小型新兴市场：一种新的资产类别（英）

政策研究工作论文 小型新兴市场 新资产类别 阿尔瓦罗·佩德拉扎 迪利普·拉塔 政策研究工作论文 11307 摘要 本文探讨小型低中等收入国家是否能为全球投资者提供超额回报和多元化收益。研究使用了2015年至2025年的月度股票价格数据，将人口低于特定门槛的低中等收入国家的上市股票进行汇总，构建按人口和土地面积排序的价值加权投资组合。然后，它估算了一个两因素资产定价模型，以评估它们相对于发达市场和新兴市场基准的风险调整后表现。仅限于人口少于2000万或面积小于100万平方公里的投资组合，与全球市场回报的低协方差一起，获得正的且具有经济意义的alpha值。通过调整特雷诺比率测量的风险调整后表现，在1500万人的峰值处达到最高。 人口范围在2000万左右。一旦较大的低中收入国家进入投资组合，与全球市场的融合迅速上升，α值收敛至零，多元化收益消失。在高收入国家中没有出现类似模式，即使是规模非常小的市场也完全融合。这些结果指向了一个“小型新兴市场资产类别”：小型发展中国家保持部分分割状态，结合了来自结构性脆弱性（例如，气候和环境风险增加）的不可分散的国家特定风险暴露，以及有限的金融融合，投资者似乎得到了补偿。因此，小型低中收入国家成为了国际投资组合多元化的一道独特前沿。 该政策研究工作论文系列旨在传播正在进行中的研究工作成果，以鼓励有关发展问题的观点交流。该系列的旨在尽快发布发现结果，即使阐述的内容不够完善。这些论文带有作者名字，应相应地引用。本文所表达的研究成果、解释和结论完全由作者负责。这并不一定代表重建与发展银行/世界银行及其附属组织，或由其代表的执行董事的观点和看法。equivalent in Chinese depending on the context. In writtenChinese, it might be translated as 我 (wǒ) or other variations based on the specific context.ANPG 小型新兴市场：一种新的资产类别1 3迪利普·拉塔 2阿尔瓦罗·佩德拉扎 L 代码：JE.G11, G15, F21, O16关键词：小国、新兴市场、国际多元化、金融一体化、超额收益 1. 引言 国际多元化长期以来一直是全球投资组合构建的核心。在20世纪90年代初，新兴市场（EM）股权提供了卓越的益处：与发达国家市场（DM）指数的低相关性以及显著的风险调整后回报。这些益处通过国际金融公司（IFC）在20世纪80年代在建立新兴市场资产类别方面的开创性努力得到了强调（Errunza和van Agtmael1982，Gill 2012，van Agtmael 1987）。然而，在随后的几十年中，正是那种拓宽新兴市场准入的自由化压缩了这些溢价。随着新兴市场进入主要基准指数，吸引外资，并与先进市场深度融合，与DM的相关性激增，到2000年代中期接近0.8，并且自那时以来一直保持较高水平（图1，面板A）。同时，20世纪90年代和21世纪初的大部分时间里标志性的风险调整后回报在2010至2020年代基本上消失了（图1，面板B）。多元化前沿已经变窄，留给投资者通过国际分配获得具有意义的风险调整后回报的机会越来越少。 本文探讨了全球市场组合中是否还有任何部分足够独特，可以重新创造曾经与新兴市场相联系的投资分散化及超额收益潜力。我们发现在人口或土地面积相对较小的低收入和中收入国家（低中收入国家或LMICs）中存在这样的前沿。在发展政策中，“小国”行为不同这一观点已经得到很好的确立，因为人口少于150万的国家往往因为其结构性脆弱性而被归为一组：生产出口基地集中、地理孤立、公共服务人均成本高以及面临自然灾害和气候风险增加的威胁。我们的分析建立在相同的直觉之上，即国家规模决定了韧性和金融整合，但允许数据来确定相关的人口门槛。 在资本市场中，规模小具有明确的影响。非常小的LMICs通常具有较浅的股市市值、较少的交易量、有限的基准纳入，以及以国内投资者为基础。这些特征限制了与全球资本市场的融合，并可以保留全球风险因素未能完全捕捉的回报驱动因素。与发达市场基准的协方差较低增加了其多元化价值，反映有限的金融一体化，而结构性脆弱性可能使投资者面临需要补偿的风险，例如通过加强环境和气候相关的风险。因此，人口规模和土地面积可以作为一个代理指标，反映与市场深度、一体化和脆弱性相关的更广泛的结构特征。 我们使用一个双因素基准调整回报模型来测试这些想法，该模型将投资组合的超额回报回归到发达市场和新兴市场指数。投资组合通过设定人口阈值并根据市值进行价值加权成员国家构建。这种方法使我们能够追踪随着越来越多的LMICs被包括在内，alpha和市场整合如何演变。我们发现由人口少于2000万的国家的投资组合表现出正的、具有经济意义的alpha，峰值在1500万到2000万之间。在这个窗口内，与发达市场回报的相关性保持平稳，表明整合有限，而异常回报相对于系统性敞口较大。超过这个阈值，整合急剧上升，alpha趋近于零，多元化溢价消失。相比之下，在高收入国家，无论人口如何，整合都普遍较高，没有观察到小国溢价。 结果表明，对替代规格的鲁棒性。排除新冠疫情危机月份不会改变模式，同样，用欧元而不是美元衡量回报也不会改变。按GDP或人均GDP排序国家未能揭示类似的溢价，这强调了人口而不是收入或经济规模是相关分割维度。按国土面积排序国家得到的结果与人口广泛一致，这表明两种排序都捕捉到了规模和整合的约束。总的来说，这些检查表明，小国溢价是独特的、持续的，并且与国家规模紧密相关，这是全球资产定价研究中在很大程度上被忽视的分割结构渠道。 为了揭示这些投资组合模式背后的经济机制，我们将国家层面的异常收益（alpha）与可观察的结构和金融特征联系起来。分析表明，在那些对国内环境和气候风险暴露度高且金融一体化程度有限的国家，超额收益的系统水平更高。结构脆弱性提高了投资者持有本地股票所需补偿，而资本账户开放度的限制限制了这些风险通过全球投资组合进行套利消除的程度。一旦考虑这些特征，人口规模本身就不再具有独立的解释力。相反，小规模作为组织维度，有助于识别那些在风险较高且一体化程度不足的国内风险与不完全一体化共同制度下运营的经济体，在那里，超额收益和多元化收益都可以持续存在。 2. 相关文献与贡献 我们的分析对国际金融领域的三个研究方向做出了贡献。首先，我们基于国际资产定价文献，记录了全球和本地风险因素共存的事实。纯粹的全球资本资产定价模型（CAPM）始终被拒绝：预期回报取决于全球和特定国家风险暴露（Stulz 1981；Errunza & Losq 1985；Bekaert & Harvey 1995；Lewis 2011）。分割通过汇率风险（Adler & Dumas 1983；Dumas & Solnik 1995）、信息摩擦和投资者基础构成（Merton 1987；Karolyi 1998；Foerster & Karolyi 1999）而产生。Lewis（2011）表明，多元化收益取决于持续的分割，这种分割在危机期间往往崩溃（Bekaert et al, 2007）。最近的研究也强调了当全球因素弱或潜在时的识别挑战；Giglio et al（2022）表明，当全球驱动因素不完美地覆盖时，无条件CAPM测试可以产生虚假的alpha。我们通过展示人口规模系统地影响一体化来为这一文献做出贡献：非常小的LMICs仍部分分割，即使在考虑全球EM和DM因素后，也能提供正的风险调整回报。 其次，我们丰富了关于市场细分和新兴市场的文献，将超额收益与自由化动态、资本管制以及不完全一体化联系起来（例如，Bekaert & Harvey 1995；Karolyi 1998；Foerster & Karolyi 1999）。先前的研究表明，随着市场开放和外国参与增加，新兴市场溢价下降。我们的贡献在于表明，低收入和中等收入国家内部的细分与规模相关：只有极小的国家与发达市场的相关性较低，并保留了类似于20世纪90年代初新兴市场溢价的异常回报。 第三，我们讨论关于跨国特征和预期回报的研究，包括由经济规模、市场深度、制度发展和投资者构成（例如，Bekaert & Harvey 2003；Carrieri, Errunza & Hogan 2007；Pukthuanthong & Roll 2009）驱动的差异。关键的是，我们还与近期关于资产定价和气候风险的研究进行了联系。在公司层面，越来越多的证据表明，那些对物理气候风险暴露度更高的实体，尤其是资源有限的实体，…… 为了减轻这些风险，获得正的风险溢价（例如，Giglio、Kelly和Stroebel 2021；Painter 2020）。尽管公司层面的规模效应得到了很好的记录，但国家规模——通过人口或面积来衡量——却很少受到关注（Lane和Milesi-Ferretti 2008）。我们通过提供国家层面的证据来扩展这一研究线：在小型低收入和中等收入国家（LMICs）中记录的超额回报是对不可分散的结构性脆弱性的补偿，主要是由气候和环境风险的加剧所驱动。这一发现对发展中国家尤其相关，因为这些国家通常具有有限的适应能力来保护自己免受这些冲击，与发达市场的实体相比。论文表明，人口和面积是一个高度有效的过滤器：风险调整后的溢价集中在约2000万人以下的LMICs，而较大的LMICs表现出完全整合且没有异常回报。 3. 数据 我们为2015年1月至2025年2月期间，36个低收入和中等收入国家（LMICs）以及33个高收入国家（HICs）汇编了股权市场数据，数据更新频率为每月一次。国家层面的股票市场指数和市场资本化数据来自彭博社。表1报告了所有国家的完整列表，它们的基准股票指数，市场资本化（以样本开始时美元计算）以及每个市场的上市公司数量。 所有回报都是以美元表示，以便在不同国家之间进行可比性比较。表1还总结了每个市场的平均月回报和回报波动性。收入分类遵循世界银行的2015年国家收入分组，并在样本期间保持固定。还包括其他的国家特征，如人口、土地面积、GDP和人均GDP（2015年美元），这些数据来自于《世界发展指标》。 为了衡量全球系统性风险，我们依赖两个广泛使用的基准指数。明晟全球指数（MSCI World Index）捕捉发达市场的股权回报，而明晟新兴市场指数（MSCI EM）则捕捉发展中国家和新兴经济体的回报。这些指数作为我们在两因子资产定价模型中的全球风险因子。作为无风险利率，我们使用美国一个月期国库券收益率。 4. 经验策略 我们使用双因素资产定价模型对小国投资组合的风险调整后收益进行估算。实证模型在资本资产定价模型（CAPM）的基础上，增加了一个因素以捕捉新兴市场的回报。正式地，对于每个群体阈值投资组合的超额收益建模如下：PP，每月 ,=() +()𝐷𝐷𝐷𝐷,+()𝐸𝐸𝐷𝐷,+,. 一个月美国国库券利率。并且−表示发达P & 新兴这里⋅ − - 市场贝塔 ⋅ − 股权指数回报 , -s 分别，并且是投资组合构建：投资组合是根据人口阈值将国家分组形成的。对于给定的阈值P我们包括所有2015年人口低于的LMICs。P每月投资组合回报 按构成国指数的价值加权平均值计算，权重与样本开始时的市值成比例。4 机械相关性与EM因子。随着人口门槛的提高，投资组合开始包括更大规模的新兴市场，这些市场构成了标准新兴市场基准，如MSCI新兴市场指数的一部分。这种重叠产生了一种机械性的投资组合收益共同变动的来源。,并且EM因素，因为有些相同的国家