选股因子系列研究（三十五）——宏观经济的不确定性在 A 股市场被定价了吗？

创建于 2025-04-30T14:20:34.714880+08:00 更新于 2025-05-19T18:36:17.158316+08:00

摘要

本文基于中国宏观经济不确定性指数（EPU），构建股票对宏观经济不确定性的beta因子，并验证其在A股市场的定价有效性。结果显示，A股市场中该beta因子与未来收益呈显著正相关，尤其在大市值股票（如沪深300成分股）中该因子的解释力更强，且加入多因子模型后可显著提升组合的风险调整收益率，表现出较好的稳定性和选股能力[page::0][page::4][page::6][page::8][page::11][page::12][page::13]。

速读内容

宏观经济不确定性指数（EPU）由多个英文报刊关键词统计衡量，是反映宏观经济不确定性的重要量化指标。中国的EPU指数基于《南华早报》数据，历史走势与经济风险事件高度相关[page::4]。

美国市场中，EPU敏感度$\beta^{UNE}$与未来收益呈负相关。敏感度最低组股票拥有显著正超额收益。说明宏观经济不确定性在美股市场未完全定价[page::4][page::5]。

| 分组 | 原始收益（等权） | t值 | alpha（等权） | t值 | 原始收益（市值加权） | t值 | alpha（市值加权） | t值 |
|------|-----------------|------|---------------|------|---------------------|------|-------------------|------|
| Low | 1.13% | 3.60 | 0.28% | 2.85 | 0.93% | 2.87 | 0.31% | 1.69 |
| High | 0.62% | 2.06 | -0.28% | -3.38| 0.53% | 1.72 | -0.25% | -2.22|
| High-Low | -0.51% | -3.81| -0.56% | -4.55| -0.40% | -1.93| -0.56% | -2.45|

中国A股构建并验证了股票对EPU的暴露因子$\beta^{EPU}$。EPU指数经过ADF平稳性检验确认是平稳的，$\beta^{EPU}$具备时间序列稳定性（12个月内的自回归系数大于0.7，显著）[page::6]。

| 滞后月份 | 6个月 | 12个月 | 24个月 | 36个月 |
|---------|-------|--------|--------|--------|
| 回归系数 | 0.85 | 0.70 | 0.40 | 0.15 |
| t值 | 78.75 | 44.35 | 18.67 | 7.75 |

单变量EPU因子分组的等权和市值加权收益呈现正相关，且高暴露组收益显著高于低暴露组。例如等权首尾组合收益差0.48%，市值加权差1.09%。这种正相关不同于美股市场的负相关现象[page::6][page::7]。

| 组别 | $\beta^{EPU}$均值 | 等权原始收益 | t值 | 等权FF3-alpha | t值 | 市值原始收益 | t值 | 市值FF3-alpha | t值 |
|------|--------------|-------------|-------|-------------|-------|-------------|-------|-------------|-------|
| Low | -1.40 | 1.17% | 1.06 | -0.77% | -4.64 | 0.11% | 0.12 | -1.16% | -4.88 |
| High | 1.39 | -0.19% | -0.87 | 1.20% | 1.43 | 1.28% | 1.28 | -0.10% | -0.10 |
| High-Low| | 0.48% | 2.01 | 0.58% | 2.56 | 1.09% | 3.01 | 1.15% | 3.54 |

双变量分组控制其他因子（市值、PB、反转等）后，$\beta^{EPU}$依旧表现出显著的择股能力，首尾组合收益差均显著为正，表明其超额收益不被常见因子解释[page::7][page::8]。

| 组别 | 市值 | PB | 反转 | ROE | 换手率 | 特质波动率 |
|-------|------|----|------|-----|--------|------------|
| High-Low(收益差) | 0.38% (1.71) | 0.56% (2.48) | 0.41% (1.74) | 0.38% (1.66) | 0.66% (2.84) | 0.54% (2.27) |

投资效果在大市值股票表现尤为突出。市值与$\beta^{EPU}$双变量分组显示，只有最大市值股票组内两者呈显著正相关，沪深300股票的$\beta^{EPU}$分组收益单调且显著[page::8][page::9]。

| 市值/β分组 | Low | 2 | 3 | 4 | High |
|------------|-------|-------|-------|-------|-------|
| Big | 0.18% | 0.80% | 1.11% | 0.97% | 1.20% |

$\beta^{EPU}$在沪深300成分股中的IC为5.87%，IR接近2，胜率75%。在中证500和所有A股中的指标表现较弱[page::9][page::10]。

| 指标 | 沪深300 | 中证500 | 所有A股 |
|---------|---------|---------|---------|
| IC | 5.87% | 1.96% | 1.98% |
| IR | 1.99 | 0.77 | 1.16 |
| 胜率 | 75% | 59.38% | 64.06% |

多因子模型中加入$\beta^{EPU}$因子，可显著提升沪深300成分股多空组合的年化收益（7.28%提升至9.87%），波动率下降（18.23%降低至15.25%），夏普比率显著上升（0.399提高至0.647）。中证500及全市场提升幅度相对较小[page::11][page::12]。

| 指标 | 沪深300(含) | 沪深300(不含) | 中证500(含) | 中证500(不含) | 全市场(含) | 全市场(不含) |
|----------|-------------|---------------|-------------|---------------|------------|--------------|
| 年化收益 | 9.87% | 7.28% | 19.49% | 18.21% | 44.88% | 43.25% |
| 波动率 | 15.25% | 18.23% | 16.28% | 16.17% | 19.47% | 20.52% |
| 最大回撤 | 26.44% | 27.49% | 17.69% | 16.99% | 17.43% | 19.81% |
| 夏普比率 | 0.647 | 0.399 | 1.197 | 1.127 | 2.306 | 2.107 |

结论强调，$\beta^{EPU}$为A股追加的有效选股因子，尤其在宏观经济不确定性高企时期展现更好表现，具备显著的风险调整收益能力。该因子为投资者提供了抵御宏观风险的不二之选[page::13]。

- 风险提示包括市场系统性风险、流动性风险和模型失效风险[page::0][page::13]。

深度阅读

深度分析报告：《宏观经济不确定性在 A 股市场被定价了吗？》——基于宏观经济不确定性指数（EPU）选股因子的实证研究

分析师：冯佳睿，海通证券研究所
发布日期：2018年7月

---

一、元数据与概览

本报告由海通证券研究所金融工程研究团队出品，作者为冯佳睿，研究时间截止至2018年4月。报告主题围绕中国A股市场宏观经济不确定性指数（EPU）的选股因子效应，重点分析了EPU指数在A股市场是否以及如何被市场定价。

核心论点包括：

介绍宏观经济不确定性指数（EPU）的构建方法及其在美国和中国市场的表现差异；

- 通过时间序列回归估计每只股票对中国宏观经济不确定性指数的敏感度（β^EPU），验证该敏感度因子在A股市场的选股效果；

采用多种多因子模型，结合其他选股常用因子，检验β^EPU因子在沪深300、中证500以及全市场股票池中的有效性；

- 探讨β^EPU因子在大市值与中小市值股票中的定价差异，得出宏观经济不确定性风险在大市值股票中更为显著的结论；

最终确认将β^EPU纳入多因子模型能显著提升沪深300成分股多空组合的风险调整收益率（夏普比率由0.399升至0.647）。

评级和目标价未明示，报告重点为风险因子研究和量化选股机制探索。[page::0,1]

---

二、逐节深度解读

1. 宏观经济不确定性指数（EPU）的定义与中国指数特点

报告开篇介绍了经济政策不确定性指数（EPU），由Baker等学者基于报刊报道、税法时效、经济指标预期分歧三要素构建。中国版EPU仅基于新闻关键词提取，使用香港《南华早报》的英文报道（关键词包括“uncertain/uncertainty”、“economic/economy”、“policy”、“tax”）进行文本筛选和统计，形成1995年起的月度时间序列指数。

图1展示了1995至2018年4月中国EPU指数走势，反映多个宏观事件对不确定性的影响：例如2008-09年次贷危机，2012年欧债危机，2017年中美贸易战等。指数波峰对应宏观经济环境极端不确定时刻，且2018年初达到近年来高位291.3。

中国EPU指数的平稳性经过ADF单位根检验确认，滞后0-4阶的p值均小于0.05，表明序列无单位根，具备良好的统计特性，可用于后续时间序列回归分析。[page::4、5、6]

2. 美国市场EPU因子定价情况与对比

援引Bali等人基于1972-2014年美股市场的研究，论文对美国市场Fama-French三因子模型加入UNC（经济不确定性指数）回归系数β^{UNE}。结果显示，β^{UNE}低的股票平均未来收益较高，且超额收益显著；高β^{UNE}组收益低甚至负，反映市场对经济不确定性负面敏感性已被充分定价（见表1）。

这一发现表明，美国市场风险厌恶者购买对经济不确定性较不敏感的资产以规避风险，导致预期收益递减。进一步Fama-Macbeth回归验证控因子后β^{UNE}对收益的负相关性依旧显著，反映经济不确定性部分未被完全定价。[page::4、5]

3. 中国市场EPU_β因子的计算及性质

报告对A股按月滚动用60个月历史数据回归计算每只股票对中国EPU指数的敏感系数 β^{EPU}（如公式所示），并与传统市场因子MKT、SMB、HML一同考量。

β^{EPU}因子时间序列自相关系数显著，6-12个月自回归系数均为0.7以上（表3），表明该属性在时间序列中有较强稳定性，可作为投资因子使用。

此外，报告强调考虑变量平稳性的重要性，保证回归模型合理性。统计方法严格，支持后续实证检验的可靠性。[page::5、6]

4. β^{EPU}因子的选股有效性检验

4.1 单变量分组分析

将股票按β^{EPU}分为5组（D1-D5），计算各组未来次月收益。结果显示，在等权和市值加权条件下，分组之间收益整体单调上升（图2、图3），首尾组收益差显著（表4），表明高β^{EPU}即对经济不确定性敏感度高的股票未来收益较好，与美股市场负相关的结果截然不同。文本分析认为，这可能由A股市场投资者结构和成熟度差异造成。

4.2 双变量分组与控制其他因子的影响

考虑市值、PB、反转、ROE、换手率、非流动性、特质波动率及β因子8个常见选股因子的影响。结果显示，除市值外，β^{EPU}依旧展示与未来收益正相关的截面效应（表6），同时首尾收益差在统计上显著。

高β^{EPU}组通常表现为小市值、高ROE、高换手率、高特质波动的股票（表5），这一分析减轻了可能因其他因子混淆的担忧。

4.3 β^{EPU}在不同市值档次的区别

将市场按市值5分组，在大市值组内（沪深300成分股），β^{EPU}与预期收益的正相关性最为明显，首尾组收益差最大达1.02%（表7、表8），且统计显著。反之，中证500及中小市值组单调性和差异不显著（表9）。这说明宏观经济不确定性风险特别在大市值股中被未完全定价，具有较强投资价值。

4.4 趋势和截面溢价持续性

横截面回归同样证明在控制多个因子后，β^{EPU}的截面溢价在沪深300成分股中显著为正，溢价均值0.34%，t值近3（表11）。月度溢价数据及累计净值（图4、图5）显示，除2015年波动外，长期维持正贡献，胜率73.4%，显示因子稳定有效。

4.5 多因子模型中β^{EPU}的增益效果

基于包含原8个因子的多因子回归模型，加入β^{EPU}形成9因子模型。构建沪深300、中证500、全市场多空组合，观察累计净值增益（图6、7、8）。

结果显示：

沪深300中，因子加入后年化收益由7.28%升至9.87%，波动率从18.23%降至15.25%，夏普比率提升至0.647（表12）；

- 中证500及全市场同样带来小幅的收益或夏普比率提升，但幅度较沪深300弱。

β^{EPU}带来的收益提升始于2016年中，与EPU指数整体回升趋势同步，表明宏观不确定性高企时期该因子的避险/超额收益属性更为显著。

此分析表明将经济不确定性因子纳入多因子框架可以提升大市值股票的投资回报和风控能力。[page::6-13, 11-12]

---

三、图表深度解读

图1：中国EPU指数（1995.1-2018.4）

该图呈现1995年以来中国宏观经济政策不确定性指数的月度变化，反映经济周期与政策冲击下的起伏。

- 顶峰时间点对应金融危机、中美贸易摩擦等外部冲击，证实指数的宏观风险含义。

作为基础指标，该时间序列为构建股票级别β^{EPU}因子提供了宏观环境背景。[page::4]

图2与图3：β^{EPU}分组收益（等权及市值加权，2013.1-2018.4）

各组合收益呈现一般单调递增，表明β^{EPU}高的组未来收益更优。

- 市值加权图表现更为显著，突出大市值股票中命中率更高。

结合表4的统计检验，显示此因子具有较强的选股信号价值。[page::7]

表1：美国市场β^{UNE}分组收益（1972.6-2014.12）

显示美国市场β^{UNE}低组月平均收益和调因子后alpha为最高，且组间收益差负向显著，与中国市场形成鲜明对比。

- 强化了两市场投资者行为差异的论断。

体现经济不确定性风险在美国市场的不同风险补偿机制。[page::5]

表4：A股β^{EPU}因子分组收益（2013.1-2018.4）

详细展现单变量分组下各组平均收益与FF3-alpha，首尾组差正向且显著，尤其在市值加权收益。

- 说明因子具备独立解释未来收益的能力。

同时展示分组中β^{EPU}均值由负转正，指标设定合理。[page::7]

表5与表6：因子双变量控制与分组收益

表5展示高β^{EPU}组内常见选股因子的分布，揭示因子之间的关联性与偏好。

- 表6进一步基于双变量分组控制这些因子后，β^{EPU}仍保留显著的正向收益特征，说明不是其他因子影响所致。

数据支持β^{EPU}作为有效补充因子的结论。[page::7-8]

表7至表9：分市值层面多维分组收益

不同市值组合中，只有最大市值组显示显著的β^{EPU}选股能力及收益差异（表7）。

- 沪深300成分股的对应效应最强（表8），而中证500成分股表现平平（表9）。

进一步印证宏观经济风险主要在大市值股票被未充分定价。

- 该发现具备重要实务选股启示。[page::8-10]

表10与表11：IC、IR值及截面溢价回归稳定性

β^{EPU}因子IC和IR指标在沪深300最高，胜率高达75%（表10），表现突出。

- 截面溢价回归中β^{EPU}系数在沪深300组中显著为正（0.34%，t=3），其稳定性和有效性得到验证（表11）。[page::10]

图4与图5：沪深300成分股中的月度溢价及累计净值

月度溢价大多为正值，个别月份出现波动（图4）；

- 累计净值平稳上升，反映正向绩效积累（图5）；

长期胜率高，验证因子持续有效。 [page::11]

图6、7、8与表12：多因子模型验证及多空组合表现

图6、7、8显示加入β^{EPU}后沪深300、中证500及全市场多空组合累计净值均有所上升，沪深300幅度最大。

- 表12总结加入因子前后年化收益、波动率、最大回撤与夏普比率变化，确认β^{EPU}显著提升大市值股票组合的风险调整收益。

投资者可据此调整因子配置，强化投资组合的宏观风险管理。 [page::12]

---

四、估值分析

本报告主要侧重于因子研究和选股有效性验证，未涉及传统意义上的公司估值（如DCF、P/E等）。但通过多因子选股模型构建明确了β^{EPU}因子的增益效果。
模型构造主要基于Fama-French三因子模型加上经济不确定性β因子扩展，回归系数估算因子溢价。采用滚动历史因子溢价均值预测未来收益，结合买卖股票构建多空组合，计算组合未来实际表现，体现该因子的风险补偿特性。
该过程属于典型的多因子模型实证检验，参数假设明确，模型稳健性较强。[page::6,12]

---

五、风险因素评估

报告末尾明确指出以下风险可能影响结论有效性：

市场系统性风险：宏观经济及金融市场波动不可预测，可能影响估值和收益规律。

- 资产流动性风险：部分因子可能在低流动性环境下失效，流动性干扰因子表现。

模型失效风险：历史数据的统计关系未来可能弱化或消失，模型假设与现实偏差导致预期收益不达标。

缺乏详细的缓解策略，但提示投资者需警惕上述风险，保持谨慎态度。[page::0,13]

---

六、批判性视角与细微差别

中美市场因子表现差异：报告合理解释A股与美股市场经济不确定性因子收益相关性的截然相反，归因于两市场投资者结构和风险厌恶水平不同，但该解释是推测性质，尚无深入的行为金融实证支持，后续研究可进一步验证。

- 数据区间限制：部分分析数据截断于2018年4月，未涵盖近年中国市场结构变化较大阶段，可能影响因子持续性判断。

宏观因子单一：中国EPU仅基于《南华早报》英文报道关键词构建，新闻来源有限，覆盖面不及多来源指数，可能影响因子代表性与完整性。

- 小市值股票因子无显著性：β^{EPU}在小市值股票中效果不明显，隐含部分潜在异质性未能被因子捕捉，或许需要配合更多因子综合考虑。

流动性等因子的控制效果有限：虽进行了多因子控制，部分可能的共线性和潜在混淆因素仍需警惕。

整体而言，报告分析严谨，但部分假定和市场机制解读基于推断，需结合更多行为数据验证。[page::0-13]

---

七、结论性综合

本报告通过严密的计量方法和丰富的数据实证，揭示了β^{EPU}因子在中国A股市场，特别是大市值股票中对未来收益具有显著的正向定价能力。与美国市场风险厌恶型投资者行为形成对比，表明中国市场在宏观经济不确定性风险的定价机制上存在独特性。

关键发现包括：

中国EPU指数作为宏观经济不确定性的高质量衡量指标，且数据序列平稳可信；

- 股票在EPU指数上的暴露（β^{EPU}）稳定且能有效区分其未来表现；

β^{EPU}因子在大市值、高流动性股票、尤其沪深300成分股中定价效果最为显著；

- 控制传统选股因子后，β^{EPU}依然对收益具有解释和预测功能；

加入β^{EPU}的多因子模型在投资绩效指标（年化收益、波动率、夏普比率）上均优于传统模型，且效果与经济政策不确定性水平同步，增强组合抵御宏观风险的能力；

- 风险提示中强调市场系统性风险、流动性风险及模型风险为显著的不确定因素。

报告的理论和实证探索丰富了宏观经济不确定性在中国股市定价机制研究，具有较强的学术价值和实用指导意义。投资者和量化策略开发者可考虑将β^{EPU}因子纳入其风险因子体系，特别是在大市值股投资组合中以提升风险调整回报。

---