绿色指数发布的股价效应研究——基于投资者情绪的视角

汤 淳，王过京

(苏州大学 金融工程研究中心，江苏 苏州 215006)

一、 引言与文献综述

伴随着我国工业化的迅速发展，环境恶化、资源匮乏等问题日益严峻，引导经济发展向绿色清洁转变正成为我国经济转型的必然选择。在此背景下，绿色股票指数(下简称绿色指数)应运而生。这些指数通过不同的绿色标准对上市公司进行评价，并综合选取评分较高的公司作为构建样本，从多角度反映了绿色市场走势，也给投资者提供了多元化的业绩比较基准。马骏(2015)[1]指出，绿色指数是构建绿色金融体系的重要一环，其主要使命在于引导更多资金进入绿色行业，从而间接降低绿色投资成本。可以说，这些绿色指数成了理论上的风向标。

但由于我国绿色指数发展刚刚起步，因而相关文献相对较少，现有文献多是从理论层面对绿色指数发展现状做出评价。余婷等(2018)[2]的研究系统梳理了我国绿色指数的相关研究与实践，并针对绿色指数编制等方面存在的问题提出了一系列建议。朱易捷(2018)[3]则在梳理国际经验的基础上，在丰富绿色指数产品、多维度优化披露机制等方面对推动绿色指数进一步发展提出了建议。这类研究往往重理论分析、缺实证研究，绿色指数发布引发了市场怎样的反应有待回答。就国内研究来看，目前仅有王树强和李秋熠(2019)[4]的研究涉及了相关实证，其研究表明在被纳入绿色领先股票指数后，样本企业获得显著的正向反应，但该反应较小且持续时间短。相比之下，国外的相关研究相对更为成熟，得出的结论也更加多样化。Adrian(2011)[5]利用美国股票数据研究发现，在道琼斯可持续发展世界指数(绿色指数的一种)公布当日，被纳入的股票会获得显著为正的收益。而Ulrich等(2013)[6]研究则表明，在同样的指数发布后，德国市场出于对环境行为成本的考虑，反而会对该事件呈负面反应，相关股票会获得负的异常收益。Martin和Dominic(2007)[7]的研究则发现公司并不会因为被纳入或剔除富时社会责任指数(绿色指数的一种)而获得回报或惩罚，市场对此的反应并不强烈。那么，我国的绿色指数发布事件对市场产生了怎样的影响？这类影响又是通过何种渠道传导的呢？

为更好地回答第一个问题，我们引入股价效应的概念。史永东和李凤羽(2012)[8]将股价效应定义为在事件信息冲击下的股价形成过程。Hollander和Prokop(2015)[9]、Oehler等(2017)[10]则将其视作是事件影响下股票产生的异常收益。综合这些现有文献，在本文中我们将股价效应界定为在事件信息冲击下产生异常收益的过程。若在绿色指数发布后，相关公司股价产生了显著的异常收益，则认为股价效应存在，并且若这种异常收益为正，则称为正股价效应，否则为负股价效应。既有研究表明，该股价效应广泛存在于重大事件发生过程中，尤其是在与绿色指数发布类似的、具有明显行业影响力的事件中。例如伍青(2007)[11]运用事件研究法发现卫星发射等重大航天事件会使得航天板块股票在短期内急剧上涨或下跌。王晓彦等(2017)[12]则研究发现，在“AlphaGO战胜李世石”事件发生后，人工智能概念股票在事件发生第一天获得了显著大于零的平均异常收益率，人工智能板块对市场利好消息迅速做出了积极反应。受此启发，为探究绿色指数发布的影响，文章的前半部分以2017-2019年绿色领先类公司数据为样本，利用事件研究法对股价效应的存在性，即对样本公司在事件发生后的异常收益率做出了检验。

进一步，为更加深入地探讨绿色指数发布对股价的影响机制，即回答第二个问题，我们引入了投资者情绪的视角。传统金融学理论将市场上的投资者视为理性的经济人，股票价格反映了这些理性决策下供求的平衡，这难以对特定事件发生后的异常收益率做出解释。而Stein和Jeremy(1996)[13]的研究指出，投资者决策往往是基于感情或者情绪，而非理性的认知和看法，投资者情绪的存在会使得证券偏离其内在价值。这一理论从投资者情绪的角度，为解释重大事件后股价的异常变化提供了很好的理论视角。遵循着这一思路，文章的后半部分试图利用投资者情绪来解释事件发生后的异常收益，并通过百度搜索指数以及e互动、互动易平台数据分别构建投资者情绪代理变量，利用多元回归模型对此进行验证。

本文的贡献体现在以下三方面：首先，之所以要研究绿色指数发布的股价效应，是因为，一方面要实现绿色指数引导社会资本向绿色行业配置等诸多功能，其必须引起市场的足够关注，而这是现有文献中的纯理论分析所不能体现的，只有通过实证研究加以考察。另一方面，若该事件引发了市场的过度反应，则会使股价虚高，这不仅不利于行业的发展，也违背了发布指数的本意。绿色指数发布需要真正引导培育的是绿色价值投资者，而非短期投机者。故文章对于股价效应的检验不仅填补了实证研究的空白，更重要的是从股价的角度回答了绿色指数发布过后“影响是否存在”“反应是否过度”这两个关键问题，以此可为政策制定者评价当前绿色指数发展提供参考。其次，在与股价效应相关的文献中，往往只有对异常收益这一现象的检验，而缺乏对背后机制的剖析。文章基于投资者情绪的视角梳理了绿色指数发布对股价的影响机制，使得对于股价效应的研究更加深入，也有助于揭示我国投资者对于政策性事件的态度及反应。最后，有别于传统的利用市场总体数据对情绪指标的构建，文章通过百度指数构造投资者情绪的代理变量，并利用e互动和互动易平台数据改变测度方式进行稳健性分析，更好地刻画了投资者在不同股票上呈现的情绪截面差异，拓展了基于投资者情绪视角的理论研究。

余文的结构安排如下：第二部分是基于投资者情绪视角分析绿色指数发布对绿色行业公司股价的作用路径，并提出研究假设。第三部分是模型构建与数据说明，主要对事件研究法的参数设定以及投资者情绪代理变量的构建做了说明。第四部分分为两个小节，分别对股价效应的存在性以及利用投资者情绪解释股价效应的合理性做出了分析。最后是结论与政策建议部分。

二、 理论分析与研究假设

Kumar和Lee(2006)[14]认为，个体交易者往往是非理性的噪声交易者，其并非通过基本面的分析做出投资决策，而更多的是基于市场上引人关注的事件。根据2019年3月中投保发布的《全国股票市场投资者状况调查报告》，截止2018年8月末，我国股票投资者中，自然人投资者占比达99.77%，这表明我国股市存在大量的噪声交易者。张为群(2010)[15]、张红伟和杨琨(2016)[16]等的研究也证实政策导向在很大程度上影响了我国股市的走向。则基于这样的投资环境，本文认为在绿色指数发布事件中，投资者的行为决策会更多地依赖于事件本身释放的信息。而就绿色指数发布而言，其至少释放了以下两点正面信息：第一，其在近几年的密集推出表明，国家正在加快推动绿色金融的发展。尤其是在2015年9月，在中共中央、国务院印发的《生态文明体制改革总体方案》中明确提出了要“研究设立绿色股票指数和发展相关投资产品”，这体现了国家层面对于绿色行业的高度重视。第二，绿色指数发布带有引导资金投向的政策内涵，其利好于整个绿色行业。并且该指数为投资者提供了一套绿色评价标准，有助于投资者在构建投资组合时将环保等因素纳入考虑、进而降低投资风险。则在这样的行业利好消息下，投资者会竞相买入绿色行业股票，推高股价上涨，由此我们提出假设1。

假设1：绿色指数发布事件会产生正股价效应，绿色行业公司在事件发生后会获得正的异常收益。

上文分析了绿色指数发布对股价的正向影响。但从本质上来说，事件发生引发股价效应只是一个现象，其背后必然有复杂的影响机制存在。接下来，本文将基于投资者情绪的视角，进一步分析该传导过程。

首先，投资者之所以会竞相买入，是因为上述正反馈带来的乐观情绪，会从以下定性和定量两个层面影响着投资者的投资决策。第一，投资者会将投资决策调整为“买入”。根据Brown和Cliff(2004)[17]的研究，投资者的乐观情绪使得投资者会预估正面信息指向的股票的收益率将高于平均收益率。同时，唐伟敏(2003)等[18]指出，投资者高涨的情绪使得他们倾向于关注对自己有利的信息，忽略掉对自己不利的信息。则在这种认知倾向下，投资者会选择性忽略那些看空绿色行业的信息，并更加深信绿色行业股票会获得更高收益，进而必然会买入持有相关股票以实现这种主观预期收益。第二，投资者的成交量也会随之增加。根据Schwarz和Clore(1983)[19]提出的情绪信息传递假说，人们总是偏向于做出与当前情绪相一致的决策。换言之，在乐观情绪下，投资者会愿意放宽约束，淡化对风险的厌恶程度，从而在股票交易中表现为成交量的大幅增加。则在以上两方面因素的综合作用下，投资者对绿色行业股票的大量买入必然会推动股价在短期内上涨。

图1 绿色指数发布对股价的作用路径图

其次，这种上涨还会进一步产生证实偏差，即会让投资者认为他们做出的判断是正确的，进而再次提振投资者的乐观情绪，从而在短期内实现 “购买股票-股价上涨-情绪提振-购买股票”的循环。同时郦金梁等(2018)[20]众多学者的研究成果证实：我国投资者在遇到重大事件时存在过度反应，在利好消息下，这种过度反应往往体现为过度乐观。则受这两方面因素的影响，投资者在绿色指数发布后的乐观情绪会得以放大，这将进一步强化上述影响机制，其结果将是推动相关股票的股价产生更大幅度的上涨，即出现异常收益率。上述的影响机制可如图1所示，并且基于上述投资者情绪视角的分析，我们提出假设2和假设3。

假设2：事件日后，投资者情绪明显高涨，并且这种增量对事件日后的异常收益有显著的正向影响。

假设3：当期投资者对某只股票的情绪越乐观，该股票的异常收益率越高。

最后，由于上述投资决策主要是基于非理性因素，而投资者的乐观情绪在长期必然衰减，同时这些噪声交易者持有股票的目的主要是为了追求短期投机性收益，故这并不构成股价长期上涨的基础。换言之，若以上基于投资者情绪视角分析的传导机制成立，即投资者的乐观情绪的确可以解释相关公司股价在事件日后的异常收益率，那么该异常收益率会在长期回落。由此我们提出假设4。

假设4：绿色指数发布所引发的股价效应不具备长期性，相关公司在短期内获得的异常收益会在长期回落。

三、 模型构建与数据处理

本文的研究设计分两个部分展开。第一部分是利用事件研究法检验绿色指数发布后股价效应的存在。第二部分是通过构造投资者情绪的代理变量，利用多元线性回归，对事件日后的异常收益率做出解释。下文是对模型和数据的具体说明。

表1 绿色指数发布详情

1.样本选择及数据来源。作为我国规模最大、产品最多、市场影响力最广的金融市场指数提供商，中证指数有限公司管理各类指数近4000条，其发布的指数历来受到市场的广泛关注。目前在中证官网以“绿色”作为关键词搜索到的指数分为以下两类：债券类(包括信用债和综合债)和综合类(包括主题类和策略类)。前者主要以绿色债券为标的，后者则是以符合一定绿色评价标准的公司股票为标的，即本文所研究的绿色指数。本文选取了近年来中证发布的所有绿色指数作为研究事件，各指数发布详情如表1所示。

在样本公司的选取上，本文以中证官网公布的绿色领先类公司股票来代表绿色行业股票。以这些股票为样本的原因在于：这些公司是基于上市公司生产和服务流程的绿色水平的评价、绿色收入、负面新闻和环保处罚等综合评分最高的一类公司，考虑到其评价标准是所有标准里最全面的，故以此来代表绿色行业股票。由于该公布的股票名单每半年调整一次，考虑到偶然性因素，我们剔除了自2018年初该名单首次公布以来仅在名单上出现过一次的股票，并在对具体事件研究时剔除了相关数据缺失的公司，最终在各截面上分别得到90、95和97个有效样本公司。在本文研究中，所有上市公司的数据均来源于国泰安数据库。

2.事件研究法设定。(1)事件窗口设定。

图2 事件研究法的窗口设定

如图2所示，事件研究法的事件日“t=0”为指数发布日当天，事件窗为发布日前后各一周，即前后各5个交易日，事件估计窗为事件窗前30个交易日。之所以将公布日前一周放入窗口期，是因为部分指数正式发布之前，中证指数官网会提前发出公告，指数发布引起的效应可能会得到提前释放，因而将事件窗适当提前。在下文表述中，我们将期间(-5,-1)称为提前一期，将(1,5)称为事件当期。各事件窗口具体对应的时间段如表2所示，需要说明的是，具体数据的选取只包含该表时间段中的交易日。

表2 事件窗的具体设定

(2)正常收益率及异常收益率计算。本文采用常均值收益模型来估计正常收益率，即以个股在窗口期内的平均收益作为其正常收益的估计。以此为模型的原因有以下两点：首先，根据Brown和Warner(1985)[21]的研究，该模型简单易行，且其结果与复杂模型相近。其次，陈汉文和陈向民(2002)[22]指出，该模型的适用性在中国市场上存在一定优势。这里，设Ri为第i个股票的正常收益率，Rit为估计窗内对应时刻的收益率，则正常收益率Ri为

(1)

(2)

(3)平均异常收益率及累计平均异常收益率计算。异常收益的加总，既包括截面上(各种股票间)的加总，也包括时间序列(事件窗内)上的加总。设AARt为整个样本在t时刻的平均异常收益率，CAAR(t1,t2)为整个样本在(t1，t2)期间内的累计平均异常收益率，设共有n个样本，则异常收益率的截面和时间序列加总，分别如下表示：

(3)

(4)

(4)假设检验。设H0:AARt=0，CAAR(t1,t2)=0，利用t检验

(5)

(6)

若绿色指数发布对相关公司的股价有明显的正向影响，则t统计量应显著为正。

3.投资者情绪代理变量的构建。由于投资者的情绪难以直接观测，因而如何通过代理变量对其进行刻画一直是一个研究的热点。常用的情绪代理指标一般分为直接和间接两类。直接指标常常通过问卷调查的方式，通过直接了解投资者对当前市场的评价以及对未来的预期来对投资者情绪进行构建。例如王美今和孙建军(2004)[23]、刘仁和和陈柳钦(2005)[24]分别利用央视看盘指数和好淡指数对投资者情绪进行了度量。间接指标则是通过选取市场上与投资者情绪相关的数据来间接反应投资者情绪。在这类指标中，主流的做法是用主成分分析法构建一个综合指标。例如张宗新和王海亮(2013)[25]综合选取了封闭式基金折价率、市场换手率等五个指标综合构建了投资者情绪的代理变量。以上方法各有优劣，但普遍存在的一个问题在于，由于反映的都是市场总体情况，因而难以对投资者在特定板块上呈现的情绪进行度量，更无法呈现投资者对于不同股票的情绪差异。同时俞红海(2015)等[26]指出，总体数据通常包含的噪声较多且采样频率较低，则用其来度量投资者情绪未必精准。考虑到本部分要对截面上不同公司的数据进行回归，因而上述方法并不适用。

近年来，伴随着互联网的广泛普及，众多学者开始利用网络数据来构建投资者情绪的代理变量，这也为解决上述问题提供了一个新的视角。作为国内普及率最高的搜索引擎，百度无疑是很多人搜索信息的首选。当绿色指数发布后，投资者必然会想对样本公司有更多的了解，并且当他们的情绪越乐观时，也越有精力和动力去了解更多的信息，此时百度搜索指数成了投资者情绪很好的度量工具，故以此作为投资者情绪的度量具备一定的合理性。另外，相比周翠玲(2013)和邹高峰[27]、张书煜等(2015)[28]等分别利用新浪财经论坛数据和微博数据的做法，考虑到百度的普及性，利用百度搜索指数来构建投资者情绪也相对更加全面。

在具体的度量上，本文手工搜集了事件窗内(具体见表2)各股票各天的百度搜索指数，其中搜索词汇为股票的名称，筛选方式为PC端和手机端的加总。并且由于某些股票搜索指数较大，因而在具体回归时对数据做了对数处理，设Sentii,t为第i个股票在第t天的投资者情绪，Stocknumberi,t为该天该股票的搜索指数，则

Sentii,t=ln(Stocknumberi,t)

(7)

4.回归模型构建。为验证基于投资者情绪视角对于股价效应解释的合理性，本部分以投资者情绪为解释变量，以公司规模、公司成长性以及净资产收益率为控制变量，建立了如下的回归方程：

(8)

(9)

(10)

另外需要指出的是，由于某些股票的名称与其他指向存在重合，例如在搜索“永辉超市”的时候，我们所指向的很有可能并不是该股票(这里我们称之为重复指向型问题)，因而这些股票的搜索指数与其他股票天然存在差异，此时利用搜索指数来衡量投资者情绪可能并不准确。因此，为保证模型回归结果的准确，本文在模型3的回归中将这类股票予以剔除。而对于模型2，由于解释变量为同一股票两期的差值，这在一定程度上会抵消各股票间的差异，因而在模型2中将这些股票予以了保留。

四、 实证结果与分析

(一) 股价效应的存在性检验

1.检验结果分析。本部分利用Stata软件对股价效应的存在性进行了检验，事件研究法的相关检验结果如表3、表4所示。如表3所示，在三个绿色指数发布后的共18个观察日中，共17个观测日平均异常收益率为正，且有7个观测日AAR在1%的水平上显著为正。这表明，在绿色指数发布后，样本公司在整体上获得了比往常更高的超额收益，绿色指数发布事件对于样本公司股价的确存在正向影响。这一结论在表4中得到了更充分的体现：如表4所示，在绿色指数发布后的总共18个观察日中，CAAR在12个观测日内在1%的水平下显著为正，在4个观测日内5%的水平下显著为正，显著为正的占比高达89%。

表3 平均异常收益率AAR及其显著性

注:*、**和***分别表示在10%、5%和1%水平上显著

表4累计平均异常收益率CAAR及其显著性

t事件1事件2事件3-5-0.0028**-0.0106***0.0050***-4-0.0022-0.0075**0.0107***-3-0.00500.00140.0121***-2-0.00270.0102***0.0094-10.00660.0238***-0.000200.00960.0272***0.000310.0162**0.0242***0.0253***20.0177**0.0247***0.0485***30.0199**0.0323***0.0658***40.0200**0.0351***0.0895***50.0269***0.0376***0.0933***

注:*、**和***分别表示在10%、5%和1%水平上显著

考虑到CAAR是一累计值，为更清晰地表现检验结果并考察CAAR的变化趋势，我们将AAR与CAAR绘图如下。

图3 各事件窗口期ARR，CAAR折线图

如图3所示，总体来看，三个事件的CAAR的走势较为类似，均有明显的向上趋势。具体来看，三个事件的CAAR还出现了不同程度的由负转正的情况。以事件1为例，其CAAR在指数发布日前4天持续为负，且在t=-3时达到最低点，随后CAAR由负转正，并在指数发布日之后持续增长。这说明，指数发布带来的正股价效应使得样本公司在整体上获得了超额收益，并逐渐抵消了之前累计的负的异常收益率。这一现象在事件2和事件3中也得到了不同程度的体现。由此，我们认为假设1成立，绿色指数发布事件的确会对相关公司股价产生显著为正的影响，换言之，绿色指数发布存在正股价效应。

进一步，为检验绿色指数发布事件对样本公司的影响是否只是短期效应，并以此验证假设4，我们观测了指数发布事件后一个月的AAR，并对ARR的变化趋势进行拟合。

图4 各事件AAR长期趋势图

如图4所示，三个事件的AAR在检验期内均呈现不同程度的回落。随着时间的推移，事件1和事件3的AAR有逐渐收敛于零的趋势，而事件2的AAR在指数发布后半个月后就已经趋于负值。这说明，绿色指数发布后，样本公司在短期内受到投资者热捧，但在一段时间后AAR趋于零，样本公司整体上不再能获得比正常水平更高的超额收益，绿色指数发布对股价冲击的影响是短暂且可控的。由此，我们认为假设4成立，即绿色指数发布所引发的股价效应并不具备长期性。另外，假设4的成立也从一个侧面验证，我们利用投资者情绪来对事件发生后的超额收益做出解释是合理的。因为只有这种非理性因素造成的股价上涨才会在长期得以回落，正如Black(1986)[29]的理论所说，这类非理性交易行为造成的是资产价格与其内在价值的偏离。这类因素并不构成股价长期上涨的基础。

2.稳健性检验。前文利用事件研究法中的常均值收益模型对绿色指数发布的股价效应进行了验证。考虑到上述结论可能受到模型选择、估计窗长度以及样本本身的影响，为增强结论的稳健性，本部分将分别改变上述设定，进行进一步分析。

(1)改变正常收益率的估计方式。考虑到模型选择对检验结果的影响，这里以沪深300指数在估计窗内的平均收益率作为对正常收益的估计，重新检验AAR与CAAR的显著性，其他参数设定与上文相同。

表5 测度改变下的AAR及其显著性

注:*、**和***分别表示在10%、5%和1%水平上显著

表6测度改变下的CAAR及其显著性

t事件1事件2事件3-5-0.0024-0.0103***0.0050***-4-0.0013-0.0069**0.0095***-3-0.00330.00230.0107***-2-0.00070.0115***0.0073*-1 0.00900.0254***-0.00270 0.01248***0.0291***-0.00301 0.0195***0.0264***0.0216***2 0.0216***0.0272***0.0445***3 0.0243***0.0351***0.0614***4 0.0248***0.0382***0.0845***5 0.0322***0.0411***0.0883***

注:*、**和***分别表示在10%、5%和1%水平上显著

表5、表6列式了新测度下的检验结果。如表所示，在绿色指数发布后的总共18个观察日中，共16个观测日平均异常收益率为正，且有7个观测日的AAR在1%的水平上显著为正，有两个观测日的AAR在10%的水平上显著为正。而CAAR除了在事件3指数发布当日外，其余都在1%的水平下显著为正。这表明，在绿色指数发布后，样本公司在整体上获得了比市场组合更高的超额收益，这从另一个层面验证了假设1的成立。另外，参照前文的研究办法，我们利用新测度下的数据，对事件日后30天的AAR进行了观测，研究结果同样验证了假设4的成立。

(2)改变估计窗的时间长度。考虑到估计窗设定也会对检验结果产生影响，这里将事件估计窗延长至事件窗前120个交易日，检验的其余设定与正文部分相同。经检验，在更改了估计窗的长度后，AAR以及CAAR的正负方向以及显著性并未发生明显改变(由于检验结果与前表差异不大，这里未列式)，另外在对事件日后30天的AAR进行观测后，检验结果也同样支持假设4的成立。

表7 样本分组后的AAR及CAAR

(3)对样本进行分组。考虑到我们所研究的样本中包含了一部分构成绿色指数标的的股票，其由于包含更多正面信息(只有符合一定的评价标准才能纳入指数)往往更易上涨，则样本公司在事件发生后整体呈现的超额收益可能仅是由于这部分股票上涨所致，换言之，那些未被纳入指数的绿色行业股票可能并未受到绿色指数发布的影响。为此，为进一步增强前文结论的稳健性，我们将各事件中纳入相应指数的个股设为实验组，其余个股设为对照组，分别观察事件发生后各组收益率的变化。

表7列示了在(1,5)的观测期内各组AAR及CAAR的统计情况，其中第4行中列式的是观测期内各组样本ARR大于0的天数占比情况。由表中ARR的正负情况以及大于0的占比可知，各组在各事件中均获得了正的超额收益，这表明绿色指数发布的正向影响是全局性的，其并非仅体现在那些被纳入指数的股票上。另外，进一步对比各组AAR均值或是CAAR的数值，我们发现，上述影响也存在一定差异：实验组在事件发生后获得的异常收益均明显高于对照组，即那些被纳入指数的个股会获得更高的超额收益。由此，综合(1)、(2)中的分析，我们认为前文结论稳健，同时我们对该结论可进行进一步阐述：绿色指数发布存在正股价效应，该效应体现在对绿色领先类公司股价的显著影响上，而对于那些被纳入指数的个股而言，这种影响更加强烈，其在短期内获得的超额收益更高。

(二) 基于投资者情绪对股价效应的解释

表8 事件日前后百度搜索指数统计

1.投资者情绪的描述性统计。为了体现投资者情绪在事件发生前后的变化，我们将事件日前后各5个交易日内的百度搜索指数统计情况列式如表8。从各截面来看，股票间的搜索指数差异较大，各统计区间内的极差值均在万位以上。造成这一现象的一是前文提到的重复指向型问题，二是投资者在不同股票上存在的情绪截面差异。而对比各事件日前后(-5,-1)与(1,5)上的均值，我们发现，在各事件发生后，百度搜索指数均有一定幅度的上涨。以事件1为例，在事件发生后，平均每只股票在每天的搜索量增加了344条，投资者情绪在绿色指数发布后明显高涨，他们通过更加积极地搜集样本公司的信息以支撑自己的购买决策。

表9 投资者情绪对股票累计异常收益率的回归结果

注:*、**和***分别表示在10%、5%和1%水平上显著，括号内为t值

2.回归结果分析。上述描述性统计结果表明，投资者情绪在绿色指数发布后明显高涨。那么，这种乐观情绪是否可以对事件日后的异常收益进行解释呢？如表9所示，相比于模型1，在加入了ΔSenti项后，模型2整体的显著性以及拟合优度明显提高，同时各控制变量的系数方向及显著性并未发生明显改变。这表明，用投资者情绪作为解释变量来解释事件日后的超额收益是合理且必要的。进一步，就模型2的解释变量系数来看，ΔSenti项的系数为0.103，且在1%水平下显著，这表明当期投资者情绪的变化对事件日后的超额收益有显著的正向影响。在绿色指数发布后，当其他变量保持不变时，投资者的乐观情绪相比上一期每增加一个度量单位，则公司的累计异常收益率提高10%。模型3的回归结果与模型2较为类似，SentiT项的系数在1%水平下显著为正，这表明事件日后的超额收益与当期投资者情绪显著正相关，当期投资者对某只股票的情绪越乐观，则该股票的累计异常收益越高。由此，我们初步认为假设2和假设3成立，即绿色指数发布所引发的股价效应的确可以经由投资者情绪来解释。

另外，就各模型的控制变量来看，单只股票在事件发生后的累计异常收益与公司规模及公司成长性显著负相关。这与前文分析中，对这些噪声交易者是非理性投资者的判定是相符合的。因为非理性投资追求的往往是短期投机收益，高成长性的公司并不符合他们的投资逻辑，而规模较小的公司往往受到的关注程度较低，股价可能并未充分反映其内在价值，因而更受到这部分投资者的偏爱，其在事件日后的累计异常收益也会更高。

3.稳健性检验。(1)考虑内生性问题。由于股票在事件日后的异常收益在一定程度上也会影响投资者情绪，故上述回归中可能存在互为因果的内生性问题。为此，我们利用工具变量法来加以解决。

参考生态环境部发布的重点城市空气质量排名，本部分将样本公司所处的地区划分成了高污染区域和低污染区域两组，并且以“公司是否处于高污染区域”这一虚拟变量作为当期投资者情绪的工具变量。以此为工具变量的原因有以下两点：首先，对于投资者而言，其在绿色指数发布后往往会对样本公司的绿色发展状况做出进一步考量。此时，公司所处地域的污染状况无疑是一个最直接的评价标准。当某公司处于重度污染的区域时，污染的顽疾性往往制约着公司的发展，即便该公司属于绿色领先类公司，投资者也会认为公司的发展会受到整体环境的制约。受此影响，投资者情绪也会相对低落。反之当公司所处区域的环境状况良好时，预期的改善会使得投资者情绪相对更加乐观。因此，样本公司所处地域的污染状况与投资者情绪存在一定的相关性，工具变量的相关性条件满足。其次，由于公司所处区域以及区域的污染状况在很长一段时间内是固定不变的，这可看作是既定事实、不受到任何外界因素的影响，并且公司所处地域的污染状况与被解释变量之间也不存在理论上的因果关系，故可认为该工具变量是严格外生的，工具变量的外生性条件也同样满足。

表10 2SLS二阶段回归结果

注:*、**和***分别表示在10%、5%和1%水平上显著，括号内为t值

进一步，我们以该工具变量进行二阶段最小二乘回归(2SLS)。2SLS二阶段的回归结果如表10所示，我们发现，在剔除了异常收益对投资者情绪的潜在影响后，SentiT项的系数依然显著为正，同时各控制变量的系数方向和显著性也未发生明显改变，上述研究结论依旧成立。另外，根据识别不足检验和弱工具变量检验结果，前者的p值几近于0，后者的F统计量也满足大于10的工具变量条件，这从统计上进一步验证了该工具变量的有效性。

(2)改变投资者情绪指标的度量方式。前文利用百度搜索指数构造了投资者情绪的代理变量，并以此对绿色指数发布后的异常收益做出了解释。但需要注意的是，百度搜索指数虽然在度量投资者对于不同股票的情绪差异等方面确有优势，但正如李彪和郑满宁(2012)[30]指出，许多公司为提高搜索排名会雇佣水军刻意提高搜索量，对股票名称贡献搜索量的人很可能并非真正的投资者，这使得利用百度搜索指数来度量投资者情绪并不足够精准。

对此，我们在这部分检验中，利用上证e互动和深交所互动易的投资者提问数据来重新构建投资者情绪变量，以此对上述结论的稳健性做进一步考察。作为上交所、深交所推出的官方平台，e互动和互动易给投资者提供了一个很好的与上市公司直接沟通的平台，投资者可以通过问答与公司实现直接对话，增进与公司的距离。一般来说，投资者情绪越高涨，就会更加积极在平台上提问，因此提问数量是对投资者情绪的一个很好度量。另外，由于在平台上可以看到每一个提问内容和投资者昵称，因而相比百度搜索指数的不透明性，我们可以对平台上的有效提问做出筛选，这使得我们的度量更加精确。为此，我们手工搜集了事件窗内(具体见表2)两个平台上样本公司的提问数据，其中沪市的股票数据在上证e互动获取，深市及创业板的股票数据在深交所互动易上获取，并对所有提问做出了筛选，具体筛选的方式为：首先将同一投资者在同一天的多次提问视为一次，其次将提问内容与公司基本面无关以及提问内容较为极端的问题视为无效问题。进而，我们构建了如下的回归方程：

(11)

需要说明的是，模型4中除了解释变量Senti,其余各项设定均与模型2相同。在Senti的具体定义上，由于e互动和互动易的活跃程度远不如百度理想，这使得各股票的提问数量在较短的研究期内没有足够的区分度，多只股票可能都是同一提问总数。对此，我们将股票按总体的提问数量均值进行分组，有效提问数量高于均值的为高情绪组，反之为低情绪组，并将Senti设定为虚拟变量，当某只股票位于高情绪组则Senti为1，反之为0。

表11 改变度量方式下的检验结果

注:*、**和***分别表示在10%、5%和1%水平上显著，括号内为t值

模型4的回归结果如表11所示。根据该回归结果，Senti的系数为0.0255，且在5%水平下显著，这表明在其他变量不变时，位于高情绪组的股票在事件日后会多获得近3%的累计异常收益，投资者情绪的提高的确对事件发生后的超额收益有显著的正向作用。这与前文得出的结论是一致的，因而我们认为假设2和假设3的结论稳健。

(3)利用分组数据进一步检验。根据表7的统计结果，实验组在事件发生后获得了更高的超额收益。而根据本部分基于投资者情绪视角的分析，投资者情绪可以显著解释这种超额收益。则若以上影响机制成立，那么相比对照组，实验组在事件发生后的投资者情绪应当更加高涨。为此，我们以投资者情绪增量ΔSenti为被解释变量，以是否被纳入实验组为解释变量，建立了如下的回归方程，以此对上述结论进行进一步检验。其中，ΔSenti与模型2中设定一致；Index和Bull均为虚拟变量，当股票在实验组中时Index为1，当股票处在上涨行情时(提前一期的平均收益率为正)Bull为1；Turnover为提前一期的换手率(周换手率)。

模型5：ΔSenti=β0+β1(Index)+β2(Bull)+β2(Turnover)

(12)

注:*、**和***分别表示在10%、5%和1%水平上显著，括号内为t值

表12列式了模型5的回归结果。根据回归结果，Index项的系数在1%下显著为正，这表明，相较于对照组，实验组在事件当期投资者情绪的增量更高。根据前段的叙述，这从另一个层面验证了我们以投资者情绪来解释股价效应的正确性。另外，结合模型2的结论，实验组在事件当期更高的投资者情绪增量也解释了表7中两组样本超额收益的差异。

五、 结论及政策建议

本文通过事件研究法研究了绿色指数发布对绿色领先类公司股票价格的影响，并基于投资者情绪视角，对该现象背后的影响机制做出了分析。文章研究发现：第一，绿色指数发布事件已颇具影响力，绿色指数发挥作用的前提条件已基本满足。同时，绿色指数发布存在正股价效应，即在指数发布后，样本公司的累计平均异常收益率总体上显著为正，多数样本公司在短期内股价上升明显，市场对于绿色指数发布的反应较为强烈;第二，绿色指数发布所引发的股价效应不具备长期性，样本公司在短期内获得的超额收益会在事件发生两周左右之后回落消失;第三，绿色指数发布后，以百度搜索指数度量的投资者情绪明显提高，并且这种投资者情绪的增量可以显著解释事件日后的超额收益。当期投资者对某只股票的情绪越乐观，该股票所获得的累计异常收益越高，基于投资者情绪视角对股价效应的解释成立。

针对以上结论，本文提出如下政策建议。首先，对于绿色行业公司、尤其是对于其中那些在规模和成长性上处于劣势的公司而言，其在事件发生后获得了更高的超额收益，因而更要以此为契机，努力实现弯道超车。其在公司主页上可以通过强化环保信息披露、透明化生产流程等方式打造 “绿色”名片，从而将投资者发展成为公司的长期价值投资者。其次，样本公司在短期出现的显著的异常收益率表明，市场对于绿色指数发布的反应是过度的，当前市场上存在着一定的非理性投机现象。而对于绿色行业而言，其真正需要吸引的是长期价值投资者、并非短期投机者，则这提醒监管层要加强绿色投资理念的培养。一方面，考虑到目前市场上的绿色指数种类繁多、普通投资者难以准确把握有效信息，监管层可以通过建立上市公司环境档案、构建绿色信息投资指引等，帮助投资者甄别把握真正值得关注的绿色信息；另一方面，也有必要鼓励机构投资者牵头建立绿色投资网络，通过这些机构的示范效应引导更广大投资者向绿色价值投资者转变。