梁琪，劉笑瑜，田靜

基金項目： 國家社會科學基金青年項目（17CJY057）、國家自然科學基金青年項目（71703111）

作者簡介： 梁 琪（1972—），男，陜西蒲城人，博士，長江學者，南開大學經(jīng)濟學院財金研究所、中國特色社會主義經(jīng)濟建設協(xié)同創(chuàng)新中心教授，博士生導師，研究方向：風險管理、金融發(fā)展。

摘 要：基于中文媒體構建的中國經(jīng)濟政策不確定性指數(shù)，研究經(jīng)濟政策不確定性對股價崩盤風險的影響效果和機制。結果顯示：經(jīng)濟政策不確定性的提高會顯著加劇股價崩盤風險，這表明經(jīng)濟政策不確定性是崩盤風險的誘因之一。通過對影響機制檢驗發(fā)現(xiàn)，經(jīng)濟政策不確定性對股價崩盤風險的正向作用，隨著投資者意見分歧的增加而加強。在宏觀經(jīng)濟良好時期，非國有股權和規(guī)模較大的企業(yè)，經(jīng)濟政策不確定性并未明顯加劇股價崩盤風險，甚至起到了緩解股價崩盤風險的作用。

關鍵詞： 經(jīng)濟政策不確定性;投資者意見分歧;股價崩盤風險

中圖分類號：F830 文獻標識碼： A 文章編號：1003-7217（2020）03-0046-10

一、引 言

中國股票市場在過去近30年中發(fā)生了多次暴漲暴跌，崩盤現(xiàn)象的頻繁發(fā)生對金融安全和金融穩(wěn)定造成了極大威脅。究其原因，一方面，中國股票市場發(fā)展時間較短、制度設計不完善、非理性因素占比過高等市場內在因素為崩盤風險的爆發(fā)提供了空間;另一方面，由于中國仍處于經(jīng)濟高速發(fā)展階段，宏觀經(jīng)濟結構調整、經(jīng)濟周期、經(jīng)濟政策不確定性等外部因素對股票市場具有明顯的影響作用。對于有“政策市”特征的中國股票市場而言，政策更迭往往被人為賦予不同的意義，這為股票市場帶來了經(jīng)濟政策不確定性問題。經(jīng)濟政策不確定性往往會引起金融市場價格隨之波動，而且這種聯(lián)動關系會隨著經(jīng)濟政策不確定性的升高而明顯加強[1]，如果經(jīng)濟政策的更迭嚴重偏離投資者預期，則有可能引發(fā)金融市場的極端風險。

眾所周知的是，中國股市因政策更迭而出現(xiàn)短期波動的現(xiàn)象頻繁發(fā)生。以往的研究認為，經(jīng)濟政策不確定性可能帶來三個方面的后果：一是影響宏觀經(jīng)濟的發(fā)展。有研究認為中國經(jīng)濟成功的部分原因可歸結于政府頻繁地更迭相關政策，因為當經(jīng)濟衰退時，政府能夠根據(jù)市場情況及時調整頒布與之相應的政策，有助于加速實體經(jīng)濟復蘇[2-4]。也有學者認為，經(jīng)濟政策不確定性會導致消費和投資大幅下滑，進而加劇經(jīng)濟衰退[5， 6]。二是導致企業(yè)行為失范。經(jīng)濟政策不確定性提升了企業(yè)資金成本，降低了資本邊際收益，抑制了企業(yè)投融資行為[7， 8];而且較高的不確定性增加了對公司內部人監(jiān)督的難度，為內部人通過增加無效率投資侵害企業(yè)價值提供了外部條件[9]。三是加劇股票市場波動水平。早期對于經(jīng)濟政策不確定性和股價波動的研究往往認為，股價波動本身即反映了企業(yè)所面臨的不確定性，因此，學者一般將股價波動率作為企業(yè)面臨不確定性的代理變量，并對企業(yè)的投資等行為開展研究[10-14]。這些研究認為，不確定性是促使股價波動率升高的原因，為應對外部不確定性，企業(yè)會謹慎選擇投資，尤其是不可逆投資水平會顯著下降。相對于不確定性這一寬泛概念，近年來學者將研究視角聚焦于經(jīng)濟政策不確定性，并將股價波動這一因素從不確定性中剝離出來，認為經(jīng)濟政策不確定性顯著提高了股票市場的風險特征，加劇了股票收益間的相關性和波動水平，這為極端風險的爆發(fā)提供了可能[1]。后續(xù)的研究陸續(xù)驗證了這一觀點：Boutchkova等的研究認為，對于出口導向型、對合約執(zhí)行環(huán)境依賴性更強和勞動密集型企業(yè)而言，其對政策變動更為敏感，較高的經(jīng)濟政策不確定性會加大企業(yè)股票收益波動[15];Brogaard和Detzel通過比較不同國家之間的經(jīng)濟政策不確定性程度后發(fā)現(xiàn)，經(jīng)濟政策不確定性在使得市場收益率下降的同時加劇了股價波動[16];Baker等構建的經(jīng)濟政策不確定性指數(shù)（EPU）同樣發(fā)現(xiàn)，經(jīng)濟政策不確定性會加劇股價波動[17]。至此，股價波動作為一個重要的研究視角，成為經(jīng)濟政策不確定性研究的重點之一。

從中國的經(jīng)驗來看，在2008年經(jīng)濟危機期間，政府一系列強有力的刺激政策有效應對了負面國際沖擊。如果說在宏觀經(jīng)濟較好期間，頻繁變動的政策較為符合投資者預期，投資者甚至期待利好的新政策盡快出臺，那么，在惡劣的外部經(jīng)濟環(huán)境下，頻繁的政策更迭能否同樣起到穩(wěn)定市場情緒、促進資本市場發(fā)展的目的;此時，經(jīng)濟政策不確定性是否會提高投資者對政策信息解讀的難度，令其做出與政策意圖相悖的判斷，進而加劇投資者的意見分歧;我國股票市場具有較強的賣空約束，具有意見分歧的投資者無法及時將私有信息融入股價中，是否會加劇股價崩盤風險。厘清這些問題，有助于我們明確經(jīng)濟政策不確定性和股票價格崩盤風險之間的關系，在一定程度上為政策制定者提供適當?shù)膮⒖肌?/p>

回顧以往的相關研究可以發(fā)現(xiàn)，現(xiàn)有對于經(jīng)濟政策不確定性的研究多為探討經(jīng)濟政策不確定性對企業(yè)行為、股票收益和波動率的影響，少有討論經(jīng)濟政策不確定性和股票市場風險的關系。另外，在討論經(jīng)濟政策不確定性時，已有研究多采用官員更替或使用Baker等提出的經(jīng)濟政策不確定性指數(shù)來測度經(jīng)濟政策不確定性。Baker等制定的中國經(jīng)濟政策不確定性僅使用英文版本的《南華早報》作為文本分析對象，通過提取關鍵字制定不確定性指數(shù)，僅僅采用一家英文報紙作為樣本，可能使得其測度的中國經(jīng)濟政策不確定性的準確性略有不足。

鑒于此，本文以經(jīng)濟政策不確定性和股價崩盤風險為考察對象，采用Huang和Luk構建的EPU指數(shù)作為中國經(jīng)濟政策不確定性的代理變量，他們借鑒Baker等的方法，基于十家權威的中國大陸中文媒體構建更符合中國實際的經(jīng)濟政策不確定性指數(shù)，以有效避免選擇偏誤[18]，討論經(jīng)濟政策不確定性對股價崩盤風險的影響機制，即經(jīng)濟政策不確定性是否加劇了投資者意見分歧，存在意見分岐的投資者在賣空約束的市場中能否及時反映私有信息，最終加劇崩盤風險;進而檢驗在宏觀經(jīng)濟較好時期和在非國有股權、規(guī)模較大企業(yè)中，經(jīng)濟政策不確定性對股價崩盤風險的正向影響作用。

首先，通過估計回歸模型（1）計算股票在一季度內的周特質收益率。

ri，j=β0+β1rm，j-2+β2rm，j-1+β3rm，j+β4rm，j+1+

β5rm，j+2+εi，j （1）

其中，ri，j為股票i在第j周的收益率，rm，j為第j周的流通市值加權平均市場收益率。則利用回歸得到的殘差項可計算出股票i在第j周的特質收益率為：Wi，j=ln （1+εi，j）?；谥芄善碧刭|收益率，可以計算得到負偏度系數(shù)（Ncskew）和上下波動比率（Duvol）：

Ncskewi，t=-n（n-1）3/2∑W3i，j（n-1）（n-2）（∑W2i，j）3/2 （2）

Duvoli，t=ln （nu-1）∑downW2i，j（nd-1）∑upW2i，j（3）

式（2）中，n為股票i在第t季度中的交易周數(shù)，Ncskewi，t為股票i在第t季度的負偏度系數(shù)。式（3）中，nu、nd分別表示一季度中周股票特質收益率高于、低于周特質收益率季度均值的周數(shù)。Duvoli，t為股票i在第t季度的上下波動比率。

3.意見分歧。以往研究認為，投資者意見分歧較大時，交易量往往也比較高[34，35，38]，因此，最常用的是將換手率或交易量作為意見分歧代理變量[39-41]。本文借鑒已有文獻的做法，使用差額換手率（Dturn）來測度投資者意見分歧[42]，即本季度的個股換手率均值與上季度個股換手率均值之差。

4.其他變量。控制變量的選取參考相關研究關于崩盤風險研究常用的做法[19， 23， 43-45]，具體定義如表1所示。

（二）模型設定

以Ncskew和Duvol崩盤風險指標作為被解釋變量，Epu_Huang作為解釋變量建立假設1的估計模型，具體如式（4）（5）所示。為了保證模型估計結果準確，結合已有文獻的做法，控制了股票特質收益率（Ret）、股票特質收益波動（Sigma）、每股收益（Eps）、資產(chǎn)負債率（Lev）、企業(yè)規(guī)模（Size）、資產(chǎn)報酬率（Roa）、市值賬面比（Mb）、機構投資者持股比例（Ins）、信息不透明度（Accm）等變量，以盡量避免遺漏變量導致估計結果出現(xiàn)偏差。另外，還控制了年份和行業(yè)固定效應以保證結論的穩(wěn)健性。

Ncskewi，t=β0+β1Epu_Huangi，t+

β2Controlsi，t+Yr+Ind+εi，t （4）

Duvoli，t=β0+β1Epu_Huangi，t+

β2Controlsi，t+Yr+Ind+εi，t （5）

為驗證經(jīng)濟政策不確定性影響股價崩盤風險的意見分歧機制，通過式（6）（7）驗證假設2。

Ncskewi，t=β0+β1Epu_Huangi，t+

β2Dturni，t+β3Epu_Huangi，tDturni，t+

β4Controlsi，t+Yr+Ind+εi，t （6）

Duvoli，t=β0+β1Epu_Huangi，t+

β2Dturni，t+β3Epu_Huangi，tDturni，t+

β4Controlsi，t+Yr+Ind+εi，t （7）

（三）樣本選擇與數(shù)據(jù)來源

以季度為樣本頻率，選取2008年第1季度至2019年第3季度A股所有上市公司為研究樣本。計算崩盤風險所用個股交易數(shù)據(jù)及控制變量均來自CSMAR數(shù)據(jù)庫，經(jīng)濟政策不確定性數(shù)據(jù)從Huang和Luk提供的網(wǎng)站下載②。并作以下處理：（1）根據(jù)證監(jiān)會行業(yè)劃分標準剔除掉金融業(yè)和房地產(chǎn)業(yè)股票。（2）刪除ST、*ST及其他非正常交易狀態(tài)的股票。（3）在計算崩盤風險時，將數(shù)據(jù)不足6周的樣本剔除③

。（4）剔除上市不滿1年的樣本。（5）為避免極端值對實證結果的影響，對所有的連續(xù)性變量在1%和99%水平上進行縮尾處理。最終的樣本包括A股中2942只股票，共53378個企業(yè)—季度數(shù)據(jù)。

四、實證結果

（一）描述性統(tǒng)計

對涉及到的主要變量進行描述性統(tǒng)計，結果如表2所示。季度股價崩盤風險指標Ncskew和Duvol均值分別為-0.534和-0.420，標準差分別為0.629和0.431，表明兩個指標在樣本公司之間存在明顯差異。其他指標的分布均在合理范圍之內。

（二）經(jīng)濟政策不確定性和股價崩盤風險

表3列示了經(jīng)濟政策不確定性對股價崩盤風險的回歸結果，所有回歸均控制了年度和行業(yè)效應，并在公司層面上進行了聚類處理。列（1）（2）是因變量為Ncskewi，t時的回歸結果，列（3）（4）是以Duvoli，t衡量崩盤風險時的回歸結果?？梢钥闯?，雖然列（1）Epu_Huangi，t的回歸系數(shù)不顯著，但系數(shù)為正，且在加入控制變量后這一系數(shù)在5%統(tǒng)計水平下顯著。當Duvoli，t作為被解釋變量時，Epu_Huangi，t均在1%水平下顯著為正。另外，比較加入控制變量前后可以看出，相較未加入控制變量時，控制其他干擾因素后的經(jīng)濟政策不確定性系數(shù)數(shù)值更大，顯著性顯著提高。研究結論初步驗證了假設1，表明經(jīng)濟政策不確定性會加劇股價崩盤風險。

（三）經(jīng)濟政策不確定性、意見分歧與股價崩盤風險

表4檢驗了經(jīng)濟政策不確定性、意見分歧與股價崩盤風險之間的作用關系，所有回歸均控制了年度和行業(yè)效應，并在公司層面上進行了聚類處理。列（1）為Ncskewi，t作為崩盤風險變量時，未加入控制變量的回歸結果：Epu_Huangi，t的系數(shù)為0.047，并在1%統(tǒng)計水平下顯著，說明經(jīng)濟政策不確定性

加劇了股價崩盤風險;Dturni，t的系數(shù)為0.226，并在1%水平下顯著;交乘項Epu_Huangi，t×Dturni，t的系數(shù)為0.161，且在1%水平下顯著，表示投資者意見分歧對股價崩盤風險的影響與經(jīng)濟政策不確定性同向變化;經(jīng)濟政策不確定性上升1單位，則股價崩盤風險上升0.047單位的同時，還會因意見分歧的加劇而上升0.161單位，經(jīng)濟政策不確定性對崩盤風險的加劇作用因投資者意見分歧增大而上升。列（2）是在加入控制變量情況下的回歸結果：Epu_Huangi，t和Dturni，t的系數(shù)均在1%水平下顯著為正;Epu_Huangi，t×Dturni，t的系數(shù)為0.160，且在1%水平下顯著。從回歸系數(shù)看，加入控制變量后，經(jīng)濟政策不確定性對崩盤風險的影響上升到0.062，投資者意見分歧對經(jīng)濟政策不確定性刺激崩盤風險的作用為0.160，變化不大;整體來看，仍然反映出投資者意見分歧是經(jīng)濟政策不確定性刺激崩盤風險的正向機制。列（3）（4）分別為采用Duvoli，t衡量崩盤風險時的回歸結果，檢驗結果與Ncskewi，t作為崩盤風險變量時一致。從實證結果可知，經(jīng)濟政策不確定性的系數(shù)顯著為正，交乘項的系數(shù)同樣顯著為正，說明當投資者意見分歧越高時，經(jīng)濟政策不確定性和股價崩盤風險的正向作用更為顯著，支持假設2?？梢?，經(jīng)濟政策不確定性確實提高了處理政策信息的難度，使得投資者無法產(chǎn)生一致的預期進而產(chǎn)生意見分歧，最終在具有賣空限制的市場中加劇了崩盤風險。

（四）穩(wěn)健性檢驗

1.內生性問題。企業(yè)為了降低其所面臨的政策性成本，在面臨經(jīng)濟政策不確定性時，通過減少信息披露或降低信息披露質量等手段導致公司不透明[28]，投資者在缺乏足夠基本面信息的情況下，無法形成統(tǒng)一的基本面預期，進而加劇意見分歧，因此，投資者意見分歧可能受公司不透明度影響。為次，借鑒已有研究，使用修正的Jones模型計算可操縱性應計利潤的絕對值作為公司不透明度的代理變量。首先，檢驗意見分歧是否為公司不透明度的產(chǎn)物，如果這一假設成立，則公司不透明度對意見分歧應該具有預測作用。表5中列（1）（2）檢驗結果顯示，Accmi，t的系數(shù)都不顯著，說明意見分歧不是公司不透明度的產(chǎn)物。進一步，考慮公司不透明度對假設2的影響，表5中列（3）～（6）表明，在控制了公司不透明度后，Epu_Huangi，t、Dturni，t和交乘項Epu_Huangi，t×Dturni，t的系數(shù)均在1%水平下顯著為正，假設2仍然成立。

2.更換被解釋變量。借鑒已有研究[19， 23]，采用二元崩盤風險測度指標Crashi，t作為替代指標檢驗假設1和假設2（結果見表6）。其中，列（1）～（4）的解釋變量系數(shù)均在1%水平下顯著為正，從而兩個假設仍然成立。

3.更換解釋變量。借鑒Huang和Luk的做法，利用Baker等計算的中國財政政策（Fiscal）、貨幣政策（Monetary）和貿易政策（Trade）作為經(jīng)濟政策不確定性的替代變量，檢驗主模型的穩(wěn)健性。結果顯示④，在以Ncskewi，t和Duvoli，t作為崩盤風險指標時，各個政策不確定性指標系數(shù)基本顯著為正，支持了本文的基本結論。

五、進一步研究

（一）宏觀經(jīng)濟走勢

經(jīng)濟政策不確定性會通過投資者意見分歧的作用機制傳導至股價崩盤風險中，且經(jīng)濟政策不確定性越大，崩盤風險越高。而經(jīng)濟政策與宏觀經(jīng)濟往往密不可分。宏觀經(jīng)濟在經(jīng)濟政策的指導下表現(xiàn)得更為穩(wěn)健，這是因為經(jīng)濟政策的頻繁調整反映了政策制定者對外部宏觀經(jīng)濟信息的及時反饋，積極的經(jīng)濟政策調整行為起到了熨平經(jīng)濟周期、調整經(jīng)濟結構的積極作用。相反，經(jīng)濟政策的頻繁變動也會加劇不確定性，使信息接受者的信息處理成本升高，信息處理的效率降低，并使企業(yè)因此調整自身的決策行為以應對政策成本。

關于經(jīng)濟政策不確定性對宏觀經(jīng)濟的影響研究，有學者認為經(jīng)濟政策不確定性會導致消費和投資大幅下滑、通漲率上升[5， 6， 11]，并使得經(jīng)濟產(chǎn)出遭到嚴重削弱[46];也有學者認為，由政府政策干預引發(fā)的經(jīng)濟政策不確定性能夠起到促進實體經(jīng)濟復蘇的作用[2， 3]。在宏觀經(jīng)濟走勢良好時，投資者往往看好經(jīng)濟發(fā)展前景，對經(jīng)濟政策也表現(xiàn)出更強的信任，甚至期待政府制定有利于市場的政策，經(jīng)濟政策不確定性觸發(fā)崩盤風險的可能性相對較小，甚至能夠降低崩盤風險的發(fā)生。而在宏觀經(jīng)濟表現(xiàn)較差時，較高的經(jīng)濟政策不確定性會加劇企業(yè)面臨的政策成本[28]。我國地方官員的頻繁變動也是引發(fā)政策不確定性的重要因素。這背后的邏輯是，當企業(yè)如實報告真實利潤時，更可能被政府觀察到，更可能吸引公眾的注意力，過高的公眾關注反過來又可能導致較高的稅收和有成本的政府監(jiān)管[48]。出于規(guī)避成本的考慮，企業(yè)往往進行盈余管理，這為管理層掩蓋壞消息提供了空間，進而加劇了股價崩盤風險發(fā)生的可能性。

可見，當宏觀經(jīng)濟表現(xiàn)較好時，經(jīng)濟政策不確定性對股價崩盤風險的正向作用較弱，甚至會降低股價崩盤風險;當宏觀經(jīng)濟表現(xiàn)較差時，則相反。為此，使用GDP的自然對數(shù)作為宏觀經(jīng)濟表現(xiàn)的代理變量，并根據(jù)GDP的均值將樣本分為宏觀經(jīng)濟良好和宏觀經(jīng)濟較差兩組進行回歸分析，結果顯示④，對于兩個股價崩盤風險的代理變量，在宏觀經(jīng)濟良好時，Epu_Huangi，t的系數(shù)均在1%水平上顯著為負，說明在宏觀經(jīng)濟較好時，經(jīng)濟政策不確定性降低了股價崩盤風險;在宏觀經(jīng)濟較差時，Epu_Huangi，t的系數(shù)均在1%水平上顯著為正，說明在宏觀經(jīng)濟較差時，經(jīng)濟政策不確定性加劇了股價崩盤風險。

（二）股權性質

我國是以公有制為主體，多種所有制共存的社會主義市場經(jīng)濟體制。相對于非國有企業(yè)，國有企業(yè)并不以盈利為主要目的，其首要目的是完成國家使命和政策任務，從這一角度看，國有企業(yè)的運營對于政策變動更為敏感。因此，國有企業(yè)受經(jīng)濟政策不確定性的影響更大，經(jīng)濟后果更為顯著。

對于國有控股公司，較小的融資約束使得它在需要資金時，能夠以較低的成本籌集所需資金;而較高的經(jīng)濟政策不確定性，可能為自利的管理層從中追逐私人收益提供外部條件[9]。由于政府官員或政府委派的高管對政治利益的追逐，使得他們有動機通過增加無效率的投資擴大公司規(guī)模，增加就業(yè)，發(fā)展當?shù)亟?jīng)濟，甚至不惜進行重復建設，造成資源大量浪費[49]。經(jīng)濟政策不確定性為自利的管理層掩蓋此類消息提供了空間，加劇了股價崩盤風險爆發(fā)的可能性。因此，相較于非國有股權企業(yè)，經(jīng)濟政策不確定性加劇國有股權企業(yè)股價崩盤風險的效果更為顯著。

根據(jù)企業(yè)的所有權性質將樣本分為國有股權組和非國有股權組進行回歸分析，結果顯示④，對于兩個股價崩盤風險的代理變量，在國有股權組中，Epu_Huangi，t的系數(shù)分別在5%和1%水平上顯著為正;在非國有股權組中，Epu_Huangi，t的系數(shù)均為負，且在5%和1%統(tǒng)計水平下不顯著。說明相較于非國有股權企業(yè)，經(jīng)濟政策不確定性與股價崩盤風險的正相關在國有股權企業(yè)中更為顯著。

（三）企業(yè)規(guī)模

一般認為，公司治理能夠有效抑制管理層謀取私利的行為。相較于小型企業(yè)，規(guī)模較大的企業(yè)具有更為完善的公司治理結構，管理層機會主義成本相對較高，謀取私利并加以掩蓋的行為更易受到約束。因此，經(jīng)濟政策不確定性對資產(chǎn)規(guī)模較大的企業(yè)股價崩盤風險的正相關作用更為明顯。為此，使用GDP企業(yè)總資產(chǎn)的自然對數(shù)作為企業(yè)規(guī)模的代理變量，并根據(jù)總資產(chǎn)的均值將樣本分為企業(yè)規(guī)模較大和企業(yè)規(guī)模較小兩組進行回歸分析，結果顯示④，對于兩個股價崩盤風險的代理變量，在企業(yè)規(guī)模較大的樣本中，Epu_Huangi，t的系數(shù)分別為-0.162和-0.107，且均在1%水平上顯著為負;在企業(yè)規(guī)模較小的樣本中，Epu_Huangi，t的系數(shù)均顯著為正。說明相對于規(guī)模較大的企業(yè)，經(jīng)濟政策不確定性與股價崩盤風險的正相關關系在規(guī)模較小的企業(yè)中更為顯著。

六、結論與政策建議

一直以來，中國股票市場“政策市”的特征被投資者廣為詬病。管理層頻繁出臺政策的初衷是希望以市場上快速更新的信息為據(jù)進而推出更合時宜的相關政策，以期起到穩(wěn)定市場情緒、熨平異常波動、盡量降低市場內非理性因素等作用。然而，頻繁的經(jīng)濟政策出臺在促進股市健康發(fā)展的同時，也加劇了經(jīng)濟政策不確定性，提升了政策信息復雜度，增加了投資者對政策信息判斷的難度，加劇了投資者之間的意見分歧，并降低資產(chǎn)定價的效率。這不僅違背了當初的政策意圖，還有可能助長股票市場極端風險的爆發(fā)。以上研究顯示：（1）經(jīng)濟政策不確定性的提高加劇了股價崩盤風險。在考慮了內生性問題、替換被解釋變量和解釋變量后，這一結論仍然穩(wěn)健。（2）通過對影響機制的分析發(fā)現(xiàn)，投資者意見分歧越高，經(jīng)濟政策不確定性加劇股價崩盤風險的作用越顯著。（3）對影響機制進一步的研究發(fā)現(xiàn)，在宏觀經(jīng)濟較差時，經(jīng)濟政策不確定性對股價崩盤風險的正向作用更為顯著，而在宏觀經(jīng)濟較好時期，經(jīng)濟政策不確定性并未顯著加劇，甚至削弱了股價崩盤風險。另外，在非國有股權和規(guī)模較大的企業(yè)中，經(jīng)濟政策不確定性并未明顯加劇股價崩盤風險，甚至起到了緩解股價崩盤風險的作用。

可見，經(jīng)濟政策頻繁出臺在及時釋放經(jīng)濟政策信息和管理層意圖的同時，加劇了投資者意見分歧，推高股市極端風險爆發(fā)的可能性。即經(jīng)濟政策更迭所帶來的經(jīng)濟政策不確定性惡化了市場環(huán)境，加劇了股價崩盤風險。為此，監(jiān)管層可考慮在一定程度上降低經(jīng)濟政策更迭的頻率，轉而通過加強股票市場制度建設、積極推進賣空機制的實施、為各類投資者提供更為豐富的避險工具等手段來實現(xiàn)穩(wěn)定市場的政策目的。同時，通過完善交易商競爭機制以提高定價效率，減少因信息不對稱導致的投資者意見分歧，從而為實現(xiàn)股票市場平穩(wěn)有序發(fā)展、進一步實現(xiàn)金融開放打下牢固的基礎。

注釋：

① 這十家媒體分別是《北京青年報》《廣州日報》《解放日報》《人民日報（海外版）》《新聞晨報》《南方都市報》《新京報》《今日晚報》《文匯報》《羊城晚報》。Huang和Luk選取這十家媒體的原因有兩個，一是數(shù)據(jù)最全面，二是這十家媒體覆蓋了中國大陸主要大型城市。

② 該指數(shù)由Huang和Luk定期在https：//economicpolicyuncertaintyinchina.weebly.com/進行更新并提供下載，本文所用的經(jīng)濟政策不確定性指數(shù)均來自該網(wǎng)站。

③ 本文所計算的季度崩盤風險需12周的個股收益數(shù)據(jù)，依據(jù)已有研究慣例，將樣本缺失超過一半的數(shù)據(jù)剔除。

④ 因受篇幅限制，具體結果未作列示，若有興趣者，可與作者聯(lián)系。

參考文獻：

[1] Pástor L， Veronesi P. Uncertainty about government policy and stock prices[J]. The Journal of Finance. 2012， 67（4）： 1219-1264.

[2] Bergoeing R， Kehoe P J， Kehoe T J， et al. A decade lost and found： mexico and chile in the 1980s[J]. Review of Economic Dynamics. 2002， 5（1）： 166-205.

[3] Kobayashi K. Forbearance impedes confidence recovery[J]. Journal of Macroeconomics. 2007， 29（1）： 178-188.

[4] Gehlbach S， Keefer P. Investment without democracy： ruling-party institutionalization and credible commitment in autocracies[J]. Journal of Comparative Economics. 2011， 39（2）： 123-139.

[5] Gomes F J， Kotlikoff L J， Viceira L M. The excess burden of government indecision[J]. Tax Policy and the Economy. 2012， 26（1）： 125-164.

[6] Leeper E M， Walker T B， Yang S S. Government investment and fiscal stimulus[J]. Journal of Monetary Economics. 2010， 57（8）： 1000-1012.

[7] Julio B， Yook Y. Political uncertainty and corporate investment cycles[J]. The Journal of Finance. 2012， 67（1）： 45-83.

[8] 饒品貴，岳衡，姜國華. 經(jīng)濟政策不確定性與企業(yè)投資行為研究[J]. 世界經(jīng)濟. 2017， 40（2）： 27-51.

[9] 申慧慧，于鵬，吳聯(lián)生. 國有股權、環(huán)境不確定性與投資效率[J]. 經(jīng)濟研究. 2012， 47（7）： 113-126.

[10]Baum C F， Caglayan M， Talavera O. Uncertainty determinants of firm investment[J]. Economics Letters. 2008， 98（3）： 282-287.

[11]Bloom N. The impact of uncertainty shocks[J]. Econometrica. 2009， 77（3）： 623-685.

[12]Bloom N， Bond S， Van Reenen J. Uncertainty and investment dynamics[J]. The Review of Economic Studies. 2007， 74（2）： 391-415.

[13]Leahy J V， Whited T M. The effect of uncertainty on investment： some stylized facts[J]. Journal of Money， Credit and Banking. 1996， 28（1）： 64-83.

[14]Panousi V， Papanikolaou D. Investment， idiosyncratic risk， and ownership[J]. The Journal of Finance. 2012， 67（3）： 1113-1148.

[15]Boutchkova M， Doshi H， Durnev A， et al. Precarious politics and return volatility[J]. The Review of Financial Studies. 2012， 25（4）： 1111-1154.

[16]Brogaard J， Detzel A. The asset-pricing implications of government economic policy uncertainty[J]. Management Science. 2015， 61（1）： 3-18.

[17]Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics. 2016， 131（4）： 1593-1636.

[18]Huang Y， Luk P. Measuring economic policy uncertainty in China[J]. China Economic Review. 2020， 59： 101367.

[19]Bekaert G， Wu G. Asymmetric volatility and risk in equity markets[J]. The Review of Financial Studies. 2000， 13（1）： 1-42.

[20]French K R， Schwert G W， Stambaugh R F. Expected stock returns and volatility[J]. Journal of Financial Economics. 1987， 19（1）： 3-29.

[21]Chen J， Hong H， Stein J C. Forecasting crashes： trading volume， past returns， and conditional skewness in stock prices[J]. Journal of Financial Economics. 2001， 61（3）： 345-381.

[22]Hutton A P， Marcus A J， Tehranian H. Opaque financial reports， r2， and crash risk[J]. Journal of Financial Economics. 2009， 94（1）： 67-86.

[23]Jin L， Myers S. R2 around the world：new theory and new tests[J]. Journal of Financial Economics. 2006， 79（2）： 257-292.

[24]Ball R. Market and political/regulatory perspectives on the recent accounting scandals[J]. Journal of Accounting Research. 2009， 47（2）： 277-323.

[25]Basu S. The conservatism principle and the asymmetric timeliness of earnings[J]. Journal of Accounting and Economics. 1997， 24（1）： 3-37.

[26]Kim J， Li Y， Zhang L. Cfos versus ceos： equity incentives and crashes[J]. Journal of Financial Economics. 2011， 101（3）： 713-730.

[27]Kothari S P， Shu S， Wysocki P D. Do managers withhold bad news？[J]. Journal of Accounting Research. 2009， 47（1）： 241-276.

[28]潘越，戴亦一，林超群. 信息不透明、分析師關注與個股暴跌風險[J]. 金融研究. 2011（9）： 138-151.

[29]Black F. Studies of stock price volatility changes[Z]. Washington DC： American Statistical Association， 1976：177-181.

[30]Christie A A. The stochastic behavior of common stock variances： Value， leverage and interest rate effects[J]. Journal of financial Economics. 1982， 10（4）： 407-432.

[31]Pindyck R S. Risk， inflation， and the stock market[J]. American Economic Review. 1984， 74（3）： 335-351.

[32]Campbell J Y， Hentschel L. No news is good news： an asymmetric model of changing volatility in stock returns[J]. Journal of Financial Economics. 1992， 31（3）： 281-318.

[33]Blanchard O J， Watson M W. Bubbles， rational expectations and financial markets[J]. National Bureau of Economic Research Working Paper Series. 1982： 945.

[34]Romer D. Rational asset-price movements without news[J]. American Economic Review. 1993， 83（5）： 1112-1130.

[35]Hong H， Stein J C. Differences of opinion， short-sales constraints， and market crashes[J]. the Review of Financial Studies. 2003， 16（2）： 487-525.

[36]Jones P M， Olson E. The time-varying correlation between uncertainty， output， and inflation： evidence from a dcc-garch model[J]. Economics Letters. 2013， 118（1）： 33-37.

[37]Scheffel E M. Accounting for the political uncertainty factor[J]. Journal of Applied Econometrics. 2016， 31（6）： 1048-1064.

[38]Chen G， Firth M， Rui O. Have China's enterprise reforms led to improved efficiency and profitability？[J]. Emerging Markets Review. 2006， 7（1）： 82-109.

[39]Shleifer A. State versus private ownership[J]. Journal of Economic Perspectives. 1998， 12（4）： 133-150.

[40]林毅夫. 新結構經(jīng)濟學——重構發(fā)展經(jīng)濟學的框架[J]. 經(jīng)濟學（季刊）. 2010， 10（1）： 1-32.

[41]Liu L X， Shu H， Wei K C J. The impacts of political uncertainty on asset prices： evidence from the bo scandal in China[J]. Journal of Financial Economics. 2017， 125（2）： 286-310.

[60]丁慧，呂長江，陳運佳. 投資者信息能力：意見分歧與股價崩盤風險——來自社交媒體“上證e互動”的證據(jù)[J]. 管理世界. 2018， 34（9）： 161-171.

[61]陳德球，陳運森. 政策不確定性與上市公司盈余管理[J]. 經(jīng)濟研究. 2018， 53（6）： 97-111.

[62]陳德球，陳運森，董志勇. 政策不確定性、稅收征管強度與企業(yè)稅收規(guī)避[J]. 管理世界. 2016（5）： 151-163.

[63]周黎安. 晉升博弈中政府官員的激勵與合作——兼論我國地方保護主義和重復建設問題長期存在的原因[J]. 經(jīng)濟研究. 2004（6）： 33-40.

（責任編輯：寧曉青）

Economic Policy Uncertainty， Divergence of Opinion and Stock Price Crash Risk

LIANG Qi，LIU Xiaoyu，TIAN Jing

（School of Economics， Nankai University， Tianjin 300071 China）

Abstract：This paper uses China economic policy uncertainty index based on Chinese media to study the effects and transmission mechanisms of policy uncertainty on stock price crash risk. The research results show that the increase of economic policy uncertainty can significantly increase the risk of stock price crash risk， which indicates that economic policy uncertainty is one of the incentives for the crash risk. Through the examination of the transmission mechanism， it is found that the positive effect of economic policy uncertainty on the stock price crash risk strengthens with the increase of investors' opinions divergence. In a period of good macroeconomics， non-state-owned equity and large-scale enterprises， the economic policy uncertainty mitigates， rather than aggravates， the stock price crash risk.

Key words：economic policy uncertainty; divergence of opinion; stock price crash risk