《Environmental and Sustainability Indicators》:Impact of natural disasters on Indian stock market indices and its aggregates
编辑推荐:
气候变化与自然灾害日益被视为新兴市场中的重要金融风险来源。本文采用事件研究框架(Event Study Framework)与似不相关回归(Seemingly Unrelated Regressions, SUR),考察2014年1月至2023年12月期间四类
气候变化与自然灾害日益被视为新兴市场中的重要金融风险来源。本文采用事件研究框架(Event Study Framework)与似不相关回归(Seemingly Unrelated Regressions, SUR),考察2014年1月至2023年12月期间四类EM-DAT灾害类型——气候学灾害(climatological)、地球物理灾害(geophysical)、水文灾害(hydrological)及气象灾害(meteorological)——对印度国家证券交易所(NSE)与孟买证券交易所(BSE)共27个综合、行业及策略指数之指数特定与灾害特定异常收益(Abnormal Returns, AR)的影响。研究发现各板块与灾害类型间存在显著异质性:地球物理灾害致使房地产与制药指数产生显著负向异常收益,而金属与能源指数普遍呈正向反应,与灾后重建及能源需求预期一致;气候学灾害(含干旱)对消费导向板块产生负面冲击,水文与气象灾害则引发较弱且方向不一之效应。基于上述估计值,研究人员构建g值排序组合(g-sorted portfolios)并评估针对灾害风险的对冲策略:做多灾害敏感度最高之指数、做空敏感度最低之指数之Top/Bottom策略,其平均收益与风险调整后绩效均持续优于等权重基准组合。本研究贡献在于:(1)首次于统一SUR事件研究框架下联合检验全部四类EM-DAT灾害于27个印度股指之影响;(2)开发并验证基于灾害敏感度的Top/Bottom对冲策略;(3)提供新兴经济体板块特定气候风险脆弱性证据,对气候意识投资组合配置与印度金融监管具政策含义。
论文解读:《Impact of natural disasters on Indian stock market indices and its aggregates》
本文发表于《Environmental and Sustainability Indicators》。研究背景方面,既有气候—金融关联文献多聚焦发达市场(美、澳、日),对印度等灾害频发大型新兴经济体证据匮乏;已有研究通常孤立分析单一灾害类型,且未系统覆盖综合、行业与策略多类指数;亦无针对印度股市校准并验证的灾害敏感度组合对冲策略。鉴于印度受气候变暖引发的洪水、干旱、气旋等极端事件影响显著,且印度储备银行(Reserve Bank of India, RBI, 2021)警示气候相关事件威胁金融稳定,有必要厘清不同自然灾害类别对各板块股指的差异化冲击,为气候-aware投资与监管提供依据。为此,研究人员以EM-DAT数据库收录的2014—2023年印度四类自然灾害事件为外生冲击,匹配NSE与BSE共27个指数(9个综合指数、15个行业指数、3个策略指数)日度收盘价,采用似不相关回归(SUR)事件研究法估计各指数之于每类灾害的异常收益系数γi(灾害敏感度),据此计算累积异常收益(Cumulative Abnormal Return, CAR),并构建基于γi排序的Top/Bottom多空对冲组合,经样本内与滚动窗口样本外检验评价其表现,辅以VAR与GARCH(1,1)做稳健性验证。
关键技术方法简述:研究人员选取EM-DAT中2014年1月—2023年12月发生于印度、经审核的climatological、geophysical、hydrological、meteorological四类自然灾害事件为事件日;以NSE与BSE共27个主要(major)、行业(sectoral)及策略(strategy)股指日收盘价为资产端数据,市场收益Rm,t取剔除自身后的26个指数等权重均值(leave-one-out)以消除循环定义偏误;连续复合收益Ri,t=ln(Pi,t/Pi,t-1);事件窗设为灾难发生后[t0=0, tw=4]共5个交易日;基础市场模型引入灾难日虚拟变量dt,全模型(式4)进一步纳入dt·Rm,t交互项控市场整体偏移、AR(k)项消自相关(滞后阶数由AIC逐方程选定)、宏观控制变量(GDP增速与FDI变动),并以Newey-West异方差自相关一致(HAC)标准误(带宽5阶)做推断;27方程联立用SUR估计各指数每类灾害之γi,CARi(t0,tw)=Σγi,t;依γi绝对值或符号分位数分组建多空组合,比较等权重基准与Top/Bottom(做多γ最高前10%、做空γ最低后10%)策略之日均收益、夏普比率等;样本外以2014—2020估参、2021—2023做滚动回测并扣双边10 bps交易成本;另以VAR(外生灾害哑变量)与GARCH(1,1)(均值与方差方程均含灾害哑元)校验板块异质响应与波动冲击。
研究结果:
2. Methodology(方法)
研究人员设定事件窗[t0=0,tw=4],以leave-one-out等权重市场收益Rm,t规避内生性,用SUR联解27个含灾害哑变量之市场模型(式2—式4),AR由灾害哑变量系数γi,t给出,CAR为事件窗内γ之和。ADF检验拒单位根、Ljung-Box验出自相关、Jarque-Bera拒正态性,故模型加入AR项并以Newey-West HAC标准误修正。四日之内多重事件合并去重。结论:所建SUR事件研究框架可兼顾27指数同期相关性与灾害类别—指数双维度敏感度估计,诊断检验支持模型设定。
4.1. Disaster-specific impact analysis(灾害特定影响分析)
按EM-DAT四类灾害分别估计SUR得各指数CAR核密度分布:hydrological事件CAR密集于零,市场几无反应;geophysical事件CAR分布扁平宽散,正负偏离大、难预测;climatological事件CAR呈负偏,整体偏向负异常收益;meteorological事件亦偏负但尾部较短。结论:climatological与geophysical灾害对印度股市负面冲击最强且较一致,hydrological与meteorological冲击弱且不均。
4.2. Index-specific impact analysis(指数特定影响分析)
分灾害类型看板块异质响应:①Climatological——Nifty FMCG与Nifty Pharma显著负CAR(约?0.0005),Nifty Metal(+0.0005)、S&P BSE Metals(+0.0012)、Nifty Commodities(+0.0004)正CAR,符合供应链中断压低消费—医药板块、灾后重建拉升金属—商品需求。②Geophysical——Nifty Realty、S&P BSE Realty、Nifty Pharma负CAR(约?0.0004),Nifty Metal(+0.0012)、S&P BSE Metals(+0.0011)、Nifty Energy(+0.0005)正CAR,India VIX(+0.001)升反映风险溢价推高波动;地产受直接损毁估值下修、医药受物流中断。③Hydrological——Realty与FMCG微负,Nifty Pharma、Auto、Metal、Bank微正。④Meteorological——Nifty Pharma、Energy、Oil & Gas、Auto负CAR,S&P BSE Realty、Nifty Realty、Nifty Bank、Power、Infra正CAR。结论:金属、能源、商品板块对geophysical与climatological灾害呈正向敏感度(重建需求渠道),地产、制药、FMCG呈负向敏感度(直接损毁与供应链中断渠道),水文与气象灾害效应混杂偏弱,板块响应模式在pre-与post-COVID子期大体一致。
4.3. Natural disaster risk hedging strategy(自然灾害风险对冲策略)
依SUR估计之γi建多空组合:Top-10(做多前10%高γ)、Top-25等及Top/Bottom(做多前10%高γ、做空后10%低γ)。样本内2014—2023:各类灾害与合计平均日收益Top/Bottom(合计0.0039)均高于等权重基准(0.000567)与Top-10(0.002);过度分散之Top-25起回报递减甚至转负。结论:基于灾害敏感度之Top/Bottom多空策略可有效捕捉板块分化,样本内对冲自然灾害股市敞口优于等权重基准。
4.4. Out-of-sample validation and backtesting(样本外验证与回测)
以2014—2020估γ排名,2021—2023做OOS测试扣10 bps单边交易成本。无条件OOS期间Top/Bottom因非灾日多空拖累及强牛市长账成本,日均收益低于等权重基准(年化Sharpe比1.467);但限定灾害事件窗[t0,tw]内仍具预测力。Diebold-Mariano检验确认事件窗内策略相对基准无显著劣势(方向符合预期),无条件OOS劣于基准主因系长短期结构在非灾期之摩擦。子期分析显示板块敏感度符号跨pre-与post-COVID一致。结论:灾害敏感度排名具事件窗内条件预测价值,无条件OOS受制于市况与交易成本。
4.5. Robustness checks(稳健性检验)
VAR(外生灾害哑元)脉冲响应显示Nifty Pharma受灾害冲击负向显著、Nifty Energy正向或无影响,与SUR板块异质结论吻合;GARCH(1,1)中灾害哑元于Nifty 50方差方程显著正(条件波动抬升),Pharma均值方程显著负、Energy均值方程微正,确认灾害引致板块分化异常收益与整体波动激增而非宽基持久AR。结论:SUR主结果不因模型设定改变,板块异质响应与波动冲击具稳健性。
讨论与结论翻译(总结):
本研究表明气候变化相关的自然灾害对印度资本市场产生异质且板块特定的影响。采用定制事件研究框架分析27个股指发现,气候学与地球物理灾害引致最严重负向异常收益,尤见于制药、房地产与消费品板块,而金属、商品与能源板块常因灾后重建需求呈韧性或正向响应。水文与气象事件影响相对较弱且方向混杂。结果强调广义市场指数掩盖重大板块脆弱性。VAR与GARCH稳健性检验证实即期板块回报负向冲击及灾害日市场波动显著抬升,但宽基指数持久异常收益有限。Top/Bottom对冲策略优于等权重基准,凸显板块配置于管理灾害金融风险之重要性。综上,气候相关风险应纳入金融决策与风控流程;未来可引入网络分析与统计物理框架刻画市场复杂依赖关系以构建更具气候韧性的投资策略。
局限性(简述):日频数据可能遗漏盘内调整;EM-DAT筛选或漏小尺度事件;未完全分离同期宏观冲击且线性设定忽略非线性反馈与预期效应;2014—2023印度样本受灾害管理、保险覆盖与投资者行为变迁影响外部效度受限,短事件窗未捕获长期恢复趋势。