湯 淳，王過京

(蘇州大學(xué) 金融工程研究中心，江蘇 蘇州 215006)

一、 引言與文獻(xiàn)綜述

伴隨著我國工業(yè)化的迅速發(fā)展，環(huán)境惡化、資源匱乏等問題日益嚴(yán)峻，引導(dǎo)經(jīng)濟(jì)發(fā)展向綠色清潔轉(zhuǎn)變正成為我國經(jīng)濟(jì)轉(zhuǎn)型的必然選擇。在此背景下，綠色股票指數(shù)(下簡稱綠色指數(shù))應(yīng)運(yùn)而生。這些指數(shù)通過不同的綠色標(biāo)準(zhǔn)對上市公司進(jìn)行評價，并綜合選取評分較高的公司作為構(gòu)建樣本，從多角度反映了綠色市場走勢，也給投資者提供了多元化的業(yè)績比較基準(zhǔn)。馬駿(2015)[1]指出，綠色指數(shù)是構(gòu)建綠色金融體系的重要一環(huán)，其主要使命在于引導(dǎo)更多資金進(jìn)入綠色行業(yè)，從而間接降低綠色投資成本?？梢哉f，這些綠色指數(shù)成了理論上的風(fēng)向標(biāo)。

但由于我國綠色指數(shù)發(fā)展剛剛起步，因而相關(guān)文獻(xiàn)相對較少，現(xiàn)有文獻(xiàn)多是從理論層面對綠色指數(shù)發(fā)展現(xiàn)狀做出評價。余婷等(2018)[2]的研究系統(tǒng)梳理了我國綠色指數(shù)的相關(guān)研究與實(shí)踐，并針對綠色指數(shù)編制等方面存在的問題提出了一系列建議。朱易捷(2018)[3]則在梳理國際經(jīng)驗(yàn)的基礎(chǔ)上，在豐富綠色指數(shù)產(chǎn)品、多維度優(yōu)化披露機(jī)制等方面對推動綠色指數(shù)進(jìn)一步發(fā)展提出了建議。這類研究往往重理論分析、缺實(shí)證研究，綠色指數(shù)發(fā)布引發(fā)了市場怎樣的反應(yīng)有待回答。就國內(nèi)研究來看，目前僅有王樹強(qiáng)和李秋熠(2019)[4]的研究涉及了相關(guān)實(shí)證，其研究表明在被納入綠色領(lǐng)先股票指數(shù)后，樣本企業(yè)獲得顯著的正向反應(yīng)，但該反應(yīng)較小且持續(xù)時間短。相比之下，國外的相關(guān)研究相對更為成熟，得出的結(jié)論也更加多樣化。Adrian(2011)[5]利用美國股票數(shù)據(jù)研究發(fā)現(xiàn)，在道瓊斯可持續(xù)發(fā)展世界指數(shù)(綠色指數(shù)的一種)公布當(dāng)日，被納入的股票會獲得顯著為正的收益。而Ulrich等(2013)[6]研究則表明，在同樣的指數(shù)發(fā)布后，德國市場出于對環(huán)境行為成本的考慮，反而會對該事件呈負(fù)面反應(yīng)，相關(guān)股票會獲得負(fù)的異常收益。Martin和Dominic(2007)[7]的研究則發(fā)現(xiàn)公司并不會因?yàn)楸患{入或剔除富時社會責(zé)任指數(shù)(綠色指數(shù)的一種)而獲得回報或懲罰，市場對此的反應(yīng)并不強(qiáng)烈。那么，我國的綠色指數(shù)發(fā)布事件對市場產(chǎn)生了怎樣的影響？這類影響又是通過何種渠道傳導(dǎo)的呢？

為更好地回答第一個問題，我們引入股價效應(yīng)的概念。史永東和李鳳羽(2012)[8]將股價效應(yīng)定義為在事件信息沖擊下的股價形成過程。Hollander和Prokop(2015)[9]、Oehler等(2017)[10]則將其視作是事件影響下股票產(chǎn)生的異常收益。綜合這些現(xiàn)有文獻(xiàn)，在本文中我們將股價效應(yīng)界定為在事件信息沖擊下產(chǎn)生異常收益的過程。若在綠色指數(shù)發(fā)布后，相關(guān)公司股價產(chǎn)生了顯著的異常收益，則認(rèn)為股價效應(yīng)存在，并且若這種異常收益為正，則稱為正股價效應(yīng)，否則為負(fù)股價效應(yīng)。既有研究表明，該股價效應(yīng)廣泛存在于重大事件發(fā)生過程中，尤其是在與綠色指數(shù)發(fā)布類似的、具有明顯行業(yè)影響力的事件中。例如伍青(2007)[11]運(yùn)用事件研究法發(fā)現(xiàn)衛(wèi)星發(fā)射等重大航天事件會使得航天板塊股票在短期內(nèi)急劇上漲或下跌。王曉彥等(2017)[12]則研究發(fā)現(xiàn)，在“AlphaGO戰(zhàn)勝李世石”事件發(fā)生后，人工智能概念股票在事件發(fā)生第一天獲得了顯著大于零的平均異常收益率，人工智能板塊對市場利好消息迅速做出了積極反應(yīng)。受此啟發(fā)，為探究綠色指數(shù)發(fā)布的影響，文章的前半部分以2017-2019年綠色領(lǐng)先類公司數(shù)據(jù)為樣本，利用事件研究法對股價效應(yīng)的存在性，即對樣本公司在事件發(fā)生后的異常收益率做出了檢驗(yàn)。

進(jìn)一步，為更加深入地探討綠色指數(shù)發(fā)布對股價的影響機(jī)制，即回答第二個問題，我們引入了投資者情緒的視角。傳統(tǒng)金融學(xué)理論將市場上的投資者視為理性的經(jīng)濟(jì)人，股票價格反映了這些理性決策下供求的平衡，這難以對特定事件發(fā)生后的異常收益率做出解釋。而Stein和Jeremy(1996)[13]的研究指出，投資者決策往往是基于感情或者情緒，而非理性的認(rèn)知和看法，投資者情緒的存在會使得證券偏離其內(nèi)在價值。這一理論從投資者情緒的角度，為解釋重大事件后股價的異常變化提供了很好的理論視角。遵循著這一思路，文章的后半部分試圖利用投資者情緒來解釋事件發(fā)生后的異常收益，并通過百度搜索指數(shù)以及e互動、互動易平臺數(shù)據(jù)分別構(gòu)建投資者情緒代理變量，利用多元回歸模型對此進(jìn)行驗(yàn)證。

本文的貢獻(xiàn)體現(xiàn)在以下三方面：首先，之所以要研究綠色指數(shù)發(fā)布的股價效應(yīng)，是因?yàn)椋环矫嬉獙?shí)現(xiàn)綠色指數(shù)引導(dǎo)社會資本向綠色行業(yè)配置等諸多功能，其必須引起市場的足夠關(guān)注，而這是現(xiàn)有文獻(xiàn)中的純理論分析所不能體現(xiàn)的，只有通過實(shí)證研究加以考察。另一方面，若該事件引發(fā)了市場的過度反應(yīng)，則會使股價虛高，這不僅不利于行業(yè)的發(fā)展，也違背了發(fā)布指數(shù)的本意。綠色指數(shù)發(fā)布需要真正引導(dǎo)培育的是綠色價值投資者，而非短期投機(jī)者。故文章對于股價效應(yīng)的檢驗(yàn)不僅填補(bǔ)了實(shí)證研究的空白，更重要的是從股價的角度回答了綠色指數(shù)發(fā)布過后“影響是否存在”“反應(yīng)是否過度”這兩個關(guān)鍵問題，以此可為政策制定者評價當(dāng)前綠色指數(shù)發(fā)展提供參考。其次，在與股價效應(yīng)相關(guān)的文獻(xiàn)中，往往只有對異常收益這一現(xiàn)象的檢驗(yàn)，而缺乏對背后機(jī)制的剖析。文章基于投資者情緒的視角梳理了綠色指數(shù)發(fā)布對股價的影響機(jī)制，使得對于股價效應(yīng)的研究更加深入，也有助于揭示我國投資者對于政策性事件的態(tài)度及反應(yīng)。最后，有別于傳統(tǒng)的利用市場總體數(shù)據(jù)對情緒指標(biāo)的構(gòu)建，文章通過百度指數(shù)構(gòu)造投資者情緒的代理變量，并利用e互動和互動易平臺數(shù)據(jù)改變測度方式進(jìn)行穩(wěn)健性分析，更好地刻畫了投資者在不同股票上呈現(xiàn)的情緒截面差異，拓展了基于投資者情緒視角的理論研究。

余文的結(jié)構(gòu)安排如下：第二部分是基于投資者情緒視角分析綠色指數(shù)發(fā)布對綠色行業(yè)公司股價的作用路徑，并提出研究假設(shè)。第三部分是模型構(gòu)建與數(shù)據(jù)說明，主要對事件研究法的參數(shù)設(shè)定以及投資者情緒代理變量的構(gòu)建做了說明。第四部分分為兩個小節(jié)，分別對股價效應(yīng)的存在性以及利用投資者情緒解釋股價效應(yīng)的合理性做出了分析。最后是結(jié)論與政策建議部分。

二、 理論分析與研究假設(shè)

Kumar和Lee(2006)[14]認(rèn)為，個體交易者往往是非理性的噪聲交易者，其并非通過基本面的分析做出投資決策，而更多的是基于市場上引人關(guān)注的事件。根據(jù)2019年3月中投保發(fā)布的《全國股票市場投資者狀況調(diào)查報告》，截止2018年8月末，我國股票投資者中，自然人投資者占比達(dá)99.77%，這表明我國股市存在大量的噪聲交易者。張為群(2010)[15]、張紅偉和楊琨(2016)[16]等的研究也證實(shí)政策導(dǎo)向在很大程度上影響了我國股市的走向。則基于這樣的投資環(huán)境，本文認(rèn)為在綠色指數(shù)發(fā)布事件中，投資者的行為決策會更多地依賴于事件本身釋放的信息。而就綠色指數(shù)發(fā)布而言，其至少釋放了以下兩點(diǎn)正面信息：第一，其在近幾年的密集推出表明，國家正在加快推動綠色金融的發(fā)展。尤其是在2015年9月，在中共中央、國務(wù)院印發(fā)的《生態(tài)文明體制改革總體方案》中明確提出了要“研究設(shè)立綠色股票指數(shù)和發(fā)展相關(guān)投資產(chǎn)品”，這體現(xiàn)了國家層面對于綠色行業(yè)的高度重視。第二，綠色指數(shù)發(fā)布帶有引導(dǎo)資金投向的政策內(nèi)涵，其利好于整個綠色行業(yè)。并且該指數(shù)為投資者提供了一套綠色評價標(biāo)準(zhǔn)，有助于投資者在構(gòu)建投資組合時將環(huán)保等因素納入考慮、進(jìn)而降低投資風(fēng)險。則在這樣的行業(yè)利好消息下，投資者會競相買入綠色行業(yè)股票，推高股價上漲，由此我們提出假設(shè)1。

假設(shè)1：綠色指數(shù)發(fā)布事件會產(chǎn)生正股價效應(yīng)，綠色行業(yè)公司在事件發(fā)生后會獲得正的異常收益。

上文分析了綠色指數(shù)發(fā)布對股價的正向影響。但從本質(zhì)上來說，事件發(fā)生引發(fā)股價效應(yīng)只是一個現(xiàn)象，其背后必然有復(fù)雜的影響機(jī)制存在。接下來，本文將基于投資者情緒的視角，進(jìn)一步分析該傳導(dǎo)過程。

首先，投資者之所以會競相買入，是因?yàn)樯鲜稣答亷淼臉酚^情緒，會從以下定性和定量兩個層面影響著投資者的投資決策。第一，投資者會將投資決策調(diào)整為“買入”。根據(jù)Brown和Cliff(2004)[17]的研究，投資者的樂觀情緒使得投資者會預(yù)估正面信息指向的股票的收益率將高于平均收益率。同時，唐偉敏(2003)等[18]指出，投資者高漲的情緒使得他們傾向于關(guān)注對自己有利的信息，忽略掉對自己不利的信息。則在這種認(rèn)知傾向下，投資者會選擇性忽略那些看空綠色行業(yè)的信息，并更加深信綠色行業(yè)股票會獲得更高收益，進(jìn)而必然會買入持有相關(guān)股票以實(shí)現(xiàn)這種主觀預(yù)期收益。第二，投資者的成交量也會隨之增加。根據(jù)Schwarz和Clore(1983)[19]提出的情緒信息傳遞假說，人們總是偏向于做出與當(dāng)前情緒相一致的決策。換言之，在樂觀情緒下，投資者會愿意放寬約束，淡化對風(fēng)險的厭惡程度，從而在股票交易中表現(xiàn)為成交量的大幅增加。則在以上兩方面因素的綜合作用下，投資者對綠色行業(yè)股票的大量買入必然會推動股價在短期內(nèi)上漲。

圖1 綠色指數(shù)發(fā)布對股價的作用路徑圖

其次，這種上漲還會進(jìn)一步產(chǎn)生證實(shí)偏差，即會讓投資者認(rèn)為他們做出的判斷是正確的，進(jìn)而再次提振投資者的樂觀情緒，從而在短期內(nèi)實(shí)現(xiàn) “購買股票-股價上漲-情緒提振-購買股票”的循環(huán)。同時酈金梁等(2018)[20]眾多學(xué)者的研究成果證實(shí)：我國投資者在遇到重大事件時存在過度反應(yīng)，在利好消息下，這種過度反應(yīng)往往體現(xiàn)為過度樂觀。則受這兩方面因素的影響，投資者在綠色指數(shù)發(fā)布后的樂觀情緒會得以放大，這將進(jìn)一步強(qiáng)化上述影響機(jī)制，其結(jié)果將是推動相關(guān)股票的股價產(chǎn)生更大幅度的上漲，即出現(xiàn)異常收益率。上述的影響機(jī)制可如圖1所示，并且基于上述投資者情緒視角的分析，我們提出假設(shè)2和假設(shè)3。

假設(shè)2：事件日后，投資者情緒明顯高漲，并且這種增量對事件日后的異常收益有顯著的正向影響。

假設(shè)3：當(dāng)期投資者對某只股票的情緒越樂觀，該股票的異常收益率越高。

最后，由于上述投資決策主要是基于非理性因素，而投資者的樂觀情緒在長期必然衰減，同時這些噪聲交易者持有股票的目的主要是為了追求短期投機(jī)性收益，故這并不構(gòu)成股價長期上漲的基礎(chǔ)。換言之，若以上基于投資者情緒視角分析的傳導(dǎo)機(jī)制成立，即投資者的樂觀情緒的確可以解釋相關(guān)公司股價在事件日后的異常收益率，那么該異常收益率會在長期回落。由此我們提出假設(shè)4。

假設(shè)4：綠色指數(shù)發(fā)布所引發(fā)的股價效應(yīng)不具備長期性，相關(guān)公司在短期內(nèi)獲得的異常收益會在長期回落。

三、 模型構(gòu)建與數(shù)據(jù)處理

本文的研究設(shè)計(jì)分兩個部分展開。第一部分是利用事件研究法檢驗(yàn)綠色指數(shù)發(fā)布后股價效應(yīng)的存在。第二部分是通過構(gòu)造投資者情緒的代理變量，利用多元線性回歸，對事件日后的異常收益率做出解釋。下文是對模型和數(shù)據(jù)的具體說明。

表1 綠色指數(shù)發(fā)布詳情

1.樣本選擇及數(shù)據(jù)來源。作為我國規(guī)模最大、產(chǎn)品最多、市場影響力最廣的金融市場指數(shù)提供商，中證指數(shù)有限公司管理各類指數(shù)近4000條，其發(fā)布的指數(shù)歷來受到市場的廣泛關(guān)注。目前在中證官網(wǎng)以“綠色”作為關(guān)鍵詞搜索到的指數(shù)分為以下兩類：債券類(包括信用債和綜合債)和綜合類(包括主題類和策略類)。前者主要以綠色債券為標(biāo)的，后者則是以符合一定綠色評價標(biāo)準(zhǔn)的公司股票為標(biāo)的，即本文所研究的綠色指數(shù)。本文選取了近年來中證發(fā)布的所有綠色指數(shù)作為研究事件，各指數(shù)發(fā)布詳情如表1所示。

在樣本公司的選取上，本文以中證官網(wǎng)公布的綠色領(lǐng)先類公司股票來代表綠色行業(yè)股票。以這些股票為樣本的原因在于：這些公司是基于上市公司生產(chǎn)和服務(wù)流程的綠色水平的評價、綠色收入、負(fù)面新聞和環(huán)保處罰等綜合評分最高的一類公司，考慮到其評價標(biāo)準(zhǔn)是所有標(biāo)準(zhǔn)里最全面的，故以此來代表綠色行業(yè)股票。由于該公布的股票名單每半年調(diào)整一次，考慮到偶然性因素，我們剔除了自2018年初該名單首次公布以來僅在名單上出現(xiàn)過一次的股票，并在對具體事件研究時剔除了相關(guān)數(shù)據(jù)缺失的公司，最終在各截面上分別得到90、95和97個有效樣本公司。在本文研究中，所有上市公司的數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫。

2.事件研究法設(shè)定。(1)事件窗口設(shè)定。

圖2 事件研究法的窗口設(shè)定

如圖2所示，事件研究法的事件日“t=0”為指數(shù)發(fā)布日當(dāng)天，事件窗為發(fā)布日前后各一周，即前后各5個交易日，事件估計(jì)窗為事件窗前30個交易日。之所以將公布日前一周放入窗口期，是因?yàn)椴糠种笖?shù)正式發(fā)布之前，中證指數(shù)官網(wǎng)會提前發(fā)出公告，指數(shù)發(fā)布引起的效應(yīng)可能會得到提前釋放，因而將事件窗適當(dāng)提前。在下文表述中，我們將期間(-5,-1)稱為提前一期，將(1,5)稱為事件當(dāng)期。各事件窗口具體對應(yīng)的時間段如表2所示，需要說明的是，具體數(shù)據(jù)的選取只包含該表時間段中的交易日。

表2 事件窗的具體設(shè)定

(2)正常收益率及異常收益率計(jì)算。本文采用常均值收益模型來估計(jì)正常收益率，即以個股在窗口期內(nèi)的平均收益作為其正常收益的估計(jì)。以此為模型的原因有以下兩點(diǎn)：首先，根據(jù)Brown和Warner(1985)[21]的研究，該模型簡單易行，且其結(jié)果與復(fù)雜模型相近。其次，陳漢文和陳向民(2002)[22]指出，該模型的適用性在中國市場上存在一定優(yōu)勢。這里，設(shè)Ri為第i個股票的正常收益率，Rit為估計(jì)窗內(nèi)對應(yīng)時刻的收益率，則正常收益率Ri為

(1)

(2)

(3)平均異常收益率及累計(jì)平均異常收益率計(jì)算。異常收益的加總，既包括截面上(各種股票間)的加總，也包括時間序列(事件窗內(nèi))上的加總。設(shè)AARt為整個樣本在t時刻的平均異常收益率，CAAR(t1,t2)為整個樣本在(t1，t2)期間內(nèi)的累計(jì)平均異常收益率，設(shè)共有n個樣本，則異常收益率的截面和時間序列加總，分別如下表示：

(3)

(4)

(4)假設(shè)檢驗(yàn)。設(shè)H0:AARt=0，CAAR(t1,t2)=0，利用t檢驗(yàn)

(5)

(6)

若綠色指數(shù)發(fā)布對相關(guān)公司的股價有明顯的正向影響，則t統(tǒng)計(jì)量應(yīng)顯著為正。

3.投資者情緒代理變量的構(gòu)建。由于投資者的情緒難以直接觀測，因而如何通過代理變量對其進(jìn)行刻畫一直是一個研究的熱點(diǎn)。常用的情緒代理指標(biāo)一般分為直接和間接兩類。直接指標(biāo)常常通過問卷調(diào)查的方式，通過直接了解投資者對當(dāng)前市場的評價以及對未來的預(yù)期來對投資者情緒進(jìn)行構(gòu)建。例如王美今和孫建軍(2004)[23]、劉仁和和陳柳欽(2005)[24]分別利用央視看盤指數(shù)和好淡指數(shù)對投資者情緒進(jìn)行了度量。間接指標(biāo)則是通過選取市場上與投資者情緒相關(guān)的數(shù)據(jù)來間接反應(yīng)投資者情緒。在這類指標(biāo)中，主流的做法是用主成分分析法構(gòu)建一個綜合指標(biāo)。例如張宗新和王海亮(2013)[25]綜合選取了封閉式基金折價率、市場換手率等五個指標(biāo)綜合構(gòu)建了投資者情緒的代理變量。以上方法各有優(yōu)劣，但普遍存在的一個問題在于，由于反映的都是市場總體情況，因而難以對投資者在特定板塊上呈現(xiàn)的情緒進(jìn)行度量，更無法呈現(xiàn)投資者對于不同股票的情緒差異。同時俞紅海(2015)等[26]指出，總體數(shù)據(jù)通常包含的噪聲較多且采樣頻率較低，則用其來度量投資者情緒未必精準(zhǔn)?？紤]到本部分要對截面上不同公司的數(shù)據(jù)進(jìn)行回歸，因而上述方法并不適用。

近年來，伴隨著互聯(lián)網(wǎng)的廣泛普及，眾多學(xué)者開始利用網(wǎng)絡(luò)數(shù)據(jù)來構(gòu)建投資者情緒的代理變量，這也為解決上述問題提供了一個新的視角。作為國內(nèi)普及率最高的搜索引擎，百度無疑是很多人搜索信息的首選。當(dāng)綠色指數(shù)發(fā)布后，投資者必然會想對樣本公司有更多的了解，并且當(dāng)他們的情緒越樂觀時，也越有精力和動力去了解更多的信息，此時百度搜索指數(shù)成了投資者情緒很好的度量工具，故以此作為投資者情緒的度量具備一定的合理性。另外，相比周翠玲(2013)和鄒高峰[27]、張書煜等(2015)[28]等分別利用新浪財(cái)經(jīng)論壇數(shù)據(jù)和微博數(shù)據(jù)的做法，考慮到百度的普及性，利用百度搜索指數(shù)來構(gòu)建投資者情緒也相對更加全面。

在具體的度量上，本文手工搜集了事件窗內(nèi)(具體見表2)各股票各天的百度搜索指數(shù)，其中搜索詞匯為股票的名稱，篩選方式為PC端和手機(jī)端的加總。并且由于某些股票搜索指數(shù)較大，因而在具體回歸時對數(shù)據(jù)做了對數(shù)處理，設(shè)Sentii,t為第i個股票在第t天的投資者情緒，Stocknumberi,t為該天該股票的搜索指數(shù)，則

Sentii,t=ln(Stocknumberi,t)

(7)

4.回歸模型構(gòu)建。為驗(yàn)證基于投資者情緒視角對于股價效應(yīng)解釋的合理性，本部分以投資者情緒為解釋變量，以公司規(guī)模、公司成長性以及凈資產(chǎn)收益率為控制變量，建立了如下的回歸方程：

(8)

(9)

(10)

另外需要指出的是，由于某些股票的名稱與其他指向存在重合，例如在搜索“永輝超市”的時候，我們所指向的很有可能并不是該股票(這里我們稱之為重復(fù)指向型問題)，因而這些股票的搜索指數(shù)與其他股票天然存在差異，此時利用搜索指數(shù)來衡量投資者情緒可能并不準(zhǔn)確。因此，為保證模型回歸結(jié)果的準(zhǔn)確，本文在模型3的回歸中將這類股票予以剔除。而對于模型2，由于解釋變量為同一股票兩期的差值，這在一定程度上會抵消各股票間的差異，因而在模型2中將這些股票予以了保留。

四、 實(shí)證結(jié)果與分析

(一) 股價效應(yīng)的存在性檢驗(yàn)

1.檢驗(yàn)結(jié)果分析。本部分利用Stata軟件對股價效應(yīng)的存在性進(jìn)行了檢驗(yàn)，事件研究法的相關(guān)檢驗(yàn)結(jié)果如表3、表4所示。如表3所示，在三個綠色指數(shù)發(fā)布后的共18個觀察日中，共17個觀測日平均異常收益率為正，且有7個觀測日AAR在1%的水平上顯著為正。這表明，在綠色指數(shù)發(fā)布后，樣本公司在整體上獲得了比往常更高的超額收益，綠色指數(shù)發(fā)布事件對于樣本公司股價的確存在正向影響。這一結(jié)論在表4中得到了更充分的體現(xiàn)：如表4所示，在綠色指數(shù)發(fā)布后的總共18個觀察日中，CAAR在12個觀測日內(nèi)在1%的水平下顯著為正，在4個觀測日內(nèi)5%的水平下顯著為正，顯著為正的占比高達(dá)89%。

表3 平均異常收益率AAR及其顯著性

注:*、**和***分別表示在10%、5%和1%水平上顯著

表4累計(jì)平均異常收益率CAAR及其顯著性

t事件1事件2事件3-5-0.0028**-0.0106***0.0050***-4-0.0022-0.0075**0.0107***-3-0.00500.00140.0121***-2-0.00270.0102***0.0094-10.00660.0238***-0.000200.00960.0272***0.000310.0162**0.0242***0.0253***20.0177**0.0247***0.0485***30.0199**0.0323***0.0658***40.0200**0.0351***0.0895***50.0269***0.0376***0.0933***

注:*、**和***分別表示在10%、5%和1%水平上顯著

考慮到CAAR是一累計(jì)值，為更清晰地表現(xiàn)檢驗(yàn)結(jié)果并考察CAAR的變化趨勢，我們將AAR與CAAR繪圖如下。

圖3 各事件窗口期ARR，CAAR折線圖

如圖3所示，總體來看，三個事件的CAAR的走勢較為類似，均有明顯的向上趨勢。具體來看，三個事件的CAAR還出現(xiàn)了不同程度的由負(fù)轉(zhuǎn)正的情況。以事件1為例，其CAAR在指數(shù)發(fā)布日前4天持續(xù)為負(fù)，且在t=-3時達(dá)到最低點(diǎn)，隨后CAAR由負(fù)轉(zhuǎn)正，并在指數(shù)發(fā)布日之后持續(xù)增長。這說明，指數(shù)發(fā)布帶來的正股價效應(yīng)使得樣本公司在整體上獲得了超額收益，并逐漸抵消了之前累計(jì)的負(fù)的異常收益率。這一現(xiàn)象在事件2和事件3中也得到了不同程度的體現(xiàn)。由此，我們認(rèn)為假設(shè)1成立，綠色指數(shù)發(fā)布事件的確會對相關(guān)公司股價產(chǎn)生顯著為正的影響，換言之，綠色指數(shù)發(fā)布存在正股價效應(yīng)。

進(jìn)一步，為檢驗(yàn)綠色指數(shù)發(fā)布事件對樣本公司的影響是否只是短期效應(yīng)，并以此驗(yàn)證假設(shè)4，我們觀測了指數(shù)發(fā)布事件后一個月的AAR，并對ARR的變化趨勢進(jìn)行擬合。

圖4 各事件AAR長期趨勢圖

如圖4所示，三個事件的AAR在檢驗(yàn)期內(nèi)均呈現(xiàn)不同程度的回落。隨著時間的推移，事件1和事件3的AAR有逐漸收斂于零的趨勢，而事件2的AAR在指數(shù)發(fā)布后半個月后就已經(jīng)趨于負(fù)值。這說明，綠色指數(shù)發(fā)布后，樣本公司在短期內(nèi)受到投資者熱捧，但在一段時間后AAR趨于零，樣本公司整體上不再能獲得比正常水平更高的超額收益，綠色指數(shù)發(fā)布對股價沖擊的影響是短暫且可控的。由此，我們認(rèn)為假設(shè)4成立，即綠色指數(shù)發(fā)布所引發(fā)的股價效應(yīng)并不具備長期性。另外，假設(shè)4的成立也從一個側(cè)面驗(yàn)證，我們利用投資者情緒來對事件發(fā)生后的超額收益做出解釋是合理的。因?yàn)橹挥羞@種非理性因素造成的股價上漲才會在長期得以回落，正如Black(1986)[29]的理論所說，這類非理性交易行為造成的是資產(chǎn)價格與其內(nèi)在價值的偏離。這類因素并不構(gòu)成股價長期上漲的基礎(chǔ)。

2.穩(wěn)健性檢驗(yàn)。前文利用事件研究法中的常均值收益模型對綠色指數(shù)發(fā)布的股價效應(yīng)進(jìn)行了驗(yàn)證?？紤]到上述結(jié)論可能受到模型選擇、估計(jì)窗長度以及樣本本身的影響，為增強(qiáng)結(jié)論的穩(wěn)健性，本部分將分別改變上述設(shè)定，進(jìn)行進(jìn)一步分析。

(1)改變正常收益率的估計(jì)方式。考慮到模型選擇對檢驗(yàn)結(jié)果的影響，這里以滬深300指數(shù)在估計(jì)窗內(nèi)的平均收益率作為對正常收益的估計(jì)，重新檢驗(yàn)AAR與CAAR的顯著性，其他參數(shù)設(shè)定與上文相同。

表5 測度改變下的AAR及其顯著性

注:*、**和***分別表示在10%、5%和1%水平上顯著

表6測度改變下的CAAR及其顯著性

t事件1事件2事件3-5-0.0024-0.0103***0.0050***-4-0.0013-0.0069**0.0095***-3-0.00330.00230.0107***-2-0.00070.0115***0.0073*-1 0.00900.0254***-0.00270 0.01248***0.0291***-0.00301 0.0195***0.0264***0.0216***2 0.0216***0.0272***0.0445***3 0.0243***0.0351***0.0614***4 0.0248***0.0382***0.0845***5 0.0322***0.0411***0.0883***

注:*、**和***分別表示在10%、5%和1%水平上顯著

表5、表6列式了新測度下的檢驗(yàn)結(jié)果。如表所示，在綠色指數(shù)發(fā)布后的總共18個觀察日中，共16個觀測日平均異常收益率為正，且有7個觀測日的AAR在1%的水平上顯著為正，有兩個觀測日的AAR在10%的水平上顯著為正。而CAAR除了在事件3指數(shù)發(fā)布當(dāng)日外，其余都在1%的水平下顯著為正。這表明，在綠色指數(shù)發(fā)布后，樣本公司在整體上獲得了比市場組合更高的超額收益，這從另一個層面驗(yàn)證了假設(shè)1的成立。另外，參照前文的研究辦法，我們利用新測度下的數(shù)據(jù)，對事件日后30天的AAR進(jìn)行了觀測，研究結(jié)果同樣驗(yàn)證了假設(shè)4的成立。

(2)改變估計(jì)窗的時間長度。考慮到估計(jì)窗設(shè)定也會對檢驗(yàn)結(jié)果產(chǎn)生影響，這里將事件估計(jì)窗延長至事件窗前120個交易日，檢驗(yàn)的其余設(shè)定與正文部分相同。經(jīng)檢驗(yàn)，在更改了估計(jì)窗的長度后，AAR以及CAAR的正負(fù)方向以及顯著性并未發(fā)生明顯改變(由于檢驗(yàn)結(jié)果與前表差異不大，這里未列式)，另外在對事件日后30天的AAR進(jìn)行觀測后，檢驗(yàn)結(jié)果也同樣支持假設(shè)4的成立。

表7 樣本分組后的AAR及CAAR

(3)對樣本進(jìn)行分組?？紤]到我們所研究的樣本中包含了一部分構(gòu)成綠色指數(shù)標(biāo)的的股票，其由于包含更多正面信息(只有符合一定的評價標(biāo)準(zhǔn)才能納入指數(shù))往往更易上漲，則樣本公司在事件發(fā)生后整體呈現(xiàn)的超額收益可能僅是由于這部分股票上漲所致，換言之，那些未被納入指數(shù)的綠色行業(yè)股票可能并未受到綠色指數(shù)發(fā)布的影響。為此，為進(jìn)一步增強(qiáng)前文結(jié)論的穩(wěn)健性，我們將各事件中納入相應(yīng)指數(shù)的個股設(shè)為實(shí)驗(yàn)組，其余個股設(shè)為對照組，分別觀察事件發(fā)生后各組收益率的變化。

表7列示了在(1,5)的觀測期內(nèi)各組AAR及CAAR的統(tǒng)計(jì)情況，其中第4行中列式的是觀測期內(nèi)各組樣本ARR大于0的天數(shù)占比情況。由表中ARR的正負(fù)情況以及大于0的占比可知，各組在各事件中均獲得了正的超額收益，這表明綠色指數(shù)發(fā)布的正向影響是全局性的，其并非僅體現(xiàn)在那些被納入指數(shù)的股票上。另外，進(jìn)一步對比各組AAR均值或是CAAR的數(shù)值，我們發(fā)現(xiàn)，上述影響也存在一定差異：實(shí)驗(yàn)組在事件發(fā)生后獲得的異常收益均明顯高于對照組，即那些被納入指數(shù)的個股會獲得更高的超額收益。由此，綜合(1)、(2)中的分析，我們認(rèn)為前文結(jié)論穩(wěn)健，同時我們對該結(jié)論可進(jìn)行進(jìn)一步闡述：綠色指數(shù)發(fā)布存在正股價效應(yīng)，該效應(yīng)體現(xiàn)在對綠色領(lǐng)先類公司股價的顯著影響上，而對于那些被納入指數(shù)的個股而言，這種影響更加強(qiáng)烈，其在短期內(nèi)獲得的超額收益更高。

(二) 基于投資者情緒對股價效應(yīng)的解釋

表8 事件日前后百度搜索指數(shù)統(tǒng)計(jì)

1.投資者情緒的描述性統(tǒng)計(jì)。為了體現(xiàn)投資者情緒在事件發(fā)生前后的變化，我們將事件日前后各5個交易日內(nèi)的百度搜索指數(shù)統(tǒng)計(jì)情況列式如表8。從各截面來看，股票間的搜索指數(shù)差異較大，各統(tǒng)計(jì)區(qū)間內(nèi)的極差值均在萬位以上。造成這一現(xiàn)象的一是前文提到的重復(fù)指向型問題，二是投資者在不同股票上存在的情緒截面差異。而對比各事件日前后(-5,-1)與(1,5)上的均值，我們發(fā)現(xiàn)，在各事件發(fā)生后，百度搜索指數(shù)均有一定幅度的上漲。以事件1為例，在事件發(fā)生后，平均每只股票在每天的搜索量增加了344條，投資者情緒在綠色指數(shù)發(fā)布后明顯高漲，他們通過更加積極地搜集樣本公司的信息以支撐自己的購買決策。

表9 投資者情緒對股票累計(jì)異常收益率的回歸結(jié)果

注:*、**和***分別表示在10%、5%和1%水平上顯著，括號內(nèi)為t值

2.回歸結(jié)果分析。上述描述性統(tǒng)計(jì)結(jié)果表明，投資者情緒在綠色指數(shù)發(fā)布后明顯高漲。那么，這種樂觀情緒是否可以對事件日后的異常收益進(jìn)行解釋呢？如表9所示，相比于模型1，在加入了ΔSenti項(xiàng)后，模型2整體的顯著性以及擬合優(yōu)度明顯提高，同時各控制變量的系數(shù)方向及顯著性并未發(fā)生明顯改變。這表明，用投資者情緒作為解釋變量來解釋事件日后的超額收益是合理且必要的。進(jìn)一步，就模型2的解釋變量系數(shù)來看，ΔSenti項(xiàng)的系數(shù)為0.103，且在1%水平下顯著，這表明當(dāng)期投資者情緒的變化對事件日后的超額收益有顯著的正向影響。在綠色指數(shù)發(fā)布后，當(dāng)其他變量保持不變時，投資者的樂觀情緒相比上一期每增加一個度量單位，則公司的累計(jì)異常收益率提高10%。模型3的回歸結(jié)果與模型2較為類似，SentiT項(xiàng)的系數(shù)在1%水平下顯著為正，這表明事件日后的超額收益與當(dāng)期投資者情緒顯著正相關(guān)，當(dāng)期投資者對某只股票的情緒越樂觀，則該股票的累計(jì)異常收益越高。由此，我們初步認(rèn)為假設(shè)2和假設(shè)3成立，即綠色指數(shù)發(fā)布所引發(fā)的股價效應(yīng)的確可以經(jīng)由投資者情緒來解釋。

另外，就各模型的控制變量來看，單只股票在事件發(fā)生后的累計(jì)異常收益與公司規(guī)模及公司成長性顯著負(fù)相關(guān)。這與前文分析中，對這些噪聲交易者是非理性投資者的判定是相符合的。因?yàn)榉抢硇酝顿Y追求的往往是短期投機(jī)收益，高成長性的公司并不符合他們的投資邏輯，而規(guī)模較小的公司往往受到的關(guān)注程度較低，股價可能并未充分反映其內(nèi)在價值，因而更受到這部分投資者的偏愛，其在事件日后的累計(jì)異常收益也會更高。

3.穩(wěn)健性檢驗(yàn)。(1)考慮內(nèi)生性問題。由于股票在事件日后的異常收益在一定程度上也會影響投資者情緒，故上述回歸中可能存在互為因果的內(nèi)生性問題。為此，我們利用工具變量法來加以解決。

參考生態(tài)環(huán)境部發(fā)布的重點(diǎn)城市空氣質(zhì)量排名，本部分將樣本公司所處的地區(qū)劃分成了高污染區(qū)域和低污染區(qū)域兩組，并且以“公司是否處于高污染區(qū)域”這一虛擬變量作為當(dāng)期投資者情緒的工具變量。以此為工具變量的原因有以下兩點(diǎn)：首先，對于投資者而言，其在綠色指數(shù)發(fā)布后往往會對樣本公司的綠色發(fā)展?fàn)顩r做出進(jìn)一步考量。此時，公司所處地域的污染狀況無疑是一個最直接的評價標(biāo)準(zhǔn)。當(dāng)某公司處于重度污染的區(qū)域時，污染的頑疾性往往制約著公司的發(fā)展，即便該公司屬于綠色領(lǐng)先類公司，投資者也會認(rèn)為公司的發(fā)展會受到整體環(huán)境的制約。受此影響，投資者情緒也會相對低落。反之當(dāng)公司所處區(qū)域的環(huán)境狀況良好時，預(yù)期的改善會使得投資者情緒相對更加樂觀。因此，樣本公司所處地域的污染狀況與投資者情緒存在一定的相關(guān)性，工具變量的相關(guān)性條件滿足。其次，由于公司所處區(qū)域以及區(qū)域的污染狀況在很長一段時間內(nèi)是固定不變的，這可看作是既定事實(shí)、不受到任何外界因素的影響，并且公司所處地域的污染狀況與被解釋變量之間也不存在理論上的因果關(guān)系，故可認(rèn)為該工具變量是嚴(yán)格外生的，工具變量的外生性條件也同樣滿足。

表10 2SLS二階段回歸結(jié)果

注:*、**和***分別表示在10%、5%和1%水平上顯著，括號內(nèi)為t值

進(jìn)一步，我們以該工具變量進(jìn)行二階段最小二乘回歸(2SLS)。2SLS二階段的回歸結(jié)果如表10所示，我們發(fā)現(xiàn)，在剔除了異常收益對投資者情緒的潛在影響后，SentiT項(xiàng)的系數(shù)依然顯著為正，同時各控制變量的系數(shù)方向和顯著性也未發(fā)生明顯改變，上述研究結(jié)論依舊成立。另外，根據(jù)識別不足檢驗(yàn)和弱工具變量檢驗(yàn)結(jié)果，前者的p值幾近于0，后者的F統(tǒng)計(jì)量也滿足大于10的工具變量條件，這從統(tǒng)計(jì)上進(jìn)一步驗(yàn)證了該工具變量的有效性。

(2)改變投資者情緒指標(biāo)的度量方式。前文利用百度搜索指數(shù)構(gòu)造了投資者情緒的代理變量，并以此對綠色指數(shù)發(fā)布后的異常收益做出了解釋。但需要注意的是，百度搜索指數(shù)雖然在度量投資者對于不同股票的情緒差異等方面確有優(yōu)勢，但正如李彪和鄭滿寧(2012)[30]指出，許多公司為提高搜索排名會雇傭水軍刻意提高搜索量，對股票名稱貢獻(xiàn)搜索量的人很可能并非真正的投資者，這使得利用百度搜索指數(shù)來度量投資者情緒并不足夠精準(zhǔn)。

對此，我們在這部分檢驗(yàn)中，利用上證e互動和深交所互動易的投資者提問數(shù)據(jù)來重新構(gòu)建投資者情緒變量，以此對上述結(jié)論的穩(wěn)健性做進(jìn)一步考察。作為上交所、深交所推出的官方平臺，e互動和互動易給投資者提供了一個很好的與上市公司直接溝通的平臺，投資者可以通過問答與公司實(shí)現(xiàn)直接對話，增進(jìn)與公司的距離。一般來說，投資者情緒越高漲，就會更加積極在平臺上提問，因此提問數(shù)量是對投資者情緒的一個很好度量。另外，由于在平臺上可以看到每一個提問內(nèi)容和投資者昵稱，因而相比百度搜索指數(shù)的不透明性，我們可以對平臺上的有效提問做出篩選，這使得我們的度量更加精確。為此，我們手工搜集了事件窗內(nèi)(具體見表2)兩個平臺上樣本公司的提問數(shù)據(jù)，其中滬市的股票數(shù)據(jù)在上證e互動獲取，深市及創(chuàng)業(yè)板的股票數(shù)據(jù)在深交所互動易上獲取，并對所有提問做出了篩選，具體篩選的方式為：首先將同一投資者在同一天的多次提問視為一次，其次將提問內(nèi)容與公司基本面無關(guān)以及提問內(nèi)容較為極端的問題視為無效問題。進(jìn)而，我們構(gòu)建了如下的回歸方程：

(11)

需要說明的是，模型4中除了解釋變量Senti,其余各項(xiàng)設(shè)定均與模型2相同。在Senti的具體定義上，由于e互動和互動易的活躍程度遠(yuǎn)不如百度理想，這使得各股票的提問數(shù)量在較短的研究期內(nèi)沒有足夠的區(qū)分度，多只股票可能都是同一提問總數(shù)。對此，我們將股票按總體的提問數(shù)量均值進(jìn)行分組，有效提問數(shù)量高于均值的為高情緒組，反之為低情緒組，并將Senti設(shè)定為虛擬變量，當(dāng)某只股票位于高情緒組則Senti為1，反之為0。

表11 改變度量方式下的檢驗(yàn)結(jié)果

注:*、**和***分別表示在10%、5%和1%水平上顯著，括號內(nèi)為t值

模型4的回歸結(jié)果如表11所示。根據(jù)該回歸結(jié)果，Senti的系數(shù)為0.0255，且在5%水平下顯著，這表明在其他變量不變時，位于高情緒組的股票在事件日后會多獲得近3%的累計(jì)異常收益，投資者情緒的提高的確對事件發(fā)生后的超額收益有顯著的正向作用。這與前文得出的結(jié)論是一致的，因而我們認(rèn)為假設(shè)2和假設(shè)3的結(jié)論穩(wěn)健。

(3)利用分組數(shù)據(jù)進(jìn)一步檢驗(yàn)。根據(jù)表7的統(tǒng)計(jì)結(jié)果，實(shí)驗(yàn)組在事件發(fā)生后獲得了更高的超額收益。而根據(jù)本部分基于投資者情緒視角的分析，投資者情緒可以顯著解釋這種超額收益。則若以上影響機(jī)制成立，那么相比對照組，實(shí)驗(yàn)組在事件發(fā)生后的投資者情緒應(yīng)當(dāng)更加高漲。為此，我們以投資者情緒增量ΔSenti為被解釋變量，以是否被納入實(shí)驗(yàn)組為解釋變量，建立了如下的回歸方程，以此對上述結(jié)論進(jìn)行進(jìn)一步檢驗(yàn)。其中，ΔSenti與模型2中設(shè)定一致；Index和Bull均為虛擬變量，當(dāng)股票在實(shí)驗(yàn)組中時Index為1，當(dāng)股票處在上漲行情時(提前一期的平均收益率為正)Bull為1；Turnover為提前一期的換手率(周換手率)。

模型5：ΔSenti=β0+β1(Index)+β2(Bull)+β2(Turnover)

(12)

注:*、**和***分別表示在10%、5%和1%水平上顯著，括號內(nèi)為t值

表12列式了模型5的回歸結(jié)果。根據(jù)回歸結(jié)果，Index項(xiàng)的系數(shù)在1%下顯著為正，這表明，相較于對照組，實(shí)驗(yàn)組在事件當(dāng)期投資者情緒的增量更高。根據(jù)前段的敘述，這從另一個層面驗(yàn)證了我們以投資者情緒來解釋股價效應(yīng)的正確性。另外，結(jié)合模型2的結(jié)論，實(shí)驗(yàn)組在事件當(dāng)期更高的投資者情緒增量也解釋了表7中兩組樣本超額收益的差異。

五、 結(jié)論及政策建議

本文通過事件研究法研究了綠色指數(shù)發(fā)布對綠色領(lǐng)先類公司股票價格的影響，并基于投資者情緒視角，對該現(xiàn)象背后的影響機(jī)制做出了分析。文章研究發(fā)現(xiàn)：第一，綠色指數(shù)發(fā)布事件已頗具影響力，綠色指數(shù)發(fā)揮作用的前提條件已基本滿足。同時，綠色指數(shù)發(fā)布存在正股價效應(yīng)，即在指數(shù)發(fā)布后，樣本公司的累計(jì)平均異常收益率總體上顯著為正，多數(shù)樣本公司在短期內(nèi)股價上升明顯，市場對于綠色指數(shù)發(fā)布的反應(yīng)較為強(qiáng)烈;第二，綠色指數(shù)發(fā)布所引發(fā)的股價效應(yīng)不具備長期性，樣本公司在短期內(nèi)獲得的超額收益會在事件發(fā)生兩周左右之后回落消失;第三，綠色指數(shù)發(fā)布后，以百度搜索指數(shù)度量的投資者情緒明顯提高，并且這種投資者情緒的增量可以顯著解釋事件日后的超額收益。當(dāng)期投資者對某只股票的情緒越樂觀，該股票所獲得的累計(jì)異常收益越高，基于投資者情緒視角對股價效應(yīng)的解釋成立。

針對以上結(jié)論，本文提出如下政策建議。首先，對于綠色行業(yè)公司、尤其是對于其中那些在規(guī)模和成長性上處于劣勢的公司而言，其在事件發(fā)生后獲得了更高的超額收益，因而更要以此為契機(jī)，努力實(shí)現(xiàn)彎道超車。其在公司主頁上可以通過強(qiáng)化環(huán)保信息披露、透明化生產(chǎn)流程等方式打造 “綠色”名片，從而將投資者發(fā)展成為公司的長期價值投資者。其次，樣本公司在短期出現(xiàn)的顯著的異常收益率表明，市場對于綠色指數(shù)發(fā)布的反應(yīng)是過度的，當(dāng)前市場上存在著一定的非理性投機(jī)現(xiàn)象。而對于綠色行業(yè)而言，其真正需要吸引的是長期價值投資者、并非短期投機(jī)者，則這提醒監(jiān)管層要加強(qiáng)綠色投資理念的培養(yǎng)。一方面，考慮到目前市場上的綠色指數(shù)種類繁多、普通投資者難以準(zhǔn)確把握有效信息，監(jiān)管層可以通過建立上市公司環(huán)境檔案、構(gòu)建綠色信息投資指引等，幫助投資者甄別把握真正值得關(guān)注的綠色信息；另一方面，也有必要鼓勵機(jī)構(gòu)投資者牽頭建立綠色投資網(wǎng)絡(luò)，通過這些機(jī)構(gòu)的示范效應(yīng)引導(dǎo)更廣大投資者向綠色價值投資者轉(zhuǎn)變。