• 研究数据与经济不确定性指数介绍 [page::0][page::1]

- 样本涵盖1972年7月至2014年12月的NYSE、Amex和Nasdaq普通股，剔除极端股价数量股票。
- 经济不确定性指数取自Jurado、Ludvigson和Ng（2015），通过宏观经济多维度数据的未来不可预测波动率构建，指数包括1个月、3个月及12个月的未来不确定性水平。

• 不确定性β的构建与单因子选股能力 [page::2]

- 使用滚动回归估测股票超额收益对经济不确定性指数的风险暴露，得到每只股票在每月的不确定性β。
- 对股票按不确定性β分为10组，十等分中不确定性β最低组股票表现最优，年化风险调整回报高出最高组约6%。
- 等权和市值加权投资组合中，随不确定性β升高，股票超额收益和α值单调下降，符合经济学上对不确定性厌恶的预期。

- 该结果经四个不同因子模型（包括五因子、七因子模型）验证稳健。

• 股票特征分析与不确定性β的关联 [page::3]

- 通过Fama-MacBeth截面回归，不确定性β高的股票具有高市场β、高偏度、高投资特征和高流动性，倾向成长型大盘股。
- 不确定性β低的股票表现出低波动率、低偏度及低投资特征，偏向价值型小盘股。
- 包含所有控制变量后，流动性（ILLIQ）、共偏度（COSKEW）和投资率（I/A）与不确定性β保持显著相关。
| 因子 | 关系方向 | 统计显著性(t值) |
|------|----------|-----------------|
| ILLIQ | 负相关 | -3.81/-3.58 |
| COSKEW | 正相关 | 5.43/5.25 |
| I/A | 负相关 | -4.72/-4.50 |

• 多因子控制下的不确定性β预测能力（二变量分析） [page::4]

- 在控制了市场β及其他常见风险因子（规模、账面价值、动量、流动性等）后，仍然显著发现高低不确定性β组合间存在负收益差，七因子α差值区间在-0.30%到-0.46%之间。

- 进一步通过Fama-MacBeth截面回归验证，控制所有变量后不确定性β系数依然负且显著（t值-2.52），卖空高不确定性β组合买入低不确定性β组合可获得稳定正回报。

• 不确定性溢价的时间序列特征与经济状态关系 [page::5][page::6]

- 不确定性β月度移动平均与芝加哥联储全国经济活动指数（CF-NAI）高度相关，经济衰退期间不确定性β为负且幅度较大。
- 高经济不确定时期（JLN指数中位数以上），不确定性β组合回报差达到-0.70%，远超低不确定时期的-0.33%，体现不确定性溢价的时变性质。

• 不确定性β因子在股票投资组合上的验证 [page::6][page::7]

- 在Kenneth French数据库中的349个股票组合中，同样存在不确定性β与组合回报负相关的现象，且统计显著，确保因子在组合层面的普适性。
- 不确定性β排序的组合里，低β组表现优于高β组，风险调整后收益稳健。

• 文章主要结论总结 [page::7]

- 经济不确定性未来风险被市场定价。
- 不确定性β负相关于未来股票超额收益，厌恶不确定性投资者要求溢价。
- 结果对单个股票与股票组合均有效且稳健。
- 不确定性溢价具有明显的时变特征，在经济衰退和高不确定期更为显著。

• 研报后续工作和展望

- 招商定量团队将基于此框架测试不确定性β在A股市场及基金市场的选股能力。[page::0][page::7]

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？—详尽分析解构

---

1. 元数据与报告概览

• 报告标题：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？

- 作者/团队：招商定量任瞳团队

• 发布机构：招商证券

- 发布日期：2021年6月20日

• 研究主题：探讨经济不确定性指数（Jurado、Ludvigson和Ng (2015) 构建的指标）是否在股票收益的横截面中被定价。重点分析股票对未来经济不确定性的风险暴露（不确定性β）与未来股票收益之间的关系，尝试揭示利用不确定性β进行选股是否能获得超额收益。

报告核心论点总结

该报告基于国外市场数据，通过实证分析发现：

• 投资者表现出对经济不确定性的厌恶，需额外补偿以持有与经济不确定性负相关（负不确定性β）的股票。

- 反之，投资者愿意为那些收益与经济不确定性正相关（正不确定性β）的股票支付溢价。

• 利用不确定性β排序的股票投资组合，显著表现出风险调整后超额回报，年化约为6%。

- 这种不确定性溢价具有时变性，特别在经济衰退与高不确定性时期更为显著。

• 不确定性β因子不仅在单只股票中有预测能力，在股票组合层面同样有效。

- 报告提示该结论目前基于海外市场历史数据，模型在当前及未来市场环境下可能失效，且未来将测试A股市场的适应性。

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。[page::0][page::1][page::2][page::7]

---

2. 逐节深度解读

2.1 引言与文章背景

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。[page::0]

2.2 数据使用

• 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）[page::1]

2.3 不确定性β的计算方法

• 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：

$$
R{i,t} = \alpha{i,t} + \beta^{UNC}{i,t} \cdot UNCt + \sum \beta^{factors}{i,t} \cdot factorst + \varepsilon_{i,t}
$$

其中特别抽取 $\beta^{UNC}$ 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。[page::1]

2.4 主要实证方法与结果

（一）单因子选股能力分析

• 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。

（二）不确定性β股票的特征分析

• 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。

（三）双变量投资组合分析及Fama-MacBeth截面回归

• 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。

（四）不确定性溢价的时间序列变化

• 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。

（五）不确定性β在股票组合上的有效性测试

• 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。

2.5 文章总结

报告系统论证了：

• 经济不确定性指数覆盖范围广泛，反映宏观经济的不可预测波动。

- 股票与该经济不确定性的敏感度（不确定性β）是被市场定价的重要风险因子。

• 负不确定性β股票的表现较差，投资者需额外补偿持有，正不确定性β股票则享有溢价。

- 这种效应在控制其他传统风险因子后依然显著，且在经济衰退和高不确定期更为突出，验证了理论上的不确定性厌恶。

• 不确定性β因子可用于有效的股票选股策略，且在股票组合层面同样成立。

- 未来还将尝试在A股市场及基金市场做相关检验。[page::2][page::3][page::4][page::5][page::6][page::7]

---

3. 图表深度解读

图1：经济不确定性指数

• 三条曲线分别为1个月、3个月和12个月领先经济不确定性指数的走势，呈现明显周期性波动，峰值对应历史上的经济衰退和危机期（如1979、2008年）。

- 图中12个月指数整体高于1个月和3个月指数，反映较长周期的经济不确定性累计效果。

• 本图直观反映了经济不确定性的时变性和波动趋势，为后续股票不确定性β的计算提供宏观环境背景。

图2：按不确定性β排序的单变量投资组合表现

• 表格详细列出十等分组合中，不确定性β的平均值及对应的等权和价值加权的超额收益及多因子调整后α。

- 数值表明从第一组（最低β，负值，风险最高）到第十组（最高β，正值，风险最低），组合超额收益和alpha呈单调下降趋势，最高与最低组差异（High-Low）年化约6%。

• t统计量多为显著，说明结果稳健。

- 这支持了投资者对不确定性拒绝的理论，投资者倾向高价买入与经济不确定性正相关股票，乐意接受较低回报。

• 数据凸显不确定性β作为风险因子的有效性。

图3：股票层面特征与不确定性β的截面关系

• 多个序列回归结果展示了不确定性β与股票特征变量的关系。

- 高不确定性β与高市场β、高共偏度（COSKEW）、投资强度（I/A）、流动性好（ILLIQ低）相关。

• 低不确定性β相关股票呈现出小盘、价值、低投资、低共偏度等特征。

- 说明不确定性β具备捕捉市场风险之外的企业特征信息，辅助定价解释。

图4：双变量组合选股结果

• 分层分析控制市场β后，不确定性β的排序组合依然表现出负相关于预期收益的特征，其他常见因子的控制未能削弱不确定性β的预测能力。

- 表格显示了各因子控制下，不确定性β排名高低组合的七因子α差异，差值有统计显著性。

图5：Fama-MacBeth回归结果

• 系列回归结果在含不含行业效应的多种模型中均展现了不确定性β对未来超额回报的显著负相关（回归系数多为负，t值均大于2的显著水平）。

- 说明经济不确定性风险暴露是独立且稳定的横截面收益预测因子。

图6：不确定性β与CF-NAI指数时间序列比较

• 本图显示了不确定性β斜率系数的3个月移动平均曲线和芝加哥FED全国经济活动指数的3个月移动平均，二者高度同步。

- 表明在经济衰退期（CF-NAI低或负），不确定性β溢价加强，市场对经济不确定性的价格敏感度提高。

• 验证了不确定性溢价的时变性质和经济周期一致性。

图7：股票投资组合层面不确定性β排序表现

• 按1个月、3个月、12个月的不确定性指数估算投资组合β，分组合排序，展示每组超额收益及多因子α。

- 观察到低不确定性β组合回报明显优于高β组合，多数统计指标表现具有显著性。

• 反映不确定性β选股策略在更为宽泛的组合层面依然有效。

---

4. 估值分析

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。

---

5. 风险因素评估

• 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。

---

6. 批判性视角与细微差别

• 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。

---

7. 结论性综合

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。[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]

---

参考文献

• Bali, T., Brown, S., & Tang, Y. (2017). Is Economic Uncertainty Priced in the Cross-Section of Stock Returns? Journal of Financial Economics, 126(3), 471-489.

- Jurado, K., Ludvigson, S., & Ng, S. (2015). Measuring Uncertainty. American Economic Review, 105(3), 1177–1216.

• Fama, E., & French, K. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33(1), 3-56.

---

免责声明

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。

报告