品。 此禁令發布后的一個多月,整個板塊行情應聲下跌,跌幅高達26%,但與此同時整個傳統煙草概念相關的板塊則迎來了春天。

行業數據:本組數據則隨機挑選了15 家在電子煙板塊(BK0865)中所處股票數據。 通常情況下,數據日期會以實際利空消息或政策發出日期為準,由于2021 年12 月是年底時期,股市表現可能會受到特殊因素的影響,例如節假日因素等,為了數據的嚴謹性,故以2022 年3 月11 號為準的前60 天,后90 天進行股票數據提取,剔除2021 年12 月的30 天數據。 對于替代品板塊,本文在同樣的日期挑選傳統煙草概念股其中包含:陜西金葉(000812)、華寶股份(300741)、勁嘉股份(002191)等主經營煙草概念以及煙草包裝用紙或印刷相關的業務的股票納入樣本。 此外,為避免概念混淆許多板塊內同時擁有電子煙概念的股票如盈趣科技(002925)、東風股份(833374)等進行剔除。

2.網絡游戲與主機游戲行業

2021 年8 月30 日,國家新聞出版署下發《關于進一步嚴格管理切實防止未成年人沉迷網絡游戲的通知》,針對未成年人過度使用甚至沉迷網絡游戲問題,進一步嚴格管理措施。 通知要求“嚴格限制向未成年人提供網絡游戲服務的時間,所有網絡游戲企業僅可在周五、周六、周日和法定節假日每日20 時至21 時向未成年人提供1 小時服務,其他時間均不得以任何形式向未成年人提供網絡游戲服務”。 受此被稱為“史上最嚴游戲禁令”的影響,與網絡游戲相關聯的網游、云游、手游等板塊均應聲下跌,根據需求替代效應的理念,喜歡玩網絡游戲的人勢必會把目光投向不需要聯網即可游玩的形式,比如主機游戲、PS4、PS5、任天堂游戲機等概念相關或合作的企業。 雖然把主機游戲作為替代品可能無法覆蓋受到網游禁令限制引流的所有人群,很多網游愛好者們可能會選擇看小說、電視、出門旅游,以及其他娛樂活動,但我們只選擇最具代表性的、最具競爭性的行業或概念進行對比。

行業數據:本組數據將提取2021 年8 月30 日前后90 天的數據。 由于網絡游戲板塊(BK0509)中涉及其概念企業繁多,本組數據將只提取與網游概念強相關,并主營網絡游戲業務的15 只股票如電魂網絡(603258)、迅游科技(300467)、姚記科技(002605)等。對于替代品板塊,純經營單機或主機游戲等概念同時又較少涉及網游概念的股票在A 股較少,故而只選出10 只與“游戲機”概念強相關的如中青寶(300052)、歌爾股份(002241)等。

3.塑料制品與降解塑料行業

自2008 年起,國家開始注重環保,全國性限塑令開始實施。 由于塑料制品對自然環境影響大,國家分別于2013 年、2018 年出臺了《全面推行生產者責任延伸制度實施方案》等法律法規,要求企業對生產的產品實施“生產者責任延伸制度”,并推動廢棄塑料資源化利用。

2020 年7 月國家發改委聯合九部門發布《關于扎實推進塑料污染治理工作的通知》,2020 年底為該禁塑通知的階段性實施節點。 2020 年9 月1 日起正式施行的新修訂的《中華人民共和國固體廢物污染環境防治法》加強了塑料污染治理相關要求,并明確了相關違法行為的法律責任。 由于限塑令在每個年代都有相關的法規出臺,本研究我們將選用2020 年9 月1日為準的政策進行數據提取。

根據需求替代效應塑料制品的禁用勢必會造成可降解塑料的崛起,常見的可降解塑料包括淀粉塑料、聚乳酸(PLA)、聚己內酯(PCL)等。 以塑料袋為例,目前市場上有許多可降解塑料可以用來代替傳統的塑料袋,其中常見的可降解塑料包括:淀粉基可降解塑料、生物降解聚合物、光降解塑料。 雖然由棉、麻、化纖等材料制成的布袋也可作為塑料品的代替品,但卻不屬于可降解塑料的范疇。 針對塑料制品這個概念,企業擁有可降解塑料概念是首要考慮的。

行業數據:本組數據將提取2020 年9 月1 日前后90 天的數據,并只挑選塑料制品板塊(BK0454)內13家與塑料加工、塑料制品及材料強相關概念股票如國風新材(000859)、天晟新材(300169)、國恩股份(002768)等,并剔除上海石化(600688)、中國石油(601857)這種沾邊概念且波動甚微的大盤股。 對于塑料制品,最好的替代板塊莫過于可降解塑料(BK0909),而與其強相關的A 股有:瑞豐高才(300243)、美聯新材(300586)、道恩股份(002838)等。雖然棉、麻、化纖等材料也可作為替代品,但由于涉及行業過廣,概念相關性較差,故不在考慮范圍之內。

4.傳統火力發電與新能源綠電行業

經國務院同意,國家發展改革委于2021 年9 月18 日印發的《完善能源消費強度和總量雙控制度方案》是當前和今后一個時期指導節能降耗工作、促進高質量發展的重要制度性文件,其目的是推動實現碳達峰碳中和。 隨著國家發改委能源消耗雙軌制政策的出臺,全國已有12 個省份因能源消耗雙控、供電量不足和環保限產政策而被迫拉閘限電。 許多依靠傳統火力發電的企業如化工、有色金屬等高耗能行業紛紛停工停產。 此時A 股市場共計3000 多只個股下跌,更有超200 只跌停,周期股迎來下跌,平均跌幅為5%。 由于此次限電覆蓋面較廣,受此沖擊的行業樣本量過多,因此本文選擇與發電直接相關且影響最深的火電概念為主要板塊進行研究。 火電是現代工業和生活中最主要的傳統能源供應之一,而可將其完美替代的則是綠色電力新能源。

行業數據:本組數據將提取2021 年9 月18 日前后90 天的數據。 由于受到影響的樣本種類不同,許多周期股都可被列為參考對象。 由于限電是主原因,本組數據只提取與傳統火力發電概念強相關包括龍源技術(300105)、華銀電力(600744)、晉控電力(000767)在內的11 家企業。 對于替代品板塊,所有涉及水電、風電、太陽能光伏、核能概念的企業其實都可以成為很好的替代股。 但為了本組數據的一致性,我們將從新能源板塊(BK0493)直接挑選出相關股票如開爾新材(300234)、茂碩電源(002660)、中能電氣(300062)、圣陽股份(002580)在內的17 家企業。

5.碳酸飲料與健康飲品行業

2021 年6 月17 日,在世界杯前夕,著名球星C 羅帶領葡萄牙隊參加歐洲杯。 賽前發布會上,C 羅一個挪開可口可樂的小動作,讓可口可樂市值瞬間暴跌255 億元。 此外,現代年輕人對健康養生的注重,0 脂0 卡0 糖概念的飲品開始逐漸盛行。 國內對C 羅的高度關注,此舉一度沖上微博熱搜以及各大新聞媒體平臺。 平臺討論度過億,轉評過萬。 根據信息傳遞效應的理論,C 羅把可樂換下后,直接替換了礦泉水擺在桌前,所以與礦泉水、健康飲品強相關的概念股票可能會成為最好的替代投資品。

行業數據:本組數據將提取2021 年6 月17 日前后90 天的股票數據。 由于專注于碳酸、非健康飲品概念的企業較少。 多數企業經營飲品的同時還經營食品,至此,對于此概念的篩選比較模糊,符合的樣本較少所以需要提取部分美股。 除了提取香飄飄(603711)、麥趣爾(002719)等與飲料及飲料包裝概念的5 家企業,還提取了部分美股如Coca-cola(KO)、PepsiCo(PEP)、Dr Pepper Snapple(DPS)等作為參考數據綜合研究。 而礦泉水、功能性飲料等健康飲品概念則可以成為較好的替代行業,如泉陽泉(600189)、東鵬飲料(605499)、開能健康(300272)等,以及部分美股Primo Water Corp(TSE)、Nestle SA(SWX)。

(四)事件前后收益率的描述性統計

本節針對10 行業進行了描述性統計分析。 表1呈現了在事件前的估計窗口期內不同行業之間的平均超額收益率的統計情況。 通過觀察均值、最大值和最小值,我們可以發現各行業的漲勢存在差異,而跌幅相對較穩定。 這種情況可能是由于利空消息尚未公布所導致。 估計窗口內,替代品行業組間的平均超額收益率保持穩定且呈正波動,波動程度適中。

表1 10 行業估計窗口數據

表2 展示了在利空消息發生后的事件窗口期內,10 個行業平均超額收益率的統計情況。 相較于估計窗口期,部分行業如傳統煙草和主機游戲顯著展現出高于估計窗口期的超額收益。 然而,一些受到利空消息嚴重影響的行業,例如新能源和可降解材料,盡管經歷了下跌,但總體跌幅仍較小,且波動較為平穩,甚至小于估計窗口期內的水平,這表明受利空消息直接影響的行業面臨更大的市場波動性,而替代品行業則表現穩定,存在穩健投資機會。

表2 10 行業事件窗口數據

總體而言,可以觀察到在估計窗口內,盡管事件尚未發生,替代品板塊整體走勢優于受利空消息影響的行業。 這可能是由于早期信息傳遞途徑中的次要渠道所帶來的影響。

三、實證分析

(一)斷點回歸分析

本小節將對十個行業逐步進行斷點回歸分析并加以匯總總結。 由表3 可知,在5%的置信度下,半數以上的行業達到了顯著的程度。

表3 10 行業斷點回歸結果

通過分析值可知,共有6 家行業在5%的置信度下被拒絕。 健康飲品和傳統火力發電這兩個行業略微超出了5%,而可降解材料和新能源行業則不顯著。這樣的結果可能是由于市場整體低迷,導致此類行業受到拖累。 此外,可降解材料和新能源綠電行業尚未成熟,仍需要依賴受影響行業提供基礎服務,無法完全規?；瘧?。 因此,它們更容易受到沖擊。 盡管如此,對于整個市場而言,它們的跌幅仍然相對較小。

(二)穩定性檢驗

為避免因數據不平穩而引發的結論偏差,我們對10 行業的時間序列進行了單位根檢驗(表4)。 結果發現:在5%置信度之下,所有10 個行業都是平穩的,因為它們的ADF統計量都遠小于其臨界值。

表4 10 行業ADF 單位根檢驗

(三)全行業混合面板綜合分析

本小節將采用混合面板模型對10 行業進行綜合研究,以探究利空消息或政策限令發出后各板塊股票的日收益率是否有顯著變化。

1. 10 行業平均收益率與其波動性的對比

估計窗口、事件窗口10 個板塊股票的平均超額收益率分別為0.82%、1.19%,有顯著提高,這可能意味著在事件發生后,投資者將資金轉向其他替代投資機會,從而推動了整個市場的平均收益上升。 而收益率的根方差則分別為3.16%、3.21%,也有明顯加大,這可能表明市場在事件發生后面臨了更大的不確定性。 這一觀察結果在一定程度上驗證了本文的假設3,為了進一步驗證假設3 的可靠性,我們給出10 行業股票超額收益率圖及其根方差圖。

2.10 行業超額收益率與其波動性的對比

圖2 給出了10 個行業估計窗口和事件窗口各股超額收益率的差別。 在估計窗口期間,10 行業股票平均超額收益率散布在一個幅度較小的區間,主要集中在0.15%至1.5%之間。 這表明在事件發生前,10 行業的收益表現相對穩定。 而在事件窗口期間,10 行業的超額收益率出現了較大的波動。 例如,行業(5)的平均超額收益率從0.8%上升至1.75%;而行業(3)的平均超額收益率從0.15%增至0.18%。 這表明在事件發生后,10 行業的超額收益率呈現顯著差異。

圖2 10 行業估計窗口與事件窗口的超額收益率

與估計窗口期間相比,事件窗口期間的平均超額收益率在某些行業中有顯著增加,例如,行業(1)的平均超額收益率從0.8%升至1.8%,這可能表明在事件發生后這些行業的投資者將資金轉向了其他替代投資機會,從而提高了這些行業的平均超額收益;也有一些行業在事件窗口期間的超額收益率相對較低,例如,行業(4)的平均超額收益率從0. 5%降到0. 3%。這可能意味著這些行業在事件發生后受到了一定程度的負面影響。

這一觀察結果在一定程度上驗證了本文的假設3,為進一步驗證假設3 的可靠性,我們給出窗口內平均超額收益率的根方差示意圖。

由圖3 可知,在估計窗口期間,行業1、2、5、7、8 和10 的超額收益波動較高,范圍在3.2%至4.2%,這可能意味著這些行業在事件發生前的市場環境中風險就相對較大。 而行業3、4、6 和9 的波動性較低,范圍在2.25%至2.9%,表明這些行業在事件發生前的市場環境中風險較小。

圖3 10 行業估計窗口和事件窗口收益率根方差

在事件窗口期間,行業5、8、9 和10 的超額收益波動明顯上升,分別為3.4%、4.15%、3.6%和4%,說明這些行業在事件發生后的市場環境中,風險增加。 而行業1、3 和7 的波動略有下降,分別為3.2%、2.7%和2.8%,表明這些行業在事件發生后的市場環境中風險略有降低。 行業2、4 和6 的超額收益波動基本保持穩定,分別為3.1%、2.8%和2.4%,意味著這些行業在事件發生后的市場環境中,風險水平相對較為穩定。

3.混合面板回歸分析

本小節采用混合面板斷點回歸模型來分析事件發生前后的收益影響(見表5)。 在模型中我們以D為虛擬變量(取值為0 或1),用以表示事件發生前后的狀態。 當D=1 時,表示事件發生后的狀態;當D=0時,表示事件發生前的狀態。

表5 10 行業混合面板斷點回歸結果

由表5 可知,D的估計系數為0. 018 9,t值為2.63,P值為0.009,表明在事件發生后,平均超額收益率顯著增加1.89 個百分點;常數項的估計系數為0.2466,t值為47.75,P值接近0。 這說明在控制了事件發生前后狀態的影響后,其他可能影響收益的因素對收益的影響是顯著的。

根據表6 的回歸統計概要,我們對混合面板模型進行最后的分析。 從表6 可知,F值為6.93,表明模型整體具有顯著性。 樣本數1 055 為大樣本,因此模型的估計結果具有一定的可靠性。R2=0.012 6,調整R2=0.010 7,這意味著雖然模型解釋了事件發生前后平均收益率變化的一部分,但仍有許多其他因素未被模型包含,擬合度較差,可能未來需要進一步研究以完善模型。

表6 回歸擬合統計概要

五、研究結論與政策建議

(一)研究結論

首先,本文使用斷點回歸模型研究了利空消息對股票價格的影響以及其背后的替代投資機會。 經事件分析后發現,利空消息一旦發布后,受影響行業的股票收益率會顯著下降,但與受影響行業相關的替代投資行業的平均收益率會顯著上漲,導致整個市場的平均超額收益率顯著上漲。 這表明利空消息背后確實存在著替代投資機會,投資者可以通過逆向思維,尋找與受影響行業相關的替代投資機會,規避風險并獲取超額收益。

其次,本文采用固定效應估計和混合面板模型來排除了非觀測異質性的影響。 通過對10 行業股票數據的綜合分析判斷,本文發現受影響行業與替代品行業之間整體確實存在負相關關系。 在全行業混合面板回歸分析中,本文也證實了整體數據的超額收益率對于A 股市場的顯著性。 至此,此項研究不僅僅為投資者提供了實用性的投資思路,還為資本市場的理論和實踐提供了創新性的思路和方法。

(二)政策建議

首先,在應對利空政策對股市的沖擊時,政策制定者肩負著在市場穩定與行業健康發展之間尋求黃金分割點的責任。 要切實做到:第一,保持政策透明度,并與市場參與者積極溝通,使投資者能夠及時了解政策動向;第二,避免突如其來的政策變動,為市場留出適應新政策的時間,降低市場恐慌程度,實現市場與政策的共贏;第三,在實施新政策前,政策制定者應審慎評估其可能對市場帶來的影響,并制定相應的緩解措施;第四,在政策執行過程中,要密切關注市場反饋,根據實際情況適時調整政策,確保政策的有效性;第五,切不可忽視保護投資者的利益,確保政策公平公正地執行,并通過正確教育和宣傳引導投資者理性看待政策影響。

其次,在面對利空消息時,投資者可以采取逆向投資策略來應對市場的波動,在資金允許的情況下,投資者應保持樂觀的心態,善于發現利空背后蘊藏的替代投資機會,并順應市場走勢,把握可能存在的超額收益機會。 而在這個過程中,保持冷靜不恐慌則是制勝關鍵。