新加坡国立大学商学院教授和学生们在一趟文献讨论课的头脑风暴中，首次探讨了空气污染可能会对投资者行为造成的影响。乍看之下，这两者似乎并无关系，然而已有关于资本市场的研究表明，环境的变化可能通过对情绪的作用影响投资者行为，并对股票市场产生影响。详见下文：
2013年底，国内外媒体连续报道了中国的空气污染状况，微博等网络社交平台上雾霾的照片和段子也被迅速转载。在一堂文献讨论课的头脑风暴中，我们第一次讨论到了这个问题：中国的空气污染是否会对投资者的行为造成影响？乍看之下两者似乎并无关系，然而已有关于资本市场的研究表明，环境的变化（例如天气（Saunders，1993，Hirshleifer 和Shumway，2005）， 日照时长 （Kamstra，Kramer 和Levi, 2003），温度 （Cao 和Wei，2005）等），可能通过对情绪的作用影响投资者行为，并对股票市场产生影响。
调查和实验研究表明，空气污染除了会影响身体健康，对心情也会造成影响。空气污染会引发焦虑，烦恼，甚至影响人们对艺术作品的股价（Evans等，1988，Jones，1978，Stone等，1979，Rotton，1983）。那么，空气污染对人们情绪的影响是否会传递到中国的股市呢？为了研究这一问题，我们用中国环保部网站提供的历史空气质量数据进行了定量的统计回归分析。
关于数据
目前，环保部网站提供全国主要城市实时及历史空气质量数据。2013年之前，空气质量由API(空气污染指数)衡量；2013年开始，陆续有城市开始采用新的空气质量标准AQI(空气质量指数)。虽然两个指数的测量标准不同，但是两类指数的划分标准类似，在0~50区间表示空气质量优良，51~100区间表示空气质量良好，100以上代表空气受到污染，污染指数越高，污染越严重，指数超过300表示空气重度污染，报告的指数上限为500。表一列出了目前可以从环保部网站直接获取的空气质量数据的范围与时段。
表1：环保部公布数据中心的空气质量数据范围
标准与测量频率
阶段
覆盖城市数
新标准空气质量数据(AQI)，每小时
实时
161旧标准空气质量数据(API)，每天
2014年1月1日-至今 161 2000年6月5日-2001年6月4日 42 2001年6月5日-2004年6月3日 47 2004年6月4日-2005年12月31日 84 2006年1月1日-2011年2月10日 86 2011年2月11日-2013年1月14日 120 2013年1月15日-2013年3月26日 68 2013年3月27日-2013年4月19日 64 2013年4月20日-2013年12月31日 62由于新标准的空气质量指数执行时间较短，我们主要对旧标准下空气质量数据进行了分析。我们从网站上手工下载了2000.6.5-2013.12.31期间的所有空气质量数据，共381050条观测。我们的研究以2001年1月1日至2012年12月31日作为样本期间，除了检验空气污染与资本市场的关系，我们也利用这些数据对2001至2012年期间的中国空气污染问题进行了一定的分析与检验（见附录）。
股市回报与股市空气质量
首先，参考以往研究空气质量与资本市场关系的研究，我们将沪深两市的A股日回报率对两地当日空气污染指数进行了回归，结果发现，在控制了年份、月份和星期的影响之后，股市的日回报率与空气质量之间并不存在显著的相关关系，同时，空气污染指数处于污染临界值（100）两侧时，股市回报率也不存在明显差异。
以上结果似乎说明雾霾对投资者的投资行为并没有产生显著的影响。但这也可能与空气污染指数没有能很好衡量人们如何看待空气质量有关。一方面，已有研究指出空气质量的报告可能存在操纵，例如我们的数据也表明空气质量的报告存在频率断点（参见附录），这可能影响人们对空气质量指数的信赖程度；另一方面，关于空气质量对人们心理作用的影响的研究指出 ，有时候是人们所“认为的”（perceived）空气污染程度会发生作用（Zeidner和Shechter，1988）。根据社会学中的“相对幸福理论”，人们对于自身幸福状况的感知来自于比较，包括和历史阶段的比较已经和他人的比较。人们是否会将当地的空气污染指数与其他城市来比较，以获得关于污染程度的判断呢？从这一想法出发，我们将本地空气质量减去首都北京的空气质量，计算了“相对空气污染”指标。这一方法或许显得武断，但并非没有可取之处。第一，这是一种非常简单的比较方法，北京的空气污染指数往往会列在报告的首位，人们可以很容易得进行比较；另一方面，媒体对于北京空气质量的关注程度非常高，北京也处于我国空气污染最为严重的地区，如果本地空气污染指数比北京更高，容易会让人们产生“空气污染非常严重”的印象。
我们发现，尽管北京的空气污染普遍要比上海和深圳严重，所有交易日中，上海约有30%的交易日比北京空气污染更严重，而深圳的这一比例为16.7%；同时，尽管绝对的空气污染指数在近年来有所下降（参见附录），相对空气污染并没有类似的趋势。图1和图2分别给出了按季度和按年份划分上海和深圳相对北京空气质量的分布。
按季度划分上海相对北京空气质量好坏的天数
按季度划分深圳相对北京空气质量好坏的天数
本地（上海）空气污染比北京严重的天数比例
本地（深圳）空气污染比北京严重的天数比例
采用相对空气污染的衡量，我们发现，控制了年份，月份和星期的影响之后，空气污染的相对值与沪深两市A股的市场回报率存在显著的负相关关系。股市所在地的空气污染相对北京越严重，股市的日回报越低，这一关系在我们采用了周平均和月平均的股市回报与相对空气污染指数来检验时同样成立。相对空气质量对股市市值的影响相当可观：回归分析表明，本地污染指数相对北京上升了10点后，股市回报率平均下降0.008%，约为样本期间平均股市日回报的1/4。以截止2013年底上海和深圳的A股总市值（分别为15万亿和3.5万亿）计，0.008%的回报率下降，约会引起沪深两市A股市值分别缩水12亿和0.3亿人民币。
相对空气污染对股市回报率的影响
当本地空气污染略低于北京和略高于北京时，尽管两者的差异很小，如果人们以“比北京空气好”和“比北京空气差”来定义两者，情绪反应可能有显著的不同。我们发现，本地空气污染指数从略低于北京变为略高于北京时，股市日回报会有显著的下降，当相对空气污染在-15到15的区间为例，这一区间内的平均股市日回报为-0.06%，而污染指数超过北京时平均日回报会降低0.47%，对应沪深两市的市值下降分别为约700亿和160亿人民币。
本地空气污染超过北京对股市回报率的影响
本地空气污染超过北京对股市回报率的影响
此外，我们还发现，相对空气污染上升时，沪深两市的A股交易量也会显著下降。
附录：空气污染概览
基于我们搜集的数据，我们对空气污染指数在2001年1月1日至2012年12月31日期间的数据进行了统计学分析。出于篇幅和代表性的考虑，以下我们主要分析了省会以及深圳共32个城市的空气污染指数。
距离越近，空气质量越相关
通过对两两城市的空气污染指数相关性分析，我们发现，相关系数超过0.5的城市通常距离较近。例如，与北京空气污染指数相关系数超过0.5的有天津和石家庄；与上海相关系数超过0.5的城市有南京和杭州（0.6577）；与深圳相关系数超过0.5的城市有广州和海口。相近城市的空气污染指数高度相关，也说明省会城市的空气质量分析具有代表性。
空气污染的地区分布：北方更严重，南方空气更好
空气污染的季节性：一、四季度最严重，第三季度最轻
发现四：空气污染指数有降低趋势
从平均污染指数来看，大部分城市的空气污染指数在观测期的后半段有比较明显的降低，（除合肥和海口）。北京、上海和深圳三地每年空气污染指数超过100（存在污染）的比例，在观测期内也呈现下降趋势。
空气污染的可预测性
我们对空气污染指数进行了自回归，这一分析帮助我们了解空气污染的可预测性。以北京，上海和深圳为例，我们发现: 这三个城市的当日空气污染指数都与前一日的空气污染指数显著正相关，控制了前一日的空气污染指数之后，北京和上海的前两日，前三日空气污染指数没有额外的预测作用，而深圳的前两日与前三日空气污染指数与当日空气污染指数依然有相关性，但相关的程度比较弱。从可预测性来看，北京空气污染可预测性最低，模型的解释力度只有约24%，上海的空气污染可预测性略高，模型解释力度约32%，深圳的空气污染可预测性最高，超过50%。
空气质量报告：频率存在断点
已有一些研究指出，我国的空气质量报告在污染临界值处可能存在向下的操纵（Andrews, 2008, Chen, Jin, Kunar 和Shi, 2012, Ghanem 和 Zhang, 2014）。我们的样本期间长于上述研究，也同样发现了类似证据。例如，我们绘制了北京2001年到2012年中每日空气污染指数的频率图：
图中灰色方块代表空气污染指数大于等于96小于等于100的天数；白色方块代表空气污染指数大于等于101小于等于105的天数，灰色方块的频率是白色方块的3.5倍。我们利用美国领事馆公布的PM2.5指数绘制了类似的频率图（本文未显示），数据期间为2008年4月8日至2012年12月31日，需要指出的是，美国领事馆的PM2.5指数与我国所公布的空气污染指数计算方法不同与测量地点不同，但是同样也以100作为污染的临界点，此外美国领事馆的数据是每小时公布的，基于上述原因，不能直接得将两组数据的频率分布做比较，但是我们希望提供独立来源的数据以作参考，我们发现，美国领事馆公布的PM2.5指数的频率分布，在21到300的整个区间内，都没有明显可见的断点，由于两组数据的时间跨度不同，我们也绘制了北京空气污染指数在2008年4月8日至2012年12月31日期间内的频率图（本文未显示），我们发现在100临界值两侧的频率落差依然存在。
参考文献：
Saunders, E. 1993. Stock price and wall street weather. The American Economic Review 83, 1337-1345.
Hirshleifer, D., and T. Shumway. 2003. Good day sunshin: stock returns and the weather. The Journal of Finance 58,1099-1032.
Kamstra, M., L. Kramer and M. Levi. 2003. Winter blues: a sad stock market cycle. The American Economic Review 93,324-343.
Cao, M and J. Wei. 2005. Stock market returns: a2525980
（本文作者：胡晓莉 新加坡国立大学商学院博士生；李真 新加坡国立大学商学院教授、中国商务中心主任；林宇鹏 香港城市大学商学院 副教授）
点击排行