主要数据来源与定义 [page::2][page::3]

• 样本包括1972-2014年于NYSE、Amex、Nasdaq交易的普通股票。

- 采用Jurado、Ludvigson和Ng构建的经济不确定性指数，通过时间序列的条件波动率进行估计。

• 计算滚动回归得到股票对于经济不确定性的风险暴露（不确定性β）。

单因子选股能力及收益表现 [page::4][page::5]

| 十分组 | 不确定性β均值 | 等权超额收益 RET-RF（%） | 价值加权超额收益 RET-RF（%） |
|-------|---------------|-------------------------|-------------------------------|
| 低 | -0.62 | 1.13 | 0.93 |
| 高 | 0.72 | 0.62 | 0.53 |
| 高-低 | | -0.51 | -0.40 |

• 股票按月度不确定性β排序分为10组，低组高组之间收益差显著，体现6%年化风险调整回报。

- 收益与不确定性β呈负相关，符合投资者对不确定性厌恶的行为假设。

股票特征分析与控制因子回归 [page::6]

• 高不确定性β股票通常规模大，成长性强，波动率高，流动性好。

- 低不确定性β股票多为小盘、价值股，波动率和偏度低，流动性较差。

• 多变量回归后，仅流动性（ILLIQ）、共偏度（COSKEW）和投资率（I/A）与不确定性β保持显著相关性。

双变量选股及多因子回归稳健性检验 [page::7][page::8]

• 控制市场β及主流风险因子（规模、账面价值、动量、流动性等）后，不确定性β收益差依旧显著，七因子模型α差值约为每月-0.3%至-0.46%。

- Fama-MacBeth月度截面回归结果显示，不确定性β的系数显著为负，且在控制行业效应后关系仍稳健。

时间序列表现及经济状态影响 [page::9]

• 不确定性β的月度系数与芝加哥联储全国活动指数（CF-NAI）正相关（系数0.43，t值2.69）。

- 经济衰退及高不确定性时期，不确定性溢价明显提高。

• 在高不确定时期，低不确定性β组合表现尤其强劲，体现出不确定性溢价的显著时变性。

因子在股票投资组合上的有效性验证 [page::10]

• 通过对经济不确定性β对Kenneth French数据库中349个组合的排序，确认不确定性β在组合层面同样有效且显著。

- 高低不确定性β组合的超额收益差稳定为负，支持该因子具有广泛适用性。

结论与展望 [page::11]

• 经济不确定性β在股票资产定价中被市场显著定价，投资者对低不确定性β股票要求溢价。

- 该因子表现出良好的预测能力、稳健性及跨样本适用性。

• 未来研究有望将该因子引入A股及基金市场的选股模型，推动因子投资体系实践。

金融研究报告深度分析

报告题目与概览

• 标题：《经济不确定性是否在股票收益中被定价？》

- 作者：任瞳（招商证券研究助理）与杨航

• 发布机构：招商证券

- 日期：2021年6月17日

• 主题：本报告围绕股票收益对经济不确定性的敏感度与风险暴露进行探究，考察未来经济不确定性是否被资本市场定价，并分析其在股票选股策略中的应用潜力。特别引入经济不确定性指数（UNC）及股票对应经济不确定性贝塔（$\beta^{UNC}$）指标，研究其对股票超额收益的预测能力以及不确定性溢价的动态变化。报告同时探讨了该研究在海外市场基础上对A股市场的适用性展望。

报告核心论点包括：

• 不确定性贝塔低（股票收益与不确定性指数负相关）的股票具备更高年化风险调整超额回报（约6%）；而不确定性贝塔高的股票相应回报较低。

- 不确定性风险因子在控制其他风险因子（市场、规模、账面市值、动量等）后依然显著。

• 不确定性溢价在经济衰退及高不确定性时期更为显著，表现出时变特性。

- 不确定性贝塔不仅在个股层面起作用，也适用于股票组合分析。

此报告并无明确目标价和买卖评级，重点在于提出一种基于经济不确定性定价的新视角，为投资者构建选股策略提供理论和实证支持，同时声明基于海外市场实证，模型在不同环境下可能失效，结果不构成明确投资建议。[page::0, 2, 4, 11]

---

逐节深度解读

1. 引言与研究动机

报告指出2021年市场波动剧烈、不确定性上升，投资者面临选股难题。引用Merton（1973）理论认为投资者有对冲未来消费与投资机会随机波动的需求，表明代表未来经济不确定性的变量理应已被市场价格反映。研究着眼于基于经济不确定指数的股票风险暴露，探讨不同不确定性贝塔值的股票收益表现及其定价机制。[page::0, 2]

---

2. 数据说明与经济不确定性指数的定义

• 样本范围：1972年7月至2014年12月的美股市场样本，覆盖NYSE、Amex、Nasdaq全部普通股，剔除了价格极低(<5美元)或极高(>1000美元)的股票。采用CRSP数据库股票回报与成交量数据，退市收益进行调整避免幸存者偏差。

- 经济不确定性指数（UNC）：选用Jurado、Ludvigson和Ng（2015）开发的宏观经济不确定性指数。该指数基于一系列宏观经济指标（产出、就业、销售、价格等）未来不可预测部分的条件波动率聚合而成。提供了1个月、3个月和12个月不同期限的UNC指标。

图 1 显示自1972年以来各期限UNC指数动态，反映不确定性在特定经济周期（如1980年代初、2008金融危机）显著飙升。文章通过60个月滚动窗口回归方式，从股票超额收益中估测每只股票对应UNC的$\beta^{UNC}$，并控制市场因子（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）等众多风险因子以保证$\beta^{UNC}$的独立识别。数学回归公式具体表达了该计算框架。

表1明确列出所有市场和公司风险因子简称、来源与计算方法，保障指标的实证和可复现性。[page::2, 3]

---

3. 核心方法与单因素股票收益分析（单变量选股能力）

基于每月估计的$\beta^{UNC}$，文章将股票按该指标分为十等分组，分别研究低$\beta^{UNC}$组与高组未来股票超额收益表现。作者依次采用多种因子模型（五因子、七因子等）回归组合阿尔法，严谨排除其他风险因子对回报的影响。

结果显示，不确定性贝塔值最低的组合获得最高的风险调整回报（比如等权组合中最低组超额收益1.13%），而最高组组合收益明显降低，呈线性下降趋势。此趋势在等权和市值加权组合中均成立，具有统计显著性。

逻辑分析认为：投资者普遍厌恶不确定性，因此愿意为不确定性$\beta$为正的股票（收益随经济不确定性上升而上升，风险较低）支付溢价，导致实际回报较少。相反，对不确定性$\beta$为负的股票，投资者需要更高的补偿回报以持有其风险。该结论与资产定价理论一致，强调不确定性为风险溢价的来源之一。

图2的表格详细列出了十个分组的$\beta^{UNC}$均值和对应的等权、价值加权组合的各类阿尔法和收益率点位，配有对应Newey-West调整的t值，验证统计有效性。整体表现为低$\beta^{UNC}$组合显著跑赢高$\beta^{UNC}$组合，年化超额回报约为6%。[page::4,5]

---

4. 不确定性贝塔投资组合的股票特征（图3与表2解析）

为深刻理解不确定性贝塔背后的经济意义，报告使用Fama-MacBeth的横截面回归测量$\beta^{UNC}$与股票其他特征的关系。控制市场$\beta$、市值、账面市值比、动量、流动性等传统因子外，引入额外因子如共偏度(COSKEW)、特异性波动(IVOL)、分析师预期分散(DISP)、短期逆转、彩票需求(MAX)等，进行全面刻画。

图3展示了$\beta^{UNC}$对各特征的回归系数及其统计显著性，其中：

• 高$\beta^{UNC}$股票通常具有较高市场贝塔、高偏度、高投资水平及更大规模，属于成长型、流动性较好且波动率较大的股票。

- 低$\beta^{UNC}$股票多是小盘、价值型、流动性较差、偏度较低的股票。
同时，当所有变量一同纳入回归时，只有非流动性(ILLIQ)、共偏度(COSKEW)、投资水平(I/A)显示对$\beta^{UNC}$有显著影响，指示控制其他因子后，不确定性暴露主要与流动性和股票的共偏特征相关。

表2明确列出新增因子的定义和来源，保证分析方法的系统性和严谨性。[page::6]

---

5. 双变量股票组合分析与多因素控制（图4、图5，Fama-MacBeth回归）

报告进一步采用双变量排序方法，控制市场$\beta$及其他风险因子，分层筛选研究$\beta^{UNC}$与股票未来收益的关系。结果表明在控制了规模、账面价值、动量、流动性、共偏度、特异波动率、分析师预期差异等11个因子后，$\beta^{UNC}$的收益差仍显著，月度α差在-0.30%到-0.46%之间，表明不确定性因素的选股能力独立于传统风险因子。

图4所示为双变量排序后的回报，全面体现不同风险因子控制下$\beta^{UNC}$分组的收益差异。

图5展示Fama-MacBeth季节截面回归的详细结果：

• 在多种控制变量条件下，不确定性贝塔$\beta^{UNC}$的平均回归系数均为负且在统计学上显著（例如，当控制所有变量时，系数约为-0.253，t值=-2.52），说明未来股票超额收益与$\beta^{UNC}$负相关。

- 卖空$\beta^{UNC}$最高组股票并买入$\beta^{UNC}$最低组股票的投资组合下月表现出0.34%的超额收益。

• 即使控制行业效应，关系依然稳健。

该结果印证不确定性溢价的显著性和独立性。

多变量实证强调经济不确定性因素作为新型风险因子在资产定价中的有效作用，并非传统因子可替代或解释。[page::7,8]

---

6. 不确定性溢价的时变性质（图6分析）

基于芝加哥联储全国活动指数（CF-NAI），检测经济状态对不确定性溢价的影响。发现不确定性$\beta$的滑动斜率与CF-NAI高度相关，相关系数为0.43，统计显著（t=2.69），说明经济衰退期（CFNAI负值）对应较大的负不确定性贝塔值。

进一步分组分析表明，在高不确定性时期（UNC高于中位数）内，$\beta^{UNC}$组间回报差高达每月-0.70%，而低不确定性时期只有-0.33%，显著提高了不确定性溢价。

该时变特征符合理论预期：经济不景气时，投资者更厌恶不确定性，要求持有负$\beta^{UNC}$股票以获得更高补偿；同时，正$\beta^{UNC}$股票因被视为“避风港”资产而溢价提升。

图6的时间序列趋势图直观展现了两者同步变化关系，强化了不确定因素随宏观周期波动的资产定价影响。

这说明投资者对经济衰退和不确定性波动的风险偏好调整导致市场风险定价动态变化，提示投资策略需时刻关注宏观环境变化来调整对不确定性因子的权重配置。[page::9]

---

7. 投资组合层面的不确定性贝塔效应验证（图7分析）

为验证$\beta^{UNC}$在组合层面同样有效，研究采用Kenneth French数据库的349个行业及多因素构建的投资组合数据，测算组合对应的$\beta^{UNC}$。

结果显示，高$\beta^{UNC}$组合与低组合之间的收益差仍然显著为负值，且统计学上可靠（t值均超过2），进一步证明不确定性曝光作为风险因子，不仅在单一股票截面有效，也具备组合层面定价能力。

这一发现增强了$\beta^{UNC}$因子对构建系统性风险管理和多因子选股策略的实践指导价值。

图7表详细呈现了1、3、12个月不同期限UNC指数下各分组组合的回报及阿尔法，均呈现低$\beta^{UNC}$组合超额收益优势。[page::10]

---

8. 文章主要结论总结与思考

文章全面系统地揭示了经济不确定性的风险暴露如何反映在股票收益中，$\beta^{UNC}$因子具备预测未来超额收益的有效性，且该效应具有较强的稳健性和普适性。

• 不确定性$\beta$低的股票年化有约6%的超额回报，支持资产定价理论中投资者对未来不确定性的风险溢价补偿需求。

- 多因子和跨行业分析均验证该因子的显著性。

• 不确定性溢价明显依赖经济周期及市场环境，衰退及高不确定性时期溢价更高，提示风险溢价时变。

- 报告提出将在A股市场进行相似测试，关照本地市场的适用性及基金层面表现，以期推出本土化研究视角。

本节作者的“我们的思考”部分总结研究背景和意义，同时预告后续研究，对A股市场的不确定性$\beta$选股能力测试充满期待，体现了理论与实践的结合。[page::11]

---

图表深度解读

图1（经济不确定性指数）

展示1972年至2014年间1个月、3个月和12个月期限的经济不确定性指数走势。周期性峰值明显，如80年代初和2008年金融危机时经历了突发上升。横跨周期的长期波动反映宏观经济波动带来的全局性风险影响，为后续$\beta^{UNC}$的盈利预测构建稳定的宏观背景。

同时，指数以条件波动率形式量化未来宏观变量不可预测性，内容涵盖产出、就业、销售等多个维度，增强指标权威性与全面性。

该图为后文回归中$\beta^{UNC}$提取提供了宏观依据。[page::3]


---

图2（单变量组合的收益与不确定性贝塔）

该表展示十个分组中，$\beta^{UNC}$值均值与对应等权、价值加权组合的超额收益和多因子$\alpha$。数据清晰表明低$\beta^{UNC}$组合平均获得高超额收益(约1.13%月度等权组合收益)，高组则收益较低甚至负值。按$\beta^{UNC}$升序排列，收益呈明显下降，验证不确定性风险暴露与股票回报的负相关关系。

该信息是作者主要结论的实证基础。[page::5]

---

图3（平均股票特征）

图中多列回归系数揭示高$\beta^{UNC}$股票的典型特征为大盘、高共偏度、高投资、高流动性和高波动率，低$\beta^{UNC}$股票则相反。多因素控制后的回归体现不确定性暴露与流动性、共偏度、投资水平仍显著关联，表明这三个特征在经济不确定风险定价中扮演重要角色。

此图帮助投资者理解$\beta^{UNC}$在宏观与微观因素间的经济意义，有助于策略构建时的因子组合优化。[page::6]

---

图4（控制因子后的双变量组合收益）

多个风险因子控制下，不确定性$\beta$分层组合的收益表现，表明不确定性因子独立于其他风险因子的选股能力，还原出该因子的经济溢价本质。不同因子分别分层，构建控制组后再次排序，收益差异仍显著。

此图呈现严格控制下的净效应，强调经济不确定性的风险暴露为资产定价中独立有效因子。[page::7]

---

图5（Fama-MacBeth回归结果）

该表给出统计意义极强的跨期截面回归结果，$\beta^{UNC}$系数均为负，且在控制多达十余风险因子及行业效应后依旧显著，体现因子稳健性。控制变量的影响也清楚表现，保证了因子关系的独立性。

该图为学术和实务界理解、采纳该因子提供强力证据。[page::8]

---

图6（经济不确定性溢价时序变化）

通过时间序列比对投资组合的不确定性溢价斜率和CF-NAI指数，直观显示两变量高度同步，且在经济衰退期不确定性溢价的绝对值显著加大，反映实际经济周期对风险溢价的调节作用。

图中采用移动平均方法平滑数据，便于观察长周期趋势及周期性波动。

该图说明了不确定性溢价不仅存在，还具有显著的经济周期依赖性。 [page::9]


---

图7（股票投资组合的不确定性贝塔效应）

展现了基于Kenneth French数据库构建组合的$\beta^{UNC}$分组收益及阿尔法，涵盖1月、3月、12月不同期限经济不确定指数，均呈现低$\beta^{UNC}$组拥有更高风险调整收益的趋势。

该图深化对因子在投资组合层面应用的理解，为基金经理和策略制定者提供了系统性选股思路支持。[page::10]

---

估值分析

报告无直接涉及估值模型与个股目标价预测，更多聚焦于实证因子分析与资产定价模型中的风险溢价探讨。研究中应用的主要方法为多因素回归模型（五因子、七因子）及横截面Fama-MacBeth回归，用于估计不确定性β值与股票未来超额收益的统计关系。

不确定性εβ的经济含义等同风险暴露度。作者重点强调其预测能力与稳健性，而非传统估值法（DCF、市盈率等）计算的估值。

因此本报告的“估值分析”主要体现在因子风险溢价及超额回报率的实证估计和时间变动，而非个股内在价值的折现或倍数估计。

---

风险因素评估

报告特别提示，论文的实证基础源自海外市场历史数据，市场环境变化可能导致模型失效，结果不构成明确投资建议，存在模型局限与外推风险。

此外，不确定性因子盈余或亏损均受宏观经济波动影响，经济突发事件有时会导致风险暴露不符合常态假设，进而带来策略执行风险。

对其应用于A股及基金市场的效果也需审慎验证，避免直接复制海外结论，注意新兴市场风险因素差异。

---

审慎视角与细微差别

• 该报告高度依赖Jurado、Ludvigson、Ng经济不确定性指数构造方式和美国市场数据，若该指数构造方法或市场结构发生变动，$\beta^{UNC}$的效用可能减弱。

- 数据样本因价格筛选(5美元-1000美元)可能丢弃极端股票，可能对极端风险暴露的捕捉不完整。

• 研究中的因子模型虽覆盖广泛，但因子间多重共线可能存在影响，部分变量如共偏度、波动率等的经济解释较为复杂，需谨慎解读实际投资意义。

- 经济不确定性指数与实际经济指标存在滞后性，$\beta^{UNC}$作为动态变量的估计时效性和稳定性需关注。

• 本文未显著强调$\beta^{UNC}$的交易成本及流动性风险，实际操作策略需结合市场规则和资金限制调整。

这些潜在隐患及假设局限提示投资者应结合多因子、多周期视角谨慎应用。

---

结论性综合

本报告严谨地利用1972年至2014年美国股票市场数据，研究了经济不确定性在资产定价中的作用，核心发现为：

• 股票对于未来经济不确定性的敏感度（$\beta^{UNC}$）是预测未来超额回报的有效因子，低$\beta^{UNC}$股票具备明显的风险调整超额收益优势。

- 该因子在控制传统市场风险因子及各种股票特征后依然显著，具备独立价值。

• 不确定性溢价呈明显的时变特性，在经济衰退和高不确定性时期溢价加强，符合理论对风险溢价波动的预期。

- 不确定性因子不仅适用于单支股票横截面，也适用于股票组合，为投资组合管理提供理论依据。

• 数据支持投资者运用经济不确定性相关风险暴露差异构建选股策略以获得持久的超额收益。

- 研究方法完备，数据详实，图表清晰具体，有效展示了不确定性$\beta$与股票回报之间的负相关关系及宏观环境对该关系的调节作用。

最终，报告在理论与实证间建立了联系，为资本市场中经济不确定性定价提供了清晰的证据链，同时为A股及基金市场的后续研究铺路，具有显著的学术与实务应用价值。

---

总结

本报告系统解析了经济不确定性的风险暴露如何被市场定价，揭示了不确定性贝塔与股票未来收益的显著负相关，及其在经济周期中的变动规律。
通过大量多因子回归、分组排序及横截面回归实证，确认了该因子的选股有效性和稳健性。图表支持全面而细致，为资产管理者和研究者提供了新型风险因子视角。
报告中的实证基于海外市场，强调了模型外推风险，建议结合本地市场做进一步测试。整体以专业数据、实证检验与理论支持为基石，符合量化投资领域的研究标准。

[page::0, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]

报告